原文传递
基于单目视觉的前车碰撞预警系统关键技术研究
| 论文题名： | 基于单目视觉的前车碰撞预警系统关键技术研究 |
| 关键词： | 前车碰撞预警系统;信息熵优化;卡尔曼滤波;车辆匹配;几何测距 |
| 摘要： | 随着道路交通环境日趋复杂，行驶车辆发生碰撞事故的概率骤增，针对现有基于单目视觉的前车碰撞预警系统存在的实时性较低、应用条件苛刻等问题，本文对预警系统的检测模块、跟踪模块以及测距模块等关键技术进行研究，并在此基础上建立了一种前车碰撞预警系统。本文主要工作内容如下： 针对车辆检测的实时性和精度问题，提出一种两步车辆检测算法。首先通过动态划分路面区域以缩小检测范围并排除非车辆干扰，并提出光照因子用以优化动态阈值搜索范围进而生成车辆假设区域；然后融合梯度直方图、几何特征、纹理特征和幅值特征组成高维向量，并构建信息熵优化的支持向量机(SupportVectorMachineOptimizedforInformationEntropy,IE-SVM)车辆检测模型验证车辆假设区域。实验结果表明，在仅用CPU计算的情况下本文算法平均检测耗时小于100ms，IE-SVM车辆检测模型平均准确率达到91.2%，分类性能优于其他机器学习算法。 针对预警不连续和算法耗时问题，提出一种混合车辆跟踪算法。针对单车辆跟踪，在卡尔曼滤波跟踪的基础上提出生成式动态在线更新策略用以更新车辆位置，并引入DSST算法进行最优尺度估计；针对多车辆匹配，建立融合全局特征和局部特征的数据关联模型，利用KM算法进行多车辆的检测框和跟踪框的匹配用以修正车辆跟踪轨迹。实验结果表明，本文模型单帧平均跟踪耗时小于50ms，相较于SORT算法，本文模型的MOTA指标平均提高2.4%，MOTP指标平均提高10.3%，IDs指标平均提高44.2%。 为了提高基于单目视觉的车距测量精度，提出一种修正几何测距模型。针对车辆颠簸、上下坡道等动态变化对车辆位姿的影响，提出局部限制二元鲁棒独立元素特征(LocallyConstrainedBinaryRobustIndependentElementFeature,LCBRIEF)用以匹配前后帧的光轴像素点，并通过像素点位移计算光轴姿态角，最后在几何测距模型的基础上进行姿态角修正以提高动态测距的精度。实验结果表明，在可视视距内本文修正几何模型的误差保持在8%以内。 为了提高碰撞预警策略的灵活性，提出一种多级碰撞预警模型。分析已有的碰撞预警模型的局限性后，融合各碰撞预警模型的优势建立多级碰撞预警模型，在保证行车安全的同时也能提高交通效率，并根据前文的研究成果构建了一种前车碰撞预警系统。 |
| 作者： | 王孙强 |
| 专业： | 机械制造及其自动化 |
| 导师： | 张铮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 湖北工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
