發(fā)布時間：2020-07-07 08:54

【摘要】：隨著我國人民對美好生活需要的日益增長,汽車的普及給道路交通安全帶來嚴峻挑戰(zhàn)。行車中利用車載輔助駕駛設備對前方車輛進行檢測和測距是預防追尾事故、提高行車安全的有效方法。隨著Kinect的興起,其集彩色相機與深度相機于一體的優(yōu)勢使這種方法更為簡單、集成、高效,更具廣泛應用前景。本文研究利用Kinect實現(xiàn)車輛檢測和測距功能的技術(shù)算法。將其作為圖像信息獲取設備,開發(fā)軟件應用程序,對視野范圍內(nèi)車輛目標進行檢測,獲取其到相機平面的深度距離信息。相機標定是車輛檢測和測距的重要基礎。利用張正友標定法得到非線性畸變下的相機內(nèi)參及畸變系數(shù)。利用二次重投影標定法對標定結(jié)果中Harries角點提取不準確的問題進行有效優(yōu)化,獲取優(yōu)化后相機內(nèi)部參數(shù),在此基礎上開展具體算法研究。車輛檢測技術(shù)是測距的前提。研究線性濾波和形態(tài)學濾波方法,提出使用線性濾波降低彩色圖像噪點、使用形態(tài)學濾波降低深度圖像噪點的實驗方法;對比分析Canny、Sobel和Laplacian三種圖像分割算子的特點,得到Canny和Sobel算子在檢測實驗中更具優(yōu)勢的結(jié)果;提出基于直線的Hough變換進行車輛模型尾部形狀擬合的方法,編制軟件實現(xiàn)了對前方目標車輛的有效檢測。深度測距是系統(tǒng)核心功能。基于Kinect深度相機工作原理,研究Kinect獲取深度距離算法,開發(fā)深度測距程序,在不同光照條件下對檢測到的車輛尾部中心位置進行測距實驗,結(jié)果表明Kinect測距具有抗光照不足的優(yōu)勢。為解決測量誤差隨物體到傳感器的距離增大而增大的問題,分析了誤差的成因,利用像素三維歐氏距離與對應深度補償值的權(quán)重占比關(guān)系,建立了的深度誤差補償模型,將測量誤差降低至±10 mm,驗證了誤差補償?shù)挠行�。行車安全是永恒的主題,研究Kinect在車輛檢測與測距的應用技術(shù)為其提供了解決方案。同時也為新時代智能汽車、無人汽車的發(fā)展提供了現(xiàn)實理論和技術(shù)支撐,具有顯著的社會和經(jīng)濟效益。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U463.6
【圖文】：

輛檢測與測距技術(shù)旨在將其應用在汽車上，實時檢測前車距離。在應用層面，一方面可通過處理器運算、識駛員注意車距狀況，并給出數(shù)據(jù)顯示信息，幫助駕駛員決策，保持安全行駛距離。另一方面，該技術(shù)是研發(fā)無支撐，可以為駕駛員帶來更安全、更智能、更輕松的駕姓生活，順應汽車輔助駕駛領域技術(shù)發(fā)展潮流，應用和要的社會和經(jīng)濟效益。外研究現(xiàn)狀幾十年中，在全球范圍內(nèi)吸引了諸多研究者，致力于車究工作，挖掘汽車駕駛輔助系統(tǒng)的巨大潛力和市場。這國谷歌汽車為代表的無人駕駛汽車、以清華大學 THM統(tǒng)和以 Mobileye 為代表的汽車安全輔助駕駛系統(tǒng)中。 所示的美國谷歌無人汽車使用相機、毫米波雷達和激光路環(huán)境，具有同時識別數(shù)百個行人、車輛目標的能力[

圖 1-2 清華大學 THMR-V 智能車，國內(nèi)百度、騰訊、樂視等知名互聯(lián)網(wǎng)公司也投入大駕駛汽車的技術(shù)研究。比較有代表性的是圖 1-3 中的百的控制中樞是基于計算機和人工智能的“百度汽車大能夠在厘米級精度實現(xiàn)車輛定位，依托雷達、相機等術(shù)和環(huán)境態(tài)勢感知技術(shù)，可以實現(xiàn)車輛探測識別、跟面分割、車道線檢測等功能。2015 年底百度無人駕駛高速道路混合路況下的全自動駕駛[4]，2017 年 11 月，發(fā)展規(guī)劃暨重大科技項目啟動會上，宣布依托百度公司智能開放創(chuàng)新平臺，標志著新一代基于人工智能的汽車啟動實施階段。

圖 1-2 清華大學 THMR-V 智能車，國內(nèi)百度、騰訊、樂視等知名互聯(lián)網(wǎng)公司也投入大量駕駛汽車的技術(shù)研究。比較有代表性的是圖 1-3 中的百的控制中樞是基于計算機和人工智能的“百度汽車大能夠在厘米級精度實現(xiàn)車輛定位，依托雷達、相機等傳術(shù)和環(huán)境態(tài)勢感知技術(shù)，可以實現(xiàn)車輛探測識別、跟蹤面分割、車道線檢測等功能。2015 年底百度無人駕駛高速道路混合路況下的全自動駕駛[4]，2017 年 11 月，發(fā)展規(guī)劃暨重大科技項目啟動會上，宣布依托百度公司智能開放創(chuàng)新平臺，標志著新一代基于人工智能的汽車啟動實施階段。

【參考文獻】

相關(guān)期刊論文 前8條

1 王瑩瑩;種衍文;潘少明;王澤文;;基于Kinect深度數(shù)據(jù)的人體胸圍測量方法[J];計算機工程與設計;2015年08期

2 呂繼武;于偉;鄭偉;;一種基于改進的HOUGH變換的車輪檢測方法[J];電子技術(shù)與軟件工程;2014年13期

3 廖宏建;曲哲;;基于Kinect體感交互技術(shù)的虛擬裝配實驗系統(tǒng)開發(fā)[J];實驗技術(shù)與管理;2013年07期

4 丁晨;王君澤;瞿暢;高瞻;;Kinect體感交互技術(shù)及其在醫(yī)療康復領域的應用[J];中國康復理論與實踐;2013年02期

5 韓延祥;張志勝;戴敏;;用于目標測距的單目視覺測量方法[J];光學精密工程;2011年05期

6 王鵬;孫長庫;張子淼;;單目視覺位姿測量的線性求解[J];儀器儀表學報;2011年05期

7 郭磊;徐友春;李克強;連小珉;;基于單目視覺的實時測距方法研究[J];中國圖象圖形學報;2006年01期

8 徐旭明,葉榛,陶品,王洋;基于視覺臨場感的機器人遙操作系統(tǒng)[J];高技術(shù)通訊;2000年03期

相關(guān)碩士學位論文 前6條

1 佟卓遠;基于機器視覺的前方車輛檢測與測距系統(tǒng)設計[D];哈爾濱工業(yè)大學;2015年

2 任貝;基于視覺傳感的前方碰撞預警系統(tǒng)設計與試驗驗證研究[D];吉林大學;2014年

3 陳理;Kinect深度圖像增強算法研究[D];湖南大學;2013年

4 丁津津;TOF三維攝像機的誤差分析及補償方法研究[D];合肥工業(yè)大學;2011年

5 華冰;智能車輛中的道路檢測和目標檢測技術(shù)研究[D];重慶大學;2008年

6 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;2007年

本文編號：2744920