【摘要】：隨著人工智能的不斷發(fā)展,越來越多的新技術(shù)進(jìn)入了我們的生活,汽車的輔助駕駛系統(tǒng)便是其中之一�；跈C器視覺的輔助駕駛中異常情況預(yù)警研究是提高駕駛員行車安全、降低交通事故的有效保障,也是發(fā)展未來無人車技術(shù)的基礎(chǔ)。機器視覺等相關(guān)技術(shù)相較于現(xiàn)有的光達(dá)、雷達(dá)等硬件實現(xiàn)的檢測技術(shù),具有檢測更準(zhǔn)確全面、更符合人眼習(xí)慣、成本低廉、適用性強等優(yōu)點�；诖�,本文在總結(jié)前人目標(biāo)檢測,車道線檢測與單目視覺測距等研究成果的基礎(chǔ)上,在算法結(jié)構(gòu)與實現(xiàn)上進(jìn)行了創(chuàng)新,提出了一個兼具高準(zhǔn)確性、實時性及魯棒性的輔助駕駛異常情況預(yù)警系統(tǒng)。本文的輔助駕駛異常情況預(yù)警主要分為兩個部分,目標(biāo)檢測跟蹤模塊與車輛預(yù)警模塊。在目標(biāo)檢測跟蹤模塊中,選擇FasterR-CNN用于目標(biāo)檢測,解決了使用級聯(lián)分類器進(jìn)行檢測結(jié)果不準(zhǔn)確的問題。并將KCF跟蹤算法與Faster R-CNN相結(jié)合,提高跟蹤速度。在車輛預(yù)警模塊中,使用基于脊線的車道線檢測,不僅增加了檢測成功率,而且對于出現(xiàn)的單邊車道線也能檢測出來。最后使用單目視覺測距,結(jié)合檢測的車道線對整個道路進(jìn)行建模,更準(zhǔn)確的給出預(yù)警。本文在研究上的創(chuàng)新如下:對FasterR-CNN網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行了優(yōu)化,將最后一層卷積池化層的結(jié)構(gòu)參數(shù)進(jìn)行了修改;將KCF進(jìn)行了多模板尺度自適應(yīng)的創(chuàng)新擴展,提高了跟蹤效果;不同于以往的基于單個特征或多特征融合的車道線檢測算法,本文創(chuàng)新性的提出了基于脊線檢測加噪聲過濾的檢測方法,并融合優(yōu)化時序RANSAC模型進(jìn)行車道線建模達(dá)到提高檢測準(zhǔn)確率的目的;在單目視覺測距中,通過三維測距模型切面進(jìn)行新的測距公式推導(dǎo),摒棄人工測俯仰角計算攝像機內(nèi)參矩陣的操作,減少了誤檢率。
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U463.6;TP391.41
【圖文】：

邐第二章視頻中多運動目標(biāo)跟蹤算法逡逑測結(jié)果如圖２－２與圖２－３所示：逡逑ＨＮＨＨ—逡逑圖２－２場景１檢測結(jié)果逡逑降理幵，■ｎｍｕｍｍｇｉｐｇｐｉｇ＾、ｔ—貨■■邋－ａ—逡逑Ｈｉ逡逑ＭｆｅｉｆｌｌＫ－＿．邋ｍ逡逑圖２－３場景２檢測結(jié)果逡逑圖２－２與圖２－３的左側(cè)黑色圖像為幀間差分圖像，可以看出圖像中黑色部分逡逑為兩幀間沒有目標(biāo)的背景圖像，沒有提供信息量，而白色部分就是目標(biāo)前景圖像。逡逑右邊畫面就是當(dāng)前視頻的畫面以及框選出的運動目標(biāo)的綠色矩形框，紅色質(zhì)心以逡逑及紅色的軌跡線。通過以上兩個視頻場景中某一幀的效果來看，幀間差分法可以逡逑很好的實現(xiàn)在靜態(tài)背景下對多個運動丨丨標(biāo)的檢測與跟蹤，并丨１不會遺漏視頻屮仟逡逑何一個體積小的運動物體，如閣２－３所示，單個行人這種比較小的目標(biāo)也能夠?qū)㈠义掀渫暾麢z測出來

邐第二章視頻中多運動目標(biāo)跟蹤算法逡逑測結(jié)果如圖２－２與圖２－３所示：逡逑ＨＮＨＨ—逡逑圖２－２場景１檢測結(jié)果逡逑降理幵，■ｎｍｕｍｍｇｉｐｇｐｉｇ＾、ｔ—貨■■邋－ａ—逡逑Ｈｉ逡逑ＭｆｅｉｆｌｌＫ－＿．邋ｍ逡逑圖２－３場景２檢測結(jié)果逡逑圖２－２與圖２－３的左側(cè)黑色圖像為幀間差分圖像，可以看出圖像中黑色部分逡逑為兩幀間沒有目標(biāo)的背景圖像，沒有提供信息量，而白色部分就是目標(biāo)前景圖像。逡逑右邊畫面就是當(dāng)前視頻的畫面以及框選出的運動目標(biāo)的綠色矩形框，紅色質(zhì)心以逡逑及紅色的軌跡線。通過以上兩個視頻場景中某一幀的效果來看，幀間差分法可以逡逑很好的實現(xiàn)在靜態(tài)背景下對多個運動丨丨標(biāo)的檢測與跟蹤，并丨１不會遺漏視頻屮仟逡逑何一個體積小的運動物體，如閣２－３所示，單個行人這種比較小的目標(biāo)也能夠?qū)㈠义掀渫暾麢z測出來

