基于网格激光视觉增强技术的泊车位及障碍物识别研究
发布时间：2021-04-20 19:44
拥挤的城市泊车环境给人们的出行造成了极大不便,而自动泊车技术的出现,让人眼前一亮。然而,车位识别的精度、有效车位识别的准确度始终是一座“高山”,阻碍着泊车系统进一步推广。现今自动泊车技术中,使用最为广泛的超声波雷达方案往往存在着车位识别精度低的问题,且高度依赖于临近车位停放的车辆。视觉传感器方案中,很少考虑车位中和路径中存在的障碍物,而障碍物的尺寸又往往影响着泊车位的有效性。特别是对于障碍物和环境背景颜色相近似这种情况,仅依靠摄像头难以实现障碍物的辨识。在此背景下,本文提出了一种基于网格激光视觉增强技术的泊车位及障碍物识别方法。该方案除了视觉传感器,还在车身上安装了特殊的激光发射装置,该装置能在地面上呈现出特定形状和尺寸的激光网格,并与视觉感知区域形成叠加效果。激光网格的形状会随泊车环境的改变而改变,如遇到车辆、石块、凹坑、墙面、车位锁等障碍物时,激光网格的形状会发生明显的变化。视觉传感器采用鱼眼摄像头方案,并由视觉处理器单独完成图像处理工作,再通过通讯串口将泊车位和障碍物数据发送给泊车控制器。本文主要从泊车空间激光网格化的实现、基于激光装置的泊车位和障碍物识别技术和方法、基于激光装置...
【文章来源】：江苏大学江苏省
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 自动泊车技术研究现状
1.2.1 技术背景
1.2.2 国外研究现状
1.2.3 国内研究现状
1.2.4 自动泊车技术应用概况
1.3 本文主要研究目的与意义
1.3.1 研究目的
1.3.2 论文主要创新点
1.4 本文的研究内容和结构安排
第二章 泊车空间激光网格化的实现与捕捉
2.1 网格化实现与视觉增强
2.2 激光网格的设计与标定
2.3 激光网格的捕捉
2.3.1 相机成像原理
2.3.2 四个坐标系及其转化
2.3.3 镜头畸变与鱼眼镜头
2.3.4 非线性相机的畸变模型与畸变参数
2.3.5 摄像头的标定
2.4 本章小结
第三章 激光网格视域下的图像分割技术
3.1 图像的畸变校正
3.2 鸟瞰图变换
3.3 图像的预处理
3.3.1 图像增强技术
3.3.2 灰度化处理
3.3.3 图像的去噪与平滑滤波
3.4 图像的分割与特征提取
3.4.1 阈值分割
3.4.2 边缘检测
3.4.3 凸包检测
3.4.4 漫水填充
3.4.5 轮廓提取与多边形包围
3.5 本章小结
第四章 激光网格视域下的泊车位及障碍物识别
4.1 泊车场景分析
4.1.1 泊车位分析
4.1.2 障碍物分析
4.2 障碍物的识别
4.3 泊车位的识别
4.3.1 有车位线标识车位的识别
4.3.2 无车位线车位识别
4.4 本章小结
第五章 系统架构与实验验证
5.1 系统架构设计和控制策略
5.2 视觉处理器图像处理策略
5.3 实验条件和实验概述
5.4 泊车位识别实验
5.5 障碍物识别实验
5.6 本章小结
第六章 总结与展望
6.1 研究工作总结
6.2 后续工作展望
参考文献
致谢
硕士期间学术成果
【参考文献】：
期刊论文
[1]浅析自动驾驶分类及发展前景[J]. 张艳,徐顺,蔺春明,赵玺,徐业翔,彭宏伟. 汽车实用技术. 2020(06)
[2]2019年全国机动车和驾驶人统计分析[J]. 道路交通管理. 2020(02)
[3]先进汽车辅助驾驶系统（ADAS）发展现状及前景[J]. 辛业华. 内燃机与配件. 2019(19)
[4]基于图像增强技术的SURF特征匹配算法研究[J]. 张明浩,杨耀权,靳渤文. 自动化与仪表. 2019(09)
[5]基于多特征的复杂场景运动目标检测[J]. 朱文杰,王广龙,田杰,乔中涛,高凤岐. 光学学报. 2018(06)
[6]基于信息融合的自动泊车系统车位智能识别[J]. 江浩斌,沈峥楠,马世典,陈龙. 机械工程学报. 2017(22)
[7]基于改进Hough变换的车位线识别方法[J]. 张悦旺. 计算机工程与设计. 2017(11)
[8]浅谈我国城市道路交通现状及发展策略[J]. 姚真. 现代国企研究. 2017(08)
[9]边缘直线拟合确定鱼眼镜头光心算法[J]. 林春雨,高奕,王欣,黄奇,王鑫,赵耀. 北京交通大学学报. 2017(02)
[10]自动泊车系统发展现状及前景分析[J]. 左培文,孟庆阔,李育贤. 上海汽车. 2017(02)
博士论文
[1]基于数字图像的蝴蝶种类自动识别研究[D]. 李凡.北京林业大学 2015
[2]彩色数字相机成像系统的关键性技术研究[D]. 郭惠楠.中国科学院研究生院（西安光学精密机械研究所） 2014
[3]双目立体视觉深度感知与三维重建若干问题研究[D]. 罗桂娥.中南大学 2012
硕士论文
[1]基于图像序列的物体体积测量方法研究与实现[D]. 巫荣.南京邮电大学 2019
[2]基于视觉环境感知技术的自动泊车系统研究[D]. 王成雨.江苏大学 2019
[3]基于卷积神经网络的图像语义分割研究[D]. 张蓉.江苏科技大学 2019
[4]基于数字图像技术的车位识别方法的研究与应用[D]. 代武杰.广西师范大学 2018
