原文传递
非结构化道路下无人车的机器视觉导航研究
| 论文题名： | 非结构化道路下无人车的机器视觉导航研究 |
| 关键词： | 无人车;机器视觉导航;路径识别算法;非结构化道路 |
| 摘要： | 随着社会文明的发展和科学技术的进步，交通安全与交通便利等问题得到了广泛的关注。近年来，随着人工智能技术有了巨大的进步，很多国家和地区开始研究无人驾驶技术。外部环境具有复杂性和多样性等特点，对无人车的性能提出了更高的要求。机器视觉导航技术具有成本低、适应性强等特点，受到了国内外广大学者的高度重视。为了提高路径识别的实时性、稳定性和适应性，为无人车的自主控制提供有力的依据，本文详细介绍了基于机器视觉的路径识别算法。 本文首先介绍了无人驾驶技术的背景和意义，阐述了国内外研究现状，具体分析了无人车的主要组成部分，并介绍了本文使用的无人车平台。 其次，介绍了图像的一些预处理方法，包括灰度变换、直方图均衡、颜色空间变换、边缘提取等。并提出了一种结合分水岭算法、边缘提取、区域合并等思想的图像分割方法。使用分水岭算法处理灰度图像，将灰度图像过分割为多个小区域;再根据边缘信息所在位置对这些小区域进行初步区域合并;最后利用最小生成树思想，结合色调、亮度等信息合并剩余区域。 接着讲述了图像的特征提取方法，图像特征主要有两类:颜色特征和纹理特征。这两种特征都是全局特征，描述了图像中物体表面的性质。 最后结合图像的特征向量，提出了基于支持向量机的路径识别方法。从输入图像的像素中提取特征向量，并建立动态训练样本库;计算支持向量机分类器的参数，在训练和分类中逐步提升支持向量机分类器的性能;形态学操作，减少误分类。最终将图像分为两类:道路区域和非道路区域。 |
| 作者： | 陈庚 |
| 专业： | 导航、制导与控制 |
| 导师： | 李擎 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京信息科技大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
