【摘要】：隨著汽車制造業(yè)的快速發(fā)展以及社會經濟水平的普遍提高使得人均汽車持有量逐年升高,汽車已經在全世界范圍內越來越普及。汽車行業(yè)的快速發(fā)展提高了人類的出行半徑,使得交通運輸更加便利,但是快速發(fā)展的汽車工業(yè)也給人類和社會帶來了很多隱患。比如汽車尾氣會對環(huán)境造成污染,過多的車輛會使城市交通變得擁擠以及車輛所引發(fā)的交通事故等問題。其中交通事故的頻發(fā)對人類社會安全帶來的影響最為嚴重,如何有效提高車輛行駛的安全性已成為各國科研人員研究的重點內容,因此車輛智能化的概念應運而生。在車輛智能化研究中,采用多傳感器(激光雷達、攝像頭、探測器)與車輛相搭配的方式是汽車智能化的發(fā)展趨勢。其中對機器視覺的研究與開發(fā)已成為當今研究的重點內容,而雙目視覺是機器視覺領域中的重要分支,它是通過模擬生物的視覺來實現(xiàn)機器對環(huán)境的感知。因此本文通過應用雙目立體視覺的方法來實現(xiàn)對結構化道路上車道線的提取、障礙物的識別、目標距離的測量以及最小安全距離模型的搭建。本文主要研究內容為以下四方面:(1)實驗數(shù)據(jù)采集平臺的搭建。本文在實驗室電動車上設計并安裝一個可移動的水平滑軌,并將雙目攝像機安裝到滑軌上,其中攝像機可在滑軌上移動并調節(jié)不同的基線距離。最終可通過此平臺完成對圖像的采集。(2)車道線和障礙物檢測算法的研究。通過對平臺采集到的實驗圖像進行預處理,然后通過改進的HOUGH變換對車道線進行識別提取。根據(jù)檢測結果提取出ROI區(qū)域,對該區(qū)域進行邊緣檢測以及圖像熵值計算找到障礙物的大致區(qū)域,再通過SIFT特征算子提取特征點從而找到障礙物的精確位置。對視頻序列本文利用Kalman濾波對目標物進行跟蹤并結合NMI特征和熵值對預測區(qū)域進行驗證以實現(xiàn)提高目標跟蹤的準確性。(3)基于雙目視覺的測距算法研究。在測距過程中采用橫向平行式雙目視覺系統(tǒng),根據(jù)雙目成像原理對采集到的圖像進行處理并提取視差值從而完成障礙物距離的計算。并在測距過程中通過大量的實驗找到了不同距離下基線長度對測量精度的影響,最終實現(xiàn)降低障礙物測距的誤差率。(4)汽車最小安全距離模型的建立。首先對安全預警系統(tǒng)以及汽車制動過程進行分析,然后根據(jù)制動原理建立汽車最小安全距離模型,最后在MATLAB中對此模型進行仿真,實驗證明此模型達到了預期的效果。
[Abstract]:With the rapid development of the automobile manufacturing industry and the general improvement of the social economic level, the per capita automobile ownership has been increasing year by year, and the automobile has become more and more popular in the world. The rapid development of automobile industry has improved the travel radius of human beings and made transportation more convenient. But the rapid development of automobile industry has also brought a lot of hidden dangers to human beings and society. For example, vehicle exhaust will pollute the environment, too many vehicles will make urban traffic become congested and traffic accidents caused by vehicles and so on. The frequent occurrence of traffic accidents has the most serious impact on human social safety. How to effectively improve the safety of vehicle driving has become the focus of scientific research in various countries, so the concept of intelligent vehicle came into being. In the research of vehicle intelligence, it is the development trend of automobile intelligence to use multi-sensor (lidar, camera, detector) to match with vehicle. Among them, the research and development of machine vision has become the focus of today's research. Binocular vision is an important branch in the field of machine vision, which realizes the perception of machine environment by simulating biological vision. Therefore, the method of binocular stereo vision is used to realize the extraction of lane line, the identification of obstacles, the measurement of target distance and the construction of minimum safe distance model on structured road. The main contents of this paper are as follows: (1) the construction of experimental data acquisition platform. In this paper, a movable horizontal slide track is designed and installed on a laboratory electric vehicle, and a binocular camera is installed on the slide track, where the camera can move on the slide track and adjust the different baseline distance. Finally, the image acquisition can be completed through this platform. (2) the algorithm of lane line and obstacle detection. The experimental images collected by the platform were preprocessed, and then the lane lines were identified and extracted by the improved HOUGH transform. According to the detection results, the ROI region is extracted, and the approximate area of the obstacle is found by edge detection and image entropy calculation. Then the feature points are extracted by the SIFT feature operator to find the exact location of the obstacle. In order to improve the accuracy of target tracking, this paper uses Kalman filter to track the target and verifies the prediction region with NMI features and entropy. (3) the distance measurement algorithm based on binocular vision is studied. The horizontal parallel binocular vision system is used in the ranging process. According to the principle of binocular imaging, the collected image is processed and the visual difference is extracted to complete the calculation of obstacle distance. Through a lot of experiments, the influence of baseline length at different distance on measurement accuracy is found, and the error rate of obstacle ranging is reduced finally. (4) the establishment of vehicle minimum safe distance model. First, the safety warning system and the braking process are analyzed, then the minimum safety distance model is established according to the braking principle. Finally, the model is simulated in MATLAB, and the experimental results show that the model achieves the desired results.
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：U463.6;TP391.41

