面向辅助驾驶的车道检测和偏离预警方法研究

发布时间：2021-10-22 10:58

　　国民汽车保有量快速增长,交通事故随之频发,交通安全问题日益严峻。车辆主动安全技术成为了一项重要的研究课题,ADAS（高级辅助驾驶系统）是实现汽车主动安全的关键,而车道线偏离预警是ADAS的重要功能。本文面向辅助驾驶系统,基于机器视觉和机械设计等知识背景,在车道偏离预警系统的硬件结构和软件算法上进行了系统地分析。对相机标定、车道线检测和跟踪以及偏离预警策略上进行了深入地研究,为汽车主动安全和无人驾驶提供理论和技术支持。本文的研究首先从硬件系统出发,采用车载单目相机实时采集车辆前方的道路图像,根据系统需求对相机进行选型,并在保证成像质量的工艺要求上,设计了相机的主要结构。然后在软件算法部分上,研究了车载相机内部参数和外部参数的标定方法。采用静态平面靶标对相机内参进行标定。根据透视投影原理、小孔成像模型,提出了一种利用消失点和车道线几何特征的车载相机外参标定方法。该方法可以在车辆行驶过程中实时对相机的外参进行估计和修正,从而能够适应路面颠簸或车辆载重变化导致相机外参改变的情况,避免了传统标定方法的复杂流程。车道线检测与跟踪是车道偏离预警的关键技术。针对复杂的道路工况以及系统实时性的需求,提出... 

【文章来源】：天津科技大学天津市

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

图２－２?ＣＭＯＳ图像传感器??

?２视觉系统设计及标定方法???景深Ａｔ?焦深??广???＜＞｜?—？??＊？—？？??＾?ｈｈ￣＾ｒ？二：??后彔深前景深?＇直径６??Ｍ２?ＡＬ１?近点矩离?前焦深．．．．??｜?被摄体距离?—．?像距?＾：ｆ????，?远点距离?，＊￣??＊?—?＾?拍摄距离１￣?＿??焦点平面??图２－４景深原理图??Ｆｉｇ?２－４?Ｄｅｐｔｈ?ｏｆ?ｆｉｅｌｄ?ｓｃｈｅｍａｔｉｃ??因为市场中的乘用车和商用车的车头距离一般小于２米，设车道线检测距离最近??为２米；根据ＯＶ１０６４０的分辨率和搭配８ｍｍ镜头时图像解析力，车道线的最远检测??距离设定为８０米，也就是希望２米至８０米范围成像清晰，贝！Ｊ：??近点距离＝Ｌ－ｆ－ＡＬ，?＝２０００ｍｍ??原点距离＝Ｌ－ｆ＋ＡＺ２?＝８００００ｍｍ??景深＝从＋Ａｉ２＝７８Ｑ００ｍｍ?式（２－３）??镜头光圈Ｆ为１．６，焦距／为８毫米，设定容许弥散直径５为二分之一光敏单元０．００２１??毫米，代入景深计算式（２－３），相机模组的对焦距离Ｌ为１５．６４１米，即在１５．６４１米处??图像最清晰，车道线边缘锐度最高，且标定的靶标应放置在此处进行标定。??２．２．４主要结构设计??２．２．４．１镜头和ＣＭＯＳ的连接件设计??设计了一种相机镜头和图像传感器ＣＭＯＳ配合的连接件。该连接件的材料选用，??该连接件有几点加工工艺要求需要注意。??（１）镜头透镜底端处到ＣＭＯＳ的有效感光区域的距离应为５．４±０．２ｍｍ，这就要??求连接件厚度的加工精度。??（２）镜头的光轴需要交于传感器有效感光区域的中心，即需要保证镜筒连接螺口??基于

