应用于自适应远光灯系统的夜间车灯识别研究
发布时间：2021-11-28 07:46
汽车照明系统为夜间车辆安全行驶保驾护航,在汽车驾驶安全方面发挥着重要作用。作为照明系统中重要组件之一,汽车远光灯可以提高视线,扩大观察视野,尤其在照明条件非常差的情况下,具有不可替代的功能。但是在会车和跟车时,远光灯的滥用,也会造成眩目,影响他人的视线,严重影响交通安全。随着LED灯具在汽车上安装使用越来越多,应用于LED大灯的自适应远光灯系统（Adaptive Driving Beam,ADB）也迅速发展,解决远光灯造成的眩目问题。自适应远光灯系统通过控制LED灯珠,能够在获得足够的观察视野同时,消除远光灯对前方车辆造成的眩目影响。此系统中最重要的部分是如何在夜间快速准确识别出前方车辆。本文针对应用于自适应远光灯系统的夜间车灯识别模块进行研究,研究内容如下:1)对自适应远光灯系统使用环境条件及夜间车辆成像特点进行分析,确定夜间车灯识别技术路线;结合相机成像原理及国家标准对于传感器安装要求以及车灯的安装高度要求,推导出前方汽车车灯在像素坐标系中的高度范围,划分车灯可能存在区域;2)分析多种数字图像噪声数学模型及其相应的降噪方法,根据实际实验中采集的图像设计相应的降噪算法,并通过实验验证...
【文章来源】：江苏大学江苏省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
ADB自适应远光灯系统功能图示
江苏大学硕士学位论文9第二章ADB系统的图像预处理2.1夜间车辆成像特点夜间正常行驶时，车辆会开启近光灯，示廓灯，前位灯和后位灯，这些灯光是夜间车辆在图像上的主要特征。夜间车辆成像特点如图2.1所示。图2.1（a）是会车时前方车辆成像图，从图中可以发现汽车大灯的高亮度导致在图像上呈现的是几个光团，周围包裹着光晕，车辆本身的特点全部被光团掩盖，而且由于车灯的高亮度导致路面反光严重，此时的车辆在图像上就是由几个光团组成。图2.1（b）是跟车时前方车辆成像图，相对于大灯，尾灯在图像上形成的光团较小，基本上就是尾灯本身区域范围，但是尾灯也因为高亮度，在图像上呈现的是一团白光，不同的是，尾灯光团被红色的光晕包裹，颜色特征比较明显，而且车辆本身特征没有被光源全部覆盖。（a）会车时前方车辆成像特点（b）跟车时前方车辆成像特点图2.1夜间车辆成像特点Fig.2.1Vehicleimagingcharacteristicsatnight从图2.1中可以看出，相机采集的夜间道路交通图像范围较广，除了前方车辆，还有天空，道路两旁的绿植等无关信息。在图像处理中，这些无关信息的处理会消耗CPU大量的资源，拖慢整体处理速度，对实时性要求较高的嵌入式系统而言，这是必须解决的问题。目前很多研究中也提出划分感兴趣区域（RegionofInterest，ROI），减少干扰，提高处理速度和精度。不同研究方法的ROI区域的划分方法不同，文献[38]直接在采集的图像上划分矩形框，文献[39]使用类似梯形形状划分当前车道上的ROI区域，这些直接划分的方法是根据采集的图片进行划分，没有普遍的适应性。本研究是通过识别车灯的方法确定车辆坐标位置，因此需要划分出车灯可能存在区域，在会车及跟车时，前方车辆的灯光在图像的水平方向都可能存在，而在图像的垂直方向上有?
