基于机器视觉感知平台的前方车辆检测和测距系统研究

发布时间：2017-08-28 02:02

  本文关键词：基于机器视觉感知平台的前方车辆检测和测距系统研究

  更多相关文章： 先进驾驶辅助系统 摄像头参数匹配 前方车辆检测 前方车辆测距

【摘要】：随着电子技术、控制技术及传感器技术的发展,主动安全技术逐渐成为汽车行业发展的一个重要研究方向。该类技术能够预防交通事故的发生,统称为汽车先进驾驶辅助系统(Advanc ed Driver Assistance Sys tems,ADAS)。传感器是先进驾驶辅助系统的基础,主要包括摄像头、雷达、转角传感器和车速传感器等,可以用于获取车辆内部及外部信息。视觉传感器与其他传感器相比,由于能够获取更加丰富的道路环境信息,使得视觉传感器在先进驾驶辅助系统中得到了越来越广泛的应用。本文以六个摄像头作为视觉传感器搭建了机器视觉感知平台,并在该感知平台上开展了前方车辆检测和测距功能开发。主要完成的工作有:(1)搭建机器视觉感知平台。为实现驾驶环境的视觉扩展和机器视觉识别两方面的驾驶辅助功能,本文搭建了机器视觉感知平台。该感知平台主要由六个摄像头构成,分别用来采集车辆前方、侧方和后方的道路环境信息。本文使用基于模型计算和CATIA视野仿真的摄像头参数匹配方法搭建感知平台。首先通过模型计算得到前视摄像头的最小焦距参数,确保系统的最远前方车辆识别距离大于在极限工况下的安全距离。然后通过在CATIA软件上进行视野仿真得到后视摄像头和侧视摄像头的视角及布置参数,使得后视摄像头视野覆盖国家标准规定的后视镜视野范围,且后视和侧视摄像头视野与驾驶员前方视野构成的视野范围不存在视觉盲区。(2)开发前方车辆检测功能。本文使用Haar-like+Ada boost的机器学习方法识别前方车辆,并使用基于Kalm an滤波的跟踪方法跟踪前方车辆。软件实现过程为:首先在命令行程序中调用OpenC V开源视觉库自带的opencv_traincascade.exe训练出分类器。然后在VS2010开发平台上调用OpenC V开源视觉库并使用C++语言编程实现前方车辆检测功能。(3)开发前方车辆测距功能。本文使用基于几何模型的单目测距方法测算前方车距。首先使用基于OpenCV的摄像头标定方法获取摄像头内参数,然后结合由几何模型推导的坐标转换关系式将像素坐标转换成道路平面坐标,最后将道路平面坐标代入距离计算公式得出车距,整个测距功能开发是在VS2010平台中通过C++语言编程实现的。(4)校核后视及侧视摄像头视野。本文通过在实车上校核后视及侧视摄像头的视野,验证本文提出的摄像头参数匹配方法的可行性。校核结果表明,系统的影像后视系统能够取代后视镜后视系统;系统提供的视野结合驾驶员前方视野不存在盲区。(5)进行实车实验。本文通过在城市和城郊道路上进行前方车辆检测和测距实验,验证本文开发的前方车辆检测和测距功能是否满足结构化道路的应用要求。实验结果表明,系统能够实时准确地检测前方车辆,且测距结果相对误差小。
【关键词】：先进驾驶辅助系统 摄像头参数匹配 前方车辆检测 前方车辆测距
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6
【目录】：

