道路交通事故已成為當(dāng)今人類面臨的一項(xiàng)嚴(yán)重社會(huì)問(wèn)題。其中大型客運(yùn)車輛交通事故又是造成群死群傷道路交通事故的主要原因,而車輛駕駛?cè)说奈ｋU(xiǎn)及錯(cuò)誤駕駛行為則是引起客運(yùn)車輛交通事故的主導(dǎo)因素。盡管國(guó)內(nèi)市場(chǎng)涌現(xiàn)出越來(lái)越多的駕駛客運(yùn)車輛安全輔助設(shè)備,但其中一些魯棒性較差,無(wú)法應(yīng)對(duì)高速行駛、惡劣天氣及路面不平度造成的視點(diǎn)漂移干擾。因此,開(kāi)展高魯棒性客運(yùn)車輛危險(xiǎn)行駛狀態(tài)辨識(shí)關(guān)鍵技術(shù)研究,對(duì)提高客運(yùn)車輛在途行駛安全性,具有一定的理論意義和工程應(yīng)用價(jià)值。針對(duì)現(xiàn)有單/雙目視覺(jué)技術(shù)中因視覺(jué)采集設(shè)備硬件條件限制導(dǎo)致的漏識(shí)別、過(guò)識(shí)別和弱識(shí)別問(wèn)題,以及傳統(tǒng)縱向危險(xiǎn)行駛狀態(tài)辨識(shí)算法在面對(duì)前方目標(biāo)車輛尾部特征點(diǎn)存在離地間距時(shí)具有較大透視投影計(jì)算偏差的問(wèn)題。本文提出了基于雙級(jí)級(jí)聯(lián)單目視覺(jué)構(gòu)成的全覆蓋式級(jí)聯(lián)單目視覺(jué)車輛監(jiān)測(cè)模型,通過(guò)縱向及橫向發(fā)散態(tài)識(shí)別區(qū)域模型分別分析了漏識(shí)別、過(guò)識(shí)別和弱識(shí)別存在的潛在危險(xiǎn),結(jié)合特征點(diǎn)透視投影原理給出的透視投影誤差修復(fù)測(cè)距算法,實(shí)現(xiàn)了縱向10-100m范圍內(nèi)的高精度距離測(cè)算。本文對(duì)通過(guò)對(duì)大量正負(fù)樣本集進(jìn)行離線訓(xùn)練,提取了車輛信息特征,以Haar-like特征作為目標(biāo)描述方法,融合Adaboos... 

【文章來(lái)源】：長(zhǎng)安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：131 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

部分正負(fù)樣本數(shù)據(jù)

圖 2.5 興趣區(qū)域靜態(tài)初選實(shí)驗(yàn)實(shí)驗(yàn)可得圖像 3/4 高度以上均為天空區(qū)域，經(jīng)實(shí)際道路實(shí)驗(yàn)驗(yàn)證 本文采用離線實(shí)驗(yàn)的測(cè)試方法來(lái)驗(yàn)證文中提出的車輛識(shí)別的路車載視頻的 100幀圖像作為測(cè)試樣本，圖 2.6 給出了部分幀目驗(yàn)結(jié)果表明，基于 Haar-like特征和 Adaboost 的車輛識(shí)別算法平測(cè)準(zhǔn)確率為91%以上， 誤檢率為 9%左右，能夠有效去除其它非本側(cè)陰影干擾，提高了系統(tǒng)的檢測(cè)魯棒性以及實(shí)時(shí)性

圖 2.5 興趣區(qū)域靜態(tài)初選實(shí)驗(yàn)由靜態(tài)實(shí)驗(yàn)可得圖像 3/4 高度以上均為天空區(qū)域，經(jīng)實(shí)際道路實(shí)驗(yàn)驗(yàn)證靜態(tài)結(jié)果符合實(shí)際情況 本文采用離線實(shí)驗(yàn)的測(cè)試方法來(lái)驗(yàn)證文中提出的車輛識(shí)別的相關(guān)算法，選取高速公路車載視頻的 100幀圖像作為測(cè)試樣本，圖 2.6 給出了部分幀目標(biāo)車輛的識(shí)別結(jié)果 實(shí)驗(yàn)結(jié)果表明，基于 Haar-like特征和 Adaboost 的車輛識(shí)別算法平均檢測(cè)速率28ms， 檢測(cè)準(zhǔn)確率為91%以上， 誤檢率為 9%左右，能夠有效去除其它非本車道內(nèi)的車輛及道路兩側(cè)陰影干擾，提高了系統(tǒng)的檢測(cè)魯棒性以及實(shí)時(shí)性

