隨著全球汽車產(chǎn)業(yè)的迅猛發(fā)展,由駕駛員誤操作引發(fā)的交通安全問題日益嚴峻,以智能輔助駕駛系統(tǒng)為代表的主動安全技術(shù)可有效減少因駕駛員操縱失誤導(dǎo)致的交通事故。本文設(shè)計基于機器視覺的車道線與車輛識別算法,當(dāng)車輛偏離當(dāng)前車道或出現(xiàn)碰撞危險時能夠發(fā)出預(yù)警提醒,減少由于駕駛員疲勞駕駛或注意力分散引發(fā)的交通事故,提高行車安全性。提出一種基于投票機制與區(qū)域規(guī)劃的車道線識別算法,可有效檢測道路邊界線。首先由獲取的圖像劃分感興趣區(qū)域,利用車道線寬度等信息提取車道線的特征點,根據(jù)特征點的位置及方向角分布對消失點進行定位,并建立關(guān)聯(lián)性的投票空間進行消失點和車道線邊緣點方向角檢測,由消失點和方向角定義目標擬合區(qū)域,提取車道線。并提出基于倒梯形區(qū)域與可信度判斷的方法實現(xiàn)車道線跟蹤。研究分析不同類型的車道偏離預(yù)警模型,制定偏離預(yù)警決策算法,設(shè)置系統(tǒng)觸發(fā)條件。并對前車防撞預(yù)警系統(tǒng)中的關(guān)鍵技術(shù)進行了深入研究,設(shè)計一種基于機器學(xué)習(xí)的車輛識別方法。采集車輛訓(xùn)練的所需的正負樣本集,基于Haar特征利用Adaboost算法對樣本進行訓(xùn)練,以獲得級聯(lián)分類器,并對基于單目視覺的測距模型進行了研究。選用IMX6S為車道偏離預(yù)警實車試驗平臺并搭載視覺相機,以驗證本文設(shè)計的車道線檢測算法的有效性。試驗結(jié)果表明,所提出的車道線檢測算法能準確檢測不同路況下的車道標識線,在IMX6S平臺中運行表現(xiàn)出良好的實時性與準確性。并進行了車輛與車道線識別算法融合試驗,試驗結(jié)果顯示,所研究的算法能準確檢測道路前方車輛與車道線,基本滿足系統(tǒng)實時性與準確性要求。
【學(xué)位單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;U463.6
【部分圖文】：

Urban Forward Collision Warning)，遠光燈控制(IHC，Intelligent High Beam Control)日產(chǎn)的安全預(yù)警系統(tǒng)（NISSAN i-SAFETY）利用安裝在擋風(fēng)玻璃處的傳感器對環(huán)境進行感知，并通過設(shè)定的算法進行處理，以作出相應(yīng)的預(yù)測。該系統(tǒng)車道偏離預(yù)警系統(tǒng)如圖 1.1（d）所示，使用前方攝像頭識別車道線，并建立車道偏離預(yù)警模型，設(shè)定車速、駕駛員狀態(tài)為系統(tǒng)開啟的條件。當(dāng)系統(tǒng)判斷出駕駛員正在進行無意識偏離行為，則發(fā)出預(yù)警提醒。（a）谷歌無人駕駛汽車 （b）AURORA 系統(tǒng)示意圖

（c）軍事交通學(xué)院猛獅三號 （d）先進所智能先鋒號圖 1.2 國內(nèi)輔助駕駛系統(tǒng)Fig1.2 Domestic assistance driving system可以看出，國內(nèi)智能車在各項關(guān)鍵技術(shù)上與國外存在明顯差距，尤其是在環(huán)境感知、高精地圖繪制、硬件能力等方面落后較大。交通擁擠引發(fā)的安全問題、消費者對車輛駕駛的簡易性與舒適性提出的更高要求，都促使我們加大提高汽車的智能化程度，提升系統(tǒng)對復(fù)雜道路環(huán)境的應(yīng)變能力，減輕駕駛員駕駛負擔(dān)，盡早實現(xiàn)汽車的自動駕駛。在車輛安全預(yù)警系統(tǒng)中，車道線識別技術(shù)與車輛識別技術(shù)是非常重要的環(huán)節(jié)，車道線及前方車輛檢測的實現(xiàn)程度，直接決定了預(yù)警的及時性與準確性。因此，設(shè)計能夠滿足智能駕駛系統(tǒng)要求的車道線與車輛識別算法，使系統(tǒng)在發(fā)現(xiàn)危險信號時能提供預(yù)警提醒，以提高行車安全性能，減少交通事故的發(fā)生，對實現(xiàn)城市交通安全建設(shè)，具有重要意義。1.2.1 車道線檢測研究現(xiàn)狀車道線識別是智能輔助駕駛系統(tǒng)核心算法之一，是實現(xiàn)車道偏離預(yù)警功能的

