基于单目视觉的智能微型车车道线检测技术研究

发布时间：2020-11-16 03:21

　　 面对日益严重的交通堵塞、环境污染、交通事故等关键交通问题,智能汽车的发展和技术提升需求变得尤为迫切。智能汽车能够在传统汽车具备的人为驾驶功能的基础上,通过各种控制与执行机构、传感器硬件等装置,结合先进的感知算法,使得汽车能够智能地感知周围的交通环境,且能够将感知到的信息实时地反馈到汽车自身,分析判断汽车驾驶状态,从而在无人为干预下智能地做出汽车驾驶过程中的各种决策,以此来避免上述交通问题的发生。而车道线作为智能汽车感知周围环境并作出驾驶决策的重要依据,其检测技术是智能汽车众多技术中的关键之一。因此,本论文在智能汽车和车道线检测技术不断发展进步的大背景下,研究基于单目视觉的智能微型车车道线检测技术。本文的工作内容可主要归纳为以下几个方面:第一章介绍并阐述了论文的背景和意义,并分析了智能车与车道线检测技术的研究现状,在此基础上,提出了论文的研究内容与总体框架。第二章介绍了自主搭建的智能微型车硬件系统的组成与工作原理,详细说明了智能微型车的硬件设计内容,并对基于CAN总线的通信网络进行设计,上位机软件通过Visual Studio2010开发实现。第三章研究并使用了单目视觉技术,设计了车道线特征提取的方案,开展了使用灰度化、Sobel算子边缘提取与正负极值点提取方法的图像预处理过程,并结合逆透视变换结果,重点研究了基于车道线宽度与车道线连续性等先验信息的车道线特征的创新提取方法,从而大幅过滤车道线检测的干扰噪声。第四章对比分析了直线检测方法的不足与缺点,分析提出了基于RANSAC的改进算法,提高模型拟合适应性与计算效率。将本文的车道线检测算法在仿真环境和城市道路中进行不同工况下的实验测试,实验结果表明本文算法出色的有效性与鲁棒性。第五章对论文所做的工作进行总结,并对后续研究进行展望。
【学位单位】：上海交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6;TP391.41
【部分图文】：

图 2-1 基于视觉导引的智能微型车工作原理图Fig.2-1 Working principle map of intelligent micro vehicle based on visual guidance2.2 智能微型车实验平台硬件设计

图 2-2 控制系统硬件配置图Fig.2-2 Hardware configuration of control system本论文将下位机中的控制器省去，直接由上位机通过无线网络获得智能微型车车体的状态信息和发送控制指令，实现无车载控制器的智能微型车自主导航系

2CAN 总线中的数据无法通过局域网络将数据发送到上位机，在这里本课题采用以太网转CAN数据收发器LT1210，如图2-3所示。LT1210内部集成了TCP/IP协议栈，有 1 路自适应 10M/100M 自动交换以太网接口，2 路遵从 CAN2.0A 和CAN2.0B 标准的 CAN 接口，通过协议可向指定的 CAN 接口发送数据，同时指定的CAN 接口收到的数据会自动发送到Ethernet接口，从而实现 Ethernet与CAN数据的相互传输功能。图 2-3 以太网转 CAN 数据转换器Fig.2-3 Data converter of Ethernet transfer CAN数据收发器 LT1210 带一个 RJ45 网口，将这个网口连接到无线路由器的有线网口，然后将上位机电脑的无线网卡连接
【参考文献】

相关期刊论文 前10条

1 冯学强;张良旭;刘志宗;;无人驾驶汽车的发展综述[J];山东工业技术;2015年05期

2 张贤启;余有晟;刘俊才;;无人驾驶汽车的发展及可行性[J];山东工业技术;2015年04期

3 王海;蔡英凤;林国余;张为公;;基于方向可变Haar特征和双曲线模型的车道线检测方法[J];交通运输工程学报;2014年05期

4 王珩;苏真伟;陈谋钦;;基于多元传感器的人机交互式CNG储气井腐蚀检测系统[J];青岛科技大学学报(自然科学版);2014年04期

5 潘建亮;;无人驾驶汽车社会效益与影响分析[J];汽车工业研究;2014年05期

6 端木庆玲;阮界望;马钧;;无人驾驶汽车的先进技术与发展[J];农业装备与车辆工程;2014年03期

7 朱淋;梁华为;王智灵;邓耀;;基于视频序列的车道线检测和跟踪[J];电子测量技术;2013年07期

8 尚晋霞;;运动目标跟踪研究[J];电脑编程技巧与维护;2013年12期

9 张辰贝西;黄志球;;自动导航车(AGV)发展综述[J];中国制造业信息化;2010年01期

10 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

相关博士学位论文 前2条

1 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

2 李贻斌;ITS智能车辆关键技术研究[D];天津大学;2008年

相关硕士学位论文 前10条

1 叶美松;单目视觉的智能电动小车车道线识别与跟踪[D];西南交通大学;2017年

2 石庭敏;基于双多线激光雷达的道路环境感知算法研究与实现[D];南京理工大学;2017年

3 成剑;基于机器视觉的道路线识别算法研究[D];南京理工大学;2017年

4 蔡兵;基于机器视觉的雾天环境下车道线识别技术研究[D];重庆邮电大学;2016年

5 宫小虎;基于RANSAC抛物线拟合的实时车道线检测和类型识别算法[D];吉林大学;2016年

6 刘伟;单目视觉下车道偏离预警系统中的关键技术研究[D];南京航空航天大学;2014年

7 王雷;一种基于双曲线模型的车道线跟踪检测算法设计与实现[D];吉林大学;2014年

8 王文胜;基于机器视觉的工业机器人的设计与研究[D];陕西科技大学;2012年

9 李大新;基于机器视觉的车道线检测识别与车道偏离预警算法研究[D];山东大学;2012年

10 米超;基于纹理特征和消失点的道路识别算法研究[D];湖南大学;2012年

本文编号：2885561