本文主要是針對智能汽車在換道場景下,融合單目相機(jī)和慣性導(dǎo)航信息感知路面環(huán)境的研究。利用相機(jī)視覺算法檢測出的車道線融合慣性導(dǎo)航,實(shí)時(shí)規(guī)劃出保持或換道的理想軌跡,同時(shí)通過慣性導(dǎo)航對自車位置和理想軌跡的定位,反向約束視覺算法,避免算法可能出現(xiàn)的隨機(jī)誤差。為了減少誤差,首先對相機(jī)進(jìn)行標(biāo)定,得到畸變系數(shù)、內(nèi)外參矩陣等參數(shù),在對前方道路進(jìn)行逆透視變換,得到俯視圖,并將俯視圖換算到大地坐標(biāo)系下。然后使用“梯度差值法”和“顏色空間LUV法”,將車道線分離出來,選定垂直積分投影圖作為二者信息融合載體。針對這兩幅圖,將同列滿足要求的像素點(diǎn)的總和,作為垂直積分投影圖的縱坐標(biāo),對應(yīng)列所在的橫坐標(biāo)作為投影圖的橫坐標(biāo)。將俯視圖轉(zhuǎn)換成灰度圖,尋找積分投影圖中代表車道線的波峰位置,在灰度圖中定位搜索窗口位置,記錄窗口內(nèi)部點(diǎn)的位置,進(jìn)行二次曲線擬合,得到車道線方程。為了保證波峰位置準(zhǔn)確,本文設(shè)計(jì)了兩種自適應(yīng)調(diào)整算法:波峰位置動態(tài)更新算法和閾值自適應(yīng)調(diào)整機(jī)制,可以使算法具有更強(qiáng)的魯棒性,也可以自適應(yīng)調(diào)整圖像處理算法中原先設(shè)定的閾值,在變化的路面條件下性能不會下降。對于換道過程,本文設(shè)計(jì)了兩個(gè)模式:車道保持模式和換道模式。... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

CCD相機(jī)Fig2.1CCDcamera

合肥工業(yè)大學(xué)碩士學(xué)位論文8直于光軸中心方向移動，畸變越來越明顯。矯正公式為：)1()1(63422106342210rkrkrkyyrkrkrkxx（2.1）一般將1k和2k作為對徑向畸變進(jìn)行矯正系數(shù)，當(dāng)使用類似魚眼相機(jī)等大畸變相機(jī)時(shí)，再添加系數(shù)3k；22yxr，為某點(diǎn)至成像面中心的距離。2.切向畸變切向畸變是由于相機(jī)透鏡與成像平面不平行導(dǎo)致的，矯正公式為：)]2(2[y)]2(2[x2212022210yrpxpyxrpypx（2.2）將1p和2p作為切向畸變矯正系數(shù)。式中),x00（y是畸變點(diǎn)在圖像中的原始位置，（),xy是畸變矯正后該點(diǎn)在圖像中的位置。為了使相機(jī)對于感興趣區(qū)域更加精確的定位，以及像素級車道寬度更準(zhǔn)確，本文對相機(jī)進(jìn)行了標(biāo)定，通過建模計(jì)算坐標(biāo)轉(zhuǎn)換的相關(guān)參數(shù)，最終確定相機(jī)內(nèi)參、外參和畸變系數(shù)。相機(jī)外參，即世界坐標(biāo)系下一點(diǎn)通過旋轉(zhuǎn)加平移，最后落到相機(jī)坐標(biāo)系上。相機(jī)內(nèi)參，即由相機(jī)本身決定的，不受外界環(huán)境的變化而變化，是世界坐標(biāo)系上的點(diǎn)通過相機(jī)鏡頭，根據(jù)小孔成像原理轉(zhuǎn)換成像素坐標(biāo)系下的點(diǎn)。2.2坐標(biāo)系轉(zhuǎn)換圖2.2世界坐標(biāo)系下的相機(jī)成像過程Fig2.2Cameraimagingprocessinworldcoordinatesystem其中wwww-ZYXO為世界坐標(biāo)系；cccc-ZYXO為相機(jī)坐標(biāo)系，其中cZ軸為光軸；-為像素坐標(biāo)系，f為相機(jī)焦距；-oxy為圖像物理坐標(biāo)系，設(shè)x方向像素的單位長度為a，y方向像素的單位長度為b。

