本文關(guān)鍵詞：基于機器視覺的道路識別與障礙物檢測技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：論文以基于機器視覺的道路識別與障礙物檢測為研究對象,采用動態(tài)圖像處理技術(shù)為行駛車輛提供環(huán)境狀態(tài)信息及車輛行駛狀態(tài)信息。綜合利用車輛的當(dāng)前行駛車道狀態(tài)(彎道或者直道)和距離信息實現(xiàn)了障礙物的檢測與跟蹤。 論文首先介紹了智能車輛在國內(nèi)外的發(fā)展情況,并介紹了各大公司及研究機構(gòu)的在智能車輛開發(fā)方面的成果和產(chǎn)品。介紹了機器視覺在輔助導(dǎo)航系統(tǒng)、自適應(yīng)巡航控制系統(tǒng)、自動走停輔助系統(tǒng)、交通信號識別系統(tǒng)和輔助換道系統(tǒng)等智能車輛中的應(yīng)用。最后介紹了上個世紀(jì)80 年代以來機器視覺算法的發(fā)展?fàn)顩r。 論文討論了基于視頻處理的道路識別技術(shù)。綜合分析了各種圖像預(yù)處理技術(shù),并通過實驗對比分析,再選用適合課題的預(yù)處理算法;然后提出了基于視頻處理的逐行最優(yōu)閾值分割算法,以解決單一閾值對道路圖像分割不完全的情況,并根據(jù)視頻處理特性對逐行最優(yōu)閾值分割算法作了改進(jìn);提出了基于鏈碼思想及邊界跟蹤的分道線檢測技術(shù),以及基于車道透視變換模型的相鄰分道線段斜率差的車道二維重建技術(shù);最后集中分析了通過分道線檢測技術(shù)能為智能車輛提供的信息。實驗結(jié)果表明該道路識別技術(shù)有很好的實時性、可靠性和準(zhǔn)確性。 論文提出了基于單目視覺的障礙物檢測、識別和跟蹤技術(shù),構(gòu)造了完整的車輛檢測方案。本文提出了一種基于信息熵理論的障礙物粗定位,并分別針對前方車輛在前方車道內(nèi)行駛和壓線行駛的情況提出了相應(yīng)的基于邊界脈沖信號檢測的障礙物左右邊界定位算法。提出采用有色噪聲的卡爾曼濾波技術(shù)進(jìn)行運動物體跟蹤預(yù)測,從理論上證明了其準(zhǔn)確性,并針對具體問題進(jìn)行了實際的方程求解。公路實驗結(jié)果證明了本方法能夠準(zhǔn)確的定位前方障礙物的下、左和右邊界,且能區(qū)分破損路面、積水和橋梁陰影等偽障礙物。 論文論述了攝像機標(biāo)定技術(shù)和計算機視覺測距的基本方法與典型技術(shù)。介紹了攝像機成像模型,提出了攝像機的標(biāo)定技術(shù)。分別對雙目和單目測距方法作了原理性的介紹。基于視覺測距原理,在分道線重建和透視投影原理的理論基礎(chǔ)上,建立了一種針對高速公路的單目視覺距離測量方法。
【關(guān)鍵詞】：智能車輛 道路識別 視頻處理 車輛識別 單目測距
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2005
【分類號】：U463.6
【目錄】：