江苏大学硕士学位论文15图2.6车灯可能存在区域划分结果Fig.2.6Theresultofthepossiblezoningofthecarlights2.4图像噪声分析图像噪声是图像数据中存在的无关干扰信息，其外在表现形式主要为图像上突兀的孤立的像素点或区域，干扰的视觉效果比较明显。简单的说，导致图像不清晰，降低图像画质的即为图像噪声。当前CCD和CMOS是最常用的两种图像传感器，在采集图像过程中，工作环境，电路结构，感光元件材料属性都会导致噪声的产生，在数字信号传输过程中，也会由于电磁干扰引入噪声。图像噪声的特点是随机性和可叠加性，但是噪声的概率分布又服从一定的分布规律，根据分布规律，可以分为以下几种噪声：（1）高斯噪声高斯噪声，又称正态噪声，其概率密度函数定义为：(2.7)式中：z表示噪声灰度值，表示z的平均值，σ表示z的标准差，σ2称为z的方差。（2）瑞利噪声服从瑞利分布的噪声叫做瑞利噪声，瑞利噪声的概率密度函数定义如下：(2.8)式中：z表示噪声灰度值，其概率密度的均值和方差由下式给出：(2.9)(2.10)
【参考文献】：
期刊论文
[1]电控空气悬架车辆自适应前照灯控制策略研究[J]. 贾兆功,滕利卫,孙富权,严天一. 青岛大学学报(工程技术版). 2020(01)
[2]基于ADB汽车前照灯的光学设计[J]. 姚红兵,王宣淇,辛忠华. 应用光学. 2019(04)
[3]Cortex-A53的便携式车牌识别系统研究与设计[J]. 李宇成,贺帅. 单片机与嵌入式系统应用. 2019(06)
[4]基于尾灯的夜间前方车辆检测与跟踪方法[J]. 于莉媛,郭云雷,牛萍娟,刘大利,刘雷,罗德智. 天津工业大学学报. 2019(01)
[5]基于OpenGL的模拟双目建模平台研究与仿真[J]. 刘阳,谢宗武,王滨,刘宏,蔡鹤皋. 哈尔滨工程大学学报. 2017(06)
[6]基于Qt/Embedded的嵌入式GUI显示架构实现[J]. 王凯. 计算机技术与发展. 2017(05)
[7]基于MATLAB对相机标定的研究[J]. 陈陆义. 科技创新与应用. 2016(03)
[8]自适应前照灯弯道照明模式数学模型的研究[J]. 王伟杰,刘秋林. 机械与电子. 2015(10)
[9]基于单目视觉的夜间前方车辆检测方法[J]. 郭君斌,王建强,易世春,李克强. 汽车工程. 2014(05)
[10]基于团块几何和位置特征的夜间前方车辆检测方法[J]. 肖志涛,王悦,耿磊,张芳. 河北工业大学学报. 2013(05)
博士论文
[1]车辆主动安全中关于车辆检测与跟踪算法的若干研究[D]. 刘培勋.吉林大学 2015
硕士论文
[1]二值样本与自适应感兴趣区域夜间车辆检测[D]. 孙晓琳.山东大学 2018
[2]基于AFS和ADB的LED智能大灯光学设计[D]. 肖惠.广东工业大学 2018
[3]基于机器视觉和毫米波雷达的夜间车辆识别[D]. 郭云雷.天津工业大学 2018
[4]基于单目视觉的车辆防撞预警系统的技术研究[D]. 钟静连.南京理工大学 2018
[5]夜间车辆检测算法研究及其应用[D]. 董雪雪.南京信息工程大学 2017
[6]基于视频的夜间车辆检测与跟踪算法研究[D]. 王浩.浙江工业大学 2016
[7]基于嵌入式视觉系统的道路车辆检测技术研究[D]. 宗云鹏.大连理工大学 2015
[8]夜间车辆检测和状态判断[D]. 张骏.杭州电子科技大学 2015
[9]基于视觉的夜间车辆检测与跟踪[D]. 周斌.杭州电子科技大学 2015
[10]基于OpenCV的运动目标检测与跟踪算法的研究[D]. 王艳红.杭州电子科技大学 2014
本文编号：3524007
【文章来源】：江苏大学江苏省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
ADB自适应远光灯系统功能图示
江苏大学硕士学位论文9第二章ADB系统的图像预处理2.1夜间车辆成像特点夜间正常行驶时，车辆会开启近光灯，示廓灯，前位灯和后位灯，这些灯光是夜间车辆在图像上的主要特征。夜间车辆成像特点如图2.1所示。图2.1（a）是会车时前方车辆成像图，从图中可以发现汽车大灯的高亮度导致在图像上呈现的是几个光团，周围包裹着光晕，车辆本身的特点全部被光团掩盖，而且由于车灯的高亮度导致路面反光严重，此时的车辆在图像上就是由几个光团组成。图2.1（b）是跟车时前方车辆成像图，相对于大灯，尾灯在图像上形成的光团较小，基本上就是尾灯本身区域范围，但是尾灯也因为高亮度，在图像上呈现的是一团白光，不同的是，尾灯光团被红色的光晕包裹，颜色特征比较明显，而且车辆本身特征没有被光源全部覆盖。（a）会车时前方车辆成像特点（b）跟车时前方车辆成像特点图2.1夜间车辆成像特点Fig.2.1Vehicleimagingcharacteristicsatnight从图2.1中可以看出，相机采集的夜间道路交通图像范围较广，除了前方车辆，还有天空，道路两旁的绿植等无关信息。在图像处理中，这些无关信息的处理会消耗CPU大量的资源，拖慢整体处理速度，对实时性要求较高的嵌入式系统而言，这是必须解决的问题。目前很多研究中也提出划分感兴趣区域（RegionofInterest，ROI），减少干扰，提高处理速度和精度。不同研究方法的ROI区域的划分方法不同，文献[38]直接在采集的图像上划分矩形框，文献[39]使用类似梯形形状划分当前车道上的ROI区域，这些直接划分的方法是根据采集的图片进行划分，没有普遍的适应性。本研究是通过识别车灯的方法确定车辆坐标位置，因此需要划分出车灯可能存在区域，在会车及跟车时，前方车辆的灯光在图像的水平方向都可能存在，而在图像的垂直方向上有?
