本文關(guān)鍵詞：智能車(chē)輛結(jié)構(gòu)化道路目標(biāo)檢測(cè)與跟蹤

  更多相關(guān)文章： 智能車(chē)輛 車(chē)輛檢測(cè) 車(chē)輛跟蹤 多特征融合 卡爾曼濾波

【摘要】：近年來(lái),由于公民汽車(chē)保有量的不斷增加和公路交通事業(yè)的不斷發(fā)展,我國(guó)的道路交通安全問(wèn)題日益突出。隨著國(guó)內(nèi)外無(wú)人駕駛技術(shù)的發(fā)展,智能車(chē)輛的出現(xiàn)為大幅提高汽車(chē)駕駛安全性,改善道路交通效率,降低能源消耗提供了可能。而作為智能車(chē)輛環(huán)境感知部分的重要環(huán)節(jié),目標(biāo)檢測(cè)與跟蹤也成為了研究的熱點(diǎn)之一,其目的是通過(guò)檢測(cè)智能車(chē)輛前方道路上的車(chē)輛,為智能車(chē)輛尋找可通行的區(qū)域并且有效的避免車(chē)輛的碰撞事故。本文對(duì)車(chē)輛檢測(cè)和車(chē)輛跟蹤方法進(jìn)行了深入研究,有效的實(shí)現(xiàn)了白天結(jié)構(gòu)化道路上前方車(chē)輛的檢測(cè)和跟蹤。本文的主要研究工作包括:1、提出了一種改進(jìn)的分窗口自適應(yīng)閾值二值化方法,提取車(chē)道線并建立路面檢測(cè)區(qū)域。該方法首先根據(jù)攝像頭的投影關(guān)系將整幅圖像分割成若干個(gè)大小不同的矩形窗口,在每個(gè)矩形窗口內(nèi)分別進(jìn)行最大類間方差法的圖像二值化。然后通過(guò)矩形窗口的對(duì)比度衡量窗口的復(fù)雜程度,將含有車(chē)道線的窗口有效的提取出來(lái),進(jìn)而建立路面檢測(cè)區(qū)域。這種方法能夠有效的避免道路陰影、污跡、積水等對(duì)車(chē)道線提取的干擾,而且窗口近大遠(yuǎn)小的特點(diǎn)與道路圖像中主要景物的變形規(guī)律相符合,有效的減少了不理想結(jié)果的產(chǎn)生。2、提出了一種基于多特征融合的車(chē)輛檢測(cè)方法。首先依據(jù)車(chē)輛底部陰影與路面檢測(cè)區(qū)域灰度值及梯度值的分布差異來(lái)檢測(cè)車(chē)底陰影,并根據(jù)檢測(cè)到的陰影生成假設(shè)車(chē)輛。然后利用計(jì)算分形維數(shù)的方法提取紋理特征,使用邊緣模板對(duì)車(chē)輛四個(gè)邊緣進(jìn)行匹配來(lái)獲取車(chē)輛的形狀特征,應(yīng)用車(chē)輛垂直邊緣投影的對(duì)稱性測(cè)度得到車(chē)輛的對(duì)稱性特征。最后采用基于方差測(cè)度的幾何性判據(jù),建立一個(gè)融合車(chē)輛紋理特征、形狀特征和垂直邊緣對(duì)稱性特征的車(chē)輛判決式,來(lái)驗(yàn)證生成的假設(shè)車(chē)輛。這種方法在不同的光照和路況條件下都具有良好的適應(yīng)性,平均檢測(cè)率為95.7%,平均誤檢率為2.5%,平均漏檢率為1.8%,每幀檢測(cè)時(shí)間平均為47ms。3、研究了基于卡爾曼濾波的車(chē)輛跟蹤方法。首先以車(chē)輛的位置和寬高尺度作為跟蹤分量,使用卡爾曼濾波進(jìn)行跟蹤預(yù)測(cè),在預(yù)測(cè)產(chǎn)生的區(qū)域中利用車(chē)輛的四個(gè)邊緣和車(chē)底陰影完成目標(biāo)的重定位,實(shí)現(xiàn)觀測(cè)向量的更新。然后基于歸一化轉(zhuǎn)動(dòng)慣量和信息熵值對(duì)車(chē)輛進(jìn)行兩級(jí)判定,實(shí)現(xiàn)對(duì)車(chē)輛跟蹤的驗(yàn)證。結(jié)果表明跟蹤算法可以對(duì)路面檢測(cè)區(qū)域120m范圍內(nèi)的車(chē)輛目標(biāo)保持跟蹤,每個(gè)目標(biāo)的平均跟蹤幀數(shù)在300幀以上。
【關(guān)鍵詞】：智能車(chē)輛 車(chē)輛檢測(cè) 車(chē)輛跟蹤 多特征融合 卡爾曼濾波
【學(xué)位授予單位】：沈陽(yáng)建筑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U463.6;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-11
• 第一章 緒論11-19
• 1.1 課題研究的目的和意義11-12
• 1.2 國(guó)內(nèi)外同類課題研究現(xiàn)狀及發(fā)展趨勢(shì)12-16
• 1.2.1 智能車(chē)輛的研究進(jìn)展12-14
• 1.2.2 基于視覺(jué)的車(chē)輛檢測(cè)與跟蹤技術(shù)研究進(jìn)展14-16
• 1.3 本文的研究?jī)?nèi)容及論文結(jié)構(gòu)16-19
• 1.3.1 研究?jī)?nèi)容16-17
• 1.3.2 論文結(jié)構(gòu)17-19
• 第二章 結(jié)構(gòu)化道路圖像預(yù)處理技術(shù)19-27
• 2.1 有效區(qū)域的選取19-20
• 2.2 圖像灰度化20-21
• 2.3 圖像平滑去噪21-24
• 2.3.1 領(lǐng)域平均法21-22
• 2.3.2 中值濾波22-23
• 2.3.3 高斯濾波23-24
• 2.3.4 實(shí)驗(yàn)結(jié)果對(duì)比24
• 2.4 本章小結(jié)24-27
• 第三章 建立路面檢測(cè)區(qū)域27-35
• 3.1 自適應(yīng)閾值二值化方法27-29
• 3.1.1 圖像分割的常用方法27
• 3.1.2 基于最大類間方差法的圖像分割27-29
• 3.2 分窗口的自適應(yīng)閾值二值化方法29-30
• 3.3 改進(jìn)的分窗口劃分方法30-31
• 3.4 建立路面檢測(cè)區(qū)域31-34
• 3.4.1 篩選車(chē)道線31-33
• 3.4.2 建立路面檢測(cè)區(qū)域33-34
• 3.5 本章小結(jié)34-35
• 第四章 基于多特征融合的車(chē)輛檢測(cè)方法35-55
• 4.1 生成假設(shè)車(chē)輛35-42
• 4.1.1 確定車(chē)輛陰影區(qū)域閾值36-38
• 4.1.2 生成車(chē)輛陰影候選區(qū)域38-39
• 4.1.3 聚類車(chē)輛陰影候選區(qū)域39-40
• 4.1.4 剔除路面投射陰影40-41
• 4.1.5 基于車(chē)輛陰影生成假設(shè)車(chē)輛41-42
• 4.2 驗(yàn)證假設(shè)車(chē)輛42-51
• 4.2.1 車(chē)輛多特征分析42-44
• 4.2.2 車(chē)輛多特征信息提取44-48
• 4.2.3 車(chē)輛多特征信息融合判定48-51
• 4.3 車(chē)輛檢測(cè)實(shí)驗(yàn)結(jié)果及分析51-53
• 4.4 本章小結(jié)53-55
• 第五章 基于卡爾曼濾波的車(chē)輛跟蹤方法55-65
• 5.1 卡爾曼濾波原理55-56
• 5.2 基于卡爾曼濾波的車(chē)輛跟蹤56-61
• 5.2.1 車(chē)輛跟蹤模型56-58
• 5.2.2 車(chē)輛跟蹤的實(shí)現(xiàn)58-61
• 5.3 車(chē)輛跟蹤試驗(yàn)結(jié)果及分析61-64
• 5.4 本章小結(jié)64-65
• 第六章 結(jié)論65-67
• 6.1 工作總結(jié)65
• 6.2 研究展望65-67
• 參考文獻(xiàn)67-71
• 作者簡(jiǎn)介71
• 作者在攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文71-73
• 致謝73-74

