详情

原文传递复杂背景下的车辆环境信息提取

论文题名：	复杂背景下的车辆环境信息提取
关键词：	车道线检测;遗传算法;车辆检测;目标跟踪;模板匹配;智能驾驶辅助
摘要：	近年来，随着公路交通的迅猛发展，给人们的实际生活带来了不少的便利，但是汽车的持续增多，公路交通安全事故也是频频出现，安全驾驶已成为日益突出的问题。所以，智能驾驶辅助和安全预警系统(lntelligentDriver-AssistanceandSafetyWamingsystem，IDASWs)是当前国内外智能化交通系统的重要研究领域。　　智能驾驶辅助和安全预警系统中，如何准确和有效地检测并跟踪车道线和前方车辆，及时的提醒驾驶员以避免碰撞，是目前的研究热点。本文的研究内容是复杂背景下的车辆环境信息提取，具体包括车道线和前方车辆的检测与跟踪。本文主要的研究内容如下：　　基于模板的车道线的检测与跟踪。首先建立了汽车行驶时车道线的几何模型，并建立相似度函数。然后在实肘图像中，对车道线模板进行GA编码，采用有导向的GA搜索方法对车道线进行检测与跟踪，最后进行验证和仿真。　　车辆的检测。首先由车道线信息给出车辆的检测区域，根据车辆底部特有的阴影信息找到车辆的感兴趣区域。然后根据车辆尾部的对称性及纹理等特征对各个车辆感兴趣区域逐一的进行验证，对伪车辆进行过滤，对车辆的存在进行确认。　　车辆的跟踪。车辆跟踪是在车辆检测的基础上进行的，首先建立车辆尾部轮廓的大致模型，然后由匹配函数和匹配置信度在实时图像中对目标车辆进行跟踪。　　实验结果表明，本文算法能够有效地从视频序列中检测出前方的车道线和车辆，并成功对其跟踪，在本文的测试平台上基本可以到达实时性和鲁棒性的要求。
作者：	何飞
专业：	电路与系统
导师：	郑莉平;张晓晖
授予学位：	硕士
授予学位单位：	西安理工大学
学位年度：	2011
正文语种：	中文