论文题目: 基于机器视觉的道路识别与障碍物检测技术研究
论文类型: 硕士论文
论文专业: 控制理论与控制工程
作者: 唐高友
导师: 黄席樾
关键词: 智能车辆,道路识别,视频处理,车辆识别,单目测距
文献来源: 重庆大学
发表年度: 2005
论文摘要: 论文以基于机器视觉的道路识别与障碍物检测为研究对象,采用动态图像处理技术为行驶车辆提供环境状态信息及车辆行驶状态信息。综合利用车辆的当前行驶车道状态(弯道或者直道)和距离信息实现了障碍物的检测与跟踪。论文首先介绍了智能车辆在国内外的发展情况,并介绍了各大公司及研究机构的在智能车辆开发方面的成果和产品。介绍了机器视觉在辅助导航系统、自适应巡航控制系统、自动走停辅助系统、交通信号识别系统和辅助换道系统等智能车辆中的应用。最后介绍了上个世纪80 年代以来机器视觉算法的发展状况。论文讨论了基于视频处理的道路识别技术。综合分析了各种图像预处理技术,并通过实验对比分析,再选用适合课题的预处理算法;然后提出了基于视频处理的逐行最优阈值分割算法,以解决单一阈值对道路图像分割不完全的情况,并根据视频处理特性对逐行最优阈值分割算法作了改进;提出了基于链码思想及边界跟踪的分道线检测技术,以及基于车道透视变换模型的相邻分道线段斜率差的车道二维重建技术;最后集中分析了通过分道线检测技术能为智能车辆提供的信息。实验结果表明该道路识别技术有很好的实时性、可靠性和准确性。论文提出了基于单目视觉的障碍物检测、识别和跟踪技术,构造了完整的车辆检测方案。本文提出了一种基于信息熵理论的障碍物粗定位,并分别针对前方车辆在前方车道内行驶和压线行驶的情况提出了相应的基于边界脉冲信号检测的障碍物左右边界定位算法。提出采用有色噪声的卡尔曼滤波技术进行运动物体跟踪预测,从理论上证明了其准确性,并针对具体问题进行了实际的方程求解。公路实验结果证明了本方法能够准确的定位前方障碍物的下、左和右边界,且能区分破损路面、积水和桥梁阴影等伪障碍物。论文论述了摄像机标定技术和计算机视觉测距的基本方法与典型技术。介绍了摄像机成像模型,提出了摄像机的标定技术。分别对双目和单目测距方法作了原理性的介绍。基于视觉测距原理,在分道线重建和透视投影原理的理论基础上,建立了一种针对高速公路的单目视觉距离测量方法。
论文目录:
中文摘要
ABSTRACT
1 绪论
1.1 智能车辆的发展与现状
1.2 基于机器视觉的智能车辆技术
1.2.1 机器视觉的应用及发展
1.2.2 机器视觉算法
1.3 课题的提出
1.4 论文内容安排
1.5 本章小结
2 基于视频处理的道路识别技术
2.1 道路图像的预处理算法分析
2.1.1 道路图像的滤波
2.1.2 图像边缘提取
2.2 基于视频处理的阈值分割算法
2.2.1 传统的最优阈值分割法与逐行最优阈值分割法
2.2.2 逐行最优阈值分割的改进算法
2.3 分道线检测算法
2.3.1 分道线检测技术算法
2.3.2 基于边界跟踪的分道线检测算法
2.4 分道线的二维重建
2.4.1 道路成像模型
2.4.2 相邻两段分道线的斜率差
2.4.3 车道的二维重建
2.4.4 分道线检测算法的改进
2.5 车道识别提供的信息
2.6 算法实验及结果分析
2.7 本章小结
3 基于单目视觉的障碍物检测技术
3.1 运动目标检测技术综述
3.2 障碍物的初定位
3.3 障碍物的准确定位
3.4 基于卡尔曼滤波的车辆实时跟踪
3.4.1 运动目标跟踪技术
3.4.2 卡尔曼滤波技术
3.4.3 车辆实时跟踪
3.5 本章小结
4 摄像机定标及障碍物距离计算
4.1 摄像机成像模型
4.2 摄像机的标定
4.3 视觉测距技术
4.3.1 视觉测距技术综述
4.3.2 双目测距技术
4.3.3 单目测距算法
4.4 本章小结
5 结论与展望
致谢
参考文献
附:作者在攻读硕士学位期间发表论文及科研成果情况
发布时间: 2005-11-07
参考文献
- [1].基于单目视觉的车辆前方障碍物测距[D]. 李欣.西安建筑科技大学2013
- [2].基于机器视觉的泊车位检测关键技术研究[D]. 马伟.西安理工大学2015
- [3].基于机器视觉的发动机零件智能检测系统[D]. 黎欣.广东工业大学2018
- [4].基于机器视觉的智能车控制系统研究[D]. 陈盛闯.华南理工大学2018
- [5].基于机器视觉的轮毂精加工面质量在线检测装置研制[D]. 唐亚健.沈阳工业大学2018
- [6].基于机器视觉的车轮检测分选系统研究[D]. 乔志敏.东北大学2015
- [7].基于毫米波雷达与机器视觉信息融合的有轨电车障碍物检测[D]. 翟光耀.苏州大学2018
- [8].汽车车门自动上料系统的设计与开发研究[D]. 卢艺.华北电力大学2018
- [9].机器视觉设备焊点质量检测关键技术研究[D]. 汲彦军.湖南大学2017
- [10].基于机器视觉的端子高低针检测系统研究[D]. 王彦朝.黑龙江大学2018
相关论文
- [1].智能车辆中的道路检测与识别[D]. 张伟.重庆大学2006
- [2].基于视觉的道路识别技术在智能小车导航中的应用研究[D]. 王忠.东南大学2006
- [3].智能车辆视觉导航中道路与行人检测技术的研究[D]. 郝宝青.哈尔滨工业大学2006
- [4].智能车辆视觉导航中运动车辆的检测[D]. 孟雪玲.厦门大学2006
- [5].基于视觉的户外自主导航车辆的道路识别研究[D]. 张俊.西安理工大学2007
- [6].基于单目视觉的障碍物检测与三维重建[D]. 王贻术.浙江大学2007
- [7].基于机器视觉道路识别技术的研究[D]. 丁俊进.武汉理工大学2007
- [8].未知环境中基于视觉的移动机器人障碍物检测研究[D]. 胡华梅.中南大学2007
- [9].基于DSP及机器视觉的道路识别与障碍物检测[D]. 谢毅.重庆大学2007
- [10].智能车辆视觉导航中道路检测算法的研究[D]. 刘化胜.南京航空航天大学2004