此可以通過相對運動過程中的光流變化來進(jìn)行運動物體的檢測與跟蹤。本文將使逡逑用金字塔ＬＫ光流法進(jìn)行實驗。在ＶＳ２０１２的平臺上，采用ＯｐｅｎＣＶ２．４．６實現(xiàn)了逡逑金字塔ＬＫ光流法檢測運動目標(biāo)的方法，檢測結(jié)果如下圖２－４所示：逡逑ｖ０ｕｔｏｕｔＦ；ａｍｅ邋．邐—逡逑：邋肩逡逑圖２－４光流法場景檢測結(jié)果逡逑在圖２－４中，可以發(fā)現(xiàn)畫面左側(cè)運動的物體表面有許多集中的黑點，就是特逡逑征點，而且每個特征點都有一個運動軌跡，可見光流法能夠檢測出運動的目標(biāo)，逡逑并且能夠?qū)ζ溥M(jìn)行軌跡的追蹤。但是，該算法比較復(fù)雜，運行速度比較緩慢，幀逡逑間延時過長。而且只有物體運動速度達(dá)到一定程度才可以檢測到其表面光流的變逡逑化，緩慢移動的物體用金字塔ＬＫ光流法無法檢測出來。此外，它與幀差法相同，逡逑對背景的變化也十分敏感，只要背景有一陣風(fēng)吹草動，整個畫面的特征點都會被逡逑檢測出來導(dǎo)致系統(tǒng)失效。逡逑２．３邋ＲＮＮｓ逡逑遞歸神經(jīng)網(wǎng)絡(luò)（ＲＮＮｓ）是一種特殊的深層架構(gòu)，己應(yīng)用于機器翻譯、手寫識別逡逑與合成、語音識別、圖像標(biāo)題生成、對象檢測等多種方向。它獨特的能力在于逡逑ＲＮＮｓ能夠捕獲序列的前后依賴關(guān)系，提供一種可以理解為內(nèi)存的機制。廣義地逡逑說

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐仲勛;黃科程;;機器視覺構(gòu)造及應(yīng)用綜述[J];四川工程職業(yè)技術(shù)學(xué)院學(xué)報;2015年03期

2 朱陽芬;銀冬平;鄒舜章;王海文;周為;;機器視覺在汽車行業(yè)中的發(fā)展與應(yīng)用[J];汽車實用技術(shù);2017年22期

3 吳東明;王麗娟;;基于GPS和機器視覺的自主導(dǎo)航定位農(nóng)機設(shè)備研究[J];農(nóng)機化研究;2018年02期

4 李延浩;;機器視覺在多領(lǐng)域內(nèi)的應(yīng)用[J];電子技術(shù)與軟件工程;2018年01期

5 ;機器視覺時代,最好的時代![J];智能機器人;2018年02期

6 宗衛(wèi)紅;;臺達(dá)機器視覺系統(tǒng)助力制造業(yè)邁向智造新時代——訪臺達(dá)集團-中達(dá)電通機器視覺產(chǎn)品項目經(jīng)理王風(fēng)路[J];國內(nèi)外機電一體化技術(shù);2016年06期

7 何遙;;宇視揭秘安防機器視覺[J];中國公共安全;2016年19期

8 阮晉蒙;;機器視覺:讓中國制造2025“看”得更遠(yuǎn)[J];新經(jīng)濟導(dǎo)刊;2017年Z1期

9 ;凌華科技推出三款高性能機器視覺產(chǎn)品[J];自動化應(yīng)用;2017年02期

10 ;臺達(dá)攜機器視覺系統(tǒng)解決方案 亮相2017上海國際機器視覺展[J];變頻器世界;2017年03期

相關(guān)會議論文 前10條

1 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進(jìn)制造技術(shù)高層論壇暨第九屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2010年

2 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應(yīng)用研究[A];中國糧油學(xué)會第三屆學(xué)術(shù)年會論文選集（下冊）[C];2004年

3 張超;徐建瑜;王文靜;;基于機器視覺的梭子蟹質(zhì)量估計方法研究[A];浙江省信號處理學(xué)會2013學(xué)術(shù)年會論文集——信號處理在海洋[C];2013年

4 劉炎艷;;基于機器視覺的卷煙32位碼識別系統(tǒng)研究[A];中國煙草學(xué)會2014年學(xué)術(shù)年會入選論文摘要匯編[C];2014年

5 王海寬;張銳;周志境;費敏銳;;基于機器視覺的智能醫(yī)療吊塔系統(tǒng)的設(shè)計與實現(xiàn)[A];2015全國嵌入式儀表及系統(tǒng)技術(shù)會議程序冊[C];2015年

