原文传递
基于机器视觉的行车道路环境感知关键技术研究
| 论文题名： | 基于机器视觉的行车道路环境感知关键技术研究 |
| 关键词： | 机器视觉;车道线检测;车距测量;追尾预警模型;行车道路;环境感知 |
| 摘要： | 基于机器视觉的驾驶辅助系统研究是汽车主动安全系统研究中的一个重要方面，对于减少交通事故、减少人员伤害、提高公路运输能力都有着极为重要的意义。本文从提高驾驶辅助系统性能的角度出发，研究以机器视觉作为感知手段获取道路及本车周围运动车辆信息，以求能够为驾驶辅助系统提供更加全面、及时和准确的行车道路环境信息。论文围绕车道线检测、运动车辆检测与跟踪、车距测量及车辆避撞等问题展开研究，主要研究内容及成果包括： (1)设计了一款基于“DSP+MCU”的嵌入式机器视觉处理平台。针对车载使用环境，提出了电源的抗干扰设计以及便携性的结构设计，研制了以DM642为核心的视觉处理平台。大量试验结果表明该车载视觉信息处理平台能够较好的满足车载环境的使用要求。 (2)提出了摄像机外部参数在线调整的摄像机参数处理方法。虚线车道线角点的连线在世界坐标系是两组平行线，而在图像坐标系中是两组交叉直线，这种对应关系可以写成相应的含有摄像机外部参数方程组形式，通过该方程组的求解，实现对摄像机外部参数的在线获取。 (3)研究了高速公路车道线特征的提取问题。采用基于卡尔曼预测器的动态感兴趣区域的提取方法，将近视野车道线精确定位在一个可变的感兴趣区域里，同时依据近视野车道线检测结果估计远视野车道线感兴趣区。在此基础上，提出了一种基于方向可变Haar特征的方法对近视野车道线边缘特征点进行提取以及一种鲁棒的远视野车道线特征点提取方法。在检测到车道线特征点的基础上采用直线模型和双曲线模型分别对近视野和远视野车道线进行建模。 (4)研究了基于视觉的同车道前方车辆检测和跟踪。在对同车道前方车辆的检测中，首先利用车道线约束，建立前方车辆检测的感兴趣区域，并利用车道线内灰度统计确定前方车辆的可能出现区域。提出了一种基于Haar和HoG特征的级联Adaboost分类器，确定该可能区域是否存在前方运动车辆及其大略位置。利用对称轴和边缘信息获得车辆像素级的精确定位。最后采用一种基于Gabor特征匹配的kalman滤波算法对检测出车辆进行跟踪。 (5)进行了追尾避撞预警研究。在获得的前车图像中的精确位置信息和摄像机的标定结果的基础上，通过图像坐标系和世界坐标系的转换关系计算得出前车至本车的距离。比较和分析了现有追尾预警模型的不足，以安全时间和安全距离共同作为判断本车行车状态安全与否的依据，以模糊理论为基础，建立了一个符合高速公路特性的追尾预警决策模型。 |
| 作者： | 王海 |
| 专业： | 仪器科学与技术；汽车测控技术及工程 |
| 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： | 2012 |
| 正文语种： | 中文 |
检索历史
应用推荐
