基于DSP的智能交通车辆动态图像识别
发布时间：2020-06-19 10:33
【摘要】：智能交通是未来交通系统的发展方向,先进的车辆控制系统是智能交通中的重要组成部分。基于数字图像处理、机器视觉和机器学习的智能控制技术在先进的车辆控制系统中具有关键的作用。自动驾驶是智能交通的必然产物,而机器视觉感知技术是自动驾驶中的“眼睛”,它能够通过对无人驾驶车辆(无人车)所在的路面车辆动态图像进行智能识别以实现安全驾驶。本文主要研究高速结构路面下无人驾驶车辆所在路面的车辆动态图像的智能识别技术,包括车道检测、车辆检测与跟踪、车道偏离检测与车距安全检测等。对于多车道检测,根据路面与分道线灰度级相差较大的特点来实现车道路面的分割,接着结合直线方程和Catmull-Rom Spline插值算法来拟合分道线。对于单车道检测,首先基于HSV颜色空间和Sobel边缘提取方法对单车道进行有效分割,接着在透视变换空间中提取分道线坐标点并用二次多项式拟合分道线。针对车辆检测,首先使用Hog+Gentle-Adaboost分类算法实现无人车前方路面车辆的检测,接着基于车底阴影的特征对车底阴影进行检测以验证学习算法检测到的车辆区域的真伪性。针对车辆跟踪,采用动态二阶自回归模型的方法预测车辆的状态。其中,对于粒子滤波固有的粒子退化问题,本文创新性地引入Thompson_Taylor算法改善了粒子退化和低多样性的缺陷。所应用的车距检测模型,不但能够检测出前方车辆与无人车的距离,还能计算出前方车辆相对于摄像机光轴的偏转角度。在CCP(The Car's Current Position)偏离检测算法的基础上,本文实现了检测无人车偏离车道的计算,其中,能够设定无人车在车道上的安全区和警报区来实现车道偏离的及时报警。车辆动态图像识别中的所有算法均引用Opencv视觉库进行仿真与分析,并且将算法移植到嵌入式平台DSP-DM3730上测试。实验表明,算法能有效解决车道的智能检测、车辆的智能检测与跟踪以及无人车的车道偏离的智能检测与前向防撞的智能检测等问题。
【学位授予单位】：福建师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;U495
【图文】：
图２自动化汽车产业比例图逦图３软件行业占据市场份额逡逑Ｆｉｇ邋２邋Ａｕｔｏｍａｔｉｃ邋ａｕｔｏｍｏｂｉｌｅ邋ｉｎｄｕｓｔｒｙ邋ｓｃａｌｅ逦Ｆｉｇ邋３邋Ｔｈｅ邋ｓｏｆｔｗａｒｅ邋ｉｎｄｕｓｔｒｙ邋ｔａｋｅｓ邋ｍａｒｋｅｔ邋ｓｈａｒｅ逡逑究所都在大力研发自动驾驶技术。自动驾驶汽车的构成除了最原始的驾驶体系，还逡逑增加了相应的车载传感器使汽车的构成除了最原始的驾驶体系，还增加了相应的车逡逑载传感器，主要包括激光发射器、雷达、摄像头、ＧＰＳ／ＩＭＵ、核心处理器［３］Ｗ。激光逡逑发射器主要通过获取极短的发射与接收激光速时间差来计算出物体与无人车的距逡逑离；车载雷达可以准确得到汽车运行的相对速度；车载摄像头可以确定自己的位置，逡逑识别前方障碍物，辨识道路上的信号灯和信号标识，保证自身运行遵循交通规则。逡逑如对障碍物的识别，摄像头可以很容易通过机器学习、深度学习把障碍物进行细致逡逑分类，感知和识别周围环境，并且得到各种对车辆的有用信息。ＧＰＳ／ＭＵ系统通过逡逑发射高达２００Ｈｚ的信号帮助无人车完成自我定位。核心处理器是无人驾驶的核心，逡逑主要用来整合激光发射器、雷达、ＧＰＳ／ＩＭＵ和摄像头的数据绘制出３Ｄ路况图，使逡逑汽车做出相应的决策。整合车载传感器的所有采集数据并输入核心处理器集中分析，逡逑便成了智能辅助驾驶系统（Ａｄｖａｎｃｅｄ邋Ｄｒｉｖｅｒ邋Ａｓｓｉｓｔａｎｃｅ邋Ｓｙｓｔｅｍｓ，ＡＤＡＳ），实质上是利用逡逑
