基于计算机视觉的前方车辆检测及测距研究
发布时间：2020-11-20 03:30
我国经济保持稳定增长,汽车数量持续增加,同时由于汽车引发的各类交通事故也呈增长趋势。为了提高道路交通安全性,减少交通事故,高级驾驶辅助系统(ADAS)应运而生。ADAS系统在汽车行驶过程中进行前方车辆的检测及跟踪,为驾驶员提供额外的行车环境辅助信息。对高级驾驶辅助系统而言,前车检测和防撞预警是两个非常重要的组成部分。本文以自动前车检测和防撞预警为目标,在分析和比较国内外各种算法的基础上,研究了基于计算机视觉的车辆检测技术和前车测距估计方法。在检测方面,本文提出一种基于类Haar特征和AdaBoost算法并结合高斯混合模型(GMM)的前车检测方法。该方法利用GMM算法对背景建模,过滤掉部分背景区域,避免对整个图像进行穷举扫描,消除复杂背景中干扰物对检测目标影响,可以减少扫描窗口的数量,从而达到节省扫描时间,提高检测效率的目的。利用AdaBoost算法选取类Haar特征生成用于前车检测的级联分类器,对检测到的目标进行验证,最终得到准确的车辆信息。测距方面,通过对摄像头内、外参数标定,利用视觉投影模型原理和几何测距的方法对前车的距离进行估计,从而预警可能的碰撞事件。ADAS作为主动安全技术的重要环节,能够有效提升驾驶安全性,提高道路安全,减少交通事故带来的损失,并为未来汽车工业的自动驾驶构建基础。作为该系统主要功能之一,自动前车检测和防撞预警的研究显得尤为重要。
【学位单位】：浙江工商大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6;TP391.41
【部分图文】：
部交管局的最新统计资料显示，截至２０１７年６月底，全国机动车保有量达到??３．０４亿辆，其中包括汽车２．０５亿辆；机动车驾驶人达３．７１亿人，其中汽车驾驶??人３．２８亿人。相关数据资料如图１－１所示。??２０１２年以来机动车新注册登记量半年变化情况??１８００?单位：万辆??１６００?，／?、??１５００?／??１４００??１３００?翁？＾、??１２００??１１００??１０００??，??＾?＾?＾?＾?＾?＾?０＾??＾?＾?＾?＾?＾?＾?＾?＾?＾?＾??图１－１机动车注册登记量??任何事情都具有双面性，汽车在给我们带来便利的同时，也带来了一些新的??问题，例如交通拥堵、车辆事故以及雾霾加重等。怎样减少交通堵塞和事故，增??加车辆行驶的安全性和运输效率，并高效利用资源。这些人们普遍关注的社会问??题，已经变成了各个国家政府、研究机构以及汽车制造商们共同面对的问题，由??此推出了智能交通系统（Ｉｎｔｅｌｌｉｇｅｎｔ?Ｔｒａｎｓｐｏｒｔａｔｉｏｎ?Ｓｙｓｔｅｍ，简称ＩＴＳ）。经过多年??的研究和发展
高斯混合建模是单一的高斯概率密度函数的延伸扩展，对于一系列观察数据??１＝丨尤，石，…，為丨，如果他们在ｄ维空间的分布是一个椭圆形分布，则适合??使用单一的高斯密度函数；否则，如图３－２?（ａ）所示，便不适合使用单一的高斯??密度函数进行描述。此时我们采取其他的方案，如图３－２?（ｂ）所示，我们假设每??个点（数据）均是由一个单高斯分布生成，而这一堆点是由尤个单高斯分布模型??生成，具体某个点对应哪个模型匹配并不清楚，且每个单高斯模型在混合模型中??所占比例未知，将所有来自未知分布的数据点混合在一起，称为高斯混合模型。??１?１??０．５?．?〇，．?■??０＾．?ｍ?＾??Ｖ?Ｖ??０?０??０?０．５?１?０?０．５?１??（ａ）?（ｂ）??图３－２?（ａ）表示所有的样本数据（ｂ）表示己经明确样本的分类??１５??
