資源描述：
《基于單目視覺(jué)的車(chē)道和車(chē)輛的檢測(cè)及跟蹤算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要摘要近些年來(lái)，隨著私家車(chē)數(shù)目的增加，車(chē)輛行駛安全越來(lái)越受到人們關(guān)注，成為了車(chē)輛和交通系統(tǒng)發(fā)展的重要課題。對(duì)車(chē)輛行駛狀態(tài)進(jìn)行估計(jì)、對(duì)車(chē)輛前方障礙物進(jìn)行跟蹤研究，不僅有利于更好地保障車(chē)輛的行駛安全，也是未來(lái)車(chē)輛發(fā)展的趨勢(shì)。本文主要研究了基于單目視覺(jué)的車(chē)輛行駛輔助技術(shù)。相比超聲波、激光和雷達(dá)傳感方式來(lái)說(shuō)，視覺(jué)傳感器具有成本低、精度高，并可提供豐富的信息等優(yōu)點(diǎn)，在測(cè)距的同時(shí)可利用圖像中包含的大量信息實(shí)現(xiàn)其它輔助駕駛功能?？墒菙?shù)字視頻中所包含的信息較為間接，從中提取出輔助行駛所需要的關(guān)鍵信息是一件具有挑戰(zhàn)性的工作。本文所研究的車(chē)輛行駛輔助駕駛技術(shù)由車(chē)道和前方車(chē)輛
2、兩部分組成。本文的主要研究?jī)?nèi)容如下：1．在圖像預(yù)處理部分，分析比較了幾種典型的濾波方法，最終采用運(yùn)行速度較快、處理效果較好的中值濾波。針對(duì)車(chē)道方向特征，引入了45。核和135。核的Sobel算子，并結(jié)合大津法提取出車(chē)道邊緣。2．在車(chē)道的檢測(cè)和跟蹤部分，采用圖像局部Hou曲變換初始檢測(cè)出車(chē)道邊界線，并利用實(shí)時(shí)性較好的Kahn鋤濾波技術(shù)對(duì)車(chē)道線進(jìn)行跟蹤，保證系統(tǒng)運(yùn)行的準(zhǔn)確性和實(shí)時(shí)性。3．在車(chē)輛檢測(cè)部分，采用自適應(yīng)雙閾值法得到車(chē)輛底部陰影，并依據(jù)車(chē)道位置劃定車(chē)輛初始檢測(cè)區(qū)域；在初始檢測(cè)區(qū)域中采用形態(tài)學(xué)變換和空穴填充的方法得到完整的車(chē)輛底部陰影區(qū)域，利用車(chē)輛的形狀
3、特征和陰影特征，進(jìn)一步精確定位出車(chē)輛區(qū)域。4．在車(chē)輛跟蹤部分，采用MeanSKR快速算法和KalmaIl預(yù)測(cè)算法相結(jié)合的方法，有效的提高了目標(biāo)跟蹤的實(shí)時(shí)性和穩(wěn)定性。關(guān)鍵詞：濾波；邊緣檢測(cè)；Hou曲算法；車(chē)道；車(chē)輛；檢測(cè)區(qū)域；跟蹤北京_T業(yè)大學(xué)1=學(xué)碩十學(xué)位論文AbstractInrecentyearS，witllnleincreasein也enumberofp打Vatecars，moreaIldmorepeoplepayattentionton．a(chǎn)mcsafetya11dwhichh乏峪becomeⅡleoIleofthemostirnponalltiss
4、ueofthedevelopmentforVelliclesa11d衄1sponsystems．EstimatingVelliclesmoViIlgstate，researcKngand仃ac虹ngb硎erswmchareont11efbntofmeVellicle，tlleyarenotoIllyhelptoprotecttheVelliclesaf．e夠better，butmsonlemturedeVelopmem仃e11dofVellicles．TIlispaper咖diedmesupporting衄VingtecllIlologybaSedonmo
5、nocularVision．Vehicleso￡Compared誦tIlultrasound，laSer鋤dmdarsensormodes，nleVisionsensorislowco甌11i曲precision，鋤dpmVidesabulldantiIlfo衄ation，etc．wIlileitmeaSuringt11edista】∞e，wecanaJsouseValm出lei11fomationcom豳edbytlleimagestoachieVesomeother“VeraSsistancef．unctions．Ho、ⅣeVer，廿ledigital
6、Videocontainsmoreindirecti11fo冊(cè)ation，ex仃；Ktthekeyinfo咖ationtosupport礬I)(ilia巧drivingisachallengingtask．Tllispaperstudiedtllesupponing嘶ViIlgtecllnologyiscomposedof撕opans：tIlel孤Iea11dthe丘．0ntofmeVellicle．TKsarticlemainlyincludesmefollo麗ng：1．IIltllePr印rocessingpan，“sanicleaIlaJysisof
7、seVeraJtypicalfilteringmethods，atla吼itchoicemedianfilteringwhichhaSseVeraladVantages，suchaSf瓠terrullIling，better臼e咖entresult．Fortllefeatllresofl鋤IedirectioIl，wei11trodllceimpr0VedSobeloperator、)l，ith舭45。aIld135ocore，combined謝ttl0tsumethodtoextractDriVeedge．2．111thelalledetectionaI
8、ld仃ackingpan．nusepartlyHoughtrans