• 中文摘要4-5
• ABSTRACT5-9
• 1 緒論9-18
• 1.1 智能車輛的發(fā)展與現(xiàn)狀9-12
• 1.2 基于機器視覺的智能車輛技術(shù)12-15
• 1.2.1 機器視覺的應(yīng)用及發(fā)展12-14
• 1.2.2 機器視覺算法14-15
• 1.3 課題的提出15-16
• 1.4 論文內(nèi)容安排16
• 1.5 本章小結(jié)16-18
• 2 基于視頻處理的道路識別技術(shù)18-46
• 2.1 道路圖像的預(yù)處理算法分析18-22
• 2.1.1 道路圖像的濾波18-21
• 2.1.2 圖像邊緣提取21-22
• 2.2 基于視頻處理的閾值分割算法22-28
• 2.2.1 傳統(tǒng)的最優(yōu)閾值分割法與逐行最優(yōu)閾值分割法22-25
• 2.2.2 逐行最優(yōu)閾值分割的改進(jìn)算法25-28
• 2.3 分道線檢測算法28-33
• 2.3.1 分道線檢測技術(shù)算法28-30
• 2.3.2 基于邊界跟蹤的分道線檢測算法30-33
• 2.4 分道線的二維重建33-43
• 2.4.1 道路成像模型34-38
• 2.4.2 相鄰兩段分道線的斜率差38-40
• 2.4.3 車道的二維重建40-42
• 2.4.4 分道線檢測算法的改進(jìn)42-43
• 2.5 車道識別提供的信息43
• 2.6 算法實驗及結(jié)果分析43-44
• 2.7 本章小結(jié)44-46
• 3 基于單目視覺的障礙物檢測技術(shù)46-62
• 3.1 運動目標(biāo)檢測技術(shù)綜述46-48
• 3.2 障礙物的初定位48-52
• 3.3 障礙物的準(zhǔn)確定位52-55
• 3.4 基于卡爾曼濾波的車輛實時跟蹤55-61
• 3.4.1 運動目標(biāo)跟蹤技術(shù)56-57
• 3.4.2 卡爾曼濾波技術(shù)57-58
• 3.4.3 車輛實時跟蹤58-61
• 3.5 本章小結(jié)61-62
• 4 攝像機定標(biāo)及障礙物距離計算62-71
• 4.1 攝像機成像模型62-64
• 4.2 攝像機的標(biāo)定64-65
• 4.3 視覺測距技術(shù)65-70
• 4.3.1 視覺測距技術(shù)綜述65-66
• 4.3.2 雙目測距技術(shù)66-67
• 4.3.3 單目測距算法67-70
• 4.4 本章小結(jié)70-71
• 5 結(jié)論與展望71-73
• 致謝73-74
• 參考文獻(xiàn)74-79
• 附:作者在攻讀碩士學(xué)位期間發(fā)表論文及科研成果情況79-80

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 陳之中;吳訓(xùn)成;;倒車環(huán)境下的網(wǎng)狀障礙物識別技術(shù)[J];上海工程技術(shù)大學(xué)學(xué)報;2012年01期

2 焦欣欣;王民慧;李曉鵬;;基于單目視覺的結(jié)構(gòu)化道路檢測算法研究[J];現(xiàn)代計算機(專業(yè)版);2011年Z1期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 陳勇;不良?xì)夂驐l件下道路交通安全事故預(yù)防系統(tǒng)研究[D];重慶大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 付可展;高鐵安全監(jiān)測系統(tǒng)的設(shè)計與開發(fā)[D];大連理工大學(xué);2010年

2 任燕宏;關(guān)于無人駕駛汽車障礙物信息識別與處理系統(tǒng)的研究[D];蘭州理工大學(xué);2011年

3 楊恒;基于特征點匹配的障礙物檢測算法的研究與實現(xiàn)[D];東北大學(xué);2009年

4 張偉;智能車輛中的道路檢測與識別[D];重慶大學(xué);2006年

5 李東明;車載鐵路路障智能圖像檢測技術(shù)研究[D];西南交通大學(xué);2007年

6 高美芹;高速公路智能車輛視覺導(dǎo)航系統(tǒng)研究[D];武漢理工大學(xué);2007年

7 謝毅;基于DSP及機器視覺的道路識別與障礙物檢測[D];重慶大學(xué);2007年

8 劉愛君;基于虛擬檢測技術(shù)的隧道交通流信息監(jiān)控系統(tǒng)研究[D];重慶大學(xué);2007年

9 宋娟;路軌自動檢測系統(tǒng)及障礙物識別技術(shù)的研究[D];浙江大學(xué);2008年

10 朱珠;圖像處理技術(shù)在架空線路絕緣子破損檢測系統(tǒng)中的應(yīng)用研究[D];江蘇大學(xué);2008年

  本文關(guān)鍵詞：基于機器視覺的道路識別與障礙物檢測技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：337736