道路交通环境检测及其信息融合技术

发布时间：2017-09-08 21:03

  本文关键词：道路交通环境检测及其信息融合技术

  更多相关文章： 环境感知 智能电动车 实车实验 有限状态机模型

【摘要】：智能车辆交通环境感知系统由交通环境和传感器软硬件组成,交通环境和传感器之间的交互关系严重影响到交通参与者的安全。本文基于已知交通环境主要特征,设计相应检测和识别算法,设计逻辑检测和逻辑识别算法,通过实车实验,对设计的算法进行验证,对信息融合算法进行研究,然后建立智能车辆有限状态机模型。通过理论分析和实车观察,根据驾驶员关注的交通环境特征,研究了智能车辆交通环境感知系统的特征和主要影响因素,得到需要检测和识别的环境主要特征,包括车道线的直线和角度特征,斑马线的矩形、角度、条纹特征,前方车辆的矩形、对称特征,交通信号灯的长宽比、颜色、位置等特征。设计了车道线检测、斑马线检测、前方车辆识别和交通信号灯识别等算法,研究并实施实车实验方案,验证了算法的实时性和准确性;根据实车实验中获取的环境特征,分析了特征之间的相互关系,总结出逻辑检测和智能识别的方法;得出了特征级信息融合的基本规则,得到了交通环境信息融合数据;根据实车实验和信息融合的结果,建立智能车辆的有限状态机模型。
【关键词】：环境感知 智能电动车 实车实验 有限状态机模型
【学位授予单位】：青岛理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 摘要9-10
• Abstract10-11
• 第1章 绪论11-21
• 1.1 研究的目的和意义11-12
• 1.2 国内外研究现状12-18
• 1.2.1 国外研究现状12-15
• 1.2.2 国内研究现状15-18
• 1.2.3 研究现状综合分析18
• 1.3 本文主要研究内容18-20
• 1.4 本章小结20-21
• 第2章 交通环境感知系统分析21-29
• 2.1 交通环境感知系统构成及特征21-24
• 2.1.1 交通环境特征22
• 2.1.2 车辆构成及特征22-23
• 2.1.3 视觉传感器特征23-24
• 2.2 交通环境感知系统特性24-26
• 2.2.1 图像信息检测和识别特性24-25
• 2.2.2 智能车辆控制特性25-26
• 2.2.3 智能车辆运行特性26
• 2.3 环境感知系统影响因素分析26-28
• 2.4 本章小结28-29
• 第3章 道路线型特征检测29-39
• 3.1 逻辑检测车道线和斑马线29-30
• 3.1.1 车道线和斑马线特征29-30
• 3.1.2 逻辑检测方法30
• 3.2 车道线检测30-36
• 3.2.1 图像预处理30-32
• 3.2.2 改进Hough变换检测车道线32-36
• 3.3 斑马线检测36-38
• 3.3.1 图像预处理37
• 3.3.2 斑马线检测判定37-38
• 3.4 本章小结38-39
• 第4章 前方车辆和交通信号灯识别策略分析39-50
• 4.1 智能识别前方车辆及交通信号灯39-40
• 4.1.1 前方车辆和交通信号灯特点39
• 4.1.2 智能识别的具体方法39-40
• 4.2 前方车辆识别40-45
• 4.2.1 样本采集与训练40-41
• 4.2.2 车辆识别效果41-42
• 4.2.3 前方车辆尾灯识别42-45
• 4.3 交通信号灯识别45-49
• 4.3.1 交通信号灯区域分割45-47
• 4.3.2 交通信号灯颜色识别47-49
• 4.4 本章小结49-50
• 第5章 双摄像机检测信息融合50-57
• 5.1 信息融合技术分析50-51
• 5.1.1 信息融合特点50
• 5.1.2 信息融合系统的应用50-51
• 5.2 信息融合策略分析51-53
• 5.2.1 融合方法对比51-52
• 5.2.2 信息融合规则52-53
• 5.2.3 模糊决策融合方法53
• 5.3 建立有限状态机模型53-56
• 5.3.1 有限状态机基本思想53-54
• 5.3.2 有限状态机模型54-56
• 5.4 本章小结56-57
• 第6章 实验装置配置与实车实验57-69
• 6.1 实验背景57
• 6.2 实验装置组成57-61
• 6.2.1 实验装置硬件组成57-60
• 6.2.2 试验软件系统设计60-61
• 6.3 实车道路试验61-68
• 6.3.1 实验方案61-62
• 6.3.2 实验结果与分析62-68
• 6.4 本章小结68-69
• 第7章 结论与展望69-71
• 7.1 结论69
• 7.2 论文创新性69-70
• 7.3 研究展望70-71
• 参考文献71-75
• 攻读硕士学位期间发表的学术论文及科研工作75-76
• 致谢76

