基于机器视觉的道路识别与障碍物检测技术研究

发布时间：2017-04-30 23:03

  本文关键词：基于机器视觉的道路识别与障碍物检测技术研究，由笔耕文化传播整理发布。

【摘要】：论文以基于机器视觉的道路识别与障碍物检测为研究对象,采用动态图像处理技术为行驶车辆提供环境状态信息及车辆行驶状态信息。综合利用车辆的当前行驶车道状态(弯道或者直道)和距离信息实现了障碍物的检测与跟踪。 论文首先介绍了智能车辆在国内外的发展情况,并介绍了各大公司及研究机构的在智能车辆开发方面的成果和产品。介绍了机器视觉在辅助导航系统、自适应巡航控制系统、自动走停辅助系统、交通信号识别系统和辅助换道系统等智能车辆中的应用。最后介绍了上个世纪80 年代以来机器视觉算法的发展状况。 论文讨论了基于视频处理的道路识别技术。综合分析了各种图像预处理技术,并通过实验对比分析,再选用适合课题的预处理算法;然后提出了基于视频处理的逐行最优阈值分割算法,以解决单一阈值对道路图像分割不完全的情况,并根据视频处理特性对逐行最优阈值分割算法作了改进;提出了基于链码思想及边界跟踪的分道线检测技术,以及基于车道透视变换模型的相邻分道线段斜率差的车道二维重建技术;最后集中分析了通过分道线检测技术能为智能车辆提供的信息。实验结果表明该道路识别技术有很好的实时性、可靠性和准确性。 论文提出了基于单目视觉的障碍物检测、识别和跟踪技术,构造了完整的车辆检测方案。本文提出了一种基于信息熵理论的障碍物粗定位,并分别针对前方车辆在前方车道内行驶和压线行驶的情况提出了相应的基于边界脉冲信号检测的障碍物左右边界定位算法。提出采用有色噪声的卡尔曼滤波技术进行运动物体跟踪预测,从理论上证明了其准确性,并针对具体问题进行了实际的方程求解。公路实验结果证明了本方法能够准确的定位前方障碍物的下、左和右边界,且能区分破损路面、积水和桥梁阴影等伪障碍物。 论文论述了摄像机标定技术和计算机视觉测距的基本方法与典型技术。介绍了摄像机成像模型,提出了摄像机的标定技术。分别对双目和单目测距方法作了原理性的介绍。基于视觉测距原理,在分道线重建和透视投影原理的理论基础上,建立了一种针对高速公路的单目视觉距离测量方法。
【关键词】：智能车辆 道路识别 视频处理 车辆识别 单目测距
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：U463.6
【目录】：

• 中文摘要4-5
• ABSTRACT5-9
• 1 绪论9-18
• 1.1 智能车辆的发展与现状9-12
• 1.2 基于机器视觉的智能车辆技术12-15
• 1.2.1 机器视觉的应用及发展12-14
• 1.2.2 机器视觉算法14-15
• 1.3 课题的提出15-16
• 1.4 论文内容安排16
• 1.5 本章小结16-18
• 2 基于视频处理的道路识别技术18-46
• 2.1 道路图像的预处理算法分析18-22
• 2.1.1 道路图像的滤波18-21
• 2.1.2 图像边缘提取21-22
• 2.2 基于视频处理的阈值分割算法22-28
• 2.2.1 传统的最优阈值分割法与逐行最优阈值分割法22-25
• 2.2.2 逐行最优阈值分割的改进算法25-28
• 2.3 分道线检测算法28-33
• 2.3.1 分道线检测技术算法28-30
• 2.3.2 基于边界跟踪的分道线检测算法30-33
• 2.4 分道线的二维重建33-43
• 2.4.1 道路成像模型34-38
• 2.4.2 相邻两段分道线的斜率差38-40
• 2.4.3 车道的二维重建40-42
• 2.4.4 分道线检测算法的改进42-43
• 2.5 车道识别提供的信息43
• 2.6 算法实验及结果分析43-44
• 2.7 本章小结44-46
• 3 基于单目视觉的障碍物检测技术46-62
• 3.1 运动目标检测技术综述46-48
• 3.2 障碍物的初定位48-52
• 3.3 障碍物的准确定位52-55
• 3.4 基于卡尔曼滤波的车辆实时跟踪55-61
• 3.4.1 运动目标跟踪技术56-57
• 3.4.2 卡尔曼滤波技术57-58
• 3.4.3 车辆实时跟踪58-61
• 3.5 本章小结61-62
• 4 摄像机定标及障碍物距离计算62-71
• 4.1 摄像机成像模型62-64
• 4.2 摄像机的标定64-65
• 4.3 视觉测距技术65-70
• 4.3.1 视觉测距技术综述65-66
• 4.3.2 双目测距技术66-67
• 4.3.3 单目测距算法67-70
• 4.4 本章小结70-71
• 5 结论与展望71-73
• 致谢73-74
• 参考文献74-79
• 附:作者在攻读硕士学位期间发表论文及科研成果情况79-80

【引证文献】

中国期刊全文数据库 前2条

1 陈之中;吴训成;;倒车环境下的网状障碍物识别技术[J];上海工程技术大学学报;2012年01期

2 焦欣欣;王民慧;李晓鹏;;基于单目视觉的结构化道路检测算法研究[J];现代计算机(专业版);2011年Z1期

中国博士学位论文全文数据库 前1条

1 陈勇;不良气候条件下道路交通安全事故预防系统研究[D];重庆大学;2007年

中国硕士学位论文全文数据库 前10条

1 付可展;高铁安全监测系统的设计与开发[D];大连理工大学;2010年

2 任燕宏;关于无人驾驶汽车障碍物信息识别与处理系统的研究[D];兰州理工大学;2011年

3 杨恒;基于特征点匹配的障碍物检测算法的研究与实现[D];东北大学;2009年

4 张伟;智能车辆中的道路检测与识别[D];重庆大学;2006年

5 李东明;车载铁路路障智能图像检测技术研究[D];西南交通大学;2007年

6 高美芹;高速公路智能车辆视觉导航系统研究[D];武汉理工大学;2007年

7 谢毅;基于DSP及机器视觉的道路识别与障碍物检测[D];重庆大学;2007年

8 刘爱君;基于虚拟检测技术的隧道交通流信息监控系统研究[D];重庆大学;2007年

9 宋娟;路轨自动检测系统及障碍物识别技术的研究[D];浙江大学;2008年

10 朱珠;图像处理技术在架空线路绝缘子破损检测系统中的应用研究[D];江苏大学;2008年

  本文关键词：基于机器视觉的道路识别与障碍物检测技术研究，，由笔耕文化传播整理发布。

本文编号：337736