基于机器视觉和毫米波雷达的夜间车辆识别

发布时间：2021-02-09 03:13

　　随着汽车保有量的逐年增加,道路交通安全问题越来越严峻。通过给车辆配置高级驾驶辅助系统或无人驾驶系统来减少交通事故的发生,已经成为未来车辆技术发展的必然趋势。自适应巡航系统、前方碰撞预警系统、自动制动系统等高级驾驶辅助系统和无人驾驶系统都需要对夜间场景的前方车辆状态进行监测。所以本文研究基于机器视觉和毫米波雷达的夜间前方车辆识别技术,具有重要的理论意义和现实意义。本论文选择毫米波雷达传感器和视觉传感器对夜间车辆目标进行识别。毫米波雷达具有探测距离远和可以在夜间工作的特点,机器视觉可以直接感知物体的颜色信息。使用传感器融合信息对目标进行识别,可提升目标识别率,并且改善识别系统的鲁棒性。本文基于机器视觉和毫米波雷达传感器对夜间车辆识别技术进行了一系列研究,主要工作如下:（1）研究基于机器视觉的夜间车辆识别与跟踪方法。首先根据尾灯的光晕特征和亮度特征提取尾灯,然后对尾灯配对并根据尾灯对实现车辆识别,最后基于改进的粒子滤波算法对车辆尾灯进行跟踪而实现对车辆的跟踪。（2）研究基于毫米波雷达对车辆目标初选与跟踪方法。首先删除雷达干扰信号,然后根据距离和车道信息初选出有效车辆目标,最后根据卡尔曼滤波算... 

【文章来源】：天津工业大学天津市

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
学位论文的主要创新点
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于机器视觉的车辆识别
        1.2.2 基于毫米波雷达的车辆识别
        1.2.3 基于传感器融合的车辆识别
    1.3 论文主要工作和章节安排
第二章 基于机器视觉的夜间车辆识别
    2.1 基于尾灯的车辆识别
        2.1.1 夜间车辆成像特点
        2.1.2 尾灯特征提取
        2.1.3 基于改进Otsu方法的图像分割
        2.1.4 疑似尾灯提取
        2.1.5 尾灯配对与车辆识别
    2.2 基于尾灯的车辆跟踪
        2.2.1 粒子滤波算法原理
        2.2.2 改进粒子滤波算法的尾灯跟踪
        2.2.3 车辆跟踪与位置估计
        2.2.4 车辆的识别与跟踪
    2.3 实验与结果分析
    2.4 本章小结
第三章 基于毫米波雷达的车辆目标初选
    3.1 毫米波雷达工作原理
    3.2 毫米波雷达选型及性能参数
    3.3 毫米波雷达数据接收与解析
        3.3.1 雷达数据接收
        3.3.2 雷达数据解析
    3.4 车辆目标初选
        3.4.1 干扰目标删除
        3.4.2 选定有效车辆
    3.5 车辆目标跟踪
    3.6 实验验证
    3.7 本章小结
第四章 基于机器视觉和毫米波雷达的联合识别
    4.1 视觉传感器选型
    4.2 摄像机模型与标定
        4.2.1 摄像机模型
        4.2.2 坐标系转换
        4.2.3 透镜畸变
        4.2.4 摄像机标定
    4.3 目标信息融合
        4.3.1 空间融合
        4.3.2 时间融合
    4.4 联合识别方法
    4.5 测试系统搭建与试验
        4.5.1 测试系统硬件框架
        4.5.2 测试系统软件框架
        4.5.3 实车试验
    4.6 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3024951