智能驾驶视觉辅助技术的研究

论文摘要

运动车辆的检测与跟踪以及车道线的检测是能交通系统(Intelligent traffic system, ITS)的重要组成部分。随着城市的发展,交通拥挤和堵塞现象越来越严重,驾驶员的疲劳驾驶也成为一个影响交通安全的重要因素。本文将计算机视觉技术运用于车辆检测与跟踪,并结合车道线,边界线的检测来实现智能交通系统的信息采集功能以及智能驾驶视觉辅助技术的研究。本课题是智能交通系统的一个重要子课题,具有广阔的应用前景,其后续也有很多具有价值的方向。本文分为两个模块,前景当中运动车辆的检测与跟踪模块,背景当中车道线检测模块。第一个模块是针对固定和动态背景情况下的运动目标的检测与跟踪,主要目标是获取运动目标的运动参数,实现运动目标的实时跟踪。本文主要运用运动光流法,通过光流法可以很好的区分运动目标和静态或是动态背景,它精确率高,可以直接获取运动目标的各项参数,为智能交通系统提供参考数据。在运动车辆检测与跟踪方面,首先介绍了几种常用的车辆目标检测算法及其各自优缺点。然后着重介绍基于光流法的运动车辆检测中区域光流的计算及局部特征光流的计算,针对这些特征采用了光流的聚类与分割,得到车辆目标区域。在车辆跟踪部分,介绍了常用的运动目跟踪方法,在光流法跟踪部分,根据先验车辆知识剔除虚假的目标,得到准确真实的跟踪目标,实时更新背景与跟踪对象。在车道线预测方面,介绍了常用的道路标准模型,根据实际道路情况提取道路边界及道路标志线的特点,运用概率霍夫变换提取道路标准直线或曲线,结合最小二乘法进行拟合,得到本路段道路线情况。本文针对实时拍摄的视频图像进行处理。实验结果证明本文方法能够准确检测不同运动目标并对其进行跟踪,对车道线实现很好的检测与跟踪,实现了预期目标。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文研究背景及意义
• 1.2 辅助驾驶计算机视觉技术的发展现状
• 1.3 光流法引入智能交通系统研究
• 1.4 论文的主要研究工作
• 第二章 光流技术
• 2.1 光流技术的研究情况
• 2.2 光流技术的研究方向
• 2.3 光流基本方程
• 2.4 常见的光流约束技术
• 2.4.1 Horn-Schunck全局平滑约束技术
• 2.4.2 Lucas-Kanade局部平滑约束技术
• 2.4.3 Nagel有向平滑约束技术
• 2.4.4 块匹配法
• 2.5 光流技术的难点
• 2.6 本章小结
• 第三章 运动车辆检测与跟踪
• 3.1 运动目标检测与跟踪方法概述
• 3.1.1 常用检测方法
• 3.1.2 常用跟踪方法
• 3.2 基于光流法的运动车辆检测
• 3.2.1 光流运动场与运动内极限约束
• 3.2.2 基于光流的特征点的选取
• 3.2.3 特征点中的梯度算子
• 3.2.4 构建光流金字塔模型
• 3.2.5 局部特征光流的计算
• 3.2.6 光流矢量方向的归一化处理
• 3.2.7 特征光流的聚类分割
• 3.3 基于光流特征点的运动车辆跟踪
• 3.3.1 平移模型下的最优估计的点匹配
• 3.3.2 跟踪原理
• 3.3.3 去除阴影
• 3.3.4 去除虚假目标
• 3.3.5 固定背景下的跟踪结果
• 3.3.6 动态背景下的跟踪结果
• 3.4 本章小结
• 第四章 道路边界线及车道线检测与跟踪
• 4.1 常用的车道线检测算法概述
• 4.1.1 基于边缘的分道线检测
• 4.1.2 基于逆投影变换的车道线检测
• 4.1.3 基于分水岭的分道线检测
• 4.1.4 基于神经网络和K均值道路线检测法
• 4.2 建立结构化道路模型
• 4.3 提取道路边界及车道标志线的特征点
• 4.4 概率霍夫变换原理
• 4.5 最小二乘拟合
• 4.6 实验结果
• 4.7 本章小结
• 第五章 总结与展望
• 5.1 全文总结
• 5.2 工作展望
• 致谢
• 参考文献
• 附录A 攻读硕士学位期间取得的学术成果
• 附录B 主要程序函数介绍