眾所周知,汽車交通安全是一個一直存在并且越發(fā)嚴重的問題。近年來大量的研究人員和企業(yè)投入了許多精力進行汽車主動安全技術(shù)、智能車技術(shù)以及無人駕駛技術(shù)等方面的研究。目的就是盡量減少一些不必要交通事故的發(fā)生,保障大眾出行時的人身和財產(chǎn)安全。本文研究的前車防撞預警技術(shù)就是汽車主動安全技術(shù)的奠基石和核心點,所以本文的研究內(nèi)容具有一定的參考價值和實際意義。本文在基于小孔成像原理建立坐標系的基礎(chǔ)上應(yīng)用Visual Studio加OpenCV開發(fā)了一套新的車輛圖像識別算法:首先,利用圖像處理的形態(tài)學知識以及車輛的外形特征,篩選出了符合閾值條件并且滿足車輛尾部矩形大小特征的目標假設(shè)區(qū)域;其次,利用訓練得到的基于HAAR特征的級聯(lián)分類器,對目標假設(shè)區(qū)域進行再識別,得到了車輛圖像識別的最終目標假設(shè)區(qū)域。隨機截取了200張包含車輛信息的圖像進行了車輛識別實驗,實驗表明該圖像識別算法具有較高的識別率和較好的實時性。選用激光雷達作為另一個獲取車輛信息的傳感器,并與攝像機傳感器進行了傳感器信息融合。分析激光雷達傳感器測距及掃描原理,建立了激光雷達坐標系。對激光雷達數(shù)據(jù)進行初步的篩選處理,利用DBSCAN算法對雷達數(shù)據(jù)... 

【文章頁數(shù)】：96 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 車輛防撞預警技術(shù)研究現(xiàn)狀
        1.2.2 信息融合技術(shù)研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
第二章 基于攝像頭的車輛圖像識別
    2.1 相關(guān)硬件和軟件的選擇
        2.1.1 軟件的選擇
        2.1.2 硬件的選擇
    2.2 攝像機測距模型的建立與標定
        2.2.1 坐標系的建立
        2.2.2 攝像機測距模型的推導
        2.2.3 攝像機標定
    2.3 車輛圖像識別算法的實現(xiàn)
        2.3.1 基于車輛特征的形態(tài)學處理
        2.3.2 利用HAAR特征的級聯(lián)分類器對輪廓區(qū)域再識別
    2.4 車輛圖像識別算法實驗驗證
        2.4.1 算法可行性驗證
        2.4.2 算法實時性驗證
    2.5 車輛圖像識別算法優(yōu)化
        2.5.1 算法識別率改進
        2.5.2 算法實時性改進
    2.6 車輛圖像識別算法的移植
        2.6.1 DSP硬件的選擇及視頻處理流程
        2.6.2 移植OpenCV算法至DSP
第三章 雷達傳感器的選擇與多傳感器信息融合
    3.1 雷達傳感器的選擇
    3.2 激光雷達測距掃描原理
        3.2.1 激光雷達測距原理
        3.2.2 激光雷達掃描原理
    3.3 激光雷達數(shù)據(jù)預處理
        3.3.1 激光雷達坐標系的建立
        3.3.2 激光雷達坐標系與車體坐標系的轉(zhuǎn)換
        3.3.3 激光雷達有效數(shù)據(jù)的選擇
        3.3.4 激光雷達數(shù)據(jù)的二次處理
    3.4 激光雷達信息與攝像機信息的融合
        3.4.1 激光雷達坐標系與像素坐標系的轉(zhuǎn)換
        3.4.2 激光雷達數(shù)據(jù)與攝像機數(shù)據(jù)的融合
        3.4.3上位機中的傳感器融合識別實驗
第四章 基于環(huán)境特征的安全車距模型
    4.1 傳統(tǒng)安全車距模型
        4.1.1 車輛制動過程運動學分析
        4.1.2 傳統(tǒng)最小安全距離模型
    4.2 基于駕駛員特征及道路狀況的最小安全距離模型
        4.2.1 各特征參數(shù)取值分析
        4.2.2 改進的最小安全距離模型
    4.3 安全車距模型預警機制的判定
第五章 預警模塊軟硬件設(shè)計
    5.1 預警模塊設(shè)計要求
    5.2 預警模塊硬件設(shè)計
        5.2.1 預警模塊的設(shè)計方案
        5.2.2 STM32F103C8T6 核心板介紹
        5.2.3 指示燈預警模塊
        5.2.4 蜂鳴器預警模塊
        5.2.5 LCD液晶電路
        5.2.6 USB供電電源電路
        5.2.7 激光雷達傳感器接口
    5.3 預警模塊的軟件設(shè)計
        5.3.1 預警模塊的軟件功能分析
        5.3.2 測距測速子程序
        5.3.3 計算最小安全距離子程序
        5.3.4 執(zhí)行報警子程序
第六章 前車防撞預警系統(tǒng)預警實驗
    6.1 室內(nèi)預警調(diào)試實驗
        6.1.1 模擬干燥路面的預警情況
        6.1.2 模擬潮濕路面的預警情況
        6.1.3 模擬積雪路面的預警情況
    6.2 道路預警實驗
第七章 總結(jié)與展望
    7.1 論文工作總結(jié)
    7.2 不足與展望
致謝
參考文獻
附件A 車輛視頻圖像處理主要代碼
附件B 前車防撞預警系統(tǒng)預警模塊主要代碼
在學期間發(fā)表的論文和取得的學術(shù)成果


