智能车辆结构化道路目标检测与跟踪

发布时间：2017-10-22 04:07

  本文关键词：智能车辆结构化道路目标检测与跟踪

  更多相关文章： 智能车辆 车辆检测 车辆跟踪 多特征融合 卡尔曼滤波

【摘要】：近年来,由于公民汽车保有量的不断增加和公路交通事业的不断发展,我国的道路交通安全问题日益突出。随着国内外无人驾驶技术的发展,智能车辆的出现为大幅提高汽车驾驶安全性,改善道路交通效率,降低能源消耗提供了可能。而作为智能车辆环境感知部分的重要环节,目标检测与跟踪也成为了研究的热点之一,其目的是通过检测智能车辆前方道路上的车辆,为智能车辆寻找可通行的区域并且有效的避免车辆的碰撞事故。本文对车辆检测和车辆跟踪方法进行了深入研究,有效的实现了白天结构化道路上前方车辆的检测和跟踪。本文的主要研究工作包括:1、提出了一种改进的分窗口自适应阈值二值化方法,提取车道线并建立路面检测区域。该方法首先根据摄像头的投影关系将整幅图像分割成若干个大小不同的矩形窗口,在每个矩形窗口内分别进行最大类间方差法的图像二值化。然后通过矩形窗口的对比度衡量窗口的复杂程度,将含有车道线的窗口有效的提取出来,进而建立路面检测区域。这种方法能够有效的避免道路阴影、污迹、积水等对车道线提取的干扰,而且窗口近大远小的特点与道路图像中主要景物的变形规律相符合,有效的减少了不理想结果的产生。2、提出了一种基于多特征融合的车辆检测方法。首先依据车辆底部阴影与路面检测区域灰度值及梯度值的分布差异来检测车底阴影,并根据检测到的阴影生成假设车辆。然后利用计算分形维数的方法提取纹理特征,使用边缘模板对车辆四个边缘进行匹配来获取车辆的形状特征,应用车辆垂直边缘投影的对称性测度得到车辆的对称性特征。最后采用基于方差测度的几何性判据,建立一个融合车辆纹理特征、形状特征和垂直边缘对称性特征的车辆判决式,来验证生成的假设车辆。这种方法在不同的光照和路况条件下都具有良好的适应性,平均检测率为95.7%,平均误检率为2.5%,平均漏检率为1.8%,每帧检测时间平均为47ms。3、研究了基于卡尔曼滤波的车辆跟踪方法。首先以车辆的位置和宽高尺度作为跟踪分量,使用卡尔曼滤波进行跟踪预测,在预测产生的区域中利用车辆的四个边缘和车底阴影完成目标的重定位,实现观测向量的更新。然后基于归一化转动惯量和信息熵值对车辆进行两级判定,实现对车辆跟踪的验证。结果表明跟踪算法可以对路面检测区域120m范围内的车辆目标保持跟踪,每个目标的平均跟踪帧数在300帧以上。
【关键词】：智能车辆 车辆检测 车辆跟踪 多特征融合 卡尔曼滤波
【学位授予单位】：沈阳建筑大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6;TP391.41
【目录】：

• 摘要4-5
• Abstract5-11
• 第一章 绪论11-19
• 1.1 课题研究的目的和意义11-12
• 1.2 国内外同类课题研究现状及发展趋势12-16
• 1.2.1 智能车辆的研究进展12-14
• 1.2.2 基于视觉的车辆检测与跟踪技术研究进展14-16
• 1.3 本文的研究内容及论文结构16-19
• 1.3.1 研究内容16-17
• 1.3.2 论文结构17-19
• 第二章 结构化道路图像预处理技术19-27
• 2.1 有效区域的选取19-20
• 2.2 图像灰度化20-21
• 2.3 图像平滑去噪21-24
• 2.3.1 领域平均法21-22
• 2.3.2 中值滤波22-23
• 2.3.3 高斯滤波23-24
• 2.3.4 实验结果对比24
• 2.4 本章小结24-27
• 第三章 建立路面检测区域27-35
• 3.1 自适应阈值二值化方法27-29
• 3.1.1 图像分割的常用方法27
• 3.1.2 基于最大类间方差法的图像分割27-29
• 3.2 分窗口的自适应阈值二值化方法29-30
• 3.3 改进的分窗口划分方法30-31
• 3.4 建立路面检测区域31-34
• 3.4.1 筛选车道线31-33
• 3.4.2 建立路面检测区域33-34
• 3.5 本章小结34-35
• 第四章 基于多特征融合的车辆检测方法35-55
• 4.1 生成假设车辆35-42
• 4.1.1 确定车辆阴影区域阈值36-38
• 4.1.2 生成车辆阴影候选区域38-39
• 4.1.3 聚类车辆阴影候选区域39-40
• 4.1.4 剔除路面投射阴影40-41
• 4.1.5 基于车辆阴影生成假设车辆41-42
• 4.2 验证假设车辆42-51
• 4.2.1 车辆多特征分析42-44
• 4.2.2 车辆多特征信息提取44-48
• 4.2.3 车辆多特征信息融合判定48-51
• 4.3 车辆检测实验结果及分析51-53
• 4.4 本章小结53-55
• 第五章 基于卡尔曼滤波的车辆跟踪方法55-65
• 5.1 卡尔曼滤波原理55-56
• 5.2 基于卡尔曼滤波的车辆跟踪56-61
• 5.2.1 车辆跟踪模型56-58
• 5.2.2 车辆跟踪的实现58-61
• 5.3 车辆跟踪试验结果及分析61-64
• 5.4 本章小结64-65
• 第六章 结论65-67
• 6.1 工作总结65
• 6.2 研究展望65-67
• 参考文献67-71
• 作者简介71
• 作者在攻读硕士学位期间发表的学术论文71-73
• 致谢73-74