江苏大学硕士学位论文15图2.6车灯可能存在区域划分结果Fig.2.6Theresultofthepossiblezoningofthecarlights2.4图像噪声分析图像噪声是图像数据中存在的无关干扰信息，其外在表现形式主要为图像上突兀的孤立的像素点或区域，干扰的视觉效果比较明显。简单的说，导致图像不清晰，降低图像画质的即为图像噪声。当前CCD和CMOS是最常用的两种图像传感器，在采集图像过程中，工作环境，电路结构，感光元件材料属性都会导致噪声的产生，在数字信号传输过程中，也会由于电磁干扰引入噪声。图像噪声的特点是随机性和可叠加性，但是噪声的概率分布又服从一定的分布规律，根据分布规律，可以分为以下几种噪声：（1）高斯噪声高斯噪声，又称正态噪声，其概率密度函数定义为：(2.7)式中：z表示噪声灰度值，表示z的平均值，σ表示z的标准差，σ2称为z的方差。（2）瑞利噪声服从瑞利分布的噪声叫做瑞利噪声，瑞利噪声的概率密度函数定义如下：(2.8)式中：z表示噪声灰度值，其概率密度的均值和方差由下式给出：(2.9)(2.10)
【参考文献】：
期刊论文
[1]电控空气悬架车辆自适应前照灯控制策略研究[J]. 贾兆功,滕利卫,孙富权,严天一. 青岛大学学报(工程技术版). 2020(01)
[2]基于ADB汽车前照灯的光学设计[J]. 姚红兵,王宣淇,辛忠华. 应用光学. 2019(04)
[3]Cortex-A53的便携式车牌识别系统研究与设计[J]. 李宇成,贺帅. 单片机与嵌入式系统应用. 2019(06)
[4]基于尾灯的夜间前方车辆检测与跟踪方法[J]. 于莉媛,郭云雷,牛萍娟,刘大利,刘雷,罗德智. 天津工业大学学报. 2019(01)
[5]基于OpenGL的模拟双目建模平台研究与仿真[J]. 刘阳,谢宗武,王滨,刘宏,蔡鹤皋. 哈尔滨工程大学学报. 2017(06)
[6]基于Qt/Embedded的嵌入式GUI显示架构实现[J]. 王凯. 计算机技术与发展. 2017(05)
[7]基于MATLAB对相机标定的研究[J]. 陈陆义. 科技创新与应用. 2016(03)
[8]自适应前照灯弯道照明模式数学模型的研究[J]. 王伟杰,刘秋林. 机械与电子. 2015(10)
[9]基于单目视觉的夜间前方车辆检测方法[J]. 郭君斌,王建强,易世春,李克强. 汽车工程. 2014(05)
[10]基于团块几何和位置特征的夜间前方车辆检测方法[J]. 肖志涛,王悦,耿磊,张芳. 河北工业大学学报. 2013(05)
博士论文
[1]车辆主动安全中关于车辆检测与跟踪算法的若干研究[D]. 刘培勋.吉林大学 2015
硕士论文
[1]二值样本与自适应感兴趣区域夜间车辆检测[D]. 孙晓琳.山东大学 2018
[2]基于AFS和ADB的LED智能大灯光学设计[D]. 肖惠.广东工业大学 2018
[3]基于机器视觉和毫米波雷达的夜间车辆识别[D]. 郭云雷.天津工业大学 2018
[4]基于单目视觉的车辆防撞预警系统的技术研究[D]. 钟静连.南京理工大学 2018
[5]夜间车辆检测算法研究及其应用[D]. 董雪雪.南京信息工程大学 2017
[6]基于视频的夜间车辆检测与跟踪算法研究[D]. 王浩.浙江工业大学 2016
[7]基于嵌入式视觉系统的道路车辆检测技术研究[D]. 宗云鹏.大连理工大学 2015
[8]夜间车辆检测和状态判断[D]. 张骏.杭州电子科技大学 2015
[9]基于视觉的夜间车辆检测与跟踪[D]. 周斌.杭州电子科技大学 2015
[10]基于OpenCV的运动目标检测与跟踪算法的研究[D]. 王艳红.杭州电子科技大学 2014
本文编号：3524007
本文链接：https://www.wllwen.com/kejilunwen/qiche/3524007.html
