隨著中國經(jīng)濟的飛速發(fā)展,道路上的車輛也在急劇增加,交通事故也頻頻發(fā)生,主要原因是駕駛員的視線不清,注意力不集中等。因此,為了減少交通事故的發(fā)生,本文研究并實現(xiàn)了車載紅外輔助駕駛系統(tǒng),用以在視線模糊時輔助駕駛,減少道路上的交通事故。本文的主要內(nèi)容如下:(1)對車載輔助駕駛系統(tǒng)的硬件進(jìn)行了設(shè)計。本文首先進(jìn)行了系統(tǒng)的需求分析,并在對比基于FPGA和DSP的行人檢測系統(tǒng)方案的基礎(chǔ)上,選擇采用DSP結(jié)合軟件算法的方案,并完成了硬件的總體設(shè)計。本系統(tǒng)的視頻采集設(shè)備采用被動式紅外相機,被動式紅外相機成像效果好,對光照幾乎不受影響,能夠在能見度低的天氣條件下采集到高質(zhì)量的圖像。系統(tǒng)的主處理器采用的是TI公司Davinci系列的DM6437芯片,該芯片擁有強大的數(shù)據(jù)處理能力,非常適用于圖像處理。本文根據(jù)系統(tǒng)的需求,圍繞主處理器設(shè)計了各個功能模塊,主要包括視頻輸入輸出模塊、以太網(wǎng)通信模塊、UART(Universal Asynchronous Receiver/Transmitter)通信模塊、I2C總線控制模塊、J-TAG仿真接口、外部存儲器擴展模塊、電源模塊等,并給出了硬件系統(tǒng)的測試結(jié)果。(2)研究了紅外圖像行人檢測方法。主要過程包括源圖像的算數(shù)均值濾波、圖像的雙閾值分割和形態(tài)學(xué)處理、ROI(Region of Interest)的選取和縮放、ROI的HOG(Histogram of Oriented Gradient)特征和LBP(Local Binary Patterns)特征提取以及SVM(Support Vector Machine)分類器判決行人,并利用人體頭部的Haar-like特征來濾除誤檢。(3)完成了車載輔助駕駛系統(tǒng)的軟件實現(xiàn)。使用CCS3.3集成開發(fā)環(huán)境建立工程項目,并配置BIOS(Basic Input Output System)操作系統(tǒng),在工程中添加VLIB庫,利用VLIB庫完成二值圖像的連通區(qū)域提取,研究了紅外視頻的采集與輸入輸出流程,最后編寫程序在硬件系統(tǒng)上實現(xiàn)了紅外行人檢測算法。(4)完成了系統(tǒng)的優(yōu)化。車載紅外輔助駕駛系統(tǒng)完成后,需要提高系統(tǒng)的實時性,本文主要通過庫函數(shù)的使用、編譯選項的配置、軟件流水優(yōu)化、DM6437結(jié)構(gòu)特性的利用以及C代碼的優(yōu)化五個方面對程序進(jìn)行優(yōu)化,并在最后給出系統(tǒng)的優(yōu)化結(jié)果及測試結(jié)果。實驗結(jié)果表明系統(tǒng)的最終處理速度達(dá)14幀/秒,基本達(dá)到了實時性的要求,檢測率達(dá)到85%以上,該系統(tǒng)具有較好的實際應(yīng)用價值。
【學(xué)位單位】：沈陽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U463.6;TP391.41
【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 論文內(nèi)容及章節(jié)安排
第2章 車載輔助駕駛系統(tǒng)的硬件設(shè)計
    2.1 系統(tǒng)需求分析
    2.2 系統(tǒng)總體設(shè)計
        2.2.1 系統(tǒng)方案選擇
        2.2.2 系統(tǒng)硬件總體設(shè)計
    2.3 視頻圖像采集設(shè)備的選擇
    2.4 主處理器的選擇
    2.5 系統(tǒng)功能模塊設(shè)計
        2.5.1 視頻輸入輸出模塊
        2.5.2 以太網(wǎng)通信模塊
        2.5.3 UART通信模塊
        2.5.4 I2C總線控制模塊
        2.5.5 J-TAG仿真接口
        2.5.6 外部存儲器擴展
        2.5.7 電源模塊
    2.6 硬件系統(tǒng)的測試結(jié)果
    2.7 本章小結(jié)
第3章 紅外圖像行人檢測算法
    3.1 紅外行人檢測算法的構(gòu)成
    3.2 圖像的前期處理
        3.2.1 算數(shù)均值濾波
        3.2.2 雙閾值分割
        3.2.3 形態(tài)學(xué)處理
    3.3 ROI的選取和縮放
        3.3.1 ROI的選取
        3.3.2 ROI的縮放
    3.4 基于HOG-LBP特征的行人檢測
        3.4.1 HOG特征
        3.4.2 LBP特征
        3.4.3 基于SVM分類器的行人檢測
    3.5 基于Haar-like特征的誤檢過濾
    3.6 本章小結(jié)
第4章 車載輔助駕駛系統(tǒng)的軟件實現(xiàn)
    4.1 集成開發(fā)環(huán)境CCS介紹
        4.1.1 CCS概述
        4.1.2 DSP/BIOS實時操作系統(tǒng)
    4.2 軟件執(zhí)行流程
    4.3 紅外行人檢測算法的代碼實現(xiàn)
    4.4 本章小結(jié)
第5章 系統(tǒng)的優(yōu)化及測試結(jié)果
    5.1 系統(tǒng)優(yōu)化
        5.1.1 庫函數(shù)的使用
        5.1.2 編譯選項的優(yōu)化
        5.1.3 軟件流水優(yōu)化
        5.1.4 DSP特性的利用
        5.1.5 C代碼的優(yōu)化
    5.2 實驗結(jié)果與分析
        5.2.1 系統(tǒng)的優(yōu)化結(jié)果
        5.2.2 系統(tǒng)的測試結(jié)果
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 劉春陽;李增慶;吳澤民;劉鋼;彭韜頻;;改進(jìn)的HOG行人檢測算法及手機實現(xiàn)[J];軍事通信技術(shù);2016年04期

