發(fā)布時間：2017-04-13 04:12

  本文關鍵詞：基于車載攝像頭的前車防撞預警技術研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著人們對汽車市場日益增長的需要,汽車制造業(yè)和零售業(yè)的發(fā)展在近年來得到了蓬勃發(fā)展。各大城市的汽車保有量不斷增長,使越來越多的人享受到了汽車出行帶來的便利。然而,這也造成了交通事故的發(fā)生率和傷亡率不斷的上升,人們的生命和財產(chǎn)安全受到了嚴重的威脅。為此,各國政府、組織以及汽車制造商在提高行車安全方面做出了很大的投入,從制度和技術等各個方面進行了多種有益的探索。其中,先進輔助駕駛系統(tǒng)(ADAS)成為眾多技術方案中獲得最多關注的一個,不僅因其在避免交通事故方面起到了良好的效果,更因為其迎合了公路交通未來的發(fā)展趨勢——自動駕駛汽車。本課題對先進輔助駕駛系統(tǒng)中最為重要的組成部分——前車防撞預警系統(tǒng)進行了研究。該系統(tǒng)能夠利用單目攝像頭識別前方所有正在行駛的車輛,并進行距離的測量,以便能夠發(fā)現(xiàn)車距過近等危險情況,有效避免交通事故的發(fā)生。研究為兩個子系統(tǒng)進行展開:車輛檢測和車輛跟蹤。在車輛檢測過程中,將車輛外觀上的水平方向和豎直方向邊緣與車下陰影結合,共同作為線索初步定位車輛位置。該步驟輸出的若干子圖像中很可能含有非車輛,因為其利用的線索不一定只有車輛才具備,因此該步驟又稱為假設生成步驟。為了篩選出真正的車輛,利用HOG特征變換將所有子圖像變換到特征空間后,又使用AdaBoost分類器確定所有輸入子圖像的類標簽,以此去除所有非車輛子圖像,因此該步驟又稱為假設驗證步驟。在車輛跟蹤過程中,首先在各幀圖像中利用Harris角點檢測提取穩(wěn)定的特征點并通過歸一化互相關系數(shù)進行初步匹配后,利用與加入P-N字典的特征點集群進行馬氏距離計算建立穩(wěn)定跟蹤,在連續(xù)的各幀中捕獲目標。最后利用車輛底邊線與圖像底部之間的像素數(shù)目與車距之間的關系對前方車輛進行測距,以便起到前車防撞預警的作用。最后,本文從假設生成步驟的識別率、假設驗證步驟分類的正確性、車輛跟蹤過程的成功率以及距離測量的準確性等各個方面對系統(tǒng)性能進行了測定,表明系統(tǒng)具有良好的表現(xiàn),具備應用于各類先進輔助駕駛系統(tǒng)中的潛力。
【關鍵詞】：數(shù)字圖像處理 機器學習 先進駕駛輔助系統(tǒng) 行車安全
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U463.6;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 課題研究背景和意義9-10
• 1.2 國內外研究現(xiàn)狀10-12
• 1.3 本文研究目標和研究內容12-14
• 1.4 本文的組織結構14-15
• 第2章 基于假設生成和假設驗證的車輛檢測算法15-33
• 2.1 假設生成過程15-22
• 2.1.1 基于Sobel算子的車輛邊緣提取算法16-19
• 2.1.2 基于動態(tài)閾值的車下陰影提取算法19-21
• 2.1.3 車輛外框的確定21-22
• 2.2 假設驗證過程22-32
• 2.2.1 車輛的局部方向梯度直方圖特征提取22-27
• 2.2.2 基于AdaBoost分類器的子圖像分類27-32
• 2.3 本章小結32-33
• 第3章 基于特征點匹配和運動估計的車輛跟蹤算法33-45
• 3.1 特征點提取33-35
• 3.2 特征點匹配35-39
• 3.3 運動估計39-43
• 3.4 重回檢測階段43-44
• 3.5 本章小結44-45
• 第4章 仿真結果及分析45-53
• 4.1 車輛檢測算法的性能46-49
• 4.1.1 假設生成算法的性能46-47
• 4.1.2 假設驗證算法的性能47-49
• 4.2 車輛跟蹤算法的性能49-52
• 4.2.1 跟蹤成功率49-51
• 4.2.2 車距測量準確度51-52
• 4.3 本章小結52-53
• 第5章 嵌入式平臺移植53-63
• 5.1 硬件平臺BeagleBone簡介53-59
• 5.2 基于OpenCV視覺庫的開發(fā)59-62
• 5.3 本章小結62-63
• 結論63-65
• 參考文獻65-69
• 攻讀碩士學位期間取得的研究成果69-71
• 致謝71

