本文選題：智能車輛 + 機(jī)器視覺��； 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：交通一直是人類生活中不可或缺的一部分,伴隨著人類生活的方方面面。隨著人口總數(shù)增加,出行量不斷變大、交通壓力日益增加、交通事故發(fā)生數(shù)量也逐年上升。伴隨著人工智能科技的不斷突破,人們渴望智能交通的出現(xiàn)會(huì)給行人出行帶來(lái)更安心的保障,因此智能交通也給智能汽車的研發(fā)和商業(yè)化帶來(lái)了強(qiáng)勁的動(dòng)力,成為不可逆轉(zhuǎn)的大潮趨勢(shì)。人們因此有望在未來(lái)真正的解放緊握方向盤的雙手,來(lái)享受智能駕駛帶來(lái)的安全體驗(yàn)。本文結(jié)合某預(yù)研項(xiàng)目,定位于面向智能汽車智能輔助駕駛系統(tǒng)環(huán)境感知中的目標(biāo)識(shí)別領(lǐng)域,針對(duì)當(dāng)前智能車輛輔助駕駛系統(tǒng)環(huán)境感知中目標(biāo)識(shí)別存在的漏檢與誤檢問(wèn)題,對(duì)基于支持向量機(jī)(以下簡(jiǎn)稱SVM)分類器的車輛目標(biāo)和行人目標(biāo)等研究?jī)?nèi)容進(jìn)行了識(shí)別研究,并對(duì)基于單目視覺的前方運(yùn)動(dòng)目標(biāo)距離進(jìn)行了理論及試驗(yàn)研究,具體研究?jī)?nèi)容和結(jié)論如下:首先,闡述了智能車輛的研究現(xiàn)狀、發(fā)展趨勢(shì)、研究成果、政策方針等相關(guān)內(nèi)容,接著目標(biāo)識(shí)別中機(jī)器視覺應(yīng)用的必要性和廣泛性進(jìn)行探討,概述了研究背景及意義,并確定了本文的關(guān)鍵技術(shù)和研究?jī)?nèi)容,進(jìn)而據(jù)此進(jìn)行了章節(jié)撰寫安排。其次,對(duì)圖像目標(biāo)識(shí)別技術(shù)進(jìn)行了相關(guān)理論研究。對(duì)比分析了兩種典型機(jī)器視覺傳感器,確定以CCD攝像機(jī)作為本文的研究對(duì)象;并對(duì)圖像灰度化、圖像灰度增強(qiáng)、圖像濾波、圖像形態(tài)學(xué)等圖像預(yù)處理技術(shù)進(jìn)行了研究;同時(shí)對(duì)基于機(jī)器學(xué)習(xí)的目標(biāo)識(shí)別技術(shù)進(jìn)行了研究,確定本文研究中采用適用于大量樣本數(shù)據(jù)集情況下的支持向量機(jī)算法。接著,對(duì)車輛及行人的特征提取識(shí)別技術(shù)進(jìn)行了相關(guān)理論研究。概述了特征的概念及其在目標(biāo)識(shí)別過(guò)程中所起到的功用;闡釋了邊緣特征、Hough特征、Surf特征、顏色特征、紋理特征等典型圖像特征,重點(diǎn)對(duì)HOG特征進(jìn)行了研究和分析;然后對(duì)SVM支持向量機(jī)的原理及基本算法進(jìn)行了研究,確定了基于樣本HOG特征信息的車輛目標(biāo)識(shí)別方法及基于樣本DPM特征信息的行人目標(biāo)識(shí)別方法。然后,對(duì)基于機(jī)器視覺的前方車輛距離測(cè)量進(jìn)行了相關(guān)研究。比較分析了常用測(cè)距傳感器的特點(diǎn),提出了采用基于機(jī)器學(xué)習(xí)的單目視覺距離測(cè)量方案;同時(shí)對(duì)攝像機(jī)進(jìn)行了標(biāo)定研究,在張氏標(biāo)定原理基礎(chǔ)上,提出了自標(biāo)定算法的設(shè)想;進(jìn)行基于小孔成像原理的逆過(guò)程,根據(jù)圖像質(zhì)心像素坐標(biāo)和攝像機(jī)標(biāo)定內(nèi)外參數(shù),推導(dǎo)出單目視覺距離測(cè)量方程,構(gòu)建了基于機(jī)器視覺的前方車輛距離測(cè)量模型。最后,結(jié)合前期相關(guān)理論研究對(duì)研究課題進(jìn)行了試驗(yàn)驗(yàn)證研究。一方面對(duì)車輛目標(biāo)識(shí)別進(jìn)行了試驗(yàn)驗(yàn)證研究,通過(guò)與實(shí)景道路環(huán)境目標(biāo)試驗(yàn)對(duì)比,驗(yàn)證了基于多核核函數(shù)優(yōu)化的車輛目標(biāo)識(shí)別SVM分類器的有效性和準(zhǔn)確性;另一方面對(duì)行人目標(biāo)識(shí)別進(jìn)行了試驗(yàn)驗(yàn)證研究,通過(guò)與實(shí)景道路環(huán)境目標(biāo)試驗(yàn)對(duì)比,驗(yàn)證了基于改進(jìn)HOG特征的行人目標(biāo)識(shí)別可變形部件模型特征(以下簡(jiǎn)稱DMP)分類器的有效性和準(zhǔn)確性;此外,還對(duì)基于機(jī)器視覺的前方車輛距離測(cè)量進(jìn)行了試驗(yàn)測(cè)試,驗(yàn)證了單目視覺距離測(cè)量模型的有效性和準(zhǔn)確性。本文對(duì)智能車輛中環(huán)境感知關(guān)鍵技術(shù)的研究進(jìn)行了有益的嘗試,其研究成果對(duì)于提高識(shí)別道路運(yùn)動(dòng)目標(biāo),改善漏檢和誤檢的識(shí)別現(xiàn)象具有一定的現(xiàn)實(shí)意義,對(duì)于智能車輛環(huán)境感知技術(shù)中機(jī)器視覺技術(shù)的應(yīng)用與推廣也有一定的理論和參考價(jià)值。
[Abstract]:Traffic has always been an integral part of human life, with all aspects of human life. With the increase of the population, the volume of travel is increasing, traffic pressure is increasing, and the number of traffic accidents is increasing year by year. With the continuous breakthrough of artificial intelligence technology, people are eager for the appearance of intelligent traffic to travel to pedestrians. It brings more security, so intelligent transportation has also brought strong impetus to the development and commercialization of smart cars. It has become an irreversible trend. It is hopeful that in the future, the real liberation of the hands of the steering wheel will be held to enjoy the safety test brought by intelligent driving. In the field of target recognition in intelligent vehicle driving system environment perception, the research content of vehicle target and pedestrian target based on support vector machine (hereinafter referred to as SVM) classifier is identified and researched in view of the problem of missing and mischecking of target recognition in the environment perception of intelligent vehicle auxiliary driving system. The theoretical and Experimental Research on the distance of moving target in front of monocular vision is carried out. The contents and