行車(chē)安全與出行通暢一直是行車(chē)人員的普遍追求。實(shí)際環(huán)境中,交通要素復(fù)雜多變,大量動(dòng)態(tài)性和不確定性因素給智能車(chē)輛的駕駛行為決策帶來(lái)巨大挑戰(zhàn),本文以前方道路環(huán)境為主要研究對(duì)象,開(kāi)展了智能車(chē)輛中目標(biāo)檢測(cè)與跟蹤及換道決策的部分研究工作。（1）基于Hough變換和最小二乘法實(shí)現(xiàn)車(chē)道線的檢測(cè)和擬合。首先選用加權(quán)平均值法對(duì)圖像進(jìn)行灰度化處理,選用中值濾波算法完成圖像的濾波處理,選用Sobel算子來(lái)處理道路圖像,進(jìn)而檢測(cè)出本文所需的車(chē)道線邊緣;然后對(duì)直角坐標(biāo)系和極坐標(biāo)系下的Hough變換原理進(jìn)行了分析,建立了極坐標(biāo)系下的車(chē)輛檢測(cè)算法,最后基于最小二乘法對(duì)檢測(cè)出來(lái)的車(chē)道線進(jìn)行擬合;（2）車(chē)輛檢測(cè)與跟蹤。首先對(duì)提出的基于多類(lèi)特征融合的車(chē)輛檢測(cè)方法和基于類(lèi)Haar特征結(jié)合Adaboost的算法進(jìn)行車(chē)輛檢測(cè),然后基于Kalman濾波實(shí)現(xiàn)了車(chē)輛跟蹤,最后對(duì)車(chē)輛檢測(cè)和跟蹤方法的效果在不同的道路場(chǎng)景下進(jìn)行了實(shí)驗(yàn)驗(yàn)證;（3）基于單目視覺(jué)的信息提取。首先通過(guò)比較檢測(cè)出來(lái)的車(chē)道線的斜率大小完成自車(chē)所在車(chē)道的判別,基于前方車(chē)輛的行駛投影中心的落點(diǎn)實(shí)現(xiàn)前方車(chē)輛所在車(chē)道的判別,然后分析了世界坐標(biāo)系、相機(jī)坐標(biāo)系等各坐標(biāo)系之間的關(guān)系... 

【文章來(lái)源】：山東理工大學(xué)山東省

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

智能汽車(chē)、智能網(wǎng)聯(lián)汽車(chē)與車(chē)聯(lián)網(wǎng)等的相互關(guān)系

上海市發(fā)布了《上海市智能網(wǎng)聯(lián)汽車(chē)道路測(cè)試管理辦第一批智能網(wǎng)聯(lián)汽車(chē)公共道路測(cè)試號(hào)牌發(fā)放。蔚來(lái)汽車(chē)和上市首批智能網(wǎng)聯(lián)汽車(chē)開(kāi)放道路測(cè)試號(hào)牌之后，于當(dāng)天下午，兩網(wǎng)聯(lián)汽車(chē)就開(kāi)始了在博園路的首次開(kāi)放道路測(cè)試。聯(lián)汽車(chē)不但讓出行方式變的更安全、更舒適、更環(huán)保、更節(jié)能城市智能交通系統(tǒng)、構(gòu)建綠色汽車(chē)社會(huì)、重塑汽車(chē)及其相關(guān)產(chǎn)我們把握全球智能網(wǎng)聯(lián)汽車(chē)發(fā)展大勢(shì)的同時(shí)，根據(jù)我國(guó)智能圖圖 1.2 可知，我國(guó)智能網(wǎng)聯(lián)汽車(chē)的發(fā)展還處于低水平的部分（PA），在這一階段主要是以自主環(huán)境感知為主，同時(shí)提供和部分自動(dòng)駕駛應(yīng)用，也就是目前我國(guó)智能網(wǎng)聯(lián)汽車(chē)的研究仍關(guān)技術(shù)研究為主，也只有將智能車(chē)的相關(guān)關(guān)鍵技術(shù)研究成熟之能網(wǎng)聯(lián)汽車(chē)的發(fā)展推向下一階段，即以自主與網(wǎng)聯(lián)環(huán)境感知融況下的自動(dòng)駕駛（CA）。網(wǎng)聯(lián)化車(chē)路協(xié)同控制

