本文選題：車路視覺協(xié)同 + 行車環(huán)境感知��； 參考：《長安大學(xué)》2016年博士論文

【摘要】：行車環(huán)境感知是高級駕駛輔助系統(tǒng)中最核心的內(nèi)容,其行車環(huán)境信息的獲取通常依賴于車載感知設(shè)備。而在車-路協(xié)同系統(tǒng)中,智能路側(cè)設(shè)備作為另一種重要的環(huán)境信息感知方式,通過車-車/車-路通信技術(shù),實現(xiàn)與智能車載設(shè)備的感知信息交互,從而使系統(tǒng)獲取更全面豐富的行車環(huán)境信息。然而行車環(huán)境信息復(fù)雜多樣,如何根據(jù)實際需求對行車信息進行采集、處理及融合,實現(xiàn)行車環(huán)境感知,是高級駕駛輔助系統(tǒng)中非常重要的研究課題。本文在提出一種基于車-路視覺協(xié)同的行車環(huán)境感知系統(tǒng)框架的基礎(chǔ)上,針對系統(tǒng)的信息感知需求,對車道線和車輛信息感知方法和基于上述感知信息的行車環(huán)境表征方法進行研究。具體研究內(nèi)容有:(1)基于車-路視覺協(xié)同的行車環(huán)境感知系統(tǒng)框架設(shè)計。在深入分析高級駕駛輔助系統(tǒng)的行車環(huán)境信息感知與交互需求的基礎(chǔ)上,結(jié)合車路協(xié)同系統(tǒng)基本結(jié)構(gòu),提出了一種基于車路視覺協(xié)同的行車環(huán)境感知系統(tǒng)框架。該框架以路側(cè)相機和車載相機作為主要傳感裝置,以車-路通信方式進行數(shù)據(jù)傳輸和交互,以智能路側(cè)設(shè)備和智能車載終端作為行車環(huán)境感知與交互的核心載體,實現(xiàn)車輛自身狀態(tài)感知和車道線、障礙車輛等環(huán)境信息的感知。(2)基于車載視頻的結(jié)構(gòu)化道路車道線識別方法研究。在傳統(tǒng)基于模型匹配的車道線檢測與跟蹤方法的基礎(chǔ)上,進一步考慮車道線類型對衡量車輛變道行為是否合法的重要性,實現(xiàn)了一種基于非均勻B樣條(NUBS)曲線模型匹配的車道線檢測、分類與跟蹤方法。在根據(jù)車道線邊緣信息確定NUBS曲線控制點的基礎(chǔ)上,首先制定車道線分類策略,將車道線分為虛、實兩類;然后利用NUBS曲線重構(gòu)和曲線估計實現(xiàn)車道線檢測與跟蹤。實驗結(jié)果表明該方法能夠有效地實現(xiàn)車道線的檢測、分類與跟蹤,而且對車道線邊緣信息小部分丟失的情況有較好的魯棒性。(3)基于路側(cè)視頻的車輛檢測與跟蹤方法研究。針對車輛邊緣特征提取易受噪聲和背景干擾的問題,提出基于非采樣高斯差分多尺度邊緣融合的車輛檢測方法。經(jīng)過非采樣高斯差分金字塔分解、邊緣檢測和邊緣融合得到的車輛多尺度邊緣圖像,繼承了大、小尺度圖像邊緣的優(yōu)點,同時消除了金字塔分解過程中上/下采樣對邊緣檢測結(jié)果的影響。對車輛多尺度邊緣圖像進行形態(tài)學(xué)處理和連通性分析即可實現(xiàn)車輛檢測。實驗結(jié)果表明該方法能夠較好地實現(xiàn)不同天氣條件下的車輛檢測。針對傳統(tǒng)方法中車輛檢測與跟蹤用不同方法實現(xiàn),算法復(fù)雜度較高的問題,提出基于SIFT特征匹配的車輛檢測與跟蹤方法。相鄰兩幀圖像經(jīng)過SIFT特征匹配、幾何對齊和差分后,在得到的差分圖像上通過搜索絕對誤差和較大區(qū)域?qū)崿F(xiàn)車輛檢測。建立車輛跟蹤樣本集,將車輛檢測的結(jié)果作為跟蹤樣本,與當(dāng)前幀進行SIFT特征匹配實現(xiàn)車輛跟蹤。此外,制定樣本集更新機制,識別和處理車輛駛?cè)�、駛出相機視野以及停駛?cè)N情況下的車輛跟蹤問題。(4)基于車-路視覺協(xié)同感知信息的行車環(huán)境表征方法研究。首先實現(xiàn)了基于Occupancy grid的行車環(huán)境表征方法。該方法改進了傳統(tǒng)Occupancy grid模型點對點的數(shù)據(jù)映射關(guān)系,考慮車輛大小信息對行車環(huán)境表征結(jié)果的影響,將車輛位置坐標(biāo)點通過高斯分布映射到模型中。采用貝葉斯概率理論融合車輛位置與車道線信息,計算模型中每個單元的“空閑”和“占用”概率。實驗結(jié)果表明,改進后的方法能夠?qū)崿F(xiàn)更準(zhǔn)確的行車環(huán)境表征。進一步地,考慮Occupancy grid計算量大且貝葉斯概率理論不能處理“不確定”問題的缺點,提出基于動態(tài)信任度網(wǎng)格的行車環(huán)境表征方法。根據(jù)車輛大小和車道線位置信息建立網(wǎng)格模型,采用Dempster-Shafer證據(jù)理論對GPS車輛位置信息、車輛檢測與跟蹤信息和車道線類型信息進行融合,計算網(wǎng)格中每個單元“空閑”、“占用”、“危險”狀態(tài)的信任度。與前一種方法相比,該方法的行車環(huán)境表征結(jié)果更加精確。為了對上述行車環(huán)境表征結(jié)果的準(zhǔn)確性和表征方法的實用性進行應(yīng)用型驗證,論文基于行車環(huán)境表征結(jié)果,進一步實現(xiàn)了基于貝葉斯網(wǎng)絡(luò)的變道行為輔助決策和基于規(guī)則融合的變道行為輔助決策。前者通過貝葉斯網(wǎng)絡(luò)輸出“不變道”、“向左變道”、“向右變道”三種決策,將具有最大期望效用值的決策視為最優(yōu)決策;后者通過對空間成本、碰撞時間以及需求加速度三種規(guī)則的數(shù)值計算,輸出包含加速度信息的更精細的變道決策。實驗結(jié)果表明,決策結(jié)果在保證了行車安全性的前提下較好地迎合駕駛員的變道意愿,也證明了本文行車環(huán)境感知方法的有效性。
[Abstract]:In this paper , based on the vehicle - road visual cooperative driving environment perception system framework , the vehicle - vehicle / vehicle - road communication technology is used to realize the sensing and interaction of traffic environment , which is based on the vehicle - vehicle / vehicle - road communication technology . A vehicle detection method based on non - sampling Gaussian differential multi - scale edge fusion is presented in this paper . The results show that the decision - making results meet the driver ' s changing wishes well under the precondition of ensuring the driving safety , and the effectiveness of the method is also proved .