conclusions are as follows: firstly, the research status, development trend, research results, policy and policy of intelligent vehicles are expounded, and then the necessity and universality of the application of machine vision in target recognition are discussed, and the research background is summarized. The key technology and research content of this paper are determined, and then the chapters are arranged. Secondly, the theory of image target recognition is studied. Two typical machine vision sensors are compared and analyzed. The CCD camera is selected as the research object of this paper, and the image grayscale and image gray enhancement are enhanced. The technology of image preprocessing, such as image filtering and image morphology, is studied. At the same time, the technology of target recognition based on machine learning is studied. The support vector machine algorithm is used in this study, which is suitable for a large number of sample data sets. Then, the related theory of feature extraction and recognition for vehicles and pedestrians is carried out. The concept of feature and its function in the process of target recognition are summarized. The typical features such as edge features, Hough features, Surf features, color features and texture features are explained, and the features of HOG are studied and analyzed. Then, the principle and basic algorithms of SVM support vector machines are studied, and the basis is determined. The vehicle target recognition method with sample HOG feature information and the method of pedestrian target recognition based on the sample DPM feature information. Then, the relative research on the distance measurement of the vehicle based on machine vision is carried out. The characteristics of the common range sensor are compared and analyzed, and a single eye vision distance measurement scheme based on machine learning is proposed. The camera is calibrated and the self calibration algorithm is proposed on the basis of the principle of Zhang's calibration. The inverse process based on the principle of small hole imaging is carried out. According to the pixel coordinates of the image center and the camera calibration and the inside and outside parameters, the monocular vision distance measurement equation is derived, and the distance measurement in front of the vehicle based on the machine vision is constructed. On the one hand, the test verification of vehicle target recognition is carried out, and the validity and accuracy of the SVM classifier based on multi kernel kernel function optimization is verified by comparison with the real road environment target test; the other party is proved to be effective and accurate. In the face of pedestrian target recognition, experimental verification is carried out. By comparing with the actual road environment target test, the validity and accuracy of the deformable component model feature (hereinafter referred to as DMP) classifier based on improved HOG features is verified. In addition, the test of vehicle distance based on machine vision is also tested. The test results verify the validity and accuracy of the monocular vision distance measurement model. This paper makes a useful attempt to study the key technologies of environmental perception in intelligent vehicles. The research results have some practical significance for improving the recognition of road moving targets and improving the identification of leakage and misdiagnosis. The application and promotion of machine vision technology in knowledge technology also has certain theoretical and reference value.
【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】：2017
【分類號(hào)】：U463.6;U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊建勛,史朝輝;基于模糊綜合函數(shù)的目標(biāo)識(shí)別融合算法研究[J];火控雷達(dá)技術(shù);2004年04期