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 徐友春,王榮本,李兵,李斌;世界智能車(chē)輛近況綜述[J];汽車(chē)工程;2001年05期

2 郭烈,王榮本,顧柏園,余天洪;世界智能車(chē)輛行人檢測(cè)技術(shù)綜述[J];公路交通科技;2005年11期

3 李旭;張為公;;智能車(chē)輛導(dǎo)航技術(shù)的研究進(jìn)展[J];機(jī)器人技術(shù)與應(yīng)用;2007年04期

4 程釗;萬(wàn)齊齊;唐旋來(lái);劉廣林;彭剛;黃心漢;王永驥;;智能車(chē)道路識(shí)別及控制研究[J];伺服控制;2007年06期

5 劉運(yùn)哲;智能車(chē)輛公路系統(tǒng)評(píng)價(jià)體系[J];國(guó)外公路;1997年02期

6 劉東民;智能車(chē)輛的開(kāi)發(fā)目標(biāo)及方向[J];陜西汽車(chē);1999年02期

7 熊升華;趙海良;;基于矩形安全鄰域的智能車(chē)移動(dòng)仿真研究[J];計(jì)算機(jī)應(yīng)用研究;2013年12期

8 潘明;汪鐳;康琦;吳啟迪;;基于電磁信號(hào)導(dǎo)航的智能車(chē)系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[J];中國(guó)科技論文;2014年04期

9 王榮本,李兵,施樹(shù)明,李斌;世界智能車(chē)輛研究概述[J];公路交通科技;2001年05期

10 黨宏社,韓崇昭,段戰(zhàn)勝;智能車(chē)輛系統(tǒng)發(fā)展及其關(guān)鍵技術(shù)概述[J];公路交通科技;2002年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 張祖鋒;徐友春;張鵬;朱增輝;;縮微智能車(chē)的環(huán)境感知與控制決策算法研究[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

