详情

原文传递基于视觉的汽车主动安全关键技术研究

论文题名：	基于视觉的汽车主动安全关键技术研究
关键词：	嵌入式视觉处理;车道线检测;最大后验概率估计;微粒群优化;车道偏离决策;BP神经网络;智能交通系统
摘要：	汽车主动安全系统是近年来智能交通领域研究的前沿和热点之一，而基于视觉的汽车主动安全系统则是汽车主动安全系统研究中的一个重要内容。大力开展如车道偏离预警等基于视觉的汽车主动安全技术研究，对于提高交通安全、减少交通事故将起到重要作用。本文从汽车主动安全的要求出发，结合嵌入式系统技术理论、多源信息融合理论、检测与估计理论和人机工程学理论，对高性能车载机器视觉处理平台设计研制、车道线边沿的实时鲁棒检测和车道参数提取以及符合实际车道模型的偏离报警决策等几项基于视觉汽车主动安全的关键技术进行了深入的研究。　　论文的主要工作及成果包括：　　 (1)针对目前基于机器视觉的汽车主动安全平台存在的缺陷及无法推广使用的现状，本文提出了基于DM642的嵌入式车载机器视觉处理平台的实现。在设计过程中攻克了高性能DSP开发研制的难题，解决了车载电源系统抗干扰设计的问题，同时采用了结构上的加固设计以保证车载振动冲击环境下的系统可靠性。此外，还提出了一种基于本机器视觉处理平台的智能视频记录方案。实验结果表明，所设计研制的嵌入式车载机器视觉平台在性能、可靠性、功耗和体积上都优于广泛使用的PC平台，所提出的智能视频记录方案记录的视频清晰且具有很高的压缩比。　　 (2)根据摄像机的成像儿何关系和高速公路车道线的特点，对道路图像坐标系内的车道线数学模型进行了研究。选用了一种简便易行的、适合室外道路环境的摄像机标定以及逆透视变换的方法，得出精度较高的车辆和车道线的位置关系。　　 (3)结合国内外的研究成果，深入地研究了高速公路的车道线特征提取的问题。采用基于Kalman预测器的动态感兴趣区域的提取方法，将车道线精确定位在一个可变的感兴趣区域里，同时提出了车辆换道时多车道跟踪的方法。在此基础上，提出了一种快速而鲁棒性高的改进车道边沿特征点提取方法。仿真表明，该车道线特征提取方法具有很好的准确度及抗干扰能力。　　 (4)根据不同汽车主动安全系统的要求，将车道线参数提取分为直线模型提取和曲线模型提取。直线参数提取方面，提出了基于点个数的动态图像大小的Hough变换，在保证直线参数提取效果的基础上，大大提高了参数提取速度。曲线参数提取方面采用了最大后验概率估计车道参数，提出了适合道路图像的似然函数，同时使用微粒群优化方法快速准确地获得车道参数的最优解。　　 (5)在研究现有车道偏离决策的方法的基础上，结合车辆的运行轨迹来估计驾驶员的状态，提出了一种新颖的车道偏离决策方法。首先对不同情况下的告警进行分类，根据潜在危险的级别不同给出不同的告警。通过对历史轨迹中偏离车道次数及偏离程度进行统计，采用BP神经网络来识别车辆历史行驶轨迹是否异常，判断车辆历史行驶轨迹为异常时给出告警。
作者：	于兵
专业：	导航、制导与控制
导师：	张为公
授予学位：	博士
授予学位单位：	东南大学
学位年度：	2009
正文语种：	中文