2 左崢嶸,張?zhí)煨?集成證據(jù)提高目標(biāo)識(shí)別性能的方法研究[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

3 李彥鵬,黎湘,莊釗文;一種應(yīng)用模糊聚類分析的目標(biāo)識(shí)別效果評(píng)估方法[J];電子對(duì)抗技術(shù);2005年03期

4 蓋明久;呂世良;時(shí)寶;;一種概率更新方法及在目標(biāo)識(shí)別中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報(bào);2006年05期

5 張平定;王海軍;王睿;;一種基于聚類思想的目標(biāo)識(shí)別新方法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

6 李靜;黃崢;;靜態(tài)傅里葉干涉具在目標(biāo)識(shí)別中的應(yīng)用研究[J];光譜學(xué)與光譜分析;2009年08期

7 王丹;韓惠蕊;田淞;臧雪柏;宋炳強(qiáng);;基于tree part-based模型的目標(biāo)識(shí)別和定位[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2012年S1期

8 張茂雍;車輛目標(biāo)識(shí)別裝置[J];國(guó)外自動(dòng)化;1982年04期

9 E·D·梅塞;箭隆;;雷達(dá)的目標(biāo)識(shí)別[J];國(guó)外艦船技術(shù).雷達(dá)與對(duì)抗;1986年02期

10 郭定，，朱祖祥;提示引導(dǎo)空間注意對(duì)范疇目標(biāo)識(shí)別影響的研究[J];人類工效學(xué);1995年02期

相關(guān)會(huì)議論文 前10條

1 王宇;鐘秋海;;用統(tǒng)計(jì)模式識(shí)別方法建立海上目標(biāo)識(shí)別的數(shù)學(xué)模型[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

2 鄭援;胡成軍;;基于數(shù)據(jù)融合的魚雷目標(biāo)識(shí)別[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

3 李夕海;趙克;慕曉冬;劉代志;;目標(biāo)識(shí)別中的特征相空間吸引子分析[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

4 馮杰;蓋強(qiáng);古軍峰;;模糊聚類分析方法在海上目標(biāo)識(shí)別中的應(yīng)用[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

5 趙克;劉代志;慕曉東;蘇娟;;目標(biāo)識(shí)別的特征量約束[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

6 李正東;陳興無(wú);宋琛;何武良;;多傳感器的目標(biāo)識(shí)別[A];中國(guó)工程物理研究院科技年報(bào)（1999）[C];1999年