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張曉媚;陳偉海;劉敬猛;趙志文;;基于柔性曲桿的車輛跟蹤算法設計與實現(xiàn)[J];北京航空航天大學學報;2011年07期

2 郭鋒;王秉政;楊晨暉;;復雜背景下車輛跟蹤的改進算法及逆行檢測[J];圖學學報;2013年04期

3 劉青;張曉暉;陳建新;侯云;;基于先驗知識的高速公路逃費車輛跟蹤算法研究[J];公路工程;2013年04期

4 楊敏;裴明濤;王永杰;董震;武玉偉;;一種基于運動目標檢測的視覺車輛跟蹤方法[J];北京理工大學學報;2014年04期

5 黃福獻;車輛跟蹤管理系統(tǒng)簡介[J];汽車運用;2001年06期

6 曹智英;;基于學習機制的時空車輛跟蹤與索引框架[J];現(xiàn)代計算機;2007年05期

7 朱華林;;基于高清視頻檢測和高清圖片識別的車輛跟蹤系統(tǒng)設計[J];交通世界(運輸.車輛);2011年07期

8 曾智洪;高速公路中的行車道檢測和車輛跟蹤(英文)[J];自動化學報;2003年03期

9 周志宇,汪亞明,曹麗;基于模糊聚類和α-β-γ濾波的車輛跟蹤[J];浙江工業(yè)大學學報;2004年01期

10 陳繼紅;;基于3G技術的車輛跟蹤服務系統(tǒng)的研究[J];物探裝備;2008年03期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 楊華;鄒月嫻;劉志剛;時廣軼;關佩;王一言;;基于視頻的復雜交通場景車輛跟蹤技術研究[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

2 孫燎原;石川;張楊;;基于GoogleMaps的車輛跟蹤態(tài)勢顯示系統(tǒng)研究與實現(xiàn)[A];第十六屆全國青年通信學術會議論文集（上）[C];2011年

3 張暉;董育寧;夏洋;;一種基于改進的GVF-Snake模型的車輛跟蹤算法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前4條

1 神州通信有限公司GIS部 廖志杰;構建中國空間信息服務網(wǎng)絡平臺系統(tǒng)(六)[N];通信產(chǎn)業(yè)報;2004年

2 中國全球定位系統(tǒng)技術應用協(xié)會GPS信息咨詢服務部 曹沖;GPS上車[N];計算機世界;2002年

3 本報記者 楊濱;打牢百年精品客專的基石[N];人民鐵道;2010年

4 龐偉燕;用科技編織安全網(wǎng)[N];中國郵政報;2011年

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 吳剛;基于粒子濾波與增量學習的車輛跟蹤方法研究[D];南京理工大學;2014年

2 徐旭;復雜環(huán)境下的車輛目標跟蹤技術研究[D];吉林大學;2013年

3 王軍偉;ITS中運動車輛自動跟蹤方法的研究[D];中國農業(yè)大學;2003年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 徐曉娟;基于視頻的車輛跟蹤算法研究[D];長安大學;2015年

2 高冬冬;基于車輛跟蹤軌跡的停車和逆行檢測研究[D];長安大學;2015年

3 董艷梅;基于相關濾波器的目標跟蹤技術[D];北京理工大學;2015年

4 陳國斌;動態(tài)車輛的自動跟蹤算法研究[D];石家莊鐵道大學;2014年

5 宋耀;交通監(jiān)控視頻中的車輛異常行為檢測[D];南京郵電大學;2015年

6 郝學森;基于車輛跟蹤的兩種算法研究[D];遼寧科技大學;2015年

7 王翌清;車輛路口滯留違章自動取證系統(tǒng)關鍵技術研究及實現(xiàn)[D];上海交通大學;2015年

8 左新偉;面向模糊視頻的車輛目標跟蹤算法研究[D];大連海事大學;2016年

9 金龍;復雜場景下車輛跟蹤研究[D];南京航空航天大學;2015年

10 潘曉旭;車載視頻的運動目標檢測與跟蹤算法研究[D];長春工業(yè)大學;2016年

  本文關鍵詞：基于車載攝像頭的前車防撞預警技術研究，由筆耕文化傳播整理發(fā)布。

本文編號：302770