本文選題：車輛跟蹤 + 車道線識別��； 參考：《中國民航大學(xué)》2015年碩士論文

【摘要】：交通事故頻發(fā)以及人們對交通方式越來越高的要求使智能交通系統(tǒng)得到了迅速發(fā)展,其中智能車輛成為最大的研究熱點之一。前方運動車輛的行為認(rèn)知可以為智能車輛提供實時的道路車輛信息,能夠有效地避免交通意外情況的發(fā)生,已然成為無人車駕駛技術(shù)、輔助安全駕駛等領(lǐng)域的研究重點。為了實現(xiàn)準(zhǔn)確地車輛跟蹤與車道線識別,本文對一些常用的車輛行為智能識別算法進(jìn)行了改進(jìn),主要貢獻(xiàn)如下:1.提出了一種改進(jìn)的前方目標(biāo)跟蹤方法。改進(jìn)的方法充分利用了車輛尾部的對稱性,有效地去除了交通環(huán)境中的干擾信息,并利用金字塔光流改善了對快速目標(biāo)的跟蹤效果。2.利用了一種改進(jìn)Hough變換的方法實現(xiàn)車道線的檢測。在本方法中,通過約束參數(shù)來建立動態(tài)感興趣檢測區(qū)域,在當(dāng)前幀的基礎(chǔ)上對下一幀進(jìn)行參數(shù)約束Hough變換,提高車道線檢測算法的準(zhǔn)確性和實時性。3.為了便于分析車輛行為,對復(fù)雜的交通場景作了限定和建模。根據(jù)道路交通標(biāo)線和車輛與車道線的位置關(guān)系,對限定交通場景進(jìn)行了建模,實現(xiàn)了對前行車輛的保持車道、壓線行駛以及車道變更等行為的認(rèn)知。大量實驗結(jié)果表明,文中提出的方法能夠有效地在限定交通場景中實現(xiàn)對前方車輛的行為識別。
[Abstract]:The frequent occurrence of traffic accidents and the increasing demand for traffic mode make the intelligent transportation system develop rapidly, in which intelligent vehicle becomes one of the biggest research hotspots. The behavioral cognition of moving vehicles in front can provide real-time road vehicle information for intelligent vehicles and can effectively avoid traffic accidents. It has become the focus of research in the field of driverless driving technology and auxiliary safe driving. In order to achieve accurate vehicle tracking and lane line recognition, some commonly used intelligent recognition algorithms for vehicle behavior are improved in this paper. The main contributions are as follows: 1. An improved forward target tracking method is proposed. The improved method makes full use of the symmetry of the vehicle tail, effectively removes the interference information in the traffic environment, and improves the tracking effect of the fast target by using the pyramid optical flow. An improved Hough transform is used to detect lane lines. In this method, the dynamic detection region of interest is established by constraining parameters, and the next frame is transformed with parameter constraint Hough on the basis of the current frame to improve the accuracy and real-time performance of lane detection algorithm. In order to analyze vehicle behavior, the complex traffic scene is defined and modeled. According to the traffic mark and the position relation between the vehicle and the lane line, the limited traffic scene is modeled, and the cognition of the behavior of the moving vehicle such as keeping the lane, driving under the pressure line and changing the lane is realized. A large number of experimental results show that the proposed method can effectively recognize the behavior of the vehicle in the restricted traffic scene.
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊傳崗;徐建閩;林曉輝;;基于視頻技術(shù)的交通場景背景生成方法研究[J];西部交通科技;2008年01期

2 朱昶勝;楊青;王杰;馮文芳;;基于城市交通場景的仿真研究[J];計算機仿真;2014年04期

3 陳先橋;嚴(yán)新平;初秀民;;霧天交通場景圖像中相關(guān)對象特征分析[J];武漢理工大學(xué)學(xué)報;2009年03期

4 周穎;嚴(yán)利鑫;吳青;高嵩;吳超仲;;基于虛擬現(xiàn)實技術(shù)的典型動態(tài)交通場景的設(shè)計與實現(xiàn)[J];交通信息與安全;2013年01期

5 譚論正;夏利民;夏勝平;;基于多級Sigmoid神經(jīng)網(wǎng)絡(luò)的城市交通場景理解[J];國防科技大學(xué)學(xué)報;2012年04期

6 李俊韜;張海;范躍祖;;復(fù)雜交通場景中多運動目標(biāo)分割算法[J];北京航空航天大學(xué)學(xué)報;2006年03期

7 胡江碧;曹新濤;;駕駛模擬艙三維道路交通場景仿真技術(shù)[J];北京理工大學(xué)學(xué)報;2008年07期

8 任建強;陳陽舟;;城市混合交通場景中的多目標(biāo)參數(shù)檢測[J];交通信息與安全;2009年04期

9 張瑜;仿真火車[J];鐵道知識;2004年02期

10 吳天;有車生活從美居開始[J];廣東電腦與電訊;2002年09期

相關(guān)博士學(xué)位論文 前2條

1 嚴(yán)金豐;復(fù)雜交通場景中運動目標(biāo)智能監(jiān)控[D];中國科學(xué)技術(shù)大學(xué);2014年

2 陳先橋;霧天交通場景中退化圖像的增強方法研究[D];武漢理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 馬闖;基于機器視覺的交通運動目標(biāo)檢測關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2015年

2 肖杰;基于暗通道先驗的霧霾天交通場景下退化圖像復(fù)原算法研究[D];西南交通大學(xué);2015年

3 張慧澤;城市交通場景中的背景建模方法研究[D];西安電子科技大學(xué);2014年

4 齊行知;城市交通場景中車輛異常行為檢測方法研究[D];東南大學(xué);2016年

5 李俊澤;面向輔助駕駛的交通場景圖像預(yù)處理研究[D];湖南大學(xué);2015年

6 徐林保;限定交通場景中車輛行為認(rèn)知方法研究[D];中國民航大學(xué);2015年

7 趙業(yè)東;基于圖像的交通場景理解[D];中南大學(xué);2013年

8 楊青;車載自組織網(wǎng)絡(luò)基于交通場景下路由協(xié)議算法的研究[D];蘭州理工大學(xué);2014年

9 黃灝;面向智能交通場景的低層語義提取算法研究與實現(xiàn)[D];北京郵電大學(xué);2015年

10 張小輝;虛擬交通場景中的雨雪仿真[D];西南交通大學(xué);2010年

，

本文編號：2041691