【摘要】：無(wú)人駕駛電動(dòng)汽車(chē)集機(jī)械技術(shù)、電子技術(shù)、自動(dòng)控制技術(shù)、人工智能技術(shù)、機(jī)器視覺(jué)技術(shù)、新能源技術(shù)、新驅(qū)動(dòng)技術(shù)等眾多高新技術(shù)于一體,是計(jì)算機(jī)科學(xué)、模式識(shí)別和智能控制技術(shù)高度發(fā)展的產(chǎn)物,也是衡量一個(gè)國(guó)家科研實(shí)力和工業(yè)水平的一個(gè)重要標(biāo)志。自主定位導(dǎo)航和智能行駛控制技術(shù)是無(wú)人駕駛技術(shù)的核心技術(shù),復(fù)雜的多變的外界環(huán)境使得其成為了無(wú)人駕駛技術(shù)的重點(diǎn)和難點(diǎn)。本文以園區(qū)行駛環(huán)境為研究背景,面向低速、低成本、實(shí)時(shí)可靠的無(wú)人駕駛技術(shù),對(duì)智能電動(dòng)小車(chē)的運(yùn)動(dòng)控制系統(tǒng)軟硬件,多傳感器數(shù)據(jù)融合的避障技術(shù)以及小車(chē)的單目視覺(jué)的車(chē)道線(xiàn)檢測(cè)等相關(guān)技術(shù)進(jìn)行了研究。文中以車(chē)道線(xiàn)圖像檢測(cè)和識(shí)別算法為主要內(nèi)容,其中包括圖像的預(yù)處理、IPM視圖的轉(zhuǎn)換、濾波降噪、霍夫直線(xiàn)的檢測(cè)、RANSAC和貝塞爾算法的樣條曲線(xiàn)擬合、擬合曲線(xiàn)后的擴(kuò)展等內(nèi)容。通過(guò)提取的車(chē)道線(xiàn)確定智能電動(dòng)小車(chē)與車(chē)道線(xiàn)的相對(duì)位置,對(duì)車(chē)道發(fā)生偏離時(shí)發(fā)生預(yù)警,從而實(shí)現(xiàn)對(duì)車(chē)道線(xiàn)的跟蹤。將這些提取的信息與環(huán)境感知模塊的其它傳感器進(jìn)行數(shù)據(jù)的融合旨在完成智能電動(dòng)小車(chē)的自主導(dǎo)航。最后對(duì)車(chē)道線(xiàn)檢測(cè)算法進(jìn)行了驗(yàn)證,實(shí)測(cè)結(jié)果表明本文所改進(jìn)的車(chē)道線(xiàn)檢測(cè)算法比較準(zhǔn)確穩(wěn)定,對(duì)于車(chē)輛的遮擋、樹(shù)木的陰影、不清晰的車(chē)道線(xiàn)、明顯彎曲的車(chē)道線(xiàn)等典型不同道路環(huán)境情況能夠準(zhǔn)確檢測(cè)出車(chē)道線(xiàn),為智能電動(dòng)小車(chē)在園區(qū)環(huán)境下自主行駛提供了可行性。
[Abstract]:The driverless electric vehicle is a computer science, which integrates mechanical technology, electronic technology, automatic control technology, artificial intelligence technology, machine vision technology, new energy technology, new drive technology and so on. The high development of pattern recognition and intelligent control technology is also an important symbol of a country's scientific research strength and industrial level. Autonomous positioning navigation and intelligent driving control technology are the core technologies of unmanned driving technology. The complex and changeable external environment makes them become the focus and difficulty of unmanned driving technology. In this paper, based on the driving environment of the park, the software and hardware of the motion control system of the intelligent electric car are introduced, which is based on the driverless technology of low speed, low cost and real time reliability. The obstacle avoidance technology of multi-sensor data fusion and the lane line detection of single-eye vision of small car are studied in this paper. The main contents of this paper include image preprocessing, IPM view conversion, filtering and noise reduction, Hough line detection, spline curve fitting of RANSAC and Bessel algorithm, and the algorithm of lane image detection and recognition, including image preprocessing, transformation of IPM view, filtering and noise reduction, detection of Hough line, spline curve fitting of RANSAC and Bessel algorithm. The expansion of fitting curve and so on. The relative position between the intelligent electric vehicle and the lane line is determined by the lane line extracted, and the lane line is tracked by warning when the lane deviates. The data fusion of the extracted information with other sensors of the environment sensing module aims to complete the autonomous navigation of the intelligent electric car. Finally, the algorithm of lane line detection is verified. The measured results show that the improved lane detection algorithm is accurate and stable, which is not clear for the occlusion of vehicles, the shadow of trees, and the unclear lane lines. The typical road environment such as obviously curved lane line can accurately detect the lane line, which provides the feasibility for intelligent electric car to drive independently in the park environment.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田炳香;鄭榜貴;吳晴;;高速公路車(chē)道線(xiàn)檢測(cè)與跟蹤算法研究[J];現(xiàn)代電子技術(shù);2008年09期

