本文關(guān)鍵詞：基于多傳感器的車(chē)輛局部交通環(huán)境感知，由筆耕文化傳播整理發(fā)布。

【摘要】：無(wú)人車(chē)駕駛系統(tǒng)是未來(lái)汽車(chē)發(fā)展的最終形式，利用感知系統(tǒng)代替駕駛員對(duì)交通環(huán)境進(jìn)行感知，該系統(tǒng)利用不同傳感器探測(cè)車(chē)輛及其周?chē)沫h(huán)境信息，為整個(gè)智能車(chē)行駛策略和路徑規(guī)劃提供依據(jù)。在智能車(chē)系統(tǒng)的感知層，主要依靠視覺(jué)和雷達(dá)協(xié)調(diào)工作獲取環(huán)境信息。目前國(guó)內(nèi)研究較多的主要利用視覺(jué)系統(tǒng)，，而采用多傳感器的研究相對(duì)較少，而且國(guó)外研究機(jī)構(gòu)在這方面已經(jīng)做了較多的研究。與多傳感相比,采用單傳感器具有如下不足：系統(tǒng)測(cè)量維度和置信度較低；系統(tǒng)可靠性差，性能不穩(wěn)定；系統(tǒng)的資源利用率低。針對(duì)單一傳感器在交通環(huán)境感知上的局限性，本文在借鑒國(guó)內(nèi)外的智能車(chē)感知技術(shù)的基礎(chǔ)上，利用多傳感器對(duì)交通環(huán)境感知進(jìn)行研究。 在多傳感器的交通環(huán)境感知系統(tǒng)中，包含毫米波雷達(dá)，激光雷達(dá)和視覺(jué)系統(tǒng)。利視覺(jué)系統(tǒng)檢測(cè)車(chē)道線和行駛車(chē)輛；毫米波雷達(dá)能夠提供中遠(yuǎn)檢測(cè)目標(biāo)的運(yùn)動(dòng)信息，包括車(chē)速、距離、相對(duì)本車(chē)的偏移角；激光雷達(dá)可以在其掃描平面獲得近距離障礙物的輪廓。本文搭建了擁有多傳感器的試驗(yàn)車(chē)輛，并開(kāi)發(fā)智能車(chē)輛軟件平臺(tái)，基于此平臺(tái)進(jìn)行感知算法的研究。 在激光雷達(dá)與毫米波雷達(dá)系統(tǒng)，本文研究通過(guò)CAN總線獲取毫米波雷達(dá)數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行濾波處理，通過(guò)串口通訊技術(shù)獲取激光雷達(dá)的數(shù)據(jù)接收。將雷達(dá)系統(tǒng)安裝在試驗(yàn)車(chē)輛，完成了對(duì)多個(gè)傳感器之間的聯(lián)合標(biāo)定與坐標(biāo)統(tǒng)一。實(shí)現(xiàn)基于雷達(dá)系統(tǒng)的交通環(huán)境描感知。 本文利用視覺(jué)系統(tǒng)對(duì)道路中的車(chē)道線信息進(jìn)行識(shí)別。從可靠性與實(shí)時(shí)性?xún)煞矫鎸?duì)比分析當(dāng)今基于圖像處理技術(shù)的車(chē)道線檢測(cè)方法，選取一種可靠性高、實(shí)時(shí)性好的車(chē)道線檢測(cè)算法。并最終采用逐行閾值掃描對(duì)道路圖像進(jìn)行二值化處理，該算法能夠抵抗道路噪聲的干擾。并結(jié)合改進(jìn)霍夫變換檢測(cè)直線道路的標(biāo)識(shí)線，利用上一幀圖像檢測(cè)的車(chē)道線設(shè)立感興趣區(qū)域以減小霍夫變換算法的運(yùn)算時(shí)間，同時(shí)提高可靠性與實(shí)時(shí)性。最終實(shí)現(xiàn)對(duì)交通環(huán)境車(chē)道線信息的感知。 車(chē)輛檢測(cè)是視覺(jué)系統(tǒng)的另一個(gè)重要作用。本文利用車(chē)輛底部陰影作為感興趣區(qū)域，用canny算子提取二值化圖像輪廓，采用矩形約束的方法對(duì)感興趣區(qū)域進(jìn)行合并和剔除，采用熵值計(jì)算感興趣區(qū)域紋理復(fù)雜性，最后使用Robinson算子提取車(chē)輛輪廓。在連續(xù)圖像序列中，采用經(jīng)典卡爾曼濾波器對(duì)檢測(cè)到的障礙物進(jìn)行預(yù)測(cè)，該算法可提高車(chē)輛檢測(cè)算法的穩(wěn)定性，降低運(yùn)算時(shí)間。通過(guò)試驗(yàn)表明，該算法能夠穩(wěn)定的跟蹤車(chē)輛，并在車(chē)輛換道時(shí)也能保證不跟丟目標(biāo)。實(shí)現(xiàn)利用視覺(jué)檢測(cè)前方目標(biāo)車(chē)輛的檢測(cè)功能。 在試驗(yàn)部分，研究了單目攝像機(jī)和雙目攝像機(jī)系統(tǒng)標(biāo)定，獲取攝像機(jī)的內(nèi)外參數(shù)�；谝暡顖D利用雙目視覺(jué)對(duì)障礙物的距離進(jìn)行測(cè)量,可以得到物體在攝像機(jī)坐標(biāo)系下的位置，即可通過(guò)坐標(biāo)轉(zhuǎn)換可得到在車(chē)輛坐標(biāo)系下的位置。最后建立攝像機(jī)坐標(biāo)系、雷達(dá)坐標(biāo)系與車(chē)輛坐標(biāo)系的轉(zhuǎn)化模型。在圖像上檢測(cè)到的車(chē)道線中選取任意兩點(diǎn)，可將車(chē)道線投影逆變換到車(chē)輛坐標(biāo)系下。 最終，將各個(gè)部分傳感器檢測(cè)的結(jié)果在同一鳥(niǎo)瞰圖的形式下表達(dá)，實(shí)現(xiàn)利用多傳感器對(duì)交通環(huán)境的描述。
【關(guān)鍵詞】：環(huán)境感知 障礙物檢測(cè) 車(chē)道線檢測(cè) 圖像處理
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：U463.6
【目錄】：

