自動(dòng)泊車技術(shù)因節(jié)省時(shí)間、安全性好、成功率高等優(yōu)點(diǎn),在駕駛輔助領(lǐng)域占有重要地位�，F(xiàn)有自動(dòng)泊車系統(tǒng)主要借助超聲波或激光雷達(dá)檢測(cè)車輛后方障礙物,依靠物體反射才能獲取目標(biāo)位置信息,因此,缺乏對(duì)泊車位標(biāo)線等平面目標(biāo)的檢測(cè)能力,而運(yùn)用單目視覺(jué)可以檢測(cè)平面目標(biāo),但難以直接獲得目標(biāo)與車輛的距離,存在明顯的安全隱患。為了實(shí)現(xiàn)車輛對(duì)目標(biāo)泊車位標(biāo)線的識(shí)別和測(cè)量,提高自動(dòng)泊車的成功率,課題借助雙目視覺(jué)技術(shù),研究設(shè)計(jì)了泊車位標(biāo)線識(shí)別和測(cè)量的方法,并在地下停車場(chǎng)環(huán)境下驗(yàn)證了研究設(shè)計(jì)的合理性和有效性。課題完成了以下研究設(shè)計(jì)工作:(1)基于雙目視覺(jué)測(cè)量模型,剖析了提高檢測(cè)精度的因素,設(shè)計(jì)了雙目相機(jī)關(guān)鍵參數(shù),搭建了實(shí)車泊車圖像數(shù)據(jù)采集平臺(tái),在地下停車場(chǎng)環(huán)境下采集了多組泊車圖像。(2)為提取泊車位圖像特征,研究了最佳ROI區(qū)域提取方法,針對(duì)目標(biāo)圖像分析噪聲干擾源,采用去噪預(yù)處理方法提高了圖像質(zhì)量,獲取了目標(biāo)泊車位的邊緣圖像。(3)為使兩側(cè)相機(jī)成像平面完全共面,研究了廣角相機(jī)圖像畸變,基于現(xiàn)有標(biāo)定方法,對(duì)兩側(cè)相機(jī)分別實(shí)施了單目標(biāo)定去除圖像畸變,對(duì)左右相機(jī)做了立體校正。(4)確定了圖像特征提取與匹配算法,制定特征篩選方法篩除了干擾特征,制定了泊車位判別策略。實(shí)現(xiàn)了對(duì)目標(biāo)泊車位中雙目待測(cè)興趣點(diǎn)的匹配、計(jì)算視差與興趣點(diǎn)的測(cè)距。最后,對(duì)地下停車場(chǎng)進(jìn)行了多次圖像采集實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了文中提出的泊車位檢測(cè)方法是合理、可行與有效的。
【學(xué)位單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U491.71;TP391.41
【部分圖文】：

國(guó)機(jī)動(dòng)車總計(jì) 27560.8 萬(wàn)輛,其中汽車 18435.8 萬(wàn)輛,，機(jī)動(dòng)車.71 億人[1]。龐大的車輛規(guī)模極大地刺激了停車位和停車場(chǎng)的城市里，泊車空間通常比較狹小，泊車環(huán)境比較復(fù)雜，人工引發(fā)交通安全事故。據(jù)國(guó)外相關(guān)統(tǒng)計(jì)分析表明，8%的交通事發(fā)的，11%的交通事故死亡率則是由倒車事故導(dǎo)致的。因此如圍環(huán)境，避免倒車時(shí)出現(xiàn)人為責(zé)任事故，對(duì)于降低交通事故意義[2]。國(guó)內(nèi)的情況同樣不容樂(lè)觀，據(jù)南京交警微統(tǒng)計(jì)，僅 2 日，交通事故接報(bào)警平臺(tái)就接到 564 起因倒車引發(fā)的事故報(bào)。原因，如圖 1.1 所示，汽車在設(shè)計(jì)過(guò)程中，駕駛位存在一定的大多是由于駕駛員未能及時(shí)地發(fā)現(xiàn)盲區(qū)內(nèi)的行人、車輛或障，當(dāng)泊車空間比較狹窄時(shí)，經(jīng)驗(yàn)不足的駕駛員難以準(zhǔn)確地把倒車距離，更難以準(zhǔn)確判斷車輛與其他物體的間距。所以，眼檢測(cè)車輛與周圍物體的相對(duì)位置的泊車位感知方法。