[5]基于多传感器信息融合的自动泊车系统研究[D]. 沈峥楠.江苏大学 2017
[6]基于机器视觉的自动泊车技术的研究[D]. 陈奋.电子科技大学 2016
[7]基于车位场景智能识别技术的全自动垂直泊车系统研究[D]. 李臣旭.江苏大学 2016
[8]全景泊车辅助系统的算法研究[D]. 赵小松.西安电子科技大学 2015
[9]基于鱼眼镜头的车载全景环视系统[D]. 张聪.浙江大学 2015
[10]基于双目视觉的驾驶人注意力分散监测方法研究[D]. 孙海燕.吉林大学 2012
本文编号：3150285
【文章来源】：江苏大学江苏省
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 自动泊车技术研究现状
1.2.1 技术背景
1.2.2 国外研究现状
1.2.3 国内研究现状
1.2.4 自动泊车技术应用概况
1.3 本文主要研究目的与意义
1.3.1 研究目的
1.3.2 论文主要创新点
1.4 本文的研究内容和结构安排
第二章 泊车空间激光网格化的实现与捕捉
2.1 网格化实现与视觉增强
2.2 激光网格的设计与标定
2.3 激光网格的捕捉
2.3.1 相机成像原理
2.3.2 四个坐标系及其转化
2.3.3 镜头畸变与鱼眼镜头
2.3.4 非线性相机的畸变模型与畸变参数
2.3.5 摄像头的标定
2.4 本章小结
第三章 激光网格视域下的图像分割技术
3.1 图像的畸变校正
3.2 鸟瞰图变换
3.3 图像的预处理
3.3.1 图像增强技术
3.3.2 灰度化处理
3.3.3 图像的去噪与平滑滤波
3.4 图像的分割与特征提取
3.4.1 阈值分割
3.4.2 边缘检测
3.4.3 凸包检测
3.4.4 漫水填充
3.4.5 轮廓提取与多边形包围
3.5 本章小结
第四章 激光网格视域下的泊车位及障碍物识别
4.1 泊车场景分析
4.1.1 泊车位分析
4.1.2 障碍物分析
4.2 障碍物的识别
4.3 泊车位的识别
4.3.1 有车位线标识车位的识别
4.3.2 无车位线车位识别
4.4 本章小结
第五章 系统架构与实验验证
5.1 系统架构设计和控制策略
5.2 视觉处理器图像处理策略
5.3 实验条件和实验概述
5.4 泊车位识别实验
5.5 障碍物识别实验
5.6 本章小结
第六章 总结与展望
6.1 研究工作总结
6.2 后续工作展望
参考文献
致谢
硕士期间学术成果
【参考文献】：
期刊论文
[1]浅析自动驾驶分类及发展前景[J]. 张艳,徐顺,蔺春明,赵玺,徐业翔,彭宏伟. 汽车实用技术. 2020(06)
[2]2019年全国机动车和驾驶人统计分析[J]. 道路交通管理. 2020(02)
[3]先进汽车辅助驾驶系统（ADAS）发展现状及前景[J]. 辛业华. 内燃机与配件. 2019(19)
[4]基于图像增强技术的SURF特征匹配算法研究[J]. 张明浩,杨耀权,靳渤文. 自动化与仪表. 2019(09)
[5]基于多特征的复杂场景运动目标检测[J]. 朱文杰,王广龙,田杰,乔中涛,高凤岐. 光学学报. 2018(06)
[6]基于信息融合的自动泊车系统车位智能识别[J]. 江浩斌,沈峥楠,马世典,陈龙. 机械工程学报. 2017(22)
[7]基于改进Hough变换的车位线识别方法[J]. 张悦旺. 计算机工程与设计. 2017(11)
[8]浅谈我国城市道路交通现状及发展策略[J]. 姚真. 现代国企研究. 2017(08)
[9]边缘直线拟合确定鱼眼镜头光心算法[J]. 林春雨,高奕,王欣,黄奇,王鑫,赵耀. 北京交通大学学报. 2017(02)
[10]自动泊车系统发展现状及前景分析[J]. 左培文,孟庆阔,李育贤. 上海汽车. 2017(02)
博士论文
[1]基于数字图像的蝴蝶种类自动识别研究[D]. 李凡.北京林业大学 2015
[2]彩色数字相机成像系统的关键性技术研究[D]. 郭惠楠.中国科学院研究生院（西安光学精密机械研究所） 2014
[3]双目立体视觉深度感知与三维重建若干问题研究[D]. 罗桂娥.中南大学 2012
硕士论文
[1]基于图像序列的物体体积测量方法研究与实现[D]. 巫荣.南京邮电大学 2019
[2]基于视觉环境感知技术的自动泊车系统研究[D]. 王成雨.江苏大学 2019
[3]基于卷积神经网络的图像语义分割研究[D]. 张蓉.江苏科技大学 2019
[4]基于数字图像技术的车位识别方法的研究与应用[D]. 代武杰.广西师范大学 2018
[5]基于多传感器信息融合的自动泊车系统研究[D]. 沈峥楠.江苏大学 2017
[6]基于机器视觉的自动泊车技术的研究[D]. 陈奋.电子科技大学 2016
[7]基于车位场景智能识别技术的全自动垂直泊车系统研究[D]. 李臣旭.江苏大学 2016
[8]全景泊车辅助系统的算法研究[D]. 赵小松.西安电子科技大学 2015
[9]基于鱼眼镜头的车载全景环视系统[D]. 张聪.浙江大学 2015
[10]基于双目视觉的驾驶人注意力分散监测方法研究[D]. 孙海燕.吉林大学 2012
本文编号：3150285
本文链接：https://www.wllwen.com/kejilunwen/qiche/3150285.html
