隨著汽車保有量的逐年增加,道路交通安全問題越來越嚴(yán)峻。通過給車輛配置高級駕駛輔助系統(tǒng)或無人駕駛系統(tǒng)來減少交通事故的發(fā)生,已經(jīng)成為未來車輛技術(shù)發(fā)展的必然趨勢。自適應(yīng)巡航系統(tǒng)、前方碰撞預(yù)警系統(tǒng)、自動制動系統(tǒng)等高級駕駛輔助系統(tǒng)和無人駕駛系統(tǒng)都需要對夜間場景的前方車輛狀態(tài)進(jìn)行監(jiān)測。所以本文研究基于機器視覺和毫米波雷達(dá)的夜間前方車輛識別技術(shù),具有重要的理論意義和現(xiàn)實意義。本論文選擇毫米波雷達(dá)傳感器和視覺傳感器對夜間車輛目標(biāo)進(jìn)行識別。毫米波雷達(dá)具有探測距離遠(yuǎn)和可以在夜間工作的特點,機器視覺可以直接感知物體的顏色信息。使用傳感器融合信息對目標(biāo)進(jìn)行識別,可提升目標(biāo)識別率,并且改善識別系統(tǒng)的魯棒性。本文基于機器視覺和毫米波雷達(dá)傳感器對夜間車輛識別技術(shù)進(jìn)行了一系列研究,主要工作如下:（1）研究基于機器視覺的夜間車輛識別與跟蹤方法。首先根據(jù)尾燈的光暈特征和亮度特征提取尾燈,然后對尾燈配對并根據(jù)尾燈對實現(xiàn)車輛識別,最后基于改進(jìn)的粒子濾波算法對車輛尾燈進(jìn)行跟蹤而實現(xiàn)對車輛的跟蹤。（2）研究基于毫米波雷達(dá)對車輛目標(biāo)初選與跟蹤方法。首先刪除雷達(dá)干擾信號,然后根據(jù)距離和車道信息初選出有效車輛目標(biāo),最后根據(jù)卡爾曼濾波算... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：90 頁

【學(xué)位級別】：碩士

【文章目錄】：
學(xué)位論文的主要創(chuàng)新點
摘要
Abstract
第一章 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 基于機器視覺的車輛識別
        1.2.2 基于毫米波雷達(dá)的車輛識別
        1.2.3 基于傳感器融合的車輛識別
    1.3 論文主要工作和章節(jié)安排
第二章 基于機器視覺的夜間車輛識別
    2.1 基于尾燈的車輛識別
        2.1.1 夜間車輛成像特點
        2.1.2 尾燈特征提取
        2.1.3 基于改進(jìn)Otsu方法的圖像分割
        2.1.4 疑似尾燈提取
        2.1.5 尾燈配對與車輛識別
    2.2 基于尾燈的車輛跟蹤
        2.2.1 粒子濾波算法原理
        2.2.2 改進(jìn)粒子濾波算法的尾燈跟蹤
        2.2.3 車輛跟蹤與位置估計
        2.2.4 車輛的識別與跟蹤
    2.3 實驗與結(jié)果分析
    2.4 本章小結(jié)
第三章 基于毫米波雷達(dá)的車輛目標(biāo)初選
    3.1 毫米波雷達(dá)工作原理
    3.2 毫米波雷達(dá)選型及性能參數(shù)
    3.3 毫米波雷達(dá)數(shù)據(jù)接收與解析
        3.3.1 雷達(dá)數(shù)據(jù)接收
        3.3.2 雷達(dá)數(shù)據(jù)解析
    3.4 車輛目標(biāo)初選
        3.4.1 干擾目標(biāo)刪除
        3.4.2 選定有效車輛
    3.5 車輛目標(biāo)跟蹤
    3.6 實驗驗證
    3.7 本章小結(jié)
第四章 基于機器視覺和毫米波雷達(dá)的聯(lián)合識別
    4.1 視覺傳感器選型
    4.2 攝像機模型與標(biāo)定
        4.2.1 攝像機模型
        4.2.2 坐標(biāo)系轉(zhuǎn)換
        4.2.3 透鏡畸變
        4.2.4 攝像機標(biāo)定
    4.3 目標(biāo)信息融合
        4.3.1 空間融合
        4.3.2 時間融合
    4.4 聯(lián)合識別方法
    4.5 測試系統(tǒng)搭建與試驗
        4.5.1 測試系統(tǒng)硬件框架
        4.5.2 測試系統(tǒng)軟件框架
        4.5.3 實車試驗
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說明
致謝



本文編號：3024951