本文關鍵詞：道路交通環(huán)境檢測及其信息融合技術(shù)

  更多相關文章： 環(huán)境感知 智能電動車 實車實驗 有限狀態(tài)機模型

【摘要】：智能車輛交通環(huán)境感知系統(tǒng)由交通環(huán)境和傳感器軟硬件組成,交通環(huán)境和傳感器之間的交互關系嚴重影響到交通參與者的安全。本文基于已知交通環(huán)境主要特征,設計相應檢測和識別算法,設計邏輯檢測和邏輯識別算法,通過實車實驗,對設計的算法進行驗證,對信息融合算法進行研究,然后建立智能車輛有限狀態(tài)機模型。通過理論分析和實車觀察,根據(jù)駕駛員關注的交通環(huán)境特征,研究了智能車輛交通環(huán)境感知系統(tǒng)的特征和主要影響因素,得到需要檢測和識別的環(huán)境主要特征,包括車道線的直線和角度特征,斑馬線的矩形、角度、條紋特征,前方車輛的矩形、對稱特征,交通信號燈的長寬比、顏色、位置等特征。設計了車道線檢測、斑馬線檢測、前方車輛識別和交通信號燈識別等算法,研究并實施實車實驗方案,驗證了算法的實時性和準確性;根據(jù)實車實驗中獲取的環(huán)境特征,分析了特征之間的相互關系,總結(jié)出邏輯檢測和智能識別的方法;得出了特征級信息融合的基本規(guī)則,得到了交通環(huán)境信息融合數(shù)據(jù);根據(jù)實車實驗和信息融合的結(jié)果,建立智能車輛的有限狀態(tài)機模型。
【關鍵詞】：環(huán)境感知 智能電動車 實車實驗 有限狀態(tài)機模型
【學位授予單位】：青島理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U491
【目錄】：

• 摘要9-10
• Abstract10-11
• 第1章 緒論11-21
• 1.1 研究的目的和意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-18
• 1.2.1 國外研究現(xiàn)狀12-15
• 1.2.2 國內(nèi)研究現(xiàn)狀15-18
• 1.2.3 研究現(xiàn)狀綜合分析18
• 1.3 本文主要研究內(nèi)容18-20
• 1.4 本章小結(jié)20-21
• 第2章 交通環(huán)境感知系統(tǒng)分析21-29
• 2.1 交通環(huán)境感知系統(tǒng)構(gòu)成及特征21-24
• 2.1.1 交通環(huán)境特征22
• 2.1.2 車輛構(gòu)成及特征22-23
• 2.1.3 視覺傳感器特征23-24
• 2.2 交通環(huán)境感知系統(tǒng)特性24-26
• 2.2.1 圖像信息檢測和識別特性24-25
• 2.2.2 智能車輛控制特性25-26
• 2.2.3 智能車輛運行特性26
• 2.3 環(huán)境感知系統(tǒng)影響因素分析26-28
• 2.4 本章小結(jié)28-29
• 第3章 道路線型特征檢測29-39
• 3.1 邏輯檢測車道線和斑馬線29-30
• 3.1.1 車道線和斑馬線特征29-30
• 3.1.2 邏輯檢測方法30
• 3.2 車道線檢測30-36
• 3.2.1 圖像預處理30-32
• 3.2.2 改進Hough變換檢測車道線32-36
• 3.3 斑馬線檢測36-38
• 3.3.1 圖像預處理37
• 3.3.2 斑馬線檢測判定37-38
• 3.4 本章小結(jié)38-39
• 第4章 前方車輛和交通信號燈識別策略分析39-50
• 4.1 智能識別前方車輛及交通信號燈39-40
• 4.1.1 前方車輛和交通信號燈特點39
• 4.1.2 智能識別的具體方法39-40
• 4.2 前方車輛識別40-45
• 4.2.1 樣本采集與訓練40-41
• 4.2.2 車輛識別效果41-42
• 4.2.3 前方車輛尾燈識別42-45
• 4.3 交通信號燈識別45-49
• 4.3.1 交通信號燈區(qū)域分割45-47
• 4.3.2 交通信號燈顏色識別47-49
• 4.4 本章小結(jié)49-50
• 第5章 雙攝像機檢測信息融合50-57
• 5.1 信息融合技術(shù)分析50-51
• 5.1.1 信息融合特點50
• 5.1.2 信息融合系統(tǒng)的應用50-51
• 5.2 信息融合策略分析51-53
• 5.2.1 融合方法對比51-52
• 5.2.2 信息融合規(guī)則52-53
• 5.2.3 模糊決策融合方法53
• 5.3 建立有限狀態(tài)機模型53-56
• 5.3.1 有限狀態(tài)機基本思想53-54
• 5.3.2 有限狀態(tài)機模型54-56
• 5.4 本章小結(jié)56-57
• 第6章 實驗裝置配置與實車實驗57-69
• 6.1 實驗背景57
• 6.2 實驗裝置組成57-61
• 6.2.1 實驗裝置硬件組成57-60
• 6.2.2 試驗軟件系統(tǒng)設計60-61
• 6.3 實車道路試驗61-68
• 6.3.1 實驗方案61-62
• 6.3.2 實驗結(jié)果與分析62-68
• 6.4 本章小結(jié)68-69
• 第7章 結(jié)論與展望69-71
• 7.1 結(jié)論69
• 7.2 論文創(chuàng)新性69-70
• 7.3 研究展望70-71
• 參考文獻71-75
• 攻讀碩士學位期間發(fā)表的學術(shù)論文及科研工作75-76
• 致謝76