一種滿足車載視覺系統(tǒng)要求的道路識別算法，提出一種基的車道線檢測算法，可有效檢測結(jié)構(gòu)化道路的車道線。體設(shè)計票機制與區(qū)域規(guī)劃的車道線識別算法總體流程：（1）采集處理,主要包括感興趣區(qū)域（ROI）劃分，灰度化，中值濾（2）遍歷感興趣區(qū)域，利用車道線寬度和梯度幅值等信息建立關(guān)聯(lián)性的投票空間，將邊緣點以該點梯度方向往消失取消失點和邊緣點的方向角度，當(dāng)完成感興趣區(qū)域邊緣點失線上的峰值點，即為所求的消失點，由消失點進行反向角度；（4）根據(jù)消失點位置和方向角度劃分目標擬合區(qū)域取車道線，并進行模型匹配，防止由于車輛遮擋或一側(cè)車失敗的情況；（5）在車道線跟蹤模塊中，提出利用前一幀車道線進行約束，并建立倒梯形的跟蹤區(qū)域進行車道線跟如圖 2.1 所示。

【參考文獻】

相關(guān)期刊論文 前10條

1 談東奎;陳無畏;王家恩;汪洪波;黃鶴;;基于人機共享和分層控制的車道偏離輔助系統(tǒng)[J];機械工程學(xué)報;2015年22期

2 肖進勝;程顯;李必軍;高威;彭紅;;基于Beamlet和K-means聚類的車道線識別[J];四川大學(xué)學(xué)報(工程科學(xué)版);2015年04期

3 王家恩;陳無畏;汪明磊;談東奎;;車輛輔助駕駛系統(tǒng)中的三車道檢測算法[J];汽車工程;2014年11期

4 王海;蔡英鳳;林國余;張為公;;基于方向可變Haar特征和雙曲線模型的車道線檢測方法[J];交通運輸工程學(xué)報;2014年05期

5 Tal Babaioff;Mobileye;;系統(tǒng)級芯片助力未來攝像頭[J];汽車與配件;2014年36期

6 初雪梅;王珂娜;張維剛;;基于分段直線模型的彎道識別算法的研究[J];汽車工程;2012年12期

7 李娜;;無人駕駛汽車何時上路[J];科技導(dǎo)報;2012年34期

8 賈立山;羅劍;李世其;;基于車道線直線模型的道路曲率估計方法[J];江蘇大學(xué)學(xué)報(自然科學(xué)版);2012年04期

9 趙福全;吳成明;潘之杰;劉衛(wèi)國;劉巍;;中國汽車安全技術(shù)的現(xiàn)狀與展望[J];汽車安全與節(jié)能學(xué)報;2011年02期

10 祝瑩瑩;周榮政;;單目視覺車道偏離報警系統(tǒng)[J];數(shù)字技術(shù)與應(yīng)用;2010年08期

相關(guān)博士學(xué)位論文 前4條

1 周勇;智能車輛中的幾個關(guān)鍵技術(shù)研究[D];上海交通大學(xué);2007年

2 畢雁冰;高速汽車車道偏離預(yù)警系統(tǒng)可行區(qū)域感知算法研究[D];吉林大學(xué);2006年

3 游峰;智能車輛自動換道與自動超車控制方法的研究[D];吉林大學(xué);2005年

4 董因平;高速汽車車道偏離預(yù)警系統(tǒng)的算法研究[D];吉林大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 蔣玉亭;基于機器視覺和混雜系統(tǒng)理論的車道偏離輔助控制研究[D];合肥工業(yè)大學(xué);2017年

2 李停停;基于視覺的前方車輛識別技術(shù)研究[D];華南理工大學(xué);2016年

3 梁炳春;基于機器視覺的輔助駕駛系統(tǒng)中車輛檢測與測距研究[D];東華大學(xué);2016年

4 劉冠宇;基于視覺的車道線檢測與車輛識別技術(shù)研究[D];北京工業(yè)大學(xué);2015年

5 黃惠迪;基于機器視覺的行車安全預(yù)警系統(tǒng)研究與實現(xiàn)[D];東華大學(xué);2015年

6 劉國榮;基于圖像的車道線檢測與跟蹤算法研究[D];湖南大學(xué);2014年

7 王曉云;復(fù)雜環(huán)境下的道路檢測算法研究[D];杭州電子科技大學(xué);2012年

8 唐琿;基于機器視覺的車道偏離預(yù)警系統(tǒng)的研究[D];華南理工大學(xué);2012年

9 李玲琦;基于ITS的事故多發(fā)路段預(yù)警技術(shù)研究[D];重慶交通大學(xué);2011年

10 鄧劍文;高速公路自主駕駛汽車道路檢測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2004年

本文編號：2816034