【參考文獻】：
期刊論文
[1]基于OpenMV的智能尋跡小車設(shè)計與實現(xiàn)[J]. 莊瓊云.  黎明職業(yè)大學學報. 2018(04)
[2]基于STM32F103C8T6主控多功能防酒駕方向盤的設(shè)計與實現(xiàn)[J]. 錢國虎,王長春.  科技創(chuàng)新與應(yīng)用. 2018(36)
[3]基于信息融合的農(nóng)業(yè)自主車輛障礙物檢測方法[J]. 薛金林,董淑嫻,范博文.  農(nóng)業(yè)機械學報. 2018(S1)
[4]基于車輛前方目標運動模型的主動避撞系統(tǒng)的研究[J]. 盤朝奉,丁亞強,江浩斌.  重慶理工大學學報(自然科學). 2018(07)
[5]一種針孔相機與三維激光雷達外參標定方法[J]. 韓正勇,卜春光,劉宸.  傳感器與微系統(tǒng). 2018(04)
[6]基于激光雷達道路可通行區(qū)域的檢測與提取[J]. 鄒斌,王磊.  自動化與儀表. 2018(02)
[7]基于OpenCV的攝像機標定研究[J]. 聶紅梅,劉忠艷.  微處理機. 2017(06)
[8]智能駕駛汽車傳感器介紹及布置[J]. 陸炳華,劉婷,張海濱.  上海汽車. 2017(11)
[9]基于車聯(lián)網(wǎng)的汽車主動防撞預警系統(tǒng)設(shè)計[J]. 孟新育,楊煒.  現(xiàn)代交通技術(shù). 2017(04)
[10]基于DM642的紋理檢測與Adaboost分類器相結(jié)合的車牌定位[J]. 陳存弟,劉金清,劉引,蔡淑寬,何世強,周曉童,鄧淑敏,吳慶祥.  計算機系統(tǒng)應(yīng)用. 2017(07)

碩士論文
[1]機器視覺與毫米波雷達融合的前方車輛檢測方法研究[D]. 譚力凡.湖南大學 2018
[2]基于單片機的Festo九站控制系統(tǒng)研發(fā)[D]. 王義澤.天津科技大學 2017
[3]基于多源信息檢測的車輛防撞預警技術(shù)研究[D]. 王盈盈.江蘇大學 2017
[4]光波導相控陣掃描光束特性的優(yōu)化[D]. 馮向兵.西安電子科技大學 2017
[5]基于汽車雷達和攝像頭信息融合的目標檢測方法研究[D]. 向濱宏.重慶大學 2017
[6]基于FPGA的激光測距系統(tǒng)的研究[D]. 李龍民.長春理工大學 2017
[7]基于多信息融合的車輛危險工況預警技術(shù)研究[D]. 熊琦瑋.湖南大學 2016
[8]基于多傳感器信息融合的汽車防盜系統(tǒng)設(shè)計[D]. 陳功.哈爾濱理工大學 2016
[9]面向汽車主動防撞預警系統(tǒng)的虛警與漏警抑制研究[D]. 蔣林艷.吉林大學 2015
[10]基于數(shù)據(jù)關(guān)聯(lián)算法的汽車主動防撞預警系統(tǒng)多目標跟蹤研究[D]. 李秋燕.吉林大學 2015



本文編號：3729592