基于多传感器的车辆局部交通环境感知

发布时间：2017-05-05 22:14

  本文关键词：基于多传感器的车辆局部交通环境感知，由笔耕文化传播整理发布。

【摘要】：无人车驾驶系统是未来汽车发展的最终形式，利用感知系统代替驾驶员对交通环境进行感知，该系统利用不同传感器探测车辆及其周围的环境信息，为整个智能车行驶策略和路径规划提供依据。在智能车系统的感知层，主要依靠视觉和雷达协调工作获取环境信息。目前国内研究较多的主要利用视觉系统，，而采用多传感器的研究相对较少，而且国外研究机构在这方面已经做了较多的研究。与多传感相比,采用单传感器具有如下不足：系统测量维度和置信度较低；系统可靠性差，性能不稳定；系统的资源利用率低。针对单一传感器在交通环境感知上的局限性，本文在借鉴国内外的智能车感知技术的基础上，利用多传感器对交通环境感知进行研究。 在多传感器的交通环境感知系统中，包含毫米波雷达，激光雷达和视觉系统。利视觉系统检测车道线和行驶车辆；毫米波雷达能够提供中远检测目标的运动信息，包括车速、距离、相对本车的偏移角；激光雷达可以在其扫描平面获得近距离障碍物的轮廓。本文搭建了拥有多传感器的试验车辆，并开发智能车辆软件平台，基于此平台进行感知算法的研究。 在激光雷达与毫米波雷达系统，本文研究通过CAN总线获取毫米波雷达数据并对数据进行滤波处理，通过串口通讯技术获取激光雷达的数据接收。将雷达系统安装在试验车辆，完成了对多个传感器之间的联合标定与坐标统一。实现基于雷达系统的交通环境描感知。 本文利用视觉系统对道路中的车道线信息进行识别。从可靠性与实时性两方面对比分析当今基于图像处理技术的车道线检测方法，选取一种可靠性高、实时性好的车道线检测算法。并最终采用逐行阈值扫描对道路图像进行二值化处理，该算法能够抵抗道路噪声的干扰。并结合改进霍夫变换检测直线道路的标识线，利用上一帧图像检测的车道线设立感兴趣区域以减小霍夫变换算法的运算时间，同时提高可靠性与实时性。最终实现对交通环境车道线信息的感知。 车辆检测是视觉系统的另一个重要作用。本文利用车辆底部阴影作为感兴趣区域，用canny算子提取二值化图像轮廓，采用矩形约束的方法对感兴趣区域进行合并和剔除，采用熵值计算感兴趣区域纹理复杂性，最后使用Robinson算子提取车辆轮廓。在连续图像序列中，采用经典卡尔曼滤波器对检测到的障碍物进行预测，该算法可提高车辆检测算法的稳定性，降低运算时间。通过试验表明，该算法能够稳定的跟踪车辆，并在车辆换道时也能保证不跟丢目标。实现利用视觉检测前方目标车辆的检测功能。 在试验部分，研究了单目摄像机和双目摄像机系统标定，获取摄像机的内外参数。基于视差图利用双目视觉对障碍物的距离进行测量,可以得到物体在摄像机坐标系下的位置，即可通过坐标转换可得到在车辆坐标系下的位置。最后建立摄像机坐标系、雷达坐标系与车辆坐标系的转化模型。在图像上检测到的车道线中选取任意两点，可将车道线投影逆变换到车辆坐标系下。 最终，将各个部分传感器检测的结果在同一鸟瞰图的形式下表达，实现利用多传感器对交通环境的描述。
【关键词】：环境感知 障碍物检测 车道线检测 图像处理
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：U463.6
【目录】：

