資源描述：
《基于機器視覺的道路及車輛檢測技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、中文圖書分類號：TP391密級：公開UDC：621.3學(xué)校代碼：10005碩士學(xué)位論文MASTERALDISSERTATION論文題目：基于機器視覺的道路及車輛檢測技術(shù)研究論文作者：戰(zhàn)宇辰學(xué)科：控制科學(xué)與工程指導(dǎo)教師：段建民教授論文提交日期:2016年6月21日UDC：621.3學(xué)校代碼：10005中文圖書分類號：TP391學(xué)號：S201302112密級：公開北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文題目：基于機器視覺的道路及車輛檢測技術(shù)研究英文題目：STUDYONROADANDVEHICLEDETECTIONBASEDONMACHINEVISION論文作者：戰(zhàn)宇辰學(xué)科專業(yè)：
2、控制科學(xué)與工程研究方向：機器視覺與圖像處理申請學(xué)位：工學(xué)碩士指導(dǎo)教師：段建民教授所在單位：城市交通學(xué)院答辯日期：2016年6月授予學(xué)位單位：北京工業(yè)大學(xué)獨創(chuàng)性聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得北京工業(yè)大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。簽名：戰(zhàn)宇辰日期：2016年6月20日關(guān)于論文使用授權(quán)的說明本人完全了解北京工業(yè)大學(xué)有關(guān)保留、
3、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借閱；學(xué)校可以公布論文的全部或部分內(nèi)容，可以采用影印、縮印或其他復(fù)制手段保存論文。（保密的論文在解密后應(yīng)遵守此規(guī)定）簽名：戰(zhàn)宇辰日期：2016年6月20日導(dǎo)師簽名：段建民日期：2016年6月20日摘要摘要隨著交通系統(tǒng)的發(fā)展以及科技的進(jìn)步，智能交通系統(tǒng)（IntelligentTransportationSystem，簡稱ITS）受到了廣泛關(guān)注并快速發(fā)展。作為智能交通系統(tǒng)至關(guān)重要的一部分以及未來車輛的發(fā)展方向，智能車（IntelligentVehicle，簡稱IV）這個集環(huán)境感知、路徑規(guī)劃和安全駕
4、駛功能于一體的智能系統(tǒng)正在迅速發(fā)展?；跈C器視覺的環(huán)境感知是智能車系統(tǒng)中一個很重要的部分。本文以北京工業(yè)大學(xué)智能電動車BJUT-IV為平臺，基于單目視覺傳感器，對智能車的環(huán)境感知進(jìn)行了研究。重點研究內(nèi)容包括如下四個方面：圖像預(yù)處理、車道線檢測、前方車輛識別、坐標(biāo)變換及狀態(tài)預(yù)警。首先，針對路面環(huán)境特點對智能車車載攝像頭采集的原始圖像進(jìn)行圖像預(yù)處理。針對道路環(huán)境，采用加權(quán)平均法對圖像灰度化處理。對圖像進(jìn)行雙邊濾波降噪，在抑制噪聲的同時盡可能保留物體邊緣信息。對行車環(huán)境中的不同光照情況進(jìn)行分類，根據(jù)不同光照采取不同灰度拉伸方法。其次，針對于多車道的行車環(huán)境提出了一種三
5、車道檢測方法。針對路面環(huán)境提出了基于變內(nèi)核TopHat的車道線分割算法，有效減小了環(huán)境變換對車道線分割的影響。提出了一種利用三車道直線模型對車道線進(jìn)行定位的方法，方法以基于θ軸方向的雙拋物線密度函數(shù)的Hough變換對圖像進(jìn)行直線搜尋，以加權(quán)最小二乘法擬合道路消失點篩選直線，并對直線進(jìn)行聚類，并根據(jù)匹配標(biāo)準(zhǔn)在極坐標(biāo)下與三車道模型進(jìn)行匹配。提出了一種曲線車道線搜索方法，區(qū)分近視景區(qū)與遠(yuǎn)視景區(qū)將車道線與感興趣區(qū)迭代搜索，并在對比了兩種車道線擬合方法后選擇最小二乘法擬合三次曲線模型以確定車道線。在用于車道線保持的Kalman濾波過程中對車道線存在性進(jìn)行濾波，解決了連續(xù)的
6、視頻中車道線閃現(xiàn)的問題。提出了基于隨機投種法的邊側(cè)車道可行駛性判定方法，解決了三車道識別中兩側(cè)車道誤檢測的問題。實驗證明算法檢測率較高并具有較強的環(huán)境適應(yīng)性。而后，提出了基于多特征的車輛識別方法。利用最大類間方差法求取先驗熵閾值，并利用熵單元格在感興趣區(qū)內(nèi)搜索車輛。提出了熵單元格合并規(guī)則以排除路面高圖像復(fù)雜度的小區(qū)域的干擾?；谲嚨谰€等路面標(biāo)志與車輛陰影的灰度差異，利用車輛陰影對基于圖像熵的車輛識別進(jìn)行篩選，優(yōu)化車輛識別效果。應(yīng)用Kalman濾波對車輛位置進(jìn)行預(yù)測，減小識別方法的感興趣區(qū)，提升了算法效率。實驗結(jié)果表明算法識別率較高，能夠適應(yīng)復(fù)雜路面以及光照變化且
7、具有較好的實時性。-I-北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文最后，分析了車載攝像機的成像模型并推導(dǎo)了圖像坐標(biāo)系與智能車車輛坐標(biāo)系間的轉(zhuǎn)換關(guān)系。利用坐標(biāo)變換以及道路檢測結(jié)果對智能車進(jìn)行定位，并根據(jù)位置信息與前方車輛位置計算智能車預(yù)警信息，保障行車安全。為驗證文中算法的性能，設(shè)計并編寫了智能車行車輔助軟件并以BJUT-IV智能車為基礎(chǔ)進(jìn)行實驗。結(jié)果表明，系統(tǒng)達(dá)到預(yù)期目標(biāo)并且具有良好的環(huán)境適應(yīng)性和實時性。關(guān)鍵詞智能車；環(huán)境感知；機器視覺；車道線檢測；車輛識別；行車預(yù)警；-II-AbstractAbstractWiththedevelopmentoftransportation
8、systemandthe