• 摘要5-7
• abstract7-11
• 第一章 绪论11-18
• 1.1 论文的研究背景和意义11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12
• 1.2 国内外研究现状12-15
• 1.2.1 驾驶环境的视觉扩展13
• 1.2.2 驾驶环境的机器视觉识别13-15
• 1.3 论文研究目的和内容15-18
• 第二章 机器视觉感知平台的搭建18-30
• 2.1 机器视觉感知平台中摄像头的布置及功能18-19
• 2.2 前视摄像头参数匹配19-21
• 2.2.1 最远前方车辆识别距离计算19-20
• 2.2.2 前视摄像头焦距计算20-21
• 2.3 后视摄像头参数匹配21-27
• 2.3.1 后视镜的视野要求21-23
• 2.3.2 内视镜视野仿真23-24
• 2.3.3 外视镜视野仿真24-26
• 2.3.4 后视摄像头参数确定26-27
• 2.4 侧视摄像头参数匹配27-29
• 2.4.1 A柱盲区的确定27-28
• 2.4.2 侧视摄像头参数确定28-29
• 2.5 本章小结29-30
• 第三章 前方车辆检测算法研究30-46
• 3.1 引言30-32
• 3.1.1 车辆识别方法30-31
• 3.1.2 车辆跟踪方法31-32
• 3.2 前方车辆识别算法研究32-41
• 3.2.1 算法结构32
• 3.2.2 图像预处理32-33
• 3.2.3 类Haar特征提取33-37
• 3.2.4 构建弱分类器37-38
• 3.2.5 构建强分类器38-39
• 3.2.6 生成级联分类器39-40
• 3.2.7 在线识别过程40-41
• 3.3 前方车辆跟踪算法研究41-44
• 3.3.1 Kalman滤波基本原理41-43
• 3.3.2 基于Kalman滤波的前方车辆跟踪43-44
• 3.4 本章小结44-46
• 第四章 基于单目视觉的前方车辆测距方法研究46-56
• 4.1 引言46-47
• 4.2 基于几何模型的前方车辆测距47-53
• 4.2.1 坐标系及坐标系转换关系47-48
• 4.2.2 针孔模型48-49
• 4.2.3 摄像头内参数模型49-50
• 4.2.4 几何测距模型50-53
• 4.3 摄像头内参数标定53-55
• 4.3.1 OpenC V软件介绍53-54
• 4.3.2 基于OpenC V的摄像头内参数标定54-55
• 4.4 本章小结55-56
• 第五章 系统搭建与实车实验56-72
• 5.1 系统搭建56-63
• 5.1.1 硬件选型56-58
• 5.1.2 软件架构58-62
• 5.1.3 系统安装62-63
• 5.2 视野校核63-66
• 5.2.1 后视摄像头视野校核63-65
• 5.2.2 侧视摄像头视野校核65-66
• 5.3 实车实验与结果分析66-71
• 5.3.1 前视摄像头内参数标定实验66-68
• 5.3.2 前方车辆检测实验及结果分析68-70
• 5.3.3 前方车辆测距实验及结果分析70-71
• 5.4 本章小结71-72
• 第六章 总结与展望72-74
• 6.1 全文总结72-73
• 6.2 研究展望73-74
• 参考文献74-78
• 致谢78-79
• 攻读硕士学位期间的科研成果79

【相似文献】

中国期刊全文数据库 前9条

1 肖志涛;王悦;耿磊;张芳;;基于团块几何和位置特征的夜间前方车辆检测方法[J];河北工业大学学报;2013年05期

2 王海;张为公;蔡英凤;;一种前方车辆后轮接地点检测算法[J];现代交通技术;2011年04期

3 马雷;臧俊杰;张润生;;不同光照条件下前方车辆识别方法[J];汽车工程;2012年04期

4 马雷;武波涛;于福莹;;复杂路面环境下前方车辆识别目标函数的选取[J];汽车工程;2009年04期

5 高德芝;段建民;于宏啸;;基于激光雷达和摄像机的前方车辆检测[J];北京工业大学学报;2012年09期

6 张建明;张玲增;刘志强;;一种结合多特征的前方车辆检测与跟踪方法[J];计算机工程与应用;2011年05期

7 马雷;武波涛;卢艳楠;张杨;;基于信息融合的道路前方车辆识别研究[J];公路交通科技;2009年08期

8 刘志强;程红星;王运霞;;车辆防撞检测技术研究[J];公路交通科技(应用技术版);2008年06期

9 ;[J];;年期

中国重要报纸全文数据库 前6条

1 记者 张晔　通讯员 杨萍 田野;南理工一技术给汽车提供安全“智能助理”[N];科技日报;2009年

2 本报驻萨格勒布记者 赵嘉政;克前副总理被判服刑22个月[N];光明日报;2013年

3 尹灿生;预防车祸的招数[N];云南政协报;2000年

4 本报记者 ，

本文编号：746843