基于图像传感器的倒车环境下障碍物识别技术研究

论文摘要

泊车辅助系统是未来汽车发展的必然趋势，对其中的关键技术---障碍物检测进行研究具有深远意义。泊车辅助系统能够给驾驶员的倒车操作带来极大的便利并提高行人和车辆的安全性。目前基于超声波检测原理的泊车辅助系统已经成为主流产品，但是由于超声波传感器具有先天的检测盲区，已经越来越不能满足现代复杂的路面情况的需求。本论文在对主流的泊车辅助系统进行研究后引入了机器视觉原理辅助检测的新方法，对传统的超声波泊车辅助系统存在的检测盲区（网状障碍物和低矮障碍物）及障碍物识别技术进行了研究。本论文的工作重点及创新成果包括：（1）网状障碍物检测方法研究对网状障碍物的“线条轮廓”图像特征进行了研究，以在动态背景下识别网状障碍物为主要目的，对摄像机采集的图像信号进行处理。为达到检测目的，首先使用几个经典边缘提取算子对图像数据进行分析和选择。在对图像进行边缘提取和形态学滤波后，对二值化图像进行Blob分析，获取色块的参数信息和位置信息。依据这些信息，通过阈值判定网状障碍物，并在人机界面上对驾驶员进行警报提醒。（2）低矮障碍物检测算法研究对低矮障碍物含有“高度”信息的图像特征进行了研究。针对传统双目视觉检测方法实时性和抗干扰能力差的特点，提出了一种基于上下双目视觉的检测方法。该算法通过对障碍物顶部棱线的投影分离情况进行检测，达到了理想的检测效果。首先对图像进行灰度化处理，并利用图像差影法提取棱线投影分离的色块。对图像进行灰度增强和形态学滤波后，用Blob分析提取了障碍物顶部棱线的投影色块并根据阈值判断是否对驾驶员进行报警提示。该检测算法与传统平行双目视觉检测算法相比具有实时性高，鲁棒性好，显示效果直观等特点。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题的研究背景
• 1.2 课题的国内外研究现状
• 1.2.1 泊车辅助系统涉及的关键技术
• 1.2.2 障碍物识别算法研究现状
• 1.3 课题研究的目的和意义
• 1.4 本论文的主要任务
• 第二章 机器视觉的基础理论
• 2.1 机器视觉理论概述
• 2.2 双目视觉原理介绍
• 2.2.1 人体双目视觉概述
• 2.2.2 双目立体视觉概述
• 第三章 基于单目视觉的网状障碍物检测方法研究
• 3.1 概述
• 3.2 网状障碍物检测系统总体设计
• 3.2.1 网状障碍物监测系统基本功能和基本性能指标
• 3.2.2 网状障碍物检测算法流程
• 3.2.3 网状障碍物监测系统硬件选型
• 3.3 视频图像预处理
• 3.3.1 网状障碍物边缘提取
• 3.3.2 边缘提取算子原理概述
• 3.3.3 边缘提取算子实验结果对比
• 3.4 形态学滤波
• 3.4.1 形态学滤波原理
• 3.4.2 形态学滤波方案
• 3.5 Blob 分析
• 3.6 报警模块设计
• 3.7 Simulink 仿真实验结果分析
• 3.8 小结
• 第四章 基于上下双目视觉的低矮障碍物检测方法研究
• 4.1 概述
• 4.2 上下双目视觉低矮障碍物检测系统基本功能和基本性能指标
• 4.3 上下双目视觉低矮障碍物检测系统硬件选型
• 4.4 低矮障碍物户外检测实验环境参数
• 4.5 双目摄像机标定
• 4.5.1 摄像机标定原理
• 4.5.2 上下双目摄像机标定原理
• 4.5.3 上下双目摄像机标定实验
• 4.5.4 平行光轴上下双目摄像头标定结果
• 4.5.5 非平行光轴上下双目摄像头标定结果
• 4.6 传统平行光轴低矮障碍物检测
• 4.6.1 立体匹配
• 4.6.2 视差图
• 4.7 非平行光轴上下双目视觉低矮障碍物检测
• 4.7.1 非平行上下双目视觉原理概述
• 4.7.2 非平行双目低矮障碍物检测原理
• 4.7.3 非平行双目立体视觉低矮障碍物检测流程
• 4.7.4 图像灰度化
• 4.7.5 图像差影法
• 4.7.6 灰度增强处理
• 4.7.7 形态学滤波
• 4.7.8 Blob 分析与报警系统设计
• 4.7.9 实验结果和分析
• 4.8 小结
• 第五章 总结与展望
• 5.1 论文工作总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的学术论文及取得的相关科研成果
• 致谢