2 汪鐵民;;智能車(chē)輛的若干問(wèn)題[A];四川省第九屆（2009年）汽車(chē)學(xué)術(shù)交流年會(huì)論文集[C];2009年

3 黃鴻;呂曉華;任雪梅;;基于SPCE061A的智能車(chē)模語(yǔ)音控制系統(tǒng)[A];國(guó)產(chǎn)科學(xué)儀器應(yīng)用、創(chuàng)新和產(chǎn)業(yè)化學(xué)術(shù)研討會(huì)論文集（二）[C];2007年

4 張國(guó)伍;錢(qián)大琳;;中國(guó)智能交通發(fā)展戰(zhàn)略構(gòu)想[A];西部開(kāi)發(fā)與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第12屆年會(huì)論文集[C];2002年

5 王立琦;杜茂;;基于激光掃描儀的智能車(chē)前方障礙物檢測(cè)[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

6 孫懷江;;ALVINN及其擴(kuò)展[A];全面建設(shè)小康社會(huì)：中國(guó)科技工作者的歷史責(zé)任——中國(guó)科協(xié)2003年學(xué)術(shù)年會(huì)論文集（上）[C];2003年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前4條

1 記者 劉莉;“中國(guó)智能車(chē)未來(lái)挑戰(zhàn)賽”西安開(kāi)戰(zhàn)[N];科技日?qǐng)?bào);2010年

2 陳海霞　顏士秀 小莉;常州“智能車(chē)”全國(guó)奪冠[N];常州日?qǐng)?bào);2010年

3 記者張兆軍;兩種智能車(chē) 無(wú)人可駕駛[N];科技日?qǐng)?bào);2003年

4 記者 孫春艷;“科博會(huì)”在京開(kāi)幕[N];吉林日?qǐng)?bào);2003年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 錢(qián)臻;基于組合定位技術(shù)的多智能車(chē)輛合作編隊(duì)仿真技術(shù)研究[D];東北林業(yè)大學(xué);2012年

2 汪明磊;智能車(chē)輛自主導(dǎo)航中避障路徑規(guī)劃與跟蹤控制研究[D];合肥工業(yè)大學(xué);2013年

3 劉華軍;面向智能車(chē)輛的道路環(huán)境理解技術(shù)研究[D];南京理工大學(xué);2007年

4 李進(jìn);視覺(jué)導(dǎo)航智能車(chē)輛的路徑識(shí)別和跟蹤控制[D];合肥工業(yè)大學(xué);2008年

5 沈志熙;基于視覺(jué)導(dǎo)航的智能車(chē)輛在城區(qū)復(fù)雜場(chǎng)景中的目標(biāo)檢測(cè)技術(shù)研究[D];重慶大學(xué);2008年

6 王鋒輝;面向區(qū)域智能運(yùn)輸?shù)亩嘀悄苘?chē)輛協(xié)作研究[D];上海交通大學(xué);2009年

7 焦俊;基于多Agent系統(tǒng)的智能車(chē)輛自主行駛控制研究[D];合肥工業(yè)大學(xué);2010年

8 郭景華;視覺(jué)導(dǎo)航式智能車(chē)輛橫向與縱向控制研究[D];大連理工大學(xué);2012年

9 李貽斌;ITS智能車(chē)輛關(guān)鍵技術(shù)研究[D];天津大學(xué);2008年

10 胡玉文;城市環(huán)境中基于混合地圖的智能車(chē)輛定位方法研究[D];北京理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 馬育林;智能車(chē)自主駕駛控制系統(tǒng)研制與試驗(yàn)[D];武漢理工大學(xué);2010年

2 邱迎;道路自動(dòng)識(shí)別與控制的智能車(chē)系統(tǒng)的研究[D];重慶大學(xué);2010年

3 郭達(dá);智能車(chē)避障路徑動(dòng)態(tài)規(guī)劃和車(chē)體控制研究[D];長(zhǎng)安大學(xué);2015年

4 崔佳超;無(wú)人駕駛智能車(chē)在動(dòng)態(tài)環(huán)境中的避障方法[D];西安工業(yè)大學(xué);2015年

5 楊成;無(wú)人駕駛智能車(chē)障礙檢測(cè)方法研究[D];西安工業(yè)大學(xué);2015年

6 劉健全;基于高速移動(dòng)網(wǎng)絡(luò)的智能車(chē)視頻駕駛系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];浙江大學(xué);2015年

7 劉遠(yuǎn)源;校園環(huán)境下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的研究與實(shí)現(xiàn)[D];浙江大學(xué);2015年

8 逄偉;低速環(huán)境下的智能車(chē)無(wú)人駕駛技術(shù)研究[D];浙江大學(xué);2015年

9 孫濤;基于MC9S12DG128的智能車(chē)控制系統(tǒng)研究[D];南昌大學(xué);2015年

10 王廣瑋;智能車(chē)輛橫向運(yùn)動(dòng)控制系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)研究[D];貴州大學(xué);2015年

，

本文編號(hào)：1076656