??图３－?１高斯混合模型背景建模??３．?２．?２算法数学原理??高斯混合建模是单一的高斯概率密度函数的延伸扩展，对于一系列观察数据??１＝丨尤，石，…，為丨，如果他们在ｄ维空间的分布是一个椭圆形分布，则适合??使用单一的高斯密度函数；否则，如图３－２?（ａ）所示，便不适合使用单一的高斯??密度函数进行描述。此时我们采取其他的方案，如图３－２?（ｂ）所示，我们假设每??个点（数据）均是由一个单高斯分布生成，而这一堆点是由尤个单高斯分布模型??生成，具体某个点对应哪个模型匹配并不清楚，且每个单高斯模型在混合模型中??所占比例未知，将所有来自未知分布的数据点混合在一起，称为高斯混合模型。??１?１??０．５?．?〇
【参考文献】
本文编号：2890877
【学位单位】：浙江工商大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6;TP391.41
【部分图文】：
部交管局的最新统计资料显示，截至２０１７年６月底，全国机动车保有量达到??３．０４亿辆，其中包括汽车２．０５亿辆；机动车驾驶人达３．７１亿人，其中汽车驾驶??人３．２８亿人。相关数据资料如图１－１所示。??２０１２年以来机动车新注册登记量半年变化情况??１８００?单位：万辆??１６００?，／?、??１５００?／??１４００??１３００?翁？＾、??１２００??１１００??１０００??，??＾?＾?＾?＾?＾?＾?０＾??＾?＾?＾?＾?＾?＾?＾?＾?＾?＾??图１－１机动车注册登记量??任何事情都具有双面性，汽车在给我们带来便利的同时，也带来了一些新的??问题，例如交通拥堵、车辆事故以及雾霾加重等。怎样减少交通堵塞和事故，增??加车辆行驶的安全性和运输效率，并高效利用资源。这些人们普遍关注的社会问??题，已经变成了各个国家政府、研究机构以及汽车制造商们共同面对的问题，由??此推出了智能交通系统（Ｉｎｔｅｌｌｉｇｅｎｔ?Ｔｒａｎｓｐｏｒｔａｔｉｏｎ?Ｓｙｓｔｅｍ，简称ＩＴＳ）。经过多年??的研究和发展
高斯混合建模是单一的高斯概率密度函数的延伸扩展，对于一系列观察数据??１＝丨尤，石，…，為丨，如果他们在ｄ维空间的分布是一个椭圆形分布，则适合??使用单一的高斯密度函数；否则，如图３－２?（ａ）所示，便不适合使用单一的高斯??密度函数进行描述。此时我们采取其他的方案，如图３－２?（ｂ）所示，我们假设每??个点（数据）均是由一个单高斯分布生成，而这一堆点是由尤个单高斯分布模型??生成，具体某个点对应哪个模型匹配并不清楚，且每个单高斯模型在混合模型中??所占比例未知，将所有来自未知分布的数据点混合在一起，称为高斯混合模型。??１?１??０．５?．?〇，．?■??０＾．?ｍ?＾??Ｖ?Ｖ??０?０??０?０．５?１?０?０．５?１??（ａ）?（ｂ）??图３－２?（ａ）表示所有的样本数据（ｂ）表示己经明确样本的分类??１５??
??图３－?１高斯混合模型背景建模??３．?２．?２算法数学原理??高斯混合建模是单一的高斯概率密度函数的延伸扩展，对于一系列观察数据??１＝丨尤，石，…，為丨，如果他们在ｄ维空间的分布是一个椭圆形分布，则适合??使用单一的高斯密度函数；否则，如图３－２?（ａ）所示，便不适合使用单一的高斯??密度函数进行描述。此时我们采取其他的方案，如图３－２?（ｂ）所示，我们假设每??个点（数据）均是由一个单高斯分布生成，而这一堆点是由尤个单高斯分布模型??生成，具体某个点对应哪个模型匹配并不清楚，且每个单高斯模型在混合模型中??所占比例未知，将所有来自未知分布的数据点混合在一起，称为高斯混合模型。??１?１??０．５?．?〇
【参考文献】
相关期刊论文 前10条
1 赵娜;袁家斌;徐晗;;智能交通系统综述[J];计算机科学;2014年11期
2 齐美彬;潘燕;张银霞;;基于车底阴影的前方运动车辆检测[J];电子测量与仪器学报;2012年01期
3 王永忠;梁彦;潘泉;程咏梅;赵春晖;;基于自适应混合高斯模型的时空背景建模[J];自动化学报;2009年04期
4 王牛;李祖枢;武德臣;于芳;;机器人单目视觉定位模型及其参数辨识[J];华中科技大学学报(自然科学版);2008年S1期
5 胡铟;杨静宇;;基于单目视觉的路面车辆检测及跟踪方法综述[J];公路交通科技;2007年12期
6 贾述评;房筱莉;;日本智能交通系统的发展[J];吉林交通科技;2006年03期
7 王新余,张桂林;基于光流的运动目标实时检测方法研究[J];计算机工程与应用;2004年01期
8 徐友春,李克强,连小珉,赵玉凡;智能车辆机器视觉发展近况[J];汽车工程;2003年05期
9 张朋飞,何克忠,欧阳正柱,张军宇;多功能室外智能移动机器人实验平台—THMR-V[J];机器人;2002年02期
10 邱茂林,马颂德,李毅;计算机视觉中摄像机定标综述[J];自动化学报;2000年01期
相关硕士学位论文 前1条
1 吕万修;车辆检测跟踪系统研究[D];哈尔滨工业大学;2013年
本文编号：2890877
本文链接：https://www.wllwen.com/kejilunwen/qiche/2890877.html
