【摘要】：近年來,基于機器視覺的無人駕駛車輛系統(tǒng)已成為當前學術(shù)界研究的重要內(nèi)容,其中視覺導航技術(shù)備受關(guān)注。本文研究的主要內(nèi)容是基于無人車視覺導航中的前方車輛檢測方法,在現(xiàn)有的基礎上做了進一步的研究,主要內(nèi)容包括:(1)設計了一種基于顏色屬性的通用目標檢測方法。通用目標檢測就是提取出圖像中有可能包含目標的區(qū)域并以外接矩形的形式予以輸出。本文首先比較了傳統(tǒng)滑動窗口法和通用目標檢測法提供的候選目標檢測窗口的優(yōu)缺點,接著通過顏色屬性轉(zhuǎn)換將傳統(tǒng)的彩色圖像轉(zhuǎn)化為十一色圖,然后利用區(qū)域劃分算法將圖像劃分為不同的區(qū)域,最后將不同區(qū)域間顏色、紋理相似度作為評價指標,利用區(qū)域合并策略將不同區(qū)域合并,將合并后的結(jié)果作為通用目標的候選窗口。實驗結(jié)果表明,本文算法可以在保持較高的目標檢測率的情況下用較少的候選框來描述目標的候選區(qū)域,具有較好的通用性。(2)研究了基于AdaBoost算法的前方車輛檢測方法,設計了一種改進的基于通用目標檢測和AdaBoost算法的前方車輛檢測方法。該方法首先將通用目標檢測的結(jié)果作為車輛檢測的候選窗口,接著提取車輛的Haar特征并利用AdaBoost算法來訓練強分類器,然后生成級聯(lián)分類器作為車輛分類器對候選窗口進行過濾,最后利用窗口合并策略對檢測結(jié)果進行再處理,進而得到車輛檢測結(jié)果。實驗結(jié)果表明該改進方法相比基于滑動窗口的AdaBoost檢測方法在不影響檢測性能的基礎上,平均耗時更低。而且在分辨率要求不高的情況下,基本可以滿足實時性要求。但當車輛出現(xiàn)少許遮擋時,容易出現(xiàn)誤判和漏檢現(xiàn)象。(3)設計了一種新的基于HOG-PCA和DPM算法的前方車輛檢測方法。鑒于基于特征的機器學習方法面對遮擋問題性能下降這一現(xiàn)象,本文接著研究了一種基于部件的DPM算法。本文首先提取車輛的HOG特征作為車輛特征,接著利用PCA算法對HOG特征降維,并構(gòu)建HOG特征金字塔,然后利用Latent-SVM來訓練不同姿態(tài)下車輛單一 DPM模型,最后將單一模型組合成混合DPM模型作為最終的車輛檢測模型。實驗結(jié)果表明,當前方車輛出現(xiàn)部分遮擋現(xiàn)象時,基于HOG-PCA和DPM算法的車輛檢測方法性能表現(xiàn)更佳。最后,本文對比了基于通用目標的AdaBoost算法和基于HOG-PCA的DPM算法兩種方法的檢測結(jié)果,并分析了二者的優(yōu)缺點。
【學位授予單位】：南京理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 魯威威;肖志濤;雷美琳;;基于單目視覺的前方車輛檢測與測距方法研究[J];電視技術(shù);2011年01期

2 楊煒;魏朗;劉永濤;劉凱;;改進GM(1,1)模型的前車檢測與跟蹤研究[J];計算機工程與設計;2012年11期

3 丁燕華;;白天車輛偵測系統(tǒng)與距離估測研究[J];科技信息;2009年08期

4 王艷麗;沈文超;徐建閩;;復雜行車環(huán)境下的前方車輛檢測算法研究[J];電子設計工程;2013年18期

5 譚琦;肖志濤;耿磊;吳駿;張芳;;基于多特征的前方車輛實時檢測方法[J];天津工業(yè)大學學報;2013年03期

6 施樹明,儲江偉,李斌,郭烈,王榮本;基于單目視覺的前方車輛探測方法[J];農(nóng)業(yè)機械學報;2004年04期

7 肖志濤;王悅;耿磊;張芳;;基于團塊幾何和位置特征的夜間前方車輛檢測方法[J];河北工業(yè)大學學報;2013年05期

8 黃銀花;趙仕奇;;基于特征模型驅(qū)動的前方車輛檢測[J];計算機測量與控制;2007年11期

9 王海;張為公;蔡英鳳;;一種前方車輛后輪接地點檢測算法[J];現(xiàn)代交通技術(shù);2011年04期

10 朱金榮;汪仲;鄧小穎;倪曉武;;基于激光與視覺的車輛防撞技術(shù)的研究[J];光電子技術(shù);2012年01期

相關(guān)重要報紙文章 前6條

1 記者 張曄　通訊員 楊萍 田野;南理工一技術(shù)給汽車提供安全“智能助理”[N];科技日報;2009年

2 本報駐薩格勒布記者 趙嘉政;克前副總理被判服刑22個月[N];光明日報;2013年

3 尹燦生;預防車禍的招數(shù)[N];云南政協(xié)報;2000年

4 本報記者

本文編號：2762785