• 摘要4-6
• Abstract6-14
• 第1章 緒論14-26
• 1.1 選題背景及研究意義14-17
• 1.1.1 課題背景14-16
• 1.1.2 研究意義16-17
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展前景17-23
• 1.2.1 國(guó)外研究現(xiàn)狀17-21
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀21-22
• 1.2.3 智能駕駛系統(tǒng)的發(fā)展前景22-23
• 1.3 本論文的研究?jī)?nèi)容23-26
• 第2章 基于雷達(dá)的交通環(huán)境感知26-38
• 2.1 雷達(dá)在汽車(chē)安全系統(tǒng)中的應(yīng)用26-27
• 2.2 毫米波雷達(dá)的交通環(huán)境感知27-31
• 2.2.1 毫米波雷達(dá)硬件介紹27-28
• 2.2.2 毫米波雷達(dá)數(shù)據(jù)獲取與解析28-30
• 2.2.3 毫米波雷達(dá)目標(biāo)檢測(cè)試驗(yàn)30-31
• 2.3 激光雷達(dá)的交通環(huán)境感知31-37
• 2.3.1 激光雷達(dá)硬件介紹32-33
• 2.3.2 激光雷達(dá)數(shù)據(jù)獲取與解析33-37
• 2.4 小結(jié)37-38
• 第3章 基于道路圖像的處理的車(chē)道線識(shí)別38-70
• 3.1 圖像的灰度化38-39
• 3.2 圖像的平滑與濾波39-42
• 3.2.1 鄰域平均法39-40
• 3.2.2 加權(quán)平均法40
• 3.2.3 選擇式掩膜平滑法40-42
• 3.3 圖像的二值化42-46
• 3.3.1 自適應(yīng)閾值分割法42-43
• 3.3.2 改進(jìn)大津法43-45
• 3.3.3 逐行閾值分割法45-46
• 3.4 車(chē)道線的邊緣提取46-52
• 3.4.1 Robert 算子47
• 3.4.2 Sobel 算子47-48
• 3.4.3 Prewitt 算子48-49
• 3.4.4 Laplacian 算子49
• 3.4.5 Canny 算子49-51
• 3.4.6 邊緣算子試驗(yàn)結(jié)果與結(jié)論51-52
• 3.4.7 輪廓提取法52
• 3.5 車(chē)道標(biāo)識(shí)線的識(shí)別52-63
• 3.5.1 道路模型53
• 3.5.2 Hough 變換53-58
• 3.5.3 最小二乘擬合法58-63
• 3.6 車(chē)道線檢測(cè)方法比較63-68
• 3.7 小結(jié)68-70
• 第4章 攝像機(jī)標(biāo)定與雙目測(cè)距70-90
• 4.1 引言70
• 4.2 攝像機(jī)硬件的介紹70-72
• 4.3 攝像機(jī)模型與標(biāo)定72-77
• 4.3.1 坐標(biāo)系的介紹72-73
• 4.3.2 攝像機(jī)模型73-76
• 4.3.3 三維空間與二維投影的數(shù)學(xué)模型76-77
• 4.4 張正友二維靶標(biāo)標(biāo)定方法77-81
• 4.4.1 標(biāo)定方法介紹77-79
• 4.4.2 攝像機(jī)標(biāo)定試驗(yàn)及結(jié)果驗(yàn)證79-81
• 4.5 雙目攝像機(jī)三維重建81-88
• 4.5.1 雙目攝像機(jī)模型81-82
• 4.5.2 三維重建原理82-85
• 4.5.3 視差圖測(cè)距85-88
• 4.6 小結(jié)88-90
• 第5章 基于視覺(jué)的障礙物檢測(cè)90-104
• 5.1 車(chē)輛的初定位90-93
• 5.2 車(chē)輛的精確定位93-97
• 5.3 基于 Kalman 濾波的車(chē)輛跟蹤97-101
• 5.3.1 Kalman 濾波技術(shù)98-100
• 5.3.2 車(chē)輛跟蹤100-101
• 5.4 車(chē)輛檢測(cè)跟蹤試驗(yàn)101-102
• 5.5 小結(jié)102-104
• 第6章 系統(tǒng)架構(gòu)與試驗(yàn)研究104-118
• 6.1 系統(tǒng)架構(gòu)104-108
• 6.1.1 硬件架構(gòu)104-106
• 6.1.2 軟件架構(gòu)106-108
• 6.2 綜合實(shí)驗(yàn)108-116
• 6.2.1 道路描述108-109
• 6.2.2 坐標(biāo)系的統(tǒng)一109-113
• 6.2.3 道路試驗(yàn)113-116
• 6.4 小結(jié)116-118
• 第7章 全文總結(jié)與展望118-120
• 7.1 全文總結(jié)118-119
• 7.2 工作展望119-120
• 參考文獻(xiàn)120-124
• 作者簡(jiǎn)介及在學(xué)期間所取得的科研成果124-126
• 致謝126

