發(fā)布時間：2020-05-05 17:58

【摘要】：汽車工業(yè)經(jīng)過近百年的發(fā)展,已經(jīng)越來越融入到人們的生活當(dāng)中,同時交通事故的頻發(fā)給人們的生命財產(chǎn)安全帶來了極大的威脅,汽車的安全行駛成為了一個亟待解決的問題。隨著科技的進步發(fā)展,智能駕駛越來越成為一個重要的發(fā)展領(lǐng)域,基于視覺的前方車輛檢測成為了這一領(lǐng)域的研究重點,目的是通過檢測前方車輛保障車輛通過的安全性。本文提出了利用車輛的邊緣特征和陰影特征結(jié)合的方法完成對前方車輛的檢測,通過攝像機參數(shù)的標定以及不同維度坐標關(guān)系的轉(zhuǎn)換獲得前后車輛的距離,最后根據(jù)車輛安全行駛距離制定防撞預(yù)警策略。本文在分析研究了國內(nèi)外的車輛檢測算法和技術(shù)的基礎(chǔ)上,提出了相應(yīng)的車輛檢測方法,本文的主要研究內(nèi)容如下:(1)圖像的預(yù)處理。對一幅完整的圖像檢測消耗時間長,為了提高檢測效率,選取圖像下方3/5的有效區(qū)域進行處理。選用與人眼視覺最為接近的加權(quán)平均法對有效區(qū)域進行灰度化處理;最后采用中值濾波的方式濾除采集的數(shù)據(jù)圖像中的隨機噪聲。(2)利用了一種基于車輛邊緣特征識別車輛的方法。該方法考慮了道路上車輛尾部的不同形狀特征,通過Prewitt邊緣檢測算子提取車輛的車尾輪廓,利用車輛尾部邊緣的對稱性以及長度特征確定可能存在車輛的區(qū)域。(3)基于車輛陰影特征的車輛驗證。兩次運用大津閾值算法能夠有效的分割出車輛陰影,然后利用膨脹、腐蝕等形態(tài)學(xué)處理方法,得出車輛候選區(qū)域。利用車輛陰影形狀特征以及與車輛的位置關(guān)系進行車輛的精確驗證。(4)根據(jù)單目視覺的測距原理,建立起不同維度坐標系之間的相互轉(zhuǎn)換關(guān)系,然后對攝像機內(nèi)外參數(shù)進行標定。通過坐標關(guān)系的轉(zhuǎn)換以及攝像機標定的參數(shù),結(jié)合攝像機模型推導(dǎo)的測距公式,完成自車與前車的距離測量,最后制定預(yù)警策略。通過大量的實驗驗證,能夠有效的識別前方車輛,并且通過測距實驗得到了較好的數(shù)據(jù)結(jié)果,說明了本文的測距方法能夠滿足預(yù)警要求,并且具有一定的實時性和穩(wěn)定性。
【圖文】：

從不同的角度看去，車輛底部總是會存在陰影，陰影區(qū)域在圖像中會顯得比其他區(qū)域要暗。如圖2-1所示:圖 2-1 各種車輛圖像（2）在外型上看，車輛的形狀大體可以看做是矩形結(jié)構(gòu)，并且車輛的尺寸（寬度、高度）在一定的比例范圍內(nèi)。（3）從后方看去，車輛尾部的車頂、后車窗、車廂、保險杠，車牌等部分都具有水平結(jié)構(gòu)，這些水平邊緣在圖像中均是平行的，，同時車輛縱向的兩條邊界輪廓還具有邊緣垂直特性。（4）車輛的后視圖像中，車輛關(guān)于一條垂直線對稱�；谔卣鳈z測車輛的方法，通常是利用車輛本身擁有的邊緣特征[34]、垂直對稱性特征、車輛的陰影特征或者其他的特征來完成車輛的檢測[35]。由后方拍攝的車輛圖像中，除了車輛目標外，還會存在交通標識牌、建筑物以及其他的對稱性物體，這些物體的存在會對車輛的識別造成干擾。另外，在灰度圖像中，利用車輛的對稱性檢測車輛，由于存在灰度均勻的區(qū)域會造成車輛的錯誤檢測。當(dāng)采用車輛的陰影特征進行車輛的檢測時，需要精確的分割閾值對圖像進行分割，但是分割閾值又需要根據(jù)外部天氣或者背景環(huán)境做出調(diào)整

原始圖像
【學(xué)位授予單位】：重慶交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U463.6

【參考文獻】

相關(guān)期刊論文 前10條

1 馮學(xué)強;張良旭;劉志宗;;無人駕駛汽車的發(fā)展綜述[J];山東工業(yè)技術(shù);2015年05期

2 羅慧;楊可瞻;曾慈航;;電動車特斯拉之崛起[J];中國中小企業(yè);2013年07期

3 普華永道;;2018全球及中國汽車市場分析與預(yù)測[J];汽車與配件;2013年07期

4 魏凱;盛建平;熊凱;;基于陰影特征的前向車輛檢測和測距方法研究[J];機械設(shè)計與制造;2013年02期

5 尚在飛;肖文健;李永科;;基于CCD圖像傳感器的路徑識別算法分析[J];電子設(shè)計工程;2012年16期

6 文學(xué)志;方巍;鄭鈺輝;;一種基于類Haar特征和改進AdaBoost分類器的車輛識別算法[J];電子學(xué)報;2011年05期

7 蘇鑫;;完全智能控制 Google無人駕駛汽車路試[J];道路交通與安全;2010年04期

8 李文波;王立研;;一種基于Adaboost算法的車輛檢測方法[J];長春理工大學(xué)學(xué)報(自然科學(xué)版);2009年02期

9 胡銦;楊靜宇;;基于模型的車輛檢測與跟蹤[J];中國圖象圖形學(xué)報;2008年03期

10 胡銦;楊靜宇;;基于單目視覺的路面車輛檢測及跟蹤方法綜述[J];公路交通科技;2007年12期

相關(guān)碩士學(xué)位論文 前4條

1 王培;無人駕駛智能車的導(dǎo)航系統(tǒng)研究[D];西安工業(yè)大學(xué);2012年

2 張玲增;基于多特征的前方車輛檢測與跟蹤方法研究[D];江蘇大學(xué);2010年

3 馬偉;基于單個攝像機的車輛檢測與跟蹤[D];南京理工大學(xué);2008年

4 周俊杰;基于單目視覺的夜間車輛和車距檢測[D];南京理工大學(xué);2007年

本文編號：2650541