圖像信號(hào)[15]，由圖像處理系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算來(lái)抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來(lái)控制現(xiàn)場(chǎng)設(shè)備的動(dòng)作。雙目視覺(jué)即利用三角測(cè)距原理，通過(guò)圖像測(cè)量空間中目標(biāo)的三維坐標(biāo)。國(guó)內(nèi)外學(xué)者對(duì)此作出了大量的研究：吉林大學(xué)郭宇提出采用雙目橫向模式的視差進(jìn)行障礙物距離的計(jì)算，并通過(guò)融合單目相對(duì)深度差值的計(jì)算方法，改進(jìn)了原有的雙目測(cè)距算法[16]，在車輛行駛過(guò)程中，應(yīng)用此方法識(shí)別前方道路車道線及障礙物。該方法測(cè)距誤差率較低，對(duì)車輛前方目標(biāo)識(shí)別效果較好，但是該方法主要針對(duì)車輛前方障礙物研究，并不適用于泊車位環(huán)境。西南交通大學(xué)徐宏[17]提出利用雙目視覺(jué)檢測(cè)倒車環(huán)境目標(biāo)，在車輛后方安裝雙目攝像機(jī)，利用雙目三角測(cè)距原理和融合粒子濾波的稀疏表示跟蹤和識(shí)別算法，實(shí)現(xiàn)對(duì)倒車環(huán)境中行人等運(yùn)動(dòng)目標(biāo)的測(cè)距、識(shí)別和跟蹤（如圖 1.2 所示）。該方法可直接對(duì)泊車視野范圍一定距離內(nèi)的目標(biāo)進(jìn)行測(cè)距，無(wú)需超聲波傳感器或雷達(dá)。但該作者僅研究了少數(shù)簡(jiǎn)單場(chǎng)景下的環(huán)境感知，沒(méi)有針對(duì)泊車位進(jìn)行研究，且相機(jī)視角較小，僅為 75°，難以滿足真實(shí)泊車環(huán)境下對(duì)車輛周圍各類目標(biāo)的檢測(cè)。

1 緒論須依靠稠密匹配即可測(cè)距。將基于雙目視覺(jué)的障礙物檢測(cè)研究成果直接移植車位檢測(cè)中，不但難以適用，還將造成資源浪費(fèi)。.2.3 泊車位檢測(cè)技術(shù)研究現(xiàn)狀上海交通大學(xué)王旭東采用 185 度魚(yú)眼攝像頭構(gòu)建環(huán)視泊車輔助系統(tǒng)檢測(cè)車圍環(huán)境[18]，選用基于 Radon 中亮點(diǎn)的檢測(cè)算法檢測(cè)停車線[19]，從而識(shí)別停車位方法可以獲取車身周圍 360 度全景圖像，直觀性強(qiáng)，對(duì)停車位的檢測(cè)方法魯好，可應(yīng)對(duì)一定有障礙物遮擋的停車位。但是該方法無(wú)法獲得目標(biāo)的深度信息此不具備感知目標(biāo)距離和方位的能力。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭麗穎;何萌萌;劉嬌;;改進(jìn)的廣義插值傅里葉變換方法[J];應(yīng)用科技;2015年03期

2 李瀟傲;金惠良;;基于Gauss偽譜法的泊車軌跡規(guī)劃方法[J];機(jī)電一體化;2015年04期

3 劉娣;周武能;張?jiān)斘?;一種基于Hough變換和圖像融合的快速破損檢測(cè)[J];計(jì)算機(jī)與現(xiàn)代化;2014年09期

4 于之靖;周歡;;大尺寸視覺(jué)測(cè)量系統(tǒng)結(jié)構(gòu)參數(shù)分析與試驗(yàn)研究[J];現(xiàn)代電子技術(shù);2013年24期

5 王旭東;王春香;楊明;王冰;;一種基于環(huán)視相機(jī)的自動(dòng)泊車方法[J];上海交通大學(xué)學(xué)報(bào);2013年07期

6 張航;曹瞻;;基于局部均值與方差的圖像中值濾波方法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

7 夏文玲;顧照鵬;楊唐勝;;實(shí)時(shí)三維重建算法的實(shí)現(xiàn)——基于Kinect與單目視覺(jué)SLAM的三維重建[J];計(jì)算機(jī)工程與應(yīng)用;2014年24期

8 黃文;邵麗青;;自動(dòng)泊車系統(tǒng)的智能化發(fā)展[J];汽車與配件;2012年32期

9 鄒靜;杜靜;付強(qiáng);段艷妮;;車道偏離預(yù)警系統(tǒng)中車道識(shí)別在達(dá)芬奇平臺(tái)上的應(yīng)用[J];商品與質(zhì)量;2012年S3期

10 王華鋒;王蘊(yùn)紅;馬凱迪;張兆翔;;視頻中適應(yīng)光照可變情況下的人臉識(shí)別方法[J];模式識(shí)別與人工智能;2011年06期

本文編號(hào)：2853864