【相似文獻】

相關期刊論文 前10條

1 祝世平,強錫富;基于坐標測量機的雙目視覺測距誤差分析[J];電子測量與儀器學報;2000年02期

2 汪倩倩;申忠宇;張亮;;基于雙目視覺模型的彩色目標實時檢測與定位[J];南京師范大學學報(工程技術版);2008年01期

3 單寶華;申宇;;基于雙目視覺的拉索模型自由振動監(jiān)測試驗[J];土木工程學報;2012年11期

4 許明杰,王洪榮;雙目視覺中恢復模型點的方法──公垂線法[J];指揮技術學院學報;1997年02期

5 余洪山,王耀南;主動立體雙目視覺平臺的設計與實現(xiàn)[J];工業(yè)儀表與自動化裝置;2004年01期

6 王榮本;張明恒;石德樂;;雙目視覺技術在目標測量中的應用[J];公路交通科技;2007年02期

7 何秋奇;楊玉珍;岳曉峰;孫婷婷;張耀平;;基于雙目視覺的塑料零件數(shù)模重構研究[J];機械工程師;2009年02期

8 李海軍;徐鳳生;張建臣;;基于雙目視覺自動識別系統(tǒng)的應用研究[J];長春理工大學學報(自然科學版);2007年03期

9 張愛華;姚孝國;;雙目視覺脈搏圖像三維信息獲取的研究[J];機械與電子;2009年10期

10 張頌;謝永杰;;基于雙目視覺的空間脫靶量測量技術研究[J];光學與光電技術;2013年04期

相關會議論文 前7條

1 孟環(huán)標;楊興強;李雪梅;;基于雙目視覺的測量系統(tǒng)誤差分析[A];第五屆全國幾何設計與計算學術會議論文集[C];2011年

2 朱宗磊;殷福亮;;基于雙目視覺的目標檢測與跟蹤系統(tǒng)[A];2010年通信理論與信號處理學術年會論文集[C];2010年

3 王榮本;張明恒;毛曉燕;;雙目視覺技術在環(huán)境探測中的應用[A];中國宇航學會深空探測技術專業(yè)委員會第二屆學術會議論文集[C];2005年

4 張靜;李琳;劉曉平;;基于雙目視覺的虛擬手的實現(xiàn)[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

5 吳濤;劉欣;;基于單雙目視覺信息融合的障礙檢測方法[A];中國宇航學會深空探測技術專業(yè)委員會第二屆學術會議論文集[C];2005年

6 孫明;;基于雙目視覺的移動機器人避障研究[A];中國農業(yè)工程學會2011年學術年會論文集[C];2011年

7 杜英魁;韓建達;唐延東;;基于雙目重建不確定性的動態(tài)特征濾除[A];第七屆全國信息獲取與處理學術會議論文集[C];2009年

相關博士學位論文 前3條

1 許杰;基于雙目視覺和二維熵樹木信息點提取及生長量反演研究[D];東北林業(yè)大學;2015年

2 陳學惠;基于移動機器人雙目視覺的井下三維場景重建方法研究[D];中國礦業(yè)大學（北京）;2012年

3 陳希章;基于雙目視覺的弧焊機器人焊縫三維信息獲取研究[D];上海交通大學;2007年

相關碩士學位論文 前10條

1 麥樹彬;基于雙目視覺的色盲輔助技術的研究[D];華南理工大學;2015年

2 徐宏;基于雙目視覺和稀疏表示的智能倒車控制研究[D];西南交通大學;2015年

3 李輝;田間機器人的雙目視覺系統(tǒng)誤差分析研究[D];內蒙古大學;2015年

4 逯沛龍;基于FPGA的雙目視覺圖像預處理系統(tǒng)設計與實現(xiàn)[D];南京理工大學;2015年

5 王婷婷;基于GPU的雙目視覺運動目標檢測跟蹤算法研究[D];哈爾濱工業(yè)大學;2015年

6 王昌盛;基于ORB算法的雙目視覺測量研究[D];哈爾濱工業(yè)大學;2015年

7 趙程;具有圓面特征的非合作目標雙目視覺位姿測量[D];哈爾濱工業(yè)大學;2015年

8 路研研;在軌航天器雙目視覺圖像采集與處理系統(tǒng)研制[D];哈爾濱工業(yè)大學;2015年

9 曹之樂;基于雙目視覺的焦點定位方法研究與應用[D];重慶理工大學;2015年

10 王洪偉;基于雙目視覺的紅綠燈路口安全距離預警研究[D];安徽工程大學;2015年

，

本文編號：2416304