機(jī)科學(xué)和人工智能實(shí)驗(yàn)室（CSAIL）、新加坡國(guó)立大學(xué)和新加坡-麻省理工學(xué)院科研中心（SMART）共同研發(fā)的無(wú)人駕駛滑板車(chē)[3]，如圖 1.4 所示；2017 年 7月，由百度開(kāi)發(fā)的自動(dòng)駕駛汽車(chē)，在全程約 15 公里的城市道路上，經(jīng)汽車(chē)自動(dòng)識(shí)別障礙物，實(shí)現(xiàn)了從百度到國(guó)家會(huì)議中心現(xiàn)場(chǎng)的全程自動(dòng)駕駛，百度無(wú)人車(chē)平臺(tái)如圖 1.5 所示；2018 年 4 月，據(jù)悉騰訊首輛無(wú)人駕駛原型車(chē)在北京首次公開(kāi)亮相等。由于自動(dòng)駕駛汽車(chē)是一個(gè)集人工智能、車(chē)輛工程、通信等高新技術(shù)于一體的綜合體，研發(fā)技術(shù)復(fù)雜，再加上自動(dòng)駕駛汽車(chē)運(yùn)行環(huán)境的多樣性，所以在其發(fā)展過(guò)程中還有很多不足，比如環(huán)境感知的準(zhǔn)確性和決策的智能性都有待進(jìn)一步提高。自動(dòng)駕駛已成兵家必爭(zhēng)之地，不論是國(guó)外的科技巨頭 Google、微軟、蘋(píng)果，還是國(guó)內(nèi)的百度、滴滴，都對(duì)無(wú)人駕駛青睞有加，很多國(guó)家和地區(qū)也出臺(tái)相應(yīng)政策鼓勵(lì)、引導(dǎo)自動(dòng)駕駛行業(yè)的發(fā)展，本課題就是在這樣的大背景下開(kāi)展研究的。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的高分辨率遙感圖像車(chē)輛檢測(cè)[J]. 孫秉義,文珊珊,吳昊,蔡鴻明.  東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)道線語(yǔ)義分割算法[J]. 徐國(guó)晟,張偉偉,吳訓(xùn)成,蘇金亞,郭增高.  電子測(cè)量與儀器學(xué)報(bào). 2018(07)
[3]基于神經(jīng)網(wǎng)絡(luò)與最小二乘法的車(chē)道線檢測(cè)算法研究[J]. 賈會(huì)群,魏仲慧,何昕,李沐雨.  汽車(chē)工程. 2018(03)
[4]基于深度學(xué)習(xí)的多角度車(chē)輛動(dòng)態(tài)檢測(cè)方法[J]. 李浩,張運(yùn)勝,連捷,李澤萍.  交通信息與安全. 2017(05)
[5]面向車(chē)輛識(shí)別的樣本自反饋式級(jí)聯(lián)檢測(cè)方法[J]. 徐藝,譚德榮,郭棟,邵金菊,孫亮,王玉瓊.  長(zhǎng)春理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[6]基于深度學(xué)習(xí)方法的復(fù)雜場(chǎng)景下車(chē)輛目標(biāo)檢測(cè)[J]. 宋煥生,張向清,鄭寶峰,嚴(yán)騰.  計(jì)算機(jī)應(yīng)用研究. 2018(04)
[7]智能網(wǎng)聯(lián)汽車(chē)（ICV）技術(shù)的發(fā)展現(xiàn)狀及趨勢(shì)[J]. 李克強(qiáng),戴一凡,李升波,邊明遠(yuǎn).  汽車(chē)安全與節(jié)能學(xué)報(bào). 2017(01)
[8]基于幀間差分和背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 孫挺,齊迎春,耿國(guó)華.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2016(04)
[9]基于類(lèi)Haar特征和AdaBoost的車(chē)輛識(shí)別技術(shù)[J]. 張雪芹,方婷,李志前,董明杰.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[10]基于擴(kuò)展Haar特征的AdaBoost人臉檢測(cè)算法[J]. 顏學(xué)龍,任文帥,馬峻.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2015(09)

碩士論文
[1]城市路段非機(jī)動(dòng)車(chē)流交通特性研究[D]. 平萍.江蘇大學(xué) 2018
[2]基于機(jī)器視覺(jué)的前方車(chē)輛檢測(cè)與跟蹤[D]. 王寧.西南交通大學(xué) 2018
[3]基于機(jī)器視覺(jué)的車(chē)道線檢測(cè)及跟蹤方法研究[D]. 潘磊成.哈爾濱工程大學(xué) 2018
[4]基于機(jī)器視覺(jué)的車(chē)道線檢測(cè)和交通標(biāo)志識(shí)別研究[D]. 劉蘭馨.華南理工大學(xué) 2018
[5]大型客車(chē)環(huán)境感知系統(tǒng)設(shè)計(jì)及前方障礙物檢測(cè)方法研究[D]. 王戰(zhàn)古.山東理工大學(xué) 2018
[6]基于機(jī)器視覺(jué)的車(chē)前障礙物識(shí)別測(cè)距系統(tǒng)的設(shè)計(jì)[D]. 李一冰.長(zhǎng)安大學(xué) 2018
[7]基于計(jì)算機(jī)視覺(jué)的前方車(chē)輛檢測(cè)及測(cè)距研究[D]. 李佳旺.浙江工商大學(xué) 2018
[8]基于機(jī)器視覺(jué)的側(cè)后方目標(biāo)檢測(cè)算法及換道預(yù)警系統(tǒng)研究[D]. 晏曉娟.江蘇大學(xué) 2017
[9]基于圖像處理的汽車(chē)車(chē)道偏離預(yù)警系統(tǒng)研究與實(shí)現(xiàn)[D]. 王玲.電子科技大學(xué) 2017
[10]面向無(wú)人駕駛的智能車(chē)系統(tǒng)平臺(tái)研究與應(yīng)用[D]. 劉繼周.浙江大學(xué) 2017



本文編號(hào)：3521100