【摘要】：隨著我國人民對(duì)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(yán)峻挑戰(zhàn)。行車中利用車載輔助駕駛設(shè)備對(duì)前方車輛進(jìn)行檢測(cè)和測(cè)距是預(yù)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(jī)與深度相機(jī)于一體的優(yōu)勢(shì)使這種方法更為簡(jiǎn)單、集成、高效,更具廣泛應(yīng)用前景。本文研究利用Kinect實(shí)現(xiàn)車輛檢測(cè)和測(cè)距功能的技術(shù)算法。將其作為圖像信息獲取設(shè)備,開發(fā)軟件應(yīng)用程序,對(duì)視野范圍內(nèi)車輛目標(biāo)進(jìn)行檢測(cè),獲取其到相機(jī)平面的深度距離信息。相機(jī)標(biāo)定是車輛檢測(cè)和測(cè)距的重要基礎(chǔ)。利用張正友標(biāo)定法得到非線性畸變下的相機(jī)內(nèi)參及畸變系數(shù)。利用二次重投影標(biāo)定法對(duì)標(biāo)定結(jié)果中Harries角點(diǎn)提取不準(zhǔn)確的問題進(jìn)行有效優(yōu)化,獲取優(yōu)化后相機(jī)內(nèi)部參數(shù),在此基礎(chǔ)上開展具體算法研究。車輛檢測(cè)技術(shù)是測(cè)距的前提。研究線性濾波和形態(tài)學(xué)濾波方法,提出使用線性濾波降低彩色圖像噪點(diǎn)、使用形態(tài)學(xué)濾波降低深度圖像噪點(diǎn)的實(shí)驗(yàn)方法;對(duì)比分析Canny、Sobel和Laplacian三種圖像分割算子的特點(diǎn),得到Canny和Sobel算子在檢測(cè)實(shí)驗(yàn)中更具優(yōu)勢(shì)的結(jié)果;提出基于直線的Hough變換進(jìn)行車輛模型尾部形狀擬合的方法,編制軟件實(shí)現(xiàn)了對(duì)前方目標(biāo)車輛的有效檢測(cè)。深度測(cè)距是系統(tǒng)核心功能�；贙inect深度相機(jī)工作原理,研究Kinect獲取深度距離算法,開發(fā)深度測(cè)距程序,在不同光照條件下對(duì)檢測(cè)到的車輛尾部中心位置進(jìn)行測(cè)距實(shí)驗(yàn),結(jié)果表明Kinect測(cè)距具有抗光照不足的優(yōu)勢(shì)。為解決測(cè)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(duì)應(yīng)深度補(bǔ)償值的權(quán)重占比關(guān)系,建立了的深度誤差補(bǔ)償模型,將測(cè)量誤差降低至±10 mm,驗(yàn)證了誤差補(bǔ)償?shù)挠行�。行車安全是永恒的主題,研究Kinect在車輛檢測(cè)與測(cè)距的應(yīng)用技術(shù)為其提供了解決方案。同時(shí)也為新時(shí)代智能汽車、無人汽車的發(fā)展提供了現(xiàn)實(shí)理論和技術(shù)支撐,具有顯著的社會(huì)和經(jīng)濟(jì)效益。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.6
【圖文】：

輛檢測(cè)與測(cè)距技術(shù)旨在將其應(yīng)用在汽車上，實(shí)時(shí)檢測(cè)前車距離。在應(yīng)用層面，一方面可通過處理器運(yùn)算、識(shí)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(yīng)汽車輔助駕駛領(lǐng)域技術(shù)發(fā)展潮流，應(yīng)用和要的社會(huì)和經(jīng)濟(jì)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(chǎng)。這國谷歌汽車為代表的無人駕駛汽車、以清華大學(xué) 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(jī)、毫米波雷達(dá)和激光路環(huán)境，具有同時(shí)識(shí)別數(shù)百個(gè)行人、車輛目標(biāo)的能力[

圖 1-2 清華大學(xué) 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(jì)算機(jī)和人工智能的“百度汽車大能夠在厘米級(jí)精度實(shí)現(xiàn)車輛定位，依托雷達(dá)、相機(jī)等術(shù)和環(huán)境態(tài)勢(shì)感知技術(shù)，可以實(shí)現(xiàn)車輛探測(cè)識(shí)別、跟面分割、車道線檢測(cè)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(dòng)駕駛[4]，2017 年 11 月，發(fā)展規(guī)劃暨重大科技項(xiàng)目啟動(dòng)會(huì)上，宣布依托百度公司智能開放創(chuàng)新平臺(tái)，標(biāo)志著新一代基于人工智能的汽車啟動(dòng)實(shí)施階段。

圖 1-2 清華大學(xué) 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(jì)算機(jī)和人工智能的“百度汽車大能夠在厘米級(jí)精度實(shí)現(xiàn)車輛定位，依托雷達(dá)、相機(jī)等傳術(shù)和環(huán)境態(tài)勢(shì)感知技術(shù)，可以實(shí)現(xiàn)車輛探測(cè)識(shí)別、跟蹤面分割、車道線檢測(cè)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(dòng)駕駛[4]，2017 年 11 月，發(fā)展規(guī)劃暨重大科技項(xiàng)目啟動(dòng)會(huì)上，宣布依托百度公司智能開放創(chuàng)新平臺(tái)，標(biāo)志著新一代基于人工智能的汽車啟動(dòng)實(shí)施階段。

【參考文獻(xiàn)】

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(cè)量方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2015年08期

2 呂繼武;于偉;鄭偉;;一種基于改進(jìn)的HOUGH變換的車輪檢測(cè)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(shí)驗(yàn)系統(tǒng)開發(fā)[J];實(shí)驗(yàn)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(fù)領(lǐng)域的應(yīng)用[J];中國康復(fù)理論與實(shí)踐;2013年02期

5 韓延祥;張志勝;戴敏;;用于目標(biāo)測(cè)距的單目視覺測(cè)量方法[J];光學(xué)精密工程;2011年05期

6 王鵬;孫長庫;張子淼;;單目視覺位姿測(cè)量的線性求解[J];儀器儀表學(xué)報(bào);2011年05期

7 郭磊;徐友春;李克強(qiáng);連小珉;;基于單目視覺的實(shí)時(shí)測(cè)距方法研究[J];中國圖象圖形學(xué)報(bào);2006年01期

8 徐旭明,葉榛,陶品,王洋;基于視覺臨場(chǎng)感的機(jī)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(xué)位論文 前6條

1 佟卓遠(yuǎn);基于機(jī)器視覺的前方車輛檢測(cè)與測(cè)距系統(tǒng)設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

2 任貝;基于視覺傳感的前方碰撞預(yù)警系統(tǒng)設(shè)計(jì)與試驗(yàn)驗(yàn)證研究[D];吉林大學(xué);2014年

3 陳理;Kinect深度圖像增強(qiáng)算法研究[D];湖南大學(xué);2013年

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

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

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

本文編號(hào)：2744920