目前無人駕駛車輛技術(shù)是交通運(yùn)輸領(lǐng)域的前沿和熱點(diǎn)。它通過先進(jìn)的傳感器系統(tǒng)、信息處理系統(tǒng)和執(zhí)行系統(tǒng)等對周圍環(huán)境、車輛自身狀態(tài)進(jìn)行監(jiān)控,從而代替駕駛員完成各項(xiàng)操作。而車輛導(dǎo)航系統(tǒng)作為無人駕駛汽車最為重要模塊之一,能夠指引車輛如何從起始點(diǎn)高效地到達(dá)目的地。前車檢測和車輛定位模塊則是該系統(tǒng)的重要組成部分。本文在分析總結(jié)現(xiàn)有車輛檢測、定位技術(shù)的基礎(chǔ)上,從多傳感器數(shù)據(jù)融合的角度,對現(xiàn)有的技術(shù)進(jìn)行改進(jìn)。主要工作如下:（1）基于毫米波雷達(dá)和機(jī)器視覺數(shù)據(jù)融合的前車檢測該系統(tǒng)首先對毫米波雷達(dá)和視覺傳感器進(jìn)行組合標(biāo)定,確定雷達(dá)坐標(biāo)系和攝像頭像素坐標(biāo)系的換算關(guān)系。對前方目標(biāo)進(jìn)行檢測中,首先獲取過濾后的目標(biāo)雷達(dá)信息,并在圖像中形成感興趣區(qū)域;然后提取感興趣區(qū)域中的陰影特征;最后根據(jù)兩坐標(biāo)系的轉(zhuǎn)換關(guān)系計(jì)算車輛的寬度,并根據(jù)車寬對檢測結(jié)果進(jìn)行進(jìn)一步驗(yàn)證。結(jié)果表明,該算法在諸多環(huán)境下均具有良好的檢測效果,能彌補(bǔ)單一傳感器的不足。（2）基于GPS和VANET數(shù)據(jù)融合的車輛定位本文提出一種基于貝葉斯理論的車輛組合定位方法,融合GPS數(shù)據(jù)和來自VANET的車間相對距離、方位角信息,以減少GPS傳感器的噪聲;進(jìn)而利用卡爾曼濾波... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

智能交通概念與無人車輛技術(shù)車輛導(dǎo)航系統(tǒng)作為高級輔助駕駛及無人駕駛車輛的重要模塊之一，其主要面

碩士學(xué)位論文3(a)(b)圖1.2攝像頭產(chǎn)品一定的高寬比。(2)對稱性特征：相對于路面其他障礙物來說，汽車具有很強(qiáng)的灰度、水平對稱。(3)邊界特征：車輛的頂部、底部、車牌以及車輛兩側(cè)的垂直邊界均具有明顯的邊界信息。(4)灰度特征：車輛在光照下一般在車輛底部會形成一部分陰影，此處的灰度值較其他部分更低[16]。光流場法是一種利用視頻多幀之間的比對，來確定運(yùn)動障礙物的方法。此方法運(yùn)用于車輛檢測領(lǐng)域應(yīng)滿足三個條件：(1)物體相對相機(jī)具有一定的運(yùn)動。(2)目標(biāo)物體具有顯著的像素差異。(3)成像投影，即當(dāng)物體進(jìn)行平面的投影效果時(shí)，運(yùn)動形成的位置或者大小的變化可投在平面上。當(dāng)運(yùn)動中的目標(biāo)障礙物滿足上述三個條件時(shí)，可以利用光流場法對障礙物進(jìn)行檢測，該方法不僅可以成功的對前車進(jìn)行檢測，而且還可以確定障礙物的個數(shù)、運(yùn)動狀態(tài)等[17]。模型法是一種根據(jù)車輛已有的二維或者三維模型與圖像標(biāo)本進(jìn)行比對，來確定目標(biāo)物體是否為車輛的方法。由于車輛姿態(tài)、形狀的復(fù)雜性，模型的建立存在一定的難度，且模型匹配過程耗時(shí)巨大，因此模型法一般實(shí)際不應(yīng)用于車輛檢測中[18]。當(dāng)然國內(nèi)外諸多專家、學(xué)者對前車檢測方法都做了大量的研究工作。Chang.C等人提出AdaBoost分類算法[19]，其是一種在線學(xué)習(xí)算法，能夠準(zhǔn)確地識別出前方車輛，并且能夠適應(yīng)眾多環(huán)境工況。然而缺點(diǎn)是運(yùn)行時(shí)間太長，效率較低。國內(nèi)宋曉琳等人提出基于陰影和類Haar特征的動態(tài)車輛檢測方法，克服了傳統(tǒng)邊緣算子易受外界因素影響的特點(diǎn)，并且具有良好的實(shí)時(shí)性[20]。Hoffmann等學(xué)者基于車輛的陰影、對稱性特征生成車輛假設(shè)區(qū)域，進(jìn)而利用多模型交互的方法進(jìn)行車輛跟蹤，取得了較好的檢測與跟蹤效果[21]。1.2.1.2基于雷達(dá)的前車檢測基于雷達(dá)的前車檢測主要包括基

