基于機器視覺的先進(jìn)輔助駕駛系統(tǒng)關(guān)鍵技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩119頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、先進(jìn)輔助駕駛系統(tǒng)是智能交通的一個重要組成部分,對于減少交通事故、降低人員傷害、提高公路運輸能力都有著極為重要的意義。因感知方式與人類視覺相似且成本較低,機器視覺技術(shù)被廣泛的應(yīng)用于各類先進(jìn)輔助駕駛系統(tǒng)。本文以先進(jìn)輔助駕駛系統(tǒng)中的若干關(guān)鍵技術(shù)問題為研究對象,研究并提出了基于機器視覺技術(shù)的解決方法,為先進(jìn)駕駛輔助系統(tǒng)提供了更加全面、及時和準(zhǔn)確的行車環(huán)境信息。論文圍繞車道線檢測、前方車輛檢測與識別及交通標(biāo)志識別等先進(jìn)輔助駕駛系統(tǒng)中的關(guān)鍵技術(shù)問題

2、展開研究,主要研究內(nèi)容及成果包括:
  (1)研究了車載攝像機的內(nèi)部參數(shù)與外部參數(shù)標(biāo)定方法。使用了平面靶標(biāo)方法在離線狀態(tài)下對車載攝像機的內(nèi)部參數(shù)進(jìn)行標(biāo)定。借助圖像中車道線消失點的位置以及車道線斜率關(guān)系,提出了車載攝像機外部參數(shù)在線調(diào)整處理方法,從而避免了對所有攝像機內(nèi)外參數(shù)進(jìn)行標(biāo)定的復(fù)雜過程。
  (2)提出了基于雙向窗口特征提取技術(shù)的車道線檢測算法。采用邊緣分布函數(shù)(EDF)和Hough變換技術(shù)初步確定車道線直線部分在圖像

3、中的位置。提出的雙向窗口特征提取技術(shù),提高了車道線檢測的準(zhǔn)確性和適用性,能夠準(zhǔn)確的提取直線和曲線車道線的特征點,在與同類算法的比較中取得了較好的檢測結(jié)果。在檢測出的特征點的基礎(chǔ)上,選用了直線與雙曲線結(jié)合的模型對車道線進(jìn)行擬合。
  (3)研究了同車道的前方車輛檢測與識別問題。借助車道線約束條件與車道線內(nèi)灰度統(tǒng)計方法確定前方車輛候選區(qū)域。創(chuàng)新性的提出了垂直對稱HOG描述算子,其更適用于描述車輛等對稱物體的特征,而且比經(jīng)典的HOG向量

4、維數(shù)更少,可以有效降低后繼機器學(xué)習(xí)的復(fù)雜程度。提出了基于垂直對稱HOG和極限學(xué)習(xí)機的車輛識別方法,能夠在消耗較少計算學(xué)習(xí)代價的條件下取得良好的車輛分類效果。
  (4)研究了交通標(biāo)志識別技術(shù)。在交通標(biāo)志檢測階段,利用了交通標(biāo)志的顏色特征,使用多尺度滑動窗口技術(shù)對圖像中的交通標(biāo)志候選區(qū)域進(jìn)行提取。在交通標(biāo)志分類階段,充分利用交通標(biāo)志的形狀特征,分別提出形狀特征向量、灰度HOG特征向量和彩色HOG特征向量等圖像特征描述方式。最后,選用

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論