【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

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

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

3 余厚云;張為公;;直線模型下的車道線跟蹤與車道偏離檢測[J];自動化儀表;2009年11期

4 余厚云;張為公;;基于動態(tài)感興趣區(qū)域的車道線識別與跟蹤[J];工業(yè)儀表與自動化裝置;2009年05期

5 劉富強;張姍姍;朱文紅;李志鵬;;一種基于視覺的車道線檢測與跟蹤算法[J];同濟大學(xué)學(xué)報(自然科學(xué)版);2010年02期

6 胡慶新;吳林成;顧愛華;;高速公路中搜索車道線的方法[J];微計算機信息;2010年22期

7 高德芝;段建民;楊磊;楊喜寧;;應(yīng)用多階動態(tài)規(guī)劃的車道線識別方法[J];機械工程學(xué)報;2011年08期

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

9 徐后杰;李會方;繆國鋒;;基于單目視覺的車道線分離警告算法研究[J];微處理機;2011年03期

10 錢鷹;劉仕照;;分段切換車道模型在車道線識別中的應(yīng)用[J];計算機應(yīng)用;2011年S2期

相關(guān)會議論文 前8條

1 畢雁冰;;提高車道線識別精度的一種方法[A];第三屆中國CAE工程分析技術(shù)年會論文集[C];2007年

2 楊廣林;苗冬霜;;結(jié)構(gòu)化道路車道線檢測與跟蹤算法[A];2005年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[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估的車道線檢測方法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

4 張潔穎;王生進;丁曉青;;基于車輛軌跡的車道線檢測與劃分[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

5 余貴珍;李芹;王迪;;車輛智能化車道線跟蹤方法研究[A];第八屆中國智能交通年會優(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選取最佳子集的車道線檢測算法[A];2009全國虛擬儀器大會論文集（二）[C];2009年

7 劉天輝;李飛;;車輛視覺導(dǎo)航中道路檢測算法研究[A];第十一屆沈陽科學(xué)學(xué)術(shù)年會暨中國汽車產(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）[C];2014年

8 孫曉軍;李華;;基于Facet模型的一種車道線提取方法[A];第八屆中國智能交通年會論文集[C];2013年

相關(guān)博士學(xué)位論文 前6條

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

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

3 穆柯楠;基于車—路視覺協(xié)同的行車環(huán)境感知方法研究[D];長安大學(xué);2016年

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

5 沈\，

本文編號：1784140