道路消失点检测是高级驾驶辅助系统中盲区监测的重要组成部分。针对现有消失点检测方法所存在的准确度低、运算量大等问题,提出一种基于车载视频图像的道路消失点检测算法。该算法在Harris角点检测基础上优化得分函数检测出图像特征点,减少在跟踪阶段的运算量;通过金字塔光流法和帧差距离对运动特征点进行跟踪,在结束帧上准确获得各特征点的位置;对特征点去除离值点后,通过优化初始聚类中心的K-Means聚类算法,得到车载视频图像的道路消失点。最后将算法应用于各种车辆行驶场景进行测试,在较短运行时间内,能准确检测出车载视频图像中道路消失点,证明算法鲁棒性好、运算简单易实现。

针对非结构化道路图像，本文提出了一种基于消失点信息的道路检测及智能预警算法。算法首先利用直线信息、竖直包络线分割、分组策略及聚类算法估计道路图像的消失点；然后基于消失点信息利用边界多特征软投票的方法提取道路区域；最后，根据非结构化道路区域的特点提取导航线，并根据汽车偏航角、偏航距离及偏航时间制定预警决策方案，从而对车道偏离智能预警。实验结果表明，本文提出的算法能快速有效的提取非结构化道路的道路区域，同时，根据预警参数可以有效的进行车道偏离预警。

针对多摄像机一维标定算法精度低、抗噪性和稳定性差等问题, 提出了基于消失点之间互相约束的多摄像机标定方法.为了避免径向畸变对成像造成的影响, 利用欧式空间位置约束的几何特性, 进行畸变参数的求取.通过靶标特征点约束结合摄像机的射影不变性排除杂点的干扰, 再利用空间消失点之间夹角一致性, 以及靶标特征点所构成的直线和消失点的反向射线平行性来求解摄像机的参数.当一维靶标任意运动时, 存在着无法区分靶标特征点对应的成像点临界问题, 采取反推理论数学分析法可事先避免该问题的出现.通过构建多摄像机系统进行标定实验, 可以看出该方法具有较高的标定精度, 且随着噪声的增加, 标定结果具有一定的抗噪性和稳定性；由相对误差值可知, 该方法可应用于多摄像机系统.

利用矩形角点计算了成像平面与靶标平面之间的单应性矩阵, 获取了结构光中心线在靶标平面的直线方程, 结合消失点原理获取了直线上任意多个标定点的三维坐标;通过多幅图像标定点的拟合得出了光平面方程.实验表明, 该算法可实现光平面参量的快速准确标定, 标定结果达到的定位准确度为±0.437 mm, 符合工业现场的实际需求.与交比不变法相比, 该方法获取标定点的效率高, 靶标设计简单、通用性强.

基于对铁路运行环境中所拍摄的图像特征的分析, 提出了一种修正的线段检测子(MLSD), 并利用该线段检测子结合最小二乘拟合及交叉迭代优化方法对消失点进行快速检测, 进而利用消失点坐标实现了相机姿态的估计, 为后续调整机器视觉算法进行铁路运行环境的场景重建提供重要依据。运用该方法, 基于车载相机所拍摄的图像对车载相机姿态进行估计, 实验所得的估计值满足了车载检测系统的精度要求, 表明了此方法对于估计相机姿态有效的。

从单幅图像中识别道路消失点，是无人驾驶、智能导航等领域的关键技术之一。针对城市典型道路和街道图像，提出了一种新的基于垂线包络和平行线对的城市道路图像消失点检测算法。提取单幅图像中的所有平行线对，利用图像中存在的竖直线，提出了竖直区域的包络线估计方法，并实现了对道路区域的分割，有效提取了道路区域内的平行线对。使用方向分组策略将道路区域平行线分成两类，并对近似对称的直线对求交点。利用C-means聚类和统计相结合的方法估计了城市道路场景中的消失点。实验结果表明，该算法能够准确有效地估计城市道路场景中的消失点。

选取场景中常见的门形结构为处理对象, 提取门形结构中的三条直线, 拟合直线方程, 进而确定直线的交点及两条平行直线的消失点, 根据消失点原理和垂直关系等先验知识确定摄像机坐标系和世界坐标系的映射。空间解析过程以直线方程为基本要素, 参与解析运算的点特征均由直线方程确定, 随机选取的点坐标仅用于方向一致性判定, 减少了随机误差引入。仿真实验表明, 本文的视觉定位方法对噪声有较高的鲁棒性, 与融合线特征和随机点特征的方法相比降低了定位误差。

摄像机标定是计算机视觉的关键技术之一。针对现有的标定技术计算过程复杂, 标定物使用不方便等问题, 提出了一种用于双目摄像机自标定的方法, 该方法要求场景中有两组正交的平行直线即可进行标定, 利用其在图像平面上形成的消失点之间的约束关系来建立标定方程, 从而求解出摄像机的内外参数, 再结合双目立体视觉原理标定双目摄像机的结构参数。将该方法在实验室现有设备上进行对比实验。实验结果表明, 该方法简单、有效, 可广泛应用于机器视觉研究、三维重建等多个领域。

针对结构化道路上运动车辆的车道偏离检测问题，采用单目视觉作为感知手段，分别从针孔模型下摄像机成像的空间几何关系和图像中车道线消失点的位置特点两个方面出发，推导出车辆直行情况下车道偏离率与两侧车道线斜率比之间的简单函数关系，该函数与摄像机内外参数无关。同时完成了在摄像机不同方向角下的车道偏离率测量试验，结果表明由于行车方向瞬时变化引起的摄像机方向角微小改变对车道偏离检测的影响可以忽略。道路现场试验结果表明，上述视觉测量方法得到的车道偏离率与手工实测结果相比，其相对误差小于 5%。基于车道线斜率的单目视觉检测方法避开了繁琐的摄像机参数标定过程，达到了较高的车道偏离检测精度。