• 摘要4-6
• Abstract6-14
• 第1章 绪论14-26
• 1.1 选题背景及研究意义14-17
• 1.1.1 课题背景14-16
• 1.1.2 研究意义16-17
• 1.2 国内外研究现状及发展前景17-23
• 1.2.1 国外研究现状17-21
• 1.2.2 国内研究现状21-22
• 1.2.3 智能驾驶系统的发展前景22-23
• 1.3 本论文的研究内容23-26
• 第2章 基于雷达的交通环境感知26-38
• 2.1 雷达在汽车安全系统中的应用26-27
• 2.2 毫米波雷达的交通环境感知27-31
• 2.2.1 毫米波雷达硬件介绍27-28
• 2.2.2 毫米波雷达数据获取与解析28-30
• 2.2.3 毫米波雷达目标检测试验30-31
• 2.3 激光雷达的交通环境感知31-37
• 2.3.1 激光雷达硬件介绍32-33
• 2.3.2 激光雷达数据获取与解析33-37
• 2.4 小结37-38
• 第3章 基于道路图像的处理的车道线识别38-70
• 3.1 图像的灰度化38-39
• 3.2 图像的平滑与滤波39-42
• 3.2.1 邻域平均法39-40
• 3.2.2 加权平均法40
• 3.2.3 选择式掩膜平滑法40-42
• 3.3 图像的二值化42-46
• 3.3.1 自适应阈值分割法42-43
• 3.3.2 改进大津法43-45
• 3.3.3 逐行阈值分割法45-46
• 3.4 车道线的边缘提取46-52
• 3.4.1 Robert 算子47
• 3.4.2 Sobel 算子47-48
• 3.4.3 Prewitt 算子48-49
• 3.4.4 Laplacian 算子49
• 3.4.5 Canny 算子49-51
• 3.4.6 边缘算子试验结果与结论51-52
• 3.4.7 轮廓提取法52
• 3.5 车道标识线的识别52-63
• 3.5.1 道路模型53
• 3.5.2 Hough 变换53-58
• 3.5.3 最小二乘拟合法58-63
• 3.6 车道线检测方法比较63-68
• 3.7 小结68-70
• 第4章 摄像机标定与双目测距70-90
• 4.1 引言70
• 4.2 摄像机硬件的介绍70-72
• 4.3 摄像机模型与标定72-77
• 4.3.1 坐标系的介绍72-73
• 4.3.2 摄像机模型73-76
• 4.3.3 三维空间与二维投影的数学模型76-77
• 4.4 张正友二维靶标标定方法77-81
• 4.4.1 标定方法介绍77-79
• 4.4.2 摄像机标定试验及结果验证79-81
• 4.5 双目摄像机三维重建81-88
• 4.5.1 双目摄像机模型81-82
• 4.5.2 三维重建原理82-85
• 4.5.3 视差图测距85-88
• 4.6 小结88-90
• 第5章 基于视觉的障碍物检测90-104
• 5.1 车辆的初定位90-93
• 5.2 车辆的精确定位93-97
• 5.3 基于 Kalman 滤波的车辆跟踪97-101
• 5.3.1 Kalman 滤波技术98-100
• 5.3.2 车辆跟踪100-101
• 5.4 车辆检测跟踪试验101-102
• 5.5 小结102-104
• 第6章 系统架构与试验研究104-118
• 6.1 系统架构104-108
• 6.1.1 硬件架构104-106
• 6.1.2 软件架构106-108
• 6.2 综合实验108-116
• 6.2.1 道路描述108-109
• 6.2.2 坐标系的统一109-113
• 6.2.3 道路试验113-116
• 6.4 小结116-118
• 第7章 全文总结与展望118-120
• 7.1 全文总结118-119
• 7.2 工作展望119-120
• 参考文献120-124
• 作者简介及在学期间所取得的科研成果124-126
• 致谢126

【参考文献】

中国期刊全文数据库 前9条

1 卢卫娜;史忠科;;基于单目视觉的车道线和道路边界同步检测[J];传感技术学报;2007年05期

2 王荣本,李斌,储江伟,郭克友;世界智能车辆行驶安全保障技术的研究进展[J];公路交通科技;2002年02期

3 王荣本,游峰,崔高健,郭烈;基于计算机视觉高速智能车辆的道路识别[J];计算机工程与应用;2004年26期

4 王荣本,余天洪,郭烈,金立生,顾柏园;车道标识线识别和跟踪方法研究[J];计算机工程与应用;2005年24期

5 赵颖;王书茂;陈兵旗;;基于改进Hough变换的公路车道线快速检测算法[J];中国农业大学学报;2006年03期

6 乔维高;徐学进;;无人驾驶汽车的发展现状及方向[J];上海汽车;2007年07期

7 卢力，李青，王能超;Robinson算子的并行计算[J];武汉城市建设学院学报;1996年04期

8 张江山,朱光喜;一种基于Kal man滤波的视频对象跟踪方法[J];中国图象图形学报;2002年06期

9 王声ng;道路交通安全——全球共同关注的公共卫生问题[J];中华预防医学杂志;2004年03期

中国博士学位论文全文数据库 前4条

1 董因平;高速汽车车道偏离预警系统的算法研究[D];吉林大学;2004年

2 游峰;智能车辆自动换道与自动超车控制方法的研究[D];吉林大学;2005年

3 毕雁冰;高速汽车车道偏离预警系统可行区域感知算法研究[D];吉林大学;2006年

4 贾鑫;智能车辆视觉感知中的车道标线识别方法的研究[D];吉林大学;2008年

中国硕士学位论文全文数据库 前4条

1 唐高友;基于机器视觉的道路识别与障碍物检测技术研究[D];重庆大学;2005年

2 杨宁;基于边缘特征的前方车辆识别[D];吉林大学;2007年

3 耿静静;基于单目视觉的车道线检测与识别[D];哈尔滨工业大学;2007年

4 圣华;车道线检测在车道偏离预警中的应用研究[D];合肥工业大学;2010年

  本文关键词：基于多传感器的车辆局部交通环境感知，由笔耕文化传播整理发布。

本文编号：347193