【相似文献】

中国期刊全文数据库 前10条

1 徐友春,王荣本,李兵,李斌;世界智能车辆近况综述[J];汽车工程;2001年05期

2 郭烈,王荣本,顾柏园,余天洪;世界智能车辆行人检测技术综述[J];公路交通科技;2005年11期

3 李旭;张为公;;智能车辆导航技术的研究进展[J];机器人技术与应用;2007年04期

4 程钊;万齐齐;唐旋来;刘广林;彭刚;黄心汉;王永骥;;智能车道路识别及控制研究[J];伺服控制;2007年06期

5 刘运哲;智能车辆公路系统评价体系[J];国外公路;1997年02期

6 刘东民;智能车辆的开发目标及方向[J];陕西汽车;1999年02期

7 熊升华;赵海良;;基于矩形安全邻域的智能车移动仿真研究[J];计算机应用研究;2013年12期

8 潘明;汪镭;康琦;吴启迪;;基于电磁信号导航的智能车系统设计与开发[J];中国科技论文;2014年04期

9 王荣本,李兵,施树明,李斌;世界智能车辆研究概述[J];公路交通科技;2001年05期

10 党宏社,韩崇昭,段战胜;智能车辆系统发展及其关键技术概述[J];公路交通科技;2002年06期

中国重要会议论文全文数据库 前6条

1 张祖锋;徐友春;张鹏;朱增辉;;缩微智能车的环境感知与控制决策算法研究[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

2 汪铁民;;智能车辆的若干问题[A];四川省第九届（2009年）汽车学术交流年会论文集[C];2009年

3 黄鸿;吕晓华;任雪梅;;基于SPCE061A的智能车模语音控制系统[A];国产科学仪器应用、创新和产业化学术研讨会论文集（二）[C];2007年

4 张国伍;钱大琳;;中国智能交通发展战略构想[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年

5 王立琦;杜茂;;基于激光扫描仪的智能车前方障碍物检测[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年

6 孙怀江;;ALVINN及其扩展[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

中国重要报纸全文数据库 前4条

1 记者 刘莉;“中国智能车未来挑战赛”西安开战[N];科技日报;2010年

2 陈海霞　颜士秀 小莉;常州“智能车”全国夺冠[N];常州日报;2010年

3 记者张兆军;两种智能车 无人可驾驶[N];科技日报;2003年

4 记者 孙春艳;“科博会”在京开幕[N];吉林日报;2003年

中国博士学位论文全文数据库 前10条

1 钱臻;基于组合定位技术的多智能车辆合作编队仿真技术研究[D];东北林业大学;2012年

2 汪明磊;智能车辆自主导航中避障路径规划与跟踪控制研究[D];合肥工业大学;2013年

3 刘华军;面向智能车辆的道路环境理解技术研究[D];南京理工大学;2007年

4 李进;视觉导航智能车辆的路径识别和跟踪控制[D];合肥工业大学;2008年

5 沈志熙;基于视觉导航的智能车辆在城区复杂场景中的目标检测技术研究[D];重庆大学;2008年

6 王锋辉;面向区域智能运输的多智能车辆协作研究[D];上海交通大学;2009年

7 焦俊;基于多Agent系统的智能车辆自主行驶控制研究[D];合肥工业大学;2010年

8 郭景华;视觉导航式智能车辆横向与纵向控制研究[D];大连理工大学;2012年

9 李贻斌;ITS智能车辆关键技术研究[D];天津大学;2008年

10 胡玉文;城市环境中基于混合地图的智能车辆定位方法研究[D];北京理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 马育林;智能车自主驾驶控制系统研制与试验[D];武汉理工大学;2010年

2 邱迎;道路自动识别与控制的智能车系统的研究[D];重庆大学;2010年

3 郭达;智能车避障路径动态规划和车体控制研究[D];长安大学;2015年

4 崔佳超;无人驾驶智能车在动态环境中的避障方法[D];西安工业大学;2015年

5 杨成;无人驾驶智能车障碍检测方法研究[D];西安工业大学;2015年

6 刘健全;基于高速移动网络的智能车视频驾驶系统设计与实现[D];浙江大学;2015年

7 刘远源;校园环境下的运动目标检测与跟踪的研究与实现[D];浙江大学;2015年

8 逄伟;低速环境下的智能车无人驾驶技术研究[D];浙江大学;2015年

9 孙涛;基于MC9S12DG128的智能车控制系统研究[D];南昌大学;2015年

10 王广玮;智能车辆横向运动控制系统设计与实验研究[D];贵州大学;2015年

，

本文编号：1076656