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜環(huán)境背景下車輛目標(biāo)識(shí)別研究綜述[J]. 謝曉竹,何成.  兵器裝備工程學(xué)報(bào). 2017(06)
[2]基于計(jì)算機(jī)視覺(jué)的運(yùn)動(dòng)車輛檢測(cè)[J]. 程淑紅,高許,程樹(shù)春,管永來(lái).  計(jì)量學(xué)報(bào). 2017(03)
[3]面向霧天的雙先驗(yàn)興趣區(qū)域車道線識(shí)別算法研究[J]. 周勁草,魏朗,喬潔.  中國(guó)安全科學(xué)學(xué)報(bào). 2016(08)
[4]基于類Haar特征和AdaBoost的車輛識(shí)別技術(shù)[J]. 張雪芹,方婷,李志前,董明杰.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[5]基于優(yōu)先像素與卡爾曼濾波追蹤的車道線檢測(cè)[J]. 陳濤,張洪丹,陳東,譚純.  汽車工程. 2016(02)
[6]基于弱分類器調(diào)整的多分類Adaboost算法[J]. 楊新武,馬壯,袁順.  電子與信息學(xué)報(bào). 2016(02)
[7]基于粒子濾波框架Catmull-Rom樣條的多車道偵測(cè)及跟蹤算法研究[J]. 陳孟元.  電子測(cè)量與儀器學(xué)報(bào). 2015(10)
[8]基于特征融合的視覺(jué)導(dǎo)航智能車輛的車道識(shí)別[J]. 李進(jìn),陳杰平,易克傳,徐朝勝.  汽車工程. 2015(05)
[9]應(yīng)用匹配濾波器的車道線恒虛警率識(shí)別方法[J]. 宋曉琳,張三林,張偉偉.  電子測(cè)量與儀器學(xué)報(bào). 2015(03)
[10]霧環(huán)境下非視距散射光通信最佳鏈路分析[J]. 林勇,徐智勇,汪井源,宋超,王榮,耿常鎖.  紅外與激光工程. 2015(02)

博士論文
[1]基于環(huán)境感知技術(shù)的客運(yùn)車輛危險(xiǎn)行駛狀態(tài)辨識(shí)技術(shù)研究[D]. 劉永濤.長(zhǎng)安大學(xué) 2015
[2]面向高速公路行車安全預(yù)警的車道偏離及換道模型研究[D]. 羅強(qiáng).華南理工大學(xué) 2014
[3]客運(yùn)車輛危險(xiǎn)行駛狀態(tài)機(jī)器視覺(jué)辨識(shí)系統(tǒng)研究[D]. 楊煒.長(zhǎng)安大學(xué) 2013
[4]受隨機(jī)激勵(lì)車輛非平穩(wěn)行駛平順性分析及控制研究[D]. 張麗萍.東北大學(xué) 2012
[5]基于DSP的高速公路車道偏離報(bào)警系統(tǒng)研究[D]. 陳軍.天津大學(xué) 2010
[6]基于單目視覺(jué)的安全車距預(yù)警系統(tǒng)研究[D]. 顧柏園.吉林大學(xué) 2006
[7]高速汽車車道偏離預(yù)警系統(tǒng)可行區(qū)域感知算法研究[D]. 畢雁冰.吉林大學(xué) 2006

碩士論文
[1]汽車平順性與操縱穩(wěn)定性協(xié)同研究與仿真實(shí)現(xiàn)[D]. 王維.吉林大學(xué) 2016
[2]車輛隨機(jī)振動(dòng)響應(yīng)分析與計(jì)算[D]. 呂士寶.蘭州交通大學(xué) 2013
[3]基于視覺(jué)特征的圖像質(zhì)量評(píng)價(jià)算法[D]. 陳玉坤.西安電子科技大學(xué) 2013
[4]基于機(jī)器視覺(jué)的車道線檢測(cè)與追蹤系統(tǒng)的研究[D]. 秦敏.中國(guó)海洋大學(xué) 2012
[5]路面激勵(lì)下大客車平順性虛擬仿真技術(shù)與評(píng)價(jià)體系研究[D]. 陳俊杰.長(zhǎng)安大學(xué) 2012
[6]基于立體視覺(jué)的安全行車距離測(cè)量方法研究[D]. 崔雪.長(zhǎng)春工業(yè)大學(xué) 2012



本文編號(hào)：3548739