2 單悅爾;楊兵;于宗光;曹華鋒;;一種DSP指令Cache的功耗優(yōu)化策略[J];電子器件;2015年01期

3 許騰;黃鐵軍;田永鴻;;車載視覺系統(tǒng)中的行人檢測技術(shù)綜述[J];中國圖象圖形學(xué)報;2013年04期

4 陳廷寅;張東;楊艷;秦前清;孫盡堯;;超聲圖像的LBP紋理特征提取[J];武漢大學(xué)學(xué)報(理學(xué)版);2012年05期

相關(guān)博士學(xué)位論文 前2條

1 王國華;車載單目遠(yuǎn)紅外行人檢測關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2016年

2 田廣;基于視覺的行人檢測和跟蹤技術(shù)的研究[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 趙棟梁;改進(jìn)快速粒子濾波算法的多目標(biāo)檢測與跟蹤系統(tǒng)設(shè)計[D];重慶郵電大學(xué);2016年

2 彭承龍;基于DM6437的車載行人檢測系統(tǒng)的優(yōu)化與實現(xiàn)[D];華南理工大學(xué);2015年

3 姚文超;基于DSP圖像處理的軍用自動報靶系統(tǒng)研究[D];北京郵電大學(xué);2014年

4 廖永貴;基于DM6437的車載紅外行人檢測系統(tǒng)的設(shè)計與實現(xiàn)[D];華南理工大學(xué);2013年

5 籍永強;基于DM642的行人檢測算法研究[D];北方工業(yè)大學(xué);2013年

6 孫暢;車輛輔助駕駛中基于DSP的道路行人識別算法研究[D];吉林大學(xué);2013年

7 紀(jì)春恒;基于視頻分析的自動門防夾系統(tǒng)研究[D];重慶大學(xué);2011年

8 許俊;基于DSP的視頻處理開發(fā)平臺的硬件設(shè)計[D];太原理工大學(xué);2010年

9 周柯;基于HOG特征的圖像人體檢測技術(shù)的研究與實現(xiàn)[D];華中科技大學(xué);2008年

10 李斌;基于視頻圖像的智能車輛輔助導(dǎo)航方法研究[D];西北工業(yè)大學(xué);2005年

本文編號：2843932