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 盧衛(wèi)娜;史忠科;;基于單目視覺(jué)的車(chē)道線和道路邊界同步檢測(cè)[J];傳感技術(shù)學(xué)報(bào);2007年05期

2 王榮本,李斌,儲(chǔ)江偉,郭克友;世界智能車(chē)輛行駛安全保障技術(shù)的研究進(jìn)展[J];公路交通科技;2002年02期

3 王榮本,游峰,崔高健,郭烈;基于計(jì)算機(jī)視覺(jué)高速智能車(chē)輛的道路識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2004年26期

4 王榮本,余天洪,郭烈,金立生,顧柏園;車(chē)道標(biāo)識(shí)線識(shí)別和跟蹤方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2005年24期

5 趙穎;王書(shū)茂;陳兵旗;;基于改進(jìn)Hough變換的公路車(chē)道線快速檢測(cè)算法[J];中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào);2006年03期

6 喬維高;徐學(xué)進(jìn);;無(wú)人駕駛汽車(chē)的發(fā)展現(xiàn)狀及方向[J];上海汽車(chē);2007年07期

7 盧力，李青，王能超;Robinson算子的并行計(jì)算[J];武漢城市建設(shè)學(xué)院學(xué)報(bào);1996年04期

8 張江山,朱光喜;一種基于Kal man濾波的視頻對(duì)象跟蹤方法[J];中國(guó)圖象圖形學(xué)報(bào);2002年06期

9 王聲ng;道路交通安全——全球共同關(guān)注的公共衛(wèi)生問(wèn)題[J];中華預(yù)防醫(yī)學(xué)雜志;2004年03期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

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

2 游峰;智能車(chē)輛自動(dòng)換道與自動(dòng)超車(chē)控制方法的研究[D];吉林大學(xué);2005年

3 畢雁冰;高速汽車(chē)車(chē)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

4 賈鑫;智能車(chē)輛視覺(jué)感知中的車(chē)道標(biāo)線識(shí)別方法的研究[D];吉林大學(xué);2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 唐高友;基于機(jī)器視覺(jué)的道路識(shí)別與障礙物檢測(cè)技術(shù)研究[D];重慶大學(xué);2005年

2 楊寧;基于邊緣特征的前方車(chē)輛識(shí)別[D];吉林大學(xué);2007年

3 耿靜靜;基于單目視覺(jué)的車(chē)道線檢測(cè)與識(shí)別[D];哈爾濱工業(yè)大學(xué);2007年

4 圣華;車(chē)道線檢測(cè)在車(chē)道偏離預(yù)警中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2010年

  本文關(guān)鍵詞：基于多傳感器的車(chē)輛局部交通環(huán)境感知，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：347193