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 田炳香;鄭榜貴;吳晴;;高速公路車道線檢測與跟蹤算法研究[J];現(xiàn)代電子技術(shù);2008年09期

2 郭磊;李克強;王建強;連小珉;;應用方向可調(diào)濾波器的車道線識別方法[J];機械工程學報;2008年08期

3 余厚云;張為公;;直線模型下的車道線跟蹤與車道偏離檢測[J];自動化儀表;2009年11期

4 余厚云;張為公;;基于動態(tài)感興趣區(qū)域的車道線識別與跟蹤[J];工業(yè)儀表與自動化裝置;2009年05期

5 劉富強;張姍姍;朱文紅;李志鵬;;一種基于視覺的車道線檢測與跟蹤算法[J];同濟大學學報(自然科學版);2010年02期

6 高德芝;段建民;楊磊;楊喜寧;;應用多階動態(tài)規(guī)劃的車道線識別方法[J];機械工程學報;2011年08期

7 徐后杰;李會方;繆國鋒;;基于單目視覺的車道線分離警告算法研究[J];微處理機;2011年03期

8 劉振超;孔斌;王俊;黃俊杰;;水平亮度微分在車道線檢測中的使用[J];儀表技術(shù);2012年07期

9 高志峰;汪渤;周志強;徐方芳;;一種魯棒的非平坦路面車道線檢測算法[J];北京理工大學學報;2013年01期

10 柴燦;郎朗;;嵌入式實時車道線偏移快速偵測算法及系統(tǒng)實現(xiàn)[J];新余學院學報;2014年04期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 畢雁冰;;提高車道線識別精度的一種方法[A];第三屆中國CAE工程分析技術(shù)年會論文集[C];2007年

2 楊廣林;苗冬霜;;結(jié)構(gòu)化道路車道線檢測與跟蹤算法[A];2005年全國理論計算機科學學術(shù)年會論文集[C];2005年

3 劉曉龍;鄧志東;;基于全局與局部模型相互制約及具有模型不確定性評估的車道線檢測方法[A];2013年中國智能自動化學術(shù)會議論文集（第三分冊）[C];2013年

4 張潔穎;王生進;丁曉青;;基于車輛軌跡的車道線檢測與劃分[A];圖像圖形技術(shù)與應用進展——第三屆圖像圖形技術(shù)與應用學術(shù)會議論文集[C];2008年

5 余貴珍;李芹;王迪;;車輛智能化車道線跟蹤方法研究[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 李鋼;圣華;張仁斌;;基于LMedSquare選取最佳子集的車道線檢測算法[A];2009全國虛擬儀器大會論文集（二）[C];2009年

7 劉天輝;李飛;;車輛視覺導航中道路檢測算法研究[A];第十一屆沈陽科學學術(shù)年會暨中國汽車產(chǎn)業(yè)集聚區(qū)發(fā)展與合作論壇論文集（信息科學與工程技術(shù)分冊）[C];2014年

8 孫曉軍;李華;;基于Facet模型的一種車道線提取方法[A];第八屆中國智能交通年會論文集[C];2013年

中國博士學位論文全文數(shù)據(jù)庫 前7條

1 杜明芳;基于視覺的自主車道路環(huán)境理解技術(shù)研究[D];北京理工大學;2015年

2 王俊;無人駕駛車輛環(huán)境感知系統(tǒng)關鍵技術(shù)研究[D];中國科學技術(shù)大學;2016年

3 穆柯楠;基于車—路視覺協(xié)同的行車環(huán)境感知方法研究[D];長安大學;2016年

4 王超;面向智能車輛的單目視覺行車安全信息檢測與識別方法研究[D];南京理工大學;2016年

5 陳軍;基于DSP的高速公路車道偏離報警系統(tǒng)研究[D];天津大學;2010年

6 沈\，

本文編號：816300