智能车辆中的道路检测和目标检测技术研究

论文摘要

论文以基于机器视觉的道路识别与目标检测为研究对象,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)和距离信息实现了目标的检测与识别。论文首先从汽车和安全的角度出发,概括叙述了汽车的安全性问题,讨论了智能交通系统以及汽车防撞安全系统。同时介绍了智能车辆在国内外的发展情况,从计算机视觉理论出发,介绍了计算机视觉处理技术的主要算法,并阐述了上个世纪80年代以来机器视觉算法的发展状况和实际应用。结合本课题的研究对象,对汽车主动安全系统的研究内容进行了分析。论文从介绍单目视觉系统结构设计入手,分析了系统各个模块的功能,同时介绍了摄像机成像模型,提出了摄像机的标定技术,详细论述了各个参数的标定方法。论文讨论了基于视频处理的道路检测技术。道路检测是本文的重点研究内容,也是整个系统好坏的关键。本文先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,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,并提出了基于样条函数和道路中心的分道线检测新算法,该方法能克服积水、阴影、对比度低等造成特征点不足的影响,同时又能适应各种路面,具有实时性好、可靠性高以及鲁棒性强等特点。论文对该算法详细论述和论证,最后对分道线进行了准确的拟合重建,分道线的准确提取为解决汽车智能辅助驾驶系统的碰撞问题提供有力保证。论文提出了基于单目视觉的目标检测和识别技术,构造了完整的车辆检测方案。目标检测和道路检测一样,也是整个系统的关键部分。本文提出了一种基于车辆底部阴影和轮廓的精确定位算法,并通过公路实验结果证明了本方法的有效性。论文介绍了系统的实验环境(基于DSP TMS320DM642)并对实验结果进行了分析。实验结果表明本文所用算法完全能达到实时性、准确性、鲁棒性和工程实用性的要求。最后论文对课题提出了结论和展望,提出了系统今后的发展方向。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题学术和实用意义及来源
• 1.2 智能车辆与智能交通系统
• 1.3 基于机器视觉的汽车主动安全系统
• 1.3.1 机器视觉介绍
• 1.3.2 机器视觉算法综述
• 1.4 汽车驾驶主动安全系统
• 1.5 课题提出
• 1.6 论文内容安排
• 1.7 本章小结
• 2 单目视觉系统结构设计及摄像机定标
• 2.1 引言
• 2.2 系统结构设计
• 2.2.1 逻辑结构设计
• 2.2.2 系统结构解析
• 2.2.3 系统功能划分
• 2.3 摄像机定标
• 2.3.1 基于被动式视觉传感器的单目图像采集
• 2.3.2 摄像机成像模型
• 2.3.3 摄像机的标定
• 2.4 本章小结
• 3 基于单目视觉的道路分道线识别技术
• 3.1 引言
• 3.2 图像预处理
• 3.2.1 图像滤波
• 3.2.2 图像边缘增强与二值化
• 3.3 道路分道线识别技术综述
• 3.3.1 基于道路特征的整体路面法
• 3.3.2 基于道路模型的算法
• 3.4 基于样条函数和道路中心点的分道线检测算法
• 3.4.1 Catmull-Rom 样条函数
• 3.4.2 基于道路中心点的算法
• 3.4.3 分道线拟合
• 3.5 实验结果及分析
• 3.6 本章小结
• 4 目标检测技术研究
• 4.1 引言
• 4.2 目标检测技术综述
• 4.2.1 基于立体视觉的目标检测算法
• 4.2.2 基于运动的方法
• 4.2.3 基于特征的方法
• 4.3 目标初定位
• 4.4 目标精确定位
• 4.4.1 搜索区域确定
• 4.4.2 Sobel 算子图像边缘检测
• 4.4.3 目标准确定位
• 4.5 本章小结
• 5 系统实验环境及实验结果分析
• 5.1 引言
• 5.2 系统DSP 选型
• 5.3 基于DSP 的视频跟踪处理系统硬件结构
• 5.4 实验结果分析
• 5.5 本章小结
• 6 结论及展望
• 致谢
• 参考文献
• 附录
• A. 车载系统实物图
• B. 作者在攻读学位期间发表的论文目录