合肥工業(yè)大學(xué)碩士學(xué)位論文信息，根據(jù)上述標(biāo)定原理和參數(shù)計(jì)算過程，計(jì)算出相機(jī)的相關(guān)參數(shù)。1. 準(zhǔn)備標(biāo)定板由于平面棋盤模式相較于三維物體，更方便計(jì)算，因此，標(biāo)定板選用由一張黑白方格相間的圖片構(gòu)成的棋盤圖片，尺寸為一張 A4 紙大小，設(shè)定每個(gè)方格長度為 3cm。其中黑白格相交處的點(diǎn)為角點(diǎn)，后期根據(jù)角點(diǎn)計(jì)算相關(guān)參數(shù)時(shí)，以非邊緣角點(diǎn)為有效角點(diǎn)。二維圖像是平面，相較于空間而言，不可避免的會丟失部分信息，因此，可通過調(diào)整標(biāo)定板位置，來獲得更多的位置信息。一般提供 10 至 20張不同位置，不同角度的標(biāo)定板圖片即可，如圖所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于多約束條件下的霍夫變換車道線檢測方法[J]. 石林軍,余粟.  計(jì)算機(jī)測量與控制. 2018(09)
[2]一種基于特征點(diǎn)投票統(tǒng)計(jì)的車道線快速檢測算法[J]. 時(shí)利,談東奎,王乃漢,袁寧,張一營.  汽車工程學(xué)報(bào). 2018(03)
[3]一種基于邊緣點(diǎn)投影的車道線快速識別算法[J]. 陳無畏,蔣玉亭,談東奎.  汽車工程. 2017(03)
[4]一類基于軌跡預(yù)測的駕駛員方向控制模型[J]. 陳無畏,談東奎,汪洪波,王家恩,夏光.  機(jī)械工程學(xué)報(bào). 2016(14)
[5]車輛輔助駕駛系統(tǒng)中的三車道檢測算法[J]. 王家恩,陳無畏,汪明磊,談東奎.  汽車工程. 2014(11)
[6]基于電動助力轉(zhuǎn)向的車道保持系統(tǒng)[J]. 張海林,羅禹貢,江青云,李克強(qiáng).  汽車工程. 2013(06)
[7]基于預(yù)瞄最優(yōu)曲率模型的大曲率轉(zhuǎn)向控制方法[J]. 沈峘,凌銳,李舜酩.  中國機(jī)械工程. 2012(17)
[8]基于期望橫擺角速度的視覺導(dǎo)航智能車輛橫向控制[J]. 王家恩,陳無畏,王檀彬,汪明磊,肖靈芝.  機(jī)械工程學(xué)報(bào). 2012(04)
[9]應(yīng)用多階動態(tài)規(guī)劃的車道線識別方法[J]. 高德芝,段建民,楊磊,楊喜寧.  機(jī)械工程學(xué)報(bào). 2011(08)
[10]預(yù)瞄跟隨理論與人-車閉環(huán)系統(tǒng)大角度操縱運(yùn)動仿真[J]. 郭孔輝.  汽車工程. 1992(01)

博士論文
[1]智能汽車綜合縱向控制的統(tǒng)一駕駛員模型研究[D]. 崔文鋒.吉林大學(xué) 2017
[2]橫向輔助駕駛及人機(jī)共駕控制策略的研究[D]. 汪選要.合肥工業(yè)大學(xué) 2017

碩士論文
[1]基于深度學(xué)習(xí)的可量測連續(xù)實(shí)景車道線提取的研究[D]. 王國鳳.北京建筑大學(xué) 2019
[2]基于深度學(xué)習(xí)的車道線檢測技術(shù)研究[D]. 高軼康.北京郵電大學(xué) 2019
[3]基于視覺的巡檢無人機(jī)自主導(dǎo)航與路徑跟隨技術(shù)研究[D]. 樊劉仡.南京航空航天大學(xué) 2019
[4]高級輔助駕駛中的車道線檢測研究[D]. 孫宇飛.北京交通大學(xué) 2018
[5]基于機(jī)器視覺的車道線識別與預(yù)警[D]. 陳家凡.浙江理工大學(xué) 2018
[6]基于GPS/SINS/里程計(jì)的智能車導(dǎo)航定位算法研究[D]. 宋志雪.北京工業(yè)大學(xué) 2017
[7]基于光照不變性的車道線檢測與跟蹤算法研究[D]. 李亭亭.長安大學(xué) 2017
[8]基于機(jī)器視覺和混雜系統(tǒng)理論的車道偏離輔助控制研究[D]. 蔣玉亭.合肥工業(yè)大學(xué) 2017
[9]融合圖像與激光雷達(dá)的車道偏離預(yù)警算法研究[D]. 朱雨桐.南京理工大學(xué) 2017
[10]智能汽車車道保持控制方法研究[D]. 余小川.哈爾濱工業(yè)大學(xué) 2016



本文編號：3391398