2 葉慶;趙明輝;李菲;孫曉泉;;夜間車(chē)道線(xiàn)檢測(cè)與跟蹤算法研究[J];現(xiàn)代電子技術(shù);2009年13期

3 余厚云;張為公;;直線(xiàn)模型下的車(chē)道線(xiàn)跟蹤與車(chē)道偏離檢測(cè)[J];自動(dòng)化儀表;2009年11期

4 余厚云;張為公;;基于動(dòng)態(tài)感興趣區(qū)域的車(chē)道線(xiàn)識(shí)別與跟蹤[J];工業(yè)儀表與自動(dòng)化裝置;2009年05期

5 劉富強(qiáng);張姍姍;朱文紅;李志鵬;;一種基于視覺(jué)的車(chē)道線(xiàn)檢測(cè)與跟蹤算法[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

6 胡慶新;吳林成;顧愛(ài)華;;高速公路中搜索車(chē)道線(xiàn)的方法[J];微計(jì)算機(jī)信息;2010年22期

7 高德芝;段建民;楊磊;楊喜寧;;應(yīng)用多階動(dòng)態(tài)規(guī)劃的車(chē)道線(xiàn)識(shí)別方法[J];機(jī)械工程學(xué)報(bào);2011年08期

8 楊晶東;楊敬輝;樸松昊;;一種有效的車(chē)道線(xiàn)識(shí)別與偏道預(yù)警方法[J];控制工程;2011年02期

9 徐后杰;李會(huì)方;繆國(guó)鋒;;基于單目視覺(jué)的車(chē)道線(xiàn)分離警告算法研究[J];微處理機(jī);2011年03期

10 錢(qián)鷹;劉仕照;;分段切換車(chē)道模型在車(chē)道線(xiàn)識(shí)別中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2011年S2期

相關(guān)會(huì)議論文 前8條

1 畢雁冰;;提高車(chē)道線(xiàn)識(shí)別精度的一種方法[A];第三屆中國(guó)CAE工程分析技術(shù)年會(huì)論文集[C];2007年

2 楊廣林;苗冬霜;;結(jié)構(gòu)化道路車(chē)道線(xiàn)檢測(cè)與跟蹤算法[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

3 劉曉龍;鄧志東;;基于全局與局部模型相互制約及具有模型不確定性評(píng)估的車(chē)道線(xiàn)檢測(cè)方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

4 張潔穎;王生進(jìn);丁曉青;;基于車(chē)輛軌跡的車(chē)道線(xiàn)檢測(cè)與劃分[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

5 余貴珍;李芹;王迪;;車(chē)輛智能化車(chē)道線(xiàn)跟蹤方法研究[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

6 李鋼;圣華;張仁斌;;基于LMedSquare選取最佳子集的車(chē)道線(xiàn)檢測(cè)算法[A];2009全國(guó)虛擬儀器大會(huì)論文集（二）[C];2009年

7 劉天輝;李飛;;車(chē)輛視覺(jué)導(dǎo)航中道路檢測(cè)算法研究[A];第十一屆沈陽(yáng)科學(xué)學(xué)術(shù)年會(huì)暨中國(guó)汽車(chē)產(chǎn)業(yè)集聚區(qū)發(fā)展與合作論壇論文集（信息科學(xué)與工程技術(shù)分冊(cè)）[C];2014年

8 孫曉軍;李華;;基于Facet模型的一種車(chē)道線(xiàn)提取方法[A];第八屆中國(guó)智能交通年會(huì)論文集[C];2013年

相關(guān)博士學(xué)位論文 前7條

1 杜明芳;基于視覺(jué)的自主車(chē)道路環(huán)境理解技術(shù)研究[D];北京理工大學(xué);2015年

2 王俊;無(wú)人駕駛車(chē)輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

3 穆柯楠;基于車(chē)—路視覺(jué)協(xié)同的行車(chē)環(huán)境感知方法研究[D];長(zhǎng)安大學(xué);2016年

4 王超;面向智能車(chē)輛的單目視覺(jué)行車(chē)安全信息檢測(cè)與識(shí)別方法研究[D];南京理工大學(xué);2016年

5 陳軍;基于DSP的高速公路車(chē)道偏離報(bào)警系統(tǒng)研究[D];天津大學(xué);2010年

6 沈\，

本文編號(hào)：2382250