發(fā)布時(shí)間：2017-08-04 21:33

  本文關(guān)鍵詞：自主巡邏車視覺導(dǎo)航車道保持算法研究

  更多相關(guān)文章： 機(jī)場圍界道路 道路邊界檢測 智能車輛 車道保持

【摘要】：機(jī)場圍界道路種類較多,有泥土、水泥和柏油道路,同時(shí)道路兩側(cè)的環(huán)境也較為復(fù)雜,如雜草,圍欄,黃土等。自主巡邏車在機(jī)場圍界道路上的導(dǎo)航方式有多種,其中,基于視覺的導(dǎo)航方式具有成本低,提取的環(huán)境信息豐富的優(yōu)點(diǎn)。本文重點(diǎn)探討自主巡邏車在機(jī)場圍界道路環(huán)境下基于視覺的車道保持方法,主要研究內(nèi)容如下:首先,通過對道路圖像處理方法的分析研究,設(shè)計(jì)了針對機(jī)場圍界道路圖像的分割算法。首先,為提升圖像濾波的速度,研究了一種改進(jìn)的快速中值濾波算法;然后,為提升道路邊界邊緣檢測的魯棒性,利用改進(jìn)的Sobel算子來突出圖像中的道路邊界的邊緣信息,同時(shí)抑制干擾的邊緣信息。對常用區(qū)域分割算法的實(shí)驗(yàn)對比發(fā)現(xiàn),區(qū)域生長算法具有更強(qiáng)的抗干擾性,可以有效的克服道路上陰影和水跡的干擾。其次,針對機(jī)場圍界道路路況復(fù)雜,及路面上水漬,陰影和污漬干擾的問題,研究了一種融合邊緣檢測和自適應(yīng)區(qū)域生長的道路檢測方法。通過對區(qū)域生長算法中生長準(zhǔn)則的自適應(yīng)地改變來提高道路分割的魯棒性,同時(shí)根據(jù)圖像不同區(qū)域的特點(diǎn)采取分區(qū)處理的方法來提高算法的速度,融合圖像邊緣與區(qū)域特征能使提取的道路邊界更為精準(zhǔn)。再次,針對自主巡邏車車道保持問題,研究了一種基于PID和模糊規(guī)則的預(yù)瞄跟隨控制方法。算法選取車輛正前方的一點(diǎn)為預(yù)瞄點(diǎn),預(yù)瞄點(diǎn)到目標(biāo)路徑的距離采用PID控制,轉(zhuǎn)向的速率采用模糊控制。然后根據(jù)道路邊界檢測出兩條或者一條的情況,對檢測結(jié)果進(jìn)行相應(yīng)的處理,再把處理后的結(jié)果應(yīng)用到控制算法中。這種控制方法模擬了人工駕駛車的過程,是一種簡單高效的控制方法。最后,對課題中研究的機(jī)場圍界道路檢測算法和車道保持算法進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,本文研究的機(jī)場圍界道路識別算法和車道保持算法能夠滿足機(jī)場圍界道路環(huán)境下自主巡邏車?yán)靡曈X進(jìn)行車道保持的需求。
【關(guān)鍵詞】：機(jī)場圍界道路 道路邊界檢測 智能車輛 車道保持
【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】：2016
【分類號】：V351.3;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-14
• 1.1 論文研究背景和意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-13
• 1.2.1 智能車發(fā)展的國內(nèi)外現(xiàn)狀9-11
• 1.2.2 車道檢測的研究現(xiàn)狀11-13
• 1.3 課題研究內(nèi)容13-14
• 第二章 機(jī)場圍界道路圖像分割算法研究14-26
• 2.1 機(jī)場圍界道路特征分析14-15
• 2.2 機(jī)場圍界道路圖像濾波15-17
• 2.3 機(jī)場圍界道路邊緣檢測17-21
• 2.4 機(jī)場圍界道路區(qū)域的提取21-24
• 2.4.1 常用的閾值選取算法21-23
• 2.4.2 機(jī)場圍界道路區(qū)域提取的實(shí)驗(yàn)結(jié)果23-24
• 2.5 本章小結(jié)24-26
• 第三章 融合邊緣檢測和自適應(yīng)區(qū)域生長的道路檢測算法26-39
• 3.1 道路檢測算法的基本原理27-28
• 3.2 道路檢測算法概述28-36
• 3.2.1 路面顏色特征提取30
• 3.2.2 通過顏色閾值對R3區(qū)域進(jìn)行道路分割30-31
• 3.2.3 通過自適應(yīng)區(qū)域生長算法對R2區(qū)域進(jìn)行道路分割31-33
• 3.2.4 形態(tài)學(xué)去噪33-34
• 3.2.5 圖像邊緣和區(qū)域特征的融合34-35
• 3.2.6 分段擬合(直線—拋物線模型)35-36
• 3.3 道路檢測算法實(shí)驗(yàn)結(jié)果分析36-38
• 3.4 本章小結(jié)38-39
• 第四章 基于視覺的預(yù)瞄跟隨車道保持算法39-49
• 4.1 基于地表網(wǎng)格法的攝像頭標(biāo)定39-42
• 4.2 基于PID和模糊規(guī)則的預(yù)瞄跟隨控制算法42-48
• 4.2.1 道路邊界兩側(cè)完好45-46
• 4.2.2 道路邊界一側(cè)缺失46-47
• 4.2.3 道路邊界兩側(cè)缺失47-48
• 4.3 本章小結(jié)48-49
• 第五章 基于視覺的車道保持算法實(shí)驗(yàn)49-55
• 5.1 自主巡邏車實(shí)驗(yàn)平臺50-51
• 5.2 實(shí)時(shí)道路圖像檢測實(shí)驗(yàn)51-52
• 5.3 基于視覺的車道保持實(shí)驗(yàn)52-54
• 5.4 本章小結(jié)54-55
• 結(jié)論55-57
• 致謝57-58
• 參考文獻(xiàn)58-61
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文61

，

本文編號：621841