目前,隨著全國汽車保有量快速增長,停車難的問題日益突出。AGV智能泊車系統(tǒng)可以有效緩解停車難的問題,然而該系統(tǒng)交互區(qū)的停車狀態(tài)各式各樣,會影響到自動泊車機(jī)器人的正常作業(yè)流程及工作效率。停車行為不影響自動泊車機(jī)器人正常作業(yè)的定義為規(guī)范停車行為,否則定義為違規(guī)停車行為。為了更好對各種停車行為進(jìn)行有效識別,為自動泊車機(jī)器人對車輛的搬運(yùn)提供有效信息,滿足泊車系統(tǒng)的正常運(yùn)作,本文對幾點關(guān)鍵技術(shù)進(jìn)行了研究,具體包括:（1）獲取車輛靜止后的車身斜向角度值及車身位置信息。在車輛進(jìn)入交互區(qū)后,首先進(jìn)行車輛檢測,對車輛靜止?fàn)顟B(tài)進(jìn)行判定,再對靜止?fàn)顟B(tài)下的車身信息進(jìn)行提取計算,獲取車輛在交互區(qū)中的車身斜向角度值及車身四個頂點的坐標(biāo)信息。（2）判定停車行為規(guī)范與否,并提醒車主對違規(guī)停車行為進(jìn)行糾正。將得到的車身斜向角度值及車身四個頂點的坐標(biāo)信息,跟符合規(guī)范停車的指定角度范圍及指定的邊界坐標(biāo)進(jìn)行比較,根據(jù)比較結(jié)果進(jìn)行判定。（3）獲取車輛靜止后車輪的坐標(biāo)信息。本文設(shè)計了一種基于車輛側(cè)面信息的俯視圖車輪位置求法,即先從側(cè)視圖提取車輪輪廓和車身外接輪廓,得出車輪的中心、車輪直徑以及車身總長度,進(jìn)而求得車輪中心到車輛前保... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題的研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 AGV智能泊車系統(tǒng)的現(xiàn)狀
        1.2.2 車輛檢測技術(shù)的發(fā)展
        1.2.3 基于視頻車輛檢測技術(shù)的研究現(xiàn)狀
        1.2.4 主要研究的問題
    1.3 課題的研究意義
    1.4 研究的主要內(nèi)容及結(jié)構(gòu)安排
第二章 關(guān)鍵技術(shù)的總體研究方案
    2.1 引言
    2.2 停車行為識別的關(guān)鍵技術(shù)
    2.3 關(guān)鍵技術(shù)研究的總體框架
        2.3.1 圖像預(yù)處理
        2.3.2 運(yùn)動車輛的檢測
        2.3.3 交互區(qū)車輛及人員信息的獲取及判定
    2.4 本章小結(jié)
第三章 圖像預(yù)處理
    3.1 引言
    3.2 圖像灰度化
    3.3 圖像增強(qiáng)
    3.4 本章小結(jié)
第四章 運(yùn)動車輛的檢測
    4.1 引言
    4.2 基于視頻的車輛檢測方法
        4.2.1 背景差分法
        4.2.2 幀間差分法
        4.2.3 光流法
        4.2.4 車輛檢測方法比較
    4.3 背景建模
        4.3.1 常用背景建模方法
        4.3.2 基于混合高斯背景模型的車輛目標(biāo)提取
    4.4 車輛停車過程有效區(qū)域的建立
        4.4.1 感興趣區(qū)域劃分
        4.4.2 掩膜的創(chuàng)建
    4.5 形態(tài)學(xué)處理
    4.6 陰影檢測與消除
    4.7 本章小結(jié)
第五章 交互區(qū)車輛及人員信息的獲取及判定
    5.1 引言
    5.2 車輛目標(biāo)靜止?fàn)顟B(tài)判定
        5.2.1 基于灰度分析的時間序列法
        5.2.2 基于疊加及歸一化算法的時間序列法
        5.2.3 質(zhì)心法
    5.3 靜止?fàn)顟B(tài)下車輛停車行為識別及判定
        5.3.1 車身最小外接矩形頂點的計算
        5.3.2 停車行為規(guī)范與否判定
    5.4 車輪位置信息的獲取
        5.4.1 基于車輛側(cè)面求車輪位置與車身長的相對關(guān)系
        5.4.2 基于俯視圖獲取車輪的位置信息
        5.4.3 基于俯視圖獲取車輪的直徑信息
    5.5 交互區(qū)人員信息的獲取及判定
        5.5.1 基于方向梯度直方圖算法的行人檢測
        5.5.2 基于背景差分法的行人檢測及其外接矩形信息判定
    5.6 本章小結(jié)
第六章 實驗結(jié)果及分析
    6.1 實驗環(huán)境
        6.1.1 硬件環(huán)境
        6.1.2 軟件環(huán)境
    6.2 實驗算法流程
    6.3 實驗結(jié)果及驗證
        6.3.1 車輛停止識別結(jié)果的驗證
        6.3.2 停車行為規(guī)范判定識別結(jié)果的驗證
        6.3.3 測量距離的驗證
        6.3.4 車上人員離開交互區(qū)的識別結(jié)果驗證
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 論文工作總結(jié)
    7.2 論文研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]一種基于Faster-RCNN的車輛實時檢測改進(jìn)算法[J]. 楊薇,王洪元,張繼,張中寶.  南京大學(xué)學(xué)報(自然科學(xué)). 2019(02)
[2]怡豐機(jī)器人攜手研華:以技術(shù)力量,擴(kuò)展AGV市場應(yīng)用[J].   自動化博覽. 2018(08)
[3]基于混合高斯和HOG+SVM的行人檢測模型[J]. 龔露鳴,徐美華,劉冬軍,張發(fā)宇.  上海大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[4]前方車輛檢測的特征融合算法研究與實現(xiàn)[J]. 劉冬軍,徐美華,龔露鳴,夏臣君.  上海大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[5]基于背景差分法的模型改進(jìn)方法研究[J]. 宋偉,張力,鄧亞航.  傳感器與微系統(tǒng). 2017(10)
[6]揭開“最牛泊車機(jī)器人”的神秘面紗[J]. 申愛萍.  人民交通. 2017(09)
[7]法國戴高樂機(jī)場啟用代客泊車機(jī)器人[J].   機(jī)器人技術(shù)與應(yīng)用. 2017(03)
[8]基于計算機(jī)視覺的運(yùn)動車輛檢測[J]. 程淑紅,高許,程樹春,管永來.  計量學(xué)報. 2017(03)
[9]AGV智能泊車初探（一）[J].   智能機(jī)器人. 2017(01)
[10]基于幀差法的運(yùn)動車輛陰影去除算法[J]. 李萌,鄭娟毅,門瑜.  電視技術(shù). 2016(10)

碩士論文
[1]基于單目視頻的車輛測速研究[D]. 潘振軍.西南交通大學(xué) 2017



本文編號：3182132