【相似文献】

中国期刊全文数据库 前10条

1 田炳香;郑榜贵;吴晴;;高速公路车道线检测与跟踪算法研究[J];现代电子技术;2008年09期

2 郭磊;李克强;王建强;连小珉;;应用方向可调滤波器的车道线识别方法[J];机械工程学报;2008年08期

3 余厚云;张为公;;直线模型下的车道线跟踪与车道偏离检测[J];自动化仪表;2009年11期

4 余厚云;张为公;;基于动态感兴趣区域的车道线识别与跟踪[J];工业仪表与自动化装置;2009年05期

5 刘富强;张姗姗;朱文红;李志鹏;;一种基于视觉的车道线检测与跟踪算法[J];同济大学学报(自然科学版);2010年02期

6 高德芝;段建民;杨磊;杨喜宁;;应用多阶动态规划的车道线识别方法[J];机械工程学报;2011年08期

7 徐后杰;李会方;缪国锋;;基于单目视觉的车道线分离警告算法研究[J];微处理机;2011年03期

8 刘振超;孔斌;王俊;黄俊杰;;水平亮度微分在车道线检测中的使用[J];仪表技术;2012年07期

9 高志峰;汪渤;周志强;徐方芳;;一种鲁棒的非平坦路面车道线检测算法[J];北京理工大学学报;2013年01期

10 柴灿;郎朗;;嵌入式实时车道线偏移快速侦测算法及系统实现[J];新余学院学报;2014年04期

中国重要会议论文全文数据库 前8条

1 毕雁冰;;提高车道线识别精度的一种方法[A];第三届中国CAE工程分析技术年会论文集[C];2007年

2 杨广林;苗冬霜;;结构化道路车道线检测与跟踪算法[A];2005年全国理论计算机科学学术年会论文集[C];2005年

3 刘晓龙;邓志东;;基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

4 张洁颖;王生进;丁晓青;;基于车辆轨迹的车道线检测与划分[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

5 余贵珍;李芹;王迪;;车辆智能化车道线跟踪方法研究[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 李钢;圣华;张仁斌;;基于LMedSquare选取最佳子集的车道线检测算法[A];2009全国虚拟仪器大会论文集（二）[C];2009年

7 刘天辉;李飞;;车辆视觉导航中道路检测算法研究[A];第十一届沈阳科学学术年会暨中国汽车产业集聚区发展与合作论坛论文集（信息科学与工程技术分册）[C];2014年

8 孙晓军;李华;;基于Facet模型的一种车道线提取方法[A];第八届中国智能交通年会论文集[C];2013年

中国博士学位论文全文数据库 前7条

1 杜明芳;基于视觉的自主车道路环境理解技术研究[D];北京理工大学;2015年

2 王俊;无人驾驶车辆环境感知系统关键技术研究[D];中国科学技术大学;2016年

3 穆柯楠;基于车—路视觉协同的行车环境感知方法研究[D];长安大学;2016年

4 王超;面向智能车辆的单目视觉行车安全信息检测与识别方法研究[D];南京理工大学;2016年

5 陈军;基于DSP的高速公路车道偏离报警系统研究[D];天津大学;2010年

6 沈\，

本文编号：816300