基于Kinect的车辆检测与测距技术研究

发布时间：2020-07-07 08:54

【摘要】：随着我国人民对美好生活需要的日益增长,汽车的普及给道路交通安全带来严峻挑战。行车中利用车载辅助驾驶设备对前方车辆进行检测和测距是预防追尾事故、提高行车安全的有效方法。随着Kinect的兴起,其集彩色相机与深度相机于一体的优势使这种方法更为简单、集成、高效,更具广泛应用前景。本文研究利用Kinect实现车辆检测和测距功能的技术算法。将其作为图像信息获取设备,开发软件应用程序,对视野范围内车辆目标进行检测,获取其到相机平面的深度距离信息。相机标定是车辆检测和测距的重要基础。利用张正友标定法得到非线性畸变下的相机内参及畸变系数。利用二次重投影标定法对标定结果中Harries角点提取不准确的问题进行有效优化,获取优化后相机内部参数,在此基础上开展具体算法研究。车辆检测技术是测距的前提。研究线性滤波和形态学滤波方法,提出使用线性滤波降低彩色图像噪点、使用形态学滤波降低深度图像噪点的实验方法;对比分析Canny、Sobel和Laplacian三种图像分割算子的特点,得到Canny和Sobel算子在检测实验中更具优势的结果;提出基于直线的Hough变换进行车辆模型尾部形状拟合的方法,编制软件实现了对前方目标车辆的有效检测。深度测距是系统核心功能。基于Kinect深度相机工作原理,研究Kinect获取深度距离算法,开发深度测距程序,在不同光照条件下对检测到的车辆尾部中心位置进行测距实验,结果表明Kinect测距具有抗光照不足的优势。为解决测量误差随物体到传感器的距离增大而增大的问题,分析了误差的成因,利用像素三维欧氏距离与对应深度补偿值的权重占比关系,建立了的深度误差补偿模型,将测量误差降低至±10 mm,验证了误差补偿的有效性。行车安全是永恒的主题,研究Kinect在车辆检测与测距的应用技术为其提供了解决方案。同时也为新时代智能汽车、无人汽车的发展提供了现实理论和技术支撑,具有显著的社会和经济效益。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6
【图文】：

智能汽车,相关技术研究,清华大学,汽车

辆检测与测距技术旨在将其应用在汽车上，实时检测前车距离。在应用层面，一方面可通过处理器运算、识驶员注意车距状况，并给出数据显示信息，帮助驾驶员决策，保持安全行驶距离。另一方面，该技术是研发无支撑，可以为驾驶员带来更安全、更智能、更轻松的驾姓生活，顺应汽车辅助驾驶领域技术发展潮流，应用和要的社会和经济效益。外研究现状几十年中，在全球范围内吸引了诸多研究者，致力于车究工作，挖掘汽车驾驶辅助系统的巨大潜力和市场。这国谷歌汽车为代表的无人驾驶汽车、以清华大学 THM统和以 Mobileye 为代表的汽车安全辅助驾驶系统中。所示的美国谷歌无人汽车使用相机、毫米波雷达和激光路环境，具有同时识别数百个行人、车辆目标的能力[

百度,互联网公司,智能车,清华大学

图 1-2 清华大学 THMR-V 智能车，国内百度、腾讯、乐视等知名互联网公司也投入大驾驶汽车的技术研究。比较有代表性的是图 1-3 中的百的控制中枢是基于计算机和人工智能的“百度汽车大能够在厘米级精度实现车辆定位，依托雷达、相机等术和环境态势感知技术，可以实现车辆探测识别、跟面分割、车道线检测等功能。2015 年底百度无人驾驶高速道路混合路况下的全自动驾驶[4]，2017 年 11 月，发展规划暨重大科技项目启动会上，宣布依托百度公司智能开放创新平台，标志着新一代基于人工智能的汽车启动实施阶段。

百度,智能汽车,测距技术,车辆检测

图 1-2 清华大学 THMR-V 智能车，国内百度、腾讯、乐视等知名互联网公司也投入大量驾驶汽车的技术研究。比较有代表性的是图 1-3 中的百的控制中枢是基于计算机和人工智能的“百度汽车大能够在厘米级精度实现车辆定位，依托雷达、相机等传术和环境态势感知技术，可以实现车辆探测识别、跟踪面分割、车道线检测等功能。2015 年底百度无人驾驶高速道路混合路况下的全自动驾驶[4]，2017 年 11 月，发展规划暨重大科技项目启动会上，宣布依托百度公司智能开放创新平台，标志着新一代基于人工智能的汽车启动实施阶段。

【参考文献】