毫米

【參考文獻(xiàn)】：
期刊論文
[1]基于陰影和類Haar特征的動態(tài)車輛檢測[J]. 宋曉琳,鄔紫陽,張偉偉.  電子測量與儀器學(xué)報(bào). 2015(09)
[2]一種基于雷達(dá)和機(jī)器視覺信息融合的車輛識別方法[J]. 王寶鋒,齊志權(quán),馬國成,陳思忠.  汽車工程. 2015(06)
[3]車載毫米波雷達(dá)對前方目標(biāo)的運(yùn)動狀態(tài)估計(jì)[J]. 高振海,王竣,佟靜,李紅建,郭章勇,婁方明.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2014(06)
[4]世界智能車輛的關(guān)鍵共性技術(shù)研究現(xiàn)狀[J]. 胡國強(qiáng),陳昌生,熊明潔.  輕型汽車技術(shù). 2011(03)
[5]基于激光雷達(dá)的車輛跟蹤與識別方法[J]. 甘志梅,王春香,楊明.  上海交通大學(xué)學(xué)報(bào). 2009(06)
[6]基于單目視覺的路面車輛檢測及跟蹤方法綜述[J]. 胡銦,楊靜宇.  公路交通科技. 2007(12)
[7]基于陰影特征和Adaboost的前向車輛檢測系統(tǒng)[J]. 李云翀,何克忠,賈培發(fā).  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(10)
[8]雷達(dá)與機(jī)器視覺的空間同步方法[J]. 郭磊,劉志峰,王建強(qiáng),李克強(qiáng),連小珉.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2006(11)
[9]一種基于特征的車輛檢測方法[J]. 郭磊,李克強(qiáng),王建強(qiáng),連小珉.  汽車工程. 2006(11)
[10]基于自適應(yīng)噪聲抵消與小波濾波的GPS監(jiān)測誤差分析[J]. 伊廷華,李宏男,伊?xí)詵|,王國新.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2006(11)

碩士論文
[1]基于汽車?yán)走_(dá)和攝像頭信息融合的目標(biāo)檢測方法研究[D]. 向?yàn)I宏.重慶大學(xué) 2017
[2]基于多信息融合的車輛危險(xiǎn)工況預(yù)警技術(shù)研究[D]. 熊琦瑋.湖南大學(xué) 2016
[3]基于粒子濾波的GPS/DR組合導(dǎo)航算法研究[D]. 李方園.中國礦業(yè)大學(xué) 2015
[4]基于多傳感器融合的車輛檢測與跟蹤[D]. 麥新晨.上海交通大學(xué) 2011



本文編號：3223994