?夭津科技大学硕士学位论文???（ａ）连接件三维模型?（ｂ）相机模组装配图??图２－５连接件结构示意图??Ｆｉｇ．?２－５?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｃｏｎｎｅｃｔｏｒ?ｓｔｒｕｃｔｕｒｅ??２．２．４．２相机模组支架设计??相机模组支架主要用于支撑相机模组以及通过转动装置控制相机的俯仰。支架的??两个直角凹槽是与相机模组连接件配合的定位孔，并且需保证套筒与连接件的同轴??度。支架结构如图２－６所示：??图２－６相机模组支架三维图??Ｆｉｇ．?２－６?Ｔｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌ?ｄｉａｇｒａｍ?ｏｆ?ｐｈａｓｅ?ｍａｃｈｉｎｅ?ｍｏｄｕｌｅ?ｂｒａｃｋｅｔ??该支架的材料选用６０６１铝合金材料，材料系数如下：??表２－３?６０６丨材料系数??Ｔａｂｌｅ?２－３?６０６１?Ｍａｔｅｒｉａｌ?ｃｏｅｆｆｉｃｉｅｎｔ??材料杨氏模量泊密度导热系数?比热?热膨胀系数?屈服强度??（ＭＰａ）?松（ｋｇ／ｒｎ－?（Ｗ／ｍ／°Ｃ）?（Ｊ／ｇ／°Ｃ）?（温度范围）（／。＜：）?（ＭＰａ）??比?３）?－??６０６１?６８９００?０．３?２．７ｅ３?１８０?０．８９６?２．３６ｅ－５?２．５２ｅ－５?３１０??（－５０°Ｃ－２０°Ｃ）?（２０°Ｃ－］００°Ｃ）??６０６１铝合金１６２］是经过热处理预拉伸工艺生产的铝合金，密度小中等强度，加工性??能极佳。铝合金材料轻且强度高，可以降低设备重量，减少相机安装脱落风险；价格??１１??

【参考文献】：
期刊论文
[1]基于实时三线标定的车辆视觉定位方法[J]. 李玉婷,胡钊政,黄刚,刘国忠.  交通信息与安全. 2018(03)
[2]ADAS,向自动驾驶演进的必经之路[J]. 华诗显.  单片机与嵌入式系统应用. 2018(06)
[3]基于改进图像自适应算法的车道线识别研究[J]. 包晓敏,陈家凡,吴龙,吕文涛,杨晓城.  无线电通信技术. 2017(05)
[4]5G对无人驾驶汽车的影响分析[J]. 刘川,陈金鹰,朱正模,赵知春.  通信与信息技术. 2017(03)
[5]基于Canny算子和Hough变换的夜间车道线检测[J]. 李亚娣,黄海波,李相鹏,陈立国.  科学技术与工程. 2016(31)
[6]从ADAS系统产业发展看未来无人驾驶汽车技术前景[J]. 陈思宇,乌伟民,童杰,姜海涛,孙志涛.  黑龙江交通科技. 2015(11)
[7]基于动态区域规划的双模型车道线识别方法[J]. 王宝锋,齐志权,马国成,陈思忠.  北京理工大学学报. 2014(05)
[8]基于道路特征的车载相机标定动态补偿算法[J]. 陈军,徐友春,彭永胜,赵玉凡.  机械工程学报. 2010(20)
[9]我国高速公路交通事故特点分析[J]. 刘东,马社强,牛学军.  中国人民公安大学学报(自然科学版). 2008(04)
[10]汽车安全辅助驾驶支持系统信息感知技术综述[J]. 王贵槐,万剑.  交通与计算机. 2008(03)

博士论文
[1]城市交通中智能车辆环境感知方法研究[D]. 王科.湖南大学 2013
[2]高速汽车车道偏离预警系统的算法研究[D]. 董因平.吉林大学 2004

硕士论文
[1]基于单目视觉的道路信息提取与智能预警[D]. 李勇.燕山大学 2016
[2]我国道路交通事故特点规律及预防研究[D]. 高天柱.长安大学 2014
[3]单目视觉结构化道路车道线检测和跟踪技术研究[D]. 付永春.南京理工大学 2012
[4]基于机器视觉的车辆距离测量技术[D]. 王青.南京理工大学 2008
[5]基于计算机视觉的车道跑偏告警系统方法研究[D]. 吴沫.国防科学技术大学 2005



本文编号：3450958