【摘要】：近年來,智能汽車逐漸成為了社會各界討論的熱點,它代表了汽車未來的發(fā)展趨勢,它的發(fā)展也不斷地革新相關(guān)理論與技術(shù)。車道保持系統(tǒng)是智能汽車中的重要一環(huán),其集成了計算機(jī)視覺、圖像處理、控制理論等多項技術(shù)。本文針對車道保持系統(tǒng)中環(huán)境感知及控制算法分別進(jìn)行了研究。車道保持系統(tǒng)中首先要獲取道路圖像并對圖像進(jìn)行處理提取出車道線的相關(guān)信息。針對車道線檢測,文章提出了一種多線形車道線檢測算法。算法首先在灰度圖上利用圖像的梯度信息及車道線的寬度特征提取車道線邊緣點,然后根據(jù)車道線邊緣點在圖像分區(qū)中使用Hough變換檢測直線,最后根據(jù)分區(qū)中的直線確定控制點并使用三次均勻B樣條曲線擬合車道線。其中,在擬合車道線時,利用車道的消失線反求虛線車道的車道標(biāo)識線,使算法能夠?qū)Χ喾N線形的車道線進(jìn)行有效檢測;在灰度圖上提取目標(biāo)點,增強了算法的魯棒性。經(jīng)過多種場景的試驗驗證,該算法能夠準(zhǔn)確、迅速地檢測多種線形的車道線。完成車道線檢測后,本文又介紹了像素坐標(biāo)系至世界坐標(biāo)系的轉(zhuǎn)換方法,以便將車道線信息及自車位置信息用于后續(xù)的橫向控制算法中。針對車道保持控制策略,本文首先建立了基于魔術(shù)輪胎模型的七自由度整車模型,然后根據(jù)道路信息及車輛位置與狀態(tài)信息,建立了跨道時間計算模型,以進(jìn)行車道偏離判斷。最后,基于單點預(yù)瞄最優(yōu)曲率駕駛員模型建立了車道保持橫向控制器。為了驗證車道保持控制策略的可行性,聯(lián)合CarSim/Simulink進(jìn)行了仿真試驗,依據(jù)不同的目標(biāo)路徑及車速,設(shè)置了四種仿真工況進(jìn)行仿真。分別對四種仿真工況進(jìn)行分析,通過分析車輛實際行駛路徑與目標(biāo)路徑對比圖、側(cè)向加速度對比曲線及車輛轉(zhuǎn)角曲線,表明本文設(shè)計的車道保持控制策略能夠較好地操控汽車跟隨目標(biāo)路徑行駛。
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：U463.6
【圖文】：

13(e) Canny 算子 (f) Sobel 算子圖 2.4 傳統(tǒng)邊緣檢測算子效果對比Fig 2.4 Contrast of traditional edge detection operator由圖可知，使用 Roberts 算子及 Prewitt 算子檢測的邊緣不夠明顯，在車道測時無法提取出足夠的邊緣點。使用 LoG 算子、Canny 算子及 Sobel 算子進(jìn)

合肥工業(yè)大學(xué)碩士學(xué)位論文檢測時，雖然檢測的邊緣較為明顯，但由于光照的影響，產(chǎn)生了大量的噪點，極大的影響了提取車道線邊緣像素的準(zhǔn)確性。上述幾種算子雖各有特點，但魯棒性均較低。因此，為了提高算法的魯棒性，需考慮結(jié)合車道線特征的邊緣檢測算法。2.4.2 基于車道線寬度特征的邊緣檢測傳統(tǒng)邊緣檢測算法主要針對整幅圖像的特征，因此在提取車道線邊緣特征時會受到光照及噪點的影響，魯棒性不高。為了提高車道線檢測算法的魯棒性，在邊緣檢測時可結(jié)合車道線的特征。車道線最顯著的特征為其寬度特征，用圖像語言描述即其存在兩次像素值的跳變，兩次跳變的間距與車道線寬度有關(guān)。如圖 2.5 所示為車道線在圖像中的像素值跳變特征。

圖 2.6 本文邊緣檢測算法效果Fig 2.6 Algorithm effect of this paper點為算法提取的車道線邊緣點。可以看出，即使是在算法也能夠提取到大部分車道線邊緣點。了車道線邊緣像素的提取，以便于后續(xù)車道線的建模：道路圖像進(jìn)行預(yù)處理，包括圖像的灰度化，選取 RO理后的圖像進(jìn)行梯度計算，設(shè)置梯度閾值，過濾掉保留梯度幅值大于閾值的像素點作為車道線邊緣像素多種傳統(tǒng)邊緣檢測算子的特點及缺陷，提出了基于法，該方法魯棒性較高，即使在光照較強、路面反光的邊緣像素點。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 江本赤;;B樣條曲線曲率簡易求解算法[J];制造技術(shù)與機(jī)床;2014年10期

2 徐進(jìn);趙軍;楊奎;邵毅明;彭其淵;;適于復(fù)雜賽道的駕駛員“期望軌跡-期望速度”協(xié)同決策模型[J];中國科學(xué):技術(shù)科學(xué);2014年06期

3 陳無畏;王家恩;汪明磊;王金波;;視覺導(dǎo)航智能車輛橫向運動的自適應(yīng)預(yù)瞄控制[J];中國機(jī)械工程;2014年05期

4 趙熙俊;陳慧巖;;智能車輛路徑跟蹤橫向控制方法的研究[J];汽車工程;2011年05期

5 許華榮;王曉棟;方遒;;基于B樣條曲線模型的結(jié)構(gòu)化道路檢測算法[J];自動化學(xué)報;2011年03期

6 駱賢宗;高群;宗志堅;;電動汽車轉(zhuǎn)向機(jī)構(gòu)的優(yōu)化設(shè)計[J];機(jī)械傳動;2010年09期

7 張起貴;張魁;;基于最小二乘直線擬合的小目標(biāo)檢測[J];電子設(shè)計工程;2010年07期

8 丁海濤;郭孔輝;李飛;張建偉;;基于加速度反饋的任意道路和車速跟隨控制駕駛員模型[J];機(jī)械工程學(xué)報;2010年10期

9 李貞培;李平;郭新宇;陳樹敏;;三種基于GDI+的圖像灰度化實現(xiàn)方法[J];計算機(jī)技術(shù)與發(fā)展;2009年07期

10 郭磊;李克強;王建強;連小珉;;應(yīng)用方向可調(diào)濾波器的車道線識別方法[J];機(jī)械工程學(xué)報;2008年08期

相關(guān)博士學(xué)位論文 前2條

1 談東奎;人機(jī)共享的駕駛員橫向輔助系統(tǒng)關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2017年

2 王家恩;基于視覺的駕駛員橫向輔助系統(tǒng)關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前3條

1 劉偉;單目視覺下車道偏離預(yù)警系統(tǒng)中的關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2014年

2 張海林;基于電動轉(zhuǎn)向的車道保持系統(tǒng)[D];清華大學(xué);2012年

3 李晗;基于機(jī)器視覺的高速車道標(biāo)志線檢測算法的研究[D];東北大學(xué);2006年

本文編號：2806692