，李彦宏提出了加快制定自动驾驶车辆政策法规的提案。逡逑摄像机是无人车的“眼睛”，相比于雷达、激光、ＧＰＳ和超声波等设备，其成本低，逡逑安装维护方便，感应范围广和具有能灵活获取多种环境参的优点，一直受国内外研逡逑宄学者的关注。基于计算机视觉感知技术一直受复杂的行车环境、光照变化等因素逡逑的影响，且道路分道线的模糊与不同程度的弯曲，给车道检测带来相应的难度，还逡逑有路面上以车辆为主的障碍物因速度不同导致成像后发生不同程度的姿态变化和尺逡逑度变化，同样给车辆识别增加难度。基于图像处理技术的机器视觉无人车技术现在逡逑正处于发展阶段且尚未完善，尽管现阶段对无人车环境识别问题有一定的研究，但逡逑是只能针对一定环境下的处理，因此有待改进和深入研宄该领域的相关问题。逡逑本文主要是对无人驾驶中的视频摄像机图像进行研[偅康氖抢蒙阆窕袢″义铣盗韭访娴亩枷窬模樱锌焖俅恚缘缆非胺匠盗炯觳夂透伲袢〕盗局芪у义匣肪车穆房霾问ǔ档兰觳庥氤盗炯觳馇榭觥⑽奕顺档钠浇恰⑽奕顺涤肭胺藉义铣盗揪嗬氲鹊刃畔⒌奶崛。袢〉穆房鍪萘骺捎糜谖奕思菔坏牟倏刂校繁Ｎ奕隋义铣蛋踩诵小ｅ义
本文编号：2720674
【学位授予单位】：福建师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;U495
【图文】：
图２自动化汽车产业比例图逦图３软件行业占据市场份额逡逑Ｆｉｇ邋２邋Ａｕｔｏｍａｔｉｃ邋ａｕｔｏｍｏｂｉｌｅ邋ｉｎｄｕｓｔｒｙ邋ｓｃａｌｅ逦Ｆｉｇ邋３邋Ｔｈｅ邋ｓｏｆｔｗａｒｅ邋ｉｎｄｕｓｔｒｙ邋ｔａｋｅｓ邋ｍａｒｋｅｔ邋ｓｈａｒｅ逡逑究所都在大力研发自动驾驶技术。自动驾驶汽车的构成除了最原始的驾驶体系，还逡逑增加了相应的车载传感器使汽车的构成除了最原始的驾驶体系，还增加了相应的车逡逑载传感器，主要包括激光发射器、雷达、摄像头、ＧＰＳ／ＩＭＵ、核心处理器［３］Ｗ。激光逡逑发射器主要通过获取极短的发射与接收激光速时间差来计算出物体与无人车的距逡逑离；车载雷达可以准确得到汽车运行的相对速度；车载摄像头可以确定自己的位置，逡逑识别前方障碍物，辨识道路上的信号灯和信号标识，保证自身运行遵循交通规则。逡逑如对障碍物的识别，摄像头可以很容易通过机器学习、深度学习把障碍物进行细致逡逑分类，感知和识别周围环境，并且得到各种对车辆的有用信息。ＧＰＳ／ＭＵ系统通过逡逑发射高达２００Ｈｚ的信号帮助无人车完成自我定位。核心处理器是无人驾驶的核心，逡逑主要用来整合激光发射器、雷达、ＧＰＳ／ＩＭＵ和摄像头的数据绘制出３Ｄ路况图，使逡逑汽车做出相应的决策。整合车载传感器的所有采集数据并输入核心处理器集中分析，逡逑便成了智能辅助驾驶系统（Ａｄｖａｎｃｅｄ邋Ｄｒｉｖｅｒ邋Ａｓｓｉｓｔａｎｃｅ邋Ｓｙｓｔｅｍｓ，ＡＤＡＳ），实质上是利用逡逑
，李彦宏提出了加快制定自动驾驶车辆政策法规的提案。逡逑摄像机是无人车的“眼睛”，相比于雷达、激光、ＧＰＳ和超声波等设备，其成本低，逡逑安装维护方便，感应范围广和具有能灵活获取多种环境参的优点，一直受国内外研逡逑宄学者的关注。基于计算机视觉感知技术一直受复杂的行车环境、光照变化等因素逡逑的影响，且道路分道线的模糊与不同程度的弯曲，给车道检测带来相应的难度，还逡逑有路面上以车辆为主的障碍物因速度不同导致成像后发生不同程度的姿态变化和尺逡逑度变化，同样给车辆识别增加难度。基于图像处理技术的机器视觉无人车技术现在逡逑正处于发展阶段且尚未完善，尽管现阶段对无人车环境识别问题有一定的研究，但逡逑是只能针对一定环境下的处理，因此有待改进和深入研宄该领域的相关问题。逡逑本文主要是对无人驾驶中的视频摄像机图像进行研[偅康氖抢蒙阆窕袢″义铣盗韭访娴亩枷窬模樱锌焖俅恚缘缆非胺匠盗炯觳夂透伲袢〕盗局芪у义匣肪车穆房霾问ǔ档兰觳庥氤盗炯觳馇榭觥⑽奕顺档钠浇恰⑽奕顺涤肭胺藉义铣盗揪嗬氲鹊刃畔⒌奶崛。袢〉穆房鍪萘骺捎糜谖奕思菔坏牟倏刂校繁Ｎ奕隋义铣蛋踩诵小ｅ义
本文编号：2720674
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2720674.html
