原文传递
基于机器视觉的侧后方目标检测算法及换道预警系统研究
| 论文题名： | 基于机器视觉的侧后方目标检测算法及换道预警系统研究 |
| 关键词： | 换道安全预警;机器视觉;车道线检测;车辆检测;权值聚类法 |
| 摘要： | 经调查发现很多交通事故都与换道行为有关，换道过程中驾驶人员既要关注与前方车辆的安全距离，又要观察侧后方目标车道的交通环境，还要同时对车辆进行换道操作，稍有疏忽便会造成交通事故。因此开展换道预警技术研究及系统开发对减少驾驶人员换道压力、保障换道安全以及提高道路通行能力都有非常重要的意义。 本文以侧后方交通环境为主要研究对象，开展了侧后方目标检测及换道预警技术研究，并在此基础上设计了换道预警系统。该系统由视觉传感器采集侧后方图像，利用GPS模块提取本车行驶车速，结合加速度感知模块得到横向加速度，建立预警模型实现换道预警。系统开发环境为VS2010平台，结合OpenCV2.4.10进行软件编程。本文主要开展的工作有： （1）采用权值聚类法检测侧后方车道线，结合前5帧的车道线信息减小下一帧的搜索范围，提高车道线检测实时性。建立针对侧后方车辆不同角度车前脸特征的训练样本库，并训练出级联式Haar-like Adaboost分类器初步检测图像，进一步利用车辆水平纹理信息进一步筛选误检区域，并基于车底阴影准确框选车辆，然后通过Kalman滤波实现车辆跟踪。 （2）基于方向角模型，根据道路消失点位置推算摄像机的侧向角和俯仰角。根据消失点与侧后方车辆、车道线的位置，利用相对位置测距模型实现纵向距离、横向距离的检测。通过基本测速模型实现相对速度估测。 （3）结合正弦函数换道轨迹模型估计换道压线时间，识别换道意图。根据危险安全时间阈值，建立换道安全预警距离模型与换道预警规则，并在Matlab中建模，对换道预警规则做了简单的仿真分析。与其它换道安全距离模型对比，发现本文的预警距离模型在保障换道安全的情况下，能有效提高换道效率。 （4）分别验证车道线和车辆检测的效果，并与传统Adaboost分类器检测效果进行对比，实验证明设计的Haar-like Adaboost分类器结合再处理的车辆检测方法能同时保持较高的查全率与查准率。静态距离检测实验及动态距离检测试验中，纵向距离误差能控制在5%左右；横向距离误差能控制在0.2m以内。相对速度检测结果显示在60m检测范围内速度估测误差较小，可靠性强。分别在限速不同的道路上进行换道实验，结果表明该系统在实时性，准确性上能够满足换道预警要求。 |
| 作者： | 晏晓娟 |
| 专业： | 车辆工程 |
| 导师： | 刘军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 江苏大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
