智能汽车复杂场景多目标检测与跟踪算法研究

发布时间：2020-05-10 10:22

【摘要】：随着汽车保有量持续增长,汽车工业面临的能源衰竭、环境污染、交通拥堵和事故伤亡等问题日益严峻。智能汽车作为解决以上问题的有效途径,近年来已取得了阶段性成效。基于视觉的智能汽车环境感知系统作为智能汽车决策规划的基础环节,通过感知车辆周围环境状况并进行目标识别和跟踪,对实现对车辆的最优路径规划与决策控制发挥着重要作用。近年来,环境感知相关研究已经成为智能汽车领域研究热点。文章主要研究内容如下:(1)针对相机与激光传感器通讯问题,通过Socket通讯实现传感器与计算机的数据传输;为了得到单目相机内外参数与目标距离评估,使用张氏标定法对单目相机进行内外参数进行标定,最终利用相机参数实现各个坐标系之间的图像变换。(2)针对交通场景中障碍车辆目标检测问题,考虑其刚性目标外形相对稳定,选择Hog特征对车辆目标进行特征提取;考虑Boost分类器具备准确率高、不易过拟合以及计算量小等优点,选择Boost算法建立用于车辆检测的分类器;为了提高车辆检测实时性,采用了ROI提取与变尺度滑动窗口的方式对图像进行快速扫描,以确定车辆在图像序列中的位置。(3)针对城市交通场景中行人目标检测问题,考虑其外观、行为以及姿态多变,使用积分通道特征(ACF)对行人进行不同层次的特征提取;为了降低行人检测中的误检率与检测时间,采取Boost分类器级联方式,对行人目标进行级联过滤;使用图像金字塔对图像进行上下采样,最终实现对图像序列中不同尺寸的行人进行检测。(4)为了提高目标检测准确率,预测目标轨迹和目标行为,提出基于时空上下文的多目标跟踪算法。多目标跟踪算法以目标检测位置信息为跟踪输入,以目标的时空上下文模型为基础寻找目标在图像中最大响应位置;在此基础上,为了提高多目标跟踪实时性,使用傅里叶变换将图像转换到频域进行计算,并对目标的位置信息进行聚类关联提取目标的轨迹信息。
【图文】：

智能汽车,视觉传感器,通讯方式

计算机视觉图 2-1 常用智能汽车2.1 视觉传感器通讯方式视觉传感器是本文研究目标检测与集输入设备，与计算机时刻保持顺利通讯与计算机的通讯方式普遍采用以太网通讯机，，相机参数如表 2.1 所示，图 2-3 表示

流程图,相机标定,内参,标定结果

Focal Length: fc = [ 1689.73448 1689.73448 ]Principal point: cc = [ 399.50000 299.50000 ]Skew: alpha_c = [ 0.00000 ] => angle of pixel = 90.00000 degreesDistortion: kc = [ 0.00000 0.00000 0.00000 0.00000 0.00000 ]Focal Length: fc = [ 1439.97732 1445.86941 ] ± [ 17.18057 17.17452 ]Principal point: cc = [ 409.54104 304.95538 ] ± [ 6.79220 5.29131 ]Skew: alpha_c = [ 0.00000 ] ± [ 0.00000 ] => angle of pixel axes = 90.00000 ± 0.00000degreesDistortion: kc = [ -0.31869 0.80356 -0.00057 0.00219 0.00000 ] ± [ 0.01657 0.221470.00066 0.00048 0.00000 ]Pixel error: err = [ 0.18201 0.15311 ]初始化内参内参标定结果外参标定结果外参(相机坐标系为中心)外参(世界坐标系为中心)角点网格投影错误100 200 300 400 500 600 700 800200300400500600dX100 200 300 400 500 600 700 800200300400500600dX100 200 300 400 500 600 700 800200300400500600
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6

【参考文献】