7 郭相科;劉進(jìn)忙;曹學(xué)斌;張玉鵬;;子類獨(dú)立分量分析在聲目標(biāo)識(shí)別中的應(yīng)用[A];中國(guó)聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（上）[C];2007年

8 張翠;高廣春;趙勝穎;;基于時(shí)間融合算法的近程目標(biāo)識(shí)別[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

9 俞鴻波;趙榮椿;;三維空間目標(biāo)識(shí)別概述[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

10 曹健;陳紅倩;毛典輝;李海生;蔡強(qiáng);;基于局部特征的圖像目標(biāo)識(shí)別問(wèn)題綜述[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

相關(guān)重要報(bào)紙文章 前2條

1 莫衍崴 特約記者劉謙;上士白光斌:電話傳音排故障[N];戰(zhàn)士報(bào);2012年

2 陳德潮邋本報(bào)特約通訊員 曹金平 劉劍;為潛艇鑄“魂”[N];解放軍報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 肖永生;射頻隱身雷達(dá)信號(hào)設(shè)計(jì)與目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2014年

2 崔宗勇;合成孔徑雷達(dá)目標(biāo)識(shí)別理論與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 丁軍;基于稀疏理論的SAR圖像目標(biāo)識(shí)別研究[D];西安電子科技大學(xué);2015年

4 韓靜;基于仿生視覺模型和復(fù)雜信息學(xué)習(xí)的多光譜夜視目標(biāo)識(shí)別技術(shù)[D];南京理工大學(xué);2014年

5 黃璇;多源引導(dǎo)信息融合及其關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

6 寧宣杰;基于空防雷達(dá)網(wǎng)絡(luò)的多傳感器信息融合關(guān)鍵技術(shù)研究及其應(yīng)用[D];東北大學(xué);2014年

7 楊松巖;高頻波段雷達(dá)目標(biāo)特征提取與識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2016年

8 張學(xué)峰;雷達(dá)高分辨距離像目標(biāo)識(shí)別與拒判方法研究[D];西安電子科技大學(xué);2015年

9 李西平;塔機(jī)超聲安全預(yù)警目標(biāo)識(shí)別的神經(jīng)網(wǎng)絡(luò)方法研究[D];西安建筑科技大學(xué);2015年

10 舒銳;衛(wèi)星目標(biāo)識(shí)別與特征參數(shù)提取方法研究[D];哈爾濱工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 許俊峰;基于模型的任意視點(diǎn)下三維目標(biāo)識(shí)別研究[D];南京航空航天大學(xué);2015年

2 李建;毫米波輻射計(jì)目標(biāo)識(shí)別性能測(cè)試系統(tǒng)研究[D];南京理工大學(xué);2015年

3 陳晨;紅外/毫米波復(fù)合信號(hào)處理方法及電路設(shè)計(jì)[D];南京理工大學(xué);2015年

4 王玉君;基于遠(yuǎn)紅外熱像儀的地面機(jī)動(dòng)目標(biāo)識(shí)別[D];沈陽(yáng)理工大學(xué);2015年

5 姚國(guó)偉;基于高分辨距離像的艦船目標(biāo)識(shí)別研究[D];哈爾濱工業(yè)大學(xué);2015年

6 周偉峰;基于神經(jīng)網(wǎng)絡(luò)的單目機(jī)器人目標(biāo)識(shí)別定位研究[D];安徽工程大學(xué);2015年

7 譚敏潔;基于壓縮感知的雷達(dá)一維距離像目標(biāo)識(shí)別[D];電子科技大學(xué);2015年

8 王翔;基于局部神經(jīng)反應(yīng)的目標(biāo)識(shí)別研究[D];華中師范大學(xué);2015年

9 劉巍;基于非均勻采樣圖像的目標(biāo)識(shí)別與跟蹤算法研究[D];北京理工大學(xué);2015年

10 田兵兵;基于核函數(shù)的SAR圖像目標(biāo)識(shí)別研究[D];電子科技大學(xué);2015年

本文編號(hào)：1997707