【摘要】：智能交通系統(tǒng)的研究對(duì)降低交通事故顯得非常迫切,智能車輛作為其中最為核心的部分,對(duì)車輛檢測(cè)與跟蹤技術(shù)的研究也越來(lái)越受到研發(fā)人員的關(guān)注。本文針對(duì)車輛行駛過(guò)程中交通事故頻發(fā)的問(wèn)題,在車輛檢測(cè)與跟蹤方面進(jìn)行了研究;通過(guò)采用雙目視覺傳感器,分析圖像預(yù)處理、車輛檢測(cè)與跟蹤、相機(jī)標(biāo)定與立體視覺系統(tǒng),提出了一種結(jié)合特征與Kalman濾波改進(jìn)的Camshift算法,解決車輛行駛過(guò)程中跟蹤不準(zhǔn)確的問(wèn)題。具體如下:1)進(jìn)一步調(diào)查了國(guó)內(nèi)外智能交通系統(tǒng)的研究現(xiàn)狀和發(fā)展趨勢(shì),簡(jiǎn)要介紹了目前主流的前方車輛檢測(cè)技術(shù)。分析了圖像預(yù)處理相關(guān)技術(shù),對(duì)比選用中值濾波作為圖像濾波手段,運(yùn)用OSTU法對(duì)圖像進(jìn)行二值化處理,比較并選用了Canny算子對(duì)圖像邊緣進(jìn)行提取。2)結(jié)合車輛特征和卡爾曼濾波跟蹤實(shí)現(xiàn)對(duì)Camshift算法改進(jìn)。以前方車輛檢測(cè)技術(shù)為背景,論文采用改進(jìn)的Hough變換提取車道線,并根據(jù)車輛底部下緣陰影對(duì)車輛進(jìn)行精確定位;運(yùn)用Camshift算法實(shí)現(xiàn)對(duì)前方車輛的跟蹤,并結(jié)合卡爾曼濾波對(duì)其下一時(shí)刻的位置進(jìn)行更新預(yù)測(cè),跟蹤的準(zhǔn)確率得到了提升。3)對(duì)雙目相機(jī)的成像原理以及坐標(biāo)系之間的轉(zhuǎn)換關(guān)系作了分析,研究了雙目立體視覺系統(tǒng)測(cè)距。主要包括立體校正、對(duì)極幾何原理及立體匹配算法的選擇等,搭建了立體視覺系統(tǒng)軟硬件平臺(tái),最后進(jìn)行了雙目測(cè)距實(shí)驗(yàn)驗(yàn)證分析,得出測(cè)距誤差保持在5%范圍內(nèi)。
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;U495
【圖文】：

了較大的計(jì)算量，導(dǎo)致目標(biāo)檢測(cè)過(guò)程出現(xiàn)困難，因此，對(duì)圖像進(jìn)行預(yù)有必要的。圖像的預(yù)處理通常包括對(duì)圖像的裁剪、圖像灰度均衡化、二值化、邊緣檢測(cè)及形態(tài)學(xué)處理等。針對(duì)本文檢測(cè)研究?jī)?nèi)容，圖像預(yù)圖 2-1 所示：

函數(shù)可完成從 f 分布到 g 的均勻分布間的轉(zhuǎn)換，此時(shí)映射函數(shù)為：gk EQ( fk) (ni/n) pf(fi)，（k=0,1,2,......,L-1） （2- 1）其中求和區(qū)間為（0，k），由此函數(shù)可以得到圖像灰度均衡化后的各像素灰度值[66]。 處理后結(jié)果如圖 2-2 所示。

三種濾波技術(shù)處理圖像效果圖

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 沈彤;劉文波;王京;;基于雙目立體視覺的目標(biāo)測(cè)距系統(tǒng)[J];電子測(cè)量技術(shù);2015年04期

2 劉小豫;康世英;;基于Matlab的經(jīng)典邊緣檢測(cè)算法實(shí)現(xiàn)及分析[J];信息與電腦(理論版);2014年10期

3 劉偉;;一種基于智能相機(jī)的機(jī)器視覺系統(tǒng)的設(shè)計(jì)[J];重慶工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年11期

4 高帆;吳國(guó)平;刑晨;馬麗;;TLD目標(biāo)跟蹤算法研究[J];電視技術(shù);2013年11期

5 何克忠;;清華智能車技術(shù)研究[J];中國(guó)新技術(shù)新產(chǎn)品;2012年02期

6 姜宏志;趙慧潔;梁宵月;李冬;;基于極線校正的快速相位立體匹配[J];光學(xué)精密工程;2011年10期

7 趙高長(zhǎng);張磊;武風(fēng)波;;改進(jìn)的中值濾波算法在圖像去噪中的應(yīng)用[J];應(yīng)用光學(xué);2011年04期

8 張重德;張崇巍;;一種提高視頻車速檢測(cè)精度的方法[J];上海交通大學(xué)學(xué)報(bào);2010年10期

9 王榮本;李琳輝;金立生;郭烈;趙一兵;;基于雙目視覺的智能車輛障礙物探測(cè)技術(shù)研究[J];中國(guó)圖象圖形學(xué)報(bào);2007年12期

相關(guān)博士學(xué)位論文 前2條

1 耿英楠;立體匹配技術(shù)的研究[D];吉林大學(xué);2014年

2 施陳博;快速圖像配準(zhǔn)和高精度立體匹配算法研究[D];清華大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 魯春;面向高速的前方行駛車輛的檢測(cè)與跟蹤算法研究[D];安徽工程大學(xué);2018年

2 岳欣羽;基于雙目視覺的車輛前方障礙物檢測(cè)方法研究[D];吉林大學(xué);2018年

3 王寧;基于機(jī)器視覺的前方車輛檢測(cè)與跟蹤[D];西南交通大學(xué);2018年

4 方博文;基于雙目視覺的智能駕駛汽車對(duì)于前方運(yùn)動(dòng)物體的檢測(cè)與定位研究[D];太原理工大學(xué);2018年

5 楊潔;雙目立體視覺測(cè)距技術(shù)研究[D];西安理工大學(xué);2017年

6 程一倫;基于雙目視覺的智能車道路環(huán)境識(shí)別研究[D];吉林大學(xué);2017年

7 趙聃;基于車載視頻的前駛車輛測(cè)速方法與應(yīng)用研究[D];合肥工業(yè)大學(xué);2017年

8 趙天臣;運(yùn)動(dòng)汽車檢測(cè)算法的研究[D];沈陽(yáng)航空航天大學(xué);2017年

9 韓廣飛;基于視覺的智能車前方運(yùn)動(dòng)車輛檢測(cè)與測(cè)距方法的研究[D];太原理工大學(xué);2015年

10 焦偉;基于特征融合的車輛檢測(cè)算法研究[D];合肥工業(yè)大學(xué);2015年

本文編號(hào)：2754371