6 王穩(wěn);郭文成;葉宇翔;;基于機器視覺的激光光斑位置測量[A];2015年工業(yè)設(shè)計與協(xié)同創(chuàng)新學(xué)術(shù)會議暨第20屆全國工業(yè)設(shè)計學(xué)術(shù)年會論文集[C];2015年

7 吳遠(yuǎn)峰;金翠娥;劉穎卓;;基于機器視覺的智能檢測方法研究[A];第十一屆全國磁粉滲透檢測技術(shù)年會論文集[C];2017年

8 胡慶新;王偉;顧愛華;;基于機器視覺的農(nóng)產(chǎn)品物料分級檢測系統(tǒng)關(guān)鍵技術(shù)研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

9 張超;李慧;;基于機器視覺的零件自動識別研究[A];探索 創(chuàng)新 交流（第7集）——第七屆中國航空學(xué)會青年科技論壇文集（下冊）[C];2016年

10 趙玉良;劉永賢;;基于機器視覺的汽車輪轂識別系統(tǒng)[A];2007中國汽車工程學(xué)會年會論文集[C];2007年

相關(guān)重要報紙文章 前10條

1 本報記者 李佳師;人工智能市場逼近2700億元 三大難題待突破[N];中國電子報;2016年

2 宜賓 李定川;機器視覺光源基礎(chǔ)及選型指導(dǎo)(一)[N];電子報;2018年

3 中國電子信息產(chǎn)業(yè)發(fā)展研究院信息化研究中心智慧城市研究室主任 劉鵬宇;智能技術(shù)：呈現(xiàn)八大趨勢[N];中國電子報;2017年

4 賽迪智庫信息化中心助理研究員 劉鵬宇;2017年智能技術(shù)發(fā)展趨勢[N];中國計算機報;2017年

5 經(jīng)濟日報·中國經(jīng)濟網(wǎng)記者 周明陽;給機器一雙“慧眼”[N];經(jīng)濟日報;2017年

6 本報記者 胡心媛;機器視覺展推動智能制造落地[N];中國貿(mào)易報;2017年

7 本報記者 蔡煒;書寫“東方工匠”傳奇的黑牡丹集團技術(shù)總監(jiān)鄧建軍：“創(chuàng)新，只有起點沒有終點”[N];新華日報;2017年

8 本報研究員 費天元;機器視覺成爭奪焦點 應(yīng)用場景將加速拓展[N];上海證券報;2016年

9 記者 王宙潔 實習(xí)生 盧夢勻;機器視覺 智能生活的第三只眼[N];上海證券報;2015年

10 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報;2014年

相關(guān)博士學(xué)位論文 前10條

1 胡志新;基于機器視覺的鋼軌踏面磨耗剝落檢測技術(shù)研究[D];南昌大學(xué);2018年

2 吳衡;機器視覺鬼成像理論與實驗研究[D];華南理工大學(xué);2017年

3 胡越黎;目的機器視覺研究及其在皮膚癥狀識別中的應(yīng)用[D];上海大學(xué);2005年

4 韓彥芳;機器視覺中的聚類檢測新方法[D];上海交通大學(xué);2006年

5 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學(xué);2006年

6 周平;基于機器視覺的自然目標(biāo)特征學(xué)習(xí)與即時檢測[D];浙江大學(xué);2006年

7 郁志宏;基于機器視覺的種蛋篩選及孵化成活性檢測研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2006年

8 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學(xué);2006年

9 龔愛平;基于嵌入式機器視覺的信息采集與處理技術(shù)研究[D];浙江大學(xué);2013年

10 徐劍坤;基于機器視覺的巷道變形實時監(jiān)測預(yù)警技術(shù)研究[D];中國礦業(yè)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張成龍;基于機器視覺的豆莢內(nèi)部害蟲檢測技術(shù)研究[D];黑龍江八一農(nóng)墾大學(xué);2018年

2 夏天杰;基于機器視覺的移罐機械手柔性控制系統(tǒng)研究[D];華東理工大學(xué);2018年

3 劉笑寒;基于機器視覺的磁性材料外觀自動光學(xué)檢測成像技術(shù)研究[D];電子科技大學(xué);2018年

4 張飛;基于機器視覺的天地蓋制盒機定位貼合系統(tǒng)研究[D];江西理工大學(xué);2018年

5 徐弘揚;基于機器視覺的嵌入式零件檢測系統(tǒng)設(shè)計[D];合肥工業(yè)大學(xué);2017年

6 王克鑫;基于機器視覺的智能植物養(yǎng)護(hù)系統(tǒng)[D];黑龍江大學(xué);2018年

7 王彥朝;基于機器視覺的端子高低針檢測系統(tǒng)研究[D];黑龍江大學(xué);2018年

8 董騰;基于機器視覺的水果分揀系統(tǒng)的研究[D];聊城大學(xué);2018年

9 豆永坤;基于機器視覺的機械零件幾何外形檢測研究[D];蘭州理工大學(xué);2018年

10 喬葳;基于機器視覺的輸送帶運輸物料雙視點流量測量方法研究[D];太原理工大學(xué);2018年

本文編號：2786153