原文传递
基于机器视觉的智能车驾驶辅助系统
| 论文题名： | 基于机器视觉的智能车驾驶辅助系统 |
| 关键词： | 汽车;智能驾驶辅助系统;车辆检测;定位跟踪;碰撞预警;机器视觉 |
| 摘要： | 伴随着国家对科技发展重视度的提高，汽车主动安全技术也成为了人们研究的热点。传统汽车制造业已经不能满足市场的需求，具有智能驾驶辅助系统的汽车越来越受到市场的青睐。市场对智能汽车的大量需求成为汽车主动安全技术的催化剂，研究汽车主动安全技术的企业如雨后春笋般在世界各地成立致力于汽车智能驾驶的研究。专注于汽车智能驾驶企业的大量涌现使得该行业竞争力越来越强，谁能在成本最低的情况下研究出安全性更高的产品必将在智能驾驶市场先占有一席之地。 本文研究的是基于机器视觉的智能车驾驶辅助系统。智能车驾驶辅助系统是汽车主动安全的重要组成部分，也是迈向完全自动驾驶的关键一步。智能车驾驶辅助系统类型多样，各系统对安全细节的关注点也各有不同，本文的研究侧重于智能驾驶辅助系统中的前方车辆识别与定位，从而达到碰撞预警的目的。前方车辆的准确检测不仅可为本车驾驶员提供驾驶保护，而且为进一步的紧急制动系统研发奠定了一定基础，可以说车辆识别在智能驾驶中有着举足轻重的地位。 本文主要研究基于机器视觉的前方车辆检测技术，研究侧重于提高前方车辆检测成功率，提升检测速度，实现实时预警。概括地讲，本文主要进行的研究包含以下几个方面: 对于车载相机标定，研究了一种基于透射投影的摄像机标定系统，该系统的提出满足了产品后装市场的需求，具体为:受三线标定法的启发，利用透射投影原理，将三线标定法需要的三条相互平行直线透射到空中某一平面，从而缩小了相机标定所需要的标定场地区域。经过反复标定取值验证了本套标定方案的正确性。基于投射投影的标定方法大大简化了标定工作，为后装市场的拓展打下了坚实的基础。 对于车辆检测，研究何种方法可以在现有硬件基础上更高效的实现车辆检测，经过深入研发探讨，拟定了一种统计学习与图像特征相结合的车辆检测方案。具体为:统计学习由于算法运行时间较长，所以该方法只为车辆检测提供初始车辆位置，待位置确认后交由图像特征算法处理，进行车辆位置的准确检测与跟踪。经过大量仿真测试与实际道路测试，检测结果可用于报警算法的研究，验证了本方案的准确性。 对于碰撞预警，研究了卡尔曼滤波在报警模块的应用，具体为:对检测车辆进行定位跟踪，利用标定数据计算实时检测车辆的位置，同时以卡尔曼滤波对实时检测的车辆位置信息进行滤波校准，保证在进行碰撞预警判断时，车辆位置不会因为本车抖动带来定位不准而导致误报。 |
| 作者： | 吴茂友 |
| 专业： | 电子与通信工程 |
| 导师： | 陈万培;陈军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 扬州大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
