【摘要】：智能交通是未來交通系統(tǒng)的發(fā)展方向,先進的車輛控制系統(tǒng)是智能交通中的重要組成部分。基于數(shù)字圖像處理、機器視覺和機器學(xué)習(xí)的智能控制技術(shù)在先進的車輛控制系統(tǒng)中具有關(guān)鍵的作用。自動駕駛是智能交通的必然產(chǎn)物,而機器視覺感知技術(shù)是自動駕駛中的“眼睛”,它能夠通過對無人駕駛車輛(無人車)所在的路面車輛動態(tài)圖像進行智能識別以實現(xiàn)安全駕駛。本文主要研究高速結(jié)構(gòu)路面下無人駕駛車輛所在路面的車輛動態(tài)圖像的智能識別技術(shù),包括車道檢測、車輛檢測與跟蹤、車道偏離檢測與車距安全檢測等。對于多車道檢測,根據(jù)路面與分道線灰度級相差較大的特點來實現(xiàn)車道路面的分割,接著結(jié)合直線方程和Catmull-Rom Spline插值算法來擬合分道線。對于單車道檢測,首先基于HSV顏色空間和Sobel邊緣提取方法對單車道進行有效分割,接著在透視變換空間中提取分道線坐標(biāo)點并用二次多項式擬合分道線。針對車輛檢測,首先使用Hog+Gentle-Adaboost分類算法實現(xiàn)無人車前方路面車輛的檢測,接著基于車底陰影的特征對車底陰影進行檢測以驗證學(xué)習(xí)算法檢測到的車輛區(qū)域的真?zhèn)涡�。針對車輛跟蹤,采用動態(tài)二階自回歸模型的方法預(yù)測車輛的狀態(tài)。其中,對于粒子濾波固有的粒子退化問題,本文創(chuàng)新性地引入Thompson_Taylor算法改善了粒子退化和低多樣性的缺陷。所應(yīng)用的車距檢測模型,不但能夠檢測出前方車輛與無人車的距離,還能計算出前方車輛相對于攝像機光軸的偏轉(zhuǎn)角度。在CCP(The Car's Current Position)偏離檢測算法的基礎(chǔ)上,本文實現(xiàn)了檢測無人車偏離車道的計算,其中,能夠設(shè)定無人車在車道上的安全區(qū)和警報區(qū)來實現(xiàn)車道偏離的及時報警。車輛動態(tài)圖像識別中的所有算法均引用Opencv視覺庫進行仿真與分析,并且將算法移植到嵌入式平臺DSP-DM3730上測試。實驗表明,算法能有效解決車道的智能檢測、車輛的智能檢測與跟蹤以及無人車的車道偏離的智能檢測與前向防撞的智能檢測等問題。
【學(xué)位授予單位】：福建師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;U495
【圖文】：

圖２自動化汽車產(chǎn)業(yè)比例圖邐圖３軟件行業(yè)占據(jù)市場份額逡逑Ｆｉｇ邋２邋Ａｕｔｏｍａｔｉｃ邋ａｕｔｏｍｏｂｉｌｅ邋ｉｎｄｕｓｔｒｙ邋ｓｃａｌｅ邐Ｆｉｇ邋３邋Ｔｈｅ邋ｓｏｆｔｗａｒｅ邋ｉｎｄｕｓｔｒｙ邋ｔａｋｅｓ邋ｍａｒｋｅｔ邋ｓｈａｒｅ逡逑究所都在大力研發(fā)自動駕駛技術(shù)。自動駕駛汽車的構(gòu)成除了最原始的駕駛體系，還逡逑增加了相應(yīng)的車載傳感器使汽車的構(gòu)成除了最原始的駕駛體系，還增加了相應(yīng)的車逡逑載傳感器，主要包括激光發(fā)射器、雷達、攝像頭、ＧＰＳ／ＩＭＵ、核心處理器［３］Ｗ。激光逡逑發(fā)射器主要通過獲取極短的發(fā)射與接收激光速時間差來計算出物體與無人車的距逡逑離；車載雷達可以準(zhǔn)確得到汽車運行的相對速度；車載攝像頭可以確定自己的位置，逡逑識別前方障礙物，辨識道路上的信號燈和信號標(biāo)識，保證自身運行遵循交通規(guī)則。逡逑如對障礙物的識別，攝像頭可以很容易通過機器學(xué)習(xí)、深度學(xué)習(xí)把障礙物進行細致逡逑分類，感知和識別周圍環(huán)境，并且得到各種對車輛的有用信息。ＧＰＳ／ＭＵ系統(tǒng)通過逡逑發(fā)射高達２００Ｈｚ的信號幫助無人車完成自我定位。核心處理器是無人駕駛的核心，逡逑主要用來整合激光發(fā)射器、雷達、ＧＰＳ／ＩＭＵ和攝像頭的數(shù)據(jù)繪制出３Ｄ路況圖，使逡逑汽車做出相應(yīng)的決策。整合車載傳感器的所有采集數(shù)據(jù)并輸入核心處理器集中分析，逡逑便成了智能輔助駕駛系統(tǒng)（Ａｄｖａｎｃｅｄ邋Ｄｒｉｖｅｒ邋Ａｓｓｉｓｔａｎｃｅ邋Ｓｙｓｔｅｍｓ，ＡＤＡＳ），實質(zhì)上是利用逡逑

，李彥宏提出了加快制定自動駕駛車輛政策法規(guī)的提案。逡逑攝像機是無人車的“眼睛”，相比于雷達、激光、ＧＰＳ和超聲波等設(shè)備，其成本低，逡逑安裝維護方便，感應(yīng)范圍廣和具有能靈活獲取多種環(huán)境參的優(yōu)點，一直受國內(nèi)外研逡逑宄學(xué)者的關(guān)注�；谟嬎銠C視覺感知技術(shù)一直受復(fù)雜的行車環(huán)境、光照變化等因素逡逑的影響，且道路分道線的模糊與不同程度的彎曲，給車道檢測帶來相應(yīng)的難度，還逡逑有路面上以車輛為主的障礙物因速度不同導(dǎo)致成像后發(fā)生不同程度的姿態(tài)變化和尺逡逑度變化，同樣給車輛識別增加難度�；趫D像處理技術(shù)的機器視覺無人車技術(shù)現(xiàn)在逡逑正處于發(fā)展階段且尚未完善，盡管現(xiàn)階段對無人車環(huán)境識別問題有一定的研究，但逡逑是只能針對一定環(huán)境下的處理，因此有待改進和深入研宄該領(lǐng)域的相關(guān)問題。逡逑本文主要是對無人駕駛中的視頻攝像機圖像進行研[�，目的蕮岥用砷侎机获取辶x銑盜韭訪嫻畝枷窬模櫻鋅燜俅�，毒壚|非胺匠盜炯觳夂透伲袢〕盜局芪у義匣肪車穆房霾問�，包括硻n蘭觳庥氤盜炯觳馇榭�、无软槞n鈉澆�、无软槣祀前方辶x銑盜揪嗬氳鵲刃畔⒌奶崛。袢〉穆房鍪萘骺捎糜諼奕思菔壞牟倏刂�，确保无人辶x銑蛋踩誦�。辶x

本文編號：2720674