基于視覺的自主車導(dǎo)航技術(shù)的研究.pdf

1、視覺導(dǎo)航技術(shù)已經(jīng)成為了自主車導(dǎo)航的關(guān)鍵技術(shù),但容易受外界環(huán)境條件變化的影響如天氣、光線等,其魯棒性一直是一個難點(diǎn)。另外,該技術(shù)對視覺信息處理的實(shí)時性要求比較高。為同時保證處理的實(shí)時性和魯棒性,本文結(jié)合道路場景的空域和時域兩方面的信息進(jìn)行了研究。
　　 采用整體法對道路進(jìn)行分割,基本原理是利用道路路面在色彩、灰度或者紋理方面的一致性,通過區(qū)域生長的方法確定路面區(qū)域?？紤]到區(qū)域生長方法的缺點(diǎn)即計(jì)算的空間和時間開銷都很大,難以保證道路

2、區(qū)域分割的實(shí)時性和魯棒性,本文對其做出兩方面改進(jìn):一方面利用序列圖像中連續(xù)幀的相似性,改進(jìn)了種子點(diǎn)的選擇以及種子的搜索方法,提高了種子生長的速度；另一方面將序貫濾波應(yīng)用到序列圖像中對道路區(qū)域進(jìn)行形狀抗噪,提高了道路區(qū)域分割的魯棒性。
　　 從車輛主動安全性的角度出發(fā),對車輛的安全保障技術(shù)進(jìn)行了積極有益的探索。綜合考慮車輛在當(dāng)前車道中的橫向位置以及當(dāng)前行駛方向這兩個參數(shù)對車輛行駛姿態(tài)的影響,建立車道偏離預(yù)警模型。首先劃分車輛當(dāng)前行

3、駛車道,然后分別對車輛在當(dāng)前車道中的橫向位置以及當(dāng)前行駛方向進(jìn)行參數(shù)估計(jì),最后應(yīng)用模型進(jìn)行預(yù)警。經(jīng)實(shí)驗(yàn)證明,該模型能夠?qū)崿F(xiàn)車輛偏離車道的實(shí)時監(jiān)測和預(yù)警。
　　 對岔路口場景匹配問題進(jìn)行了研究,通過模仿人類視覺快速識別目標(biāo)的機(jī)制,采用了由粗到精的匹配策略。針對場景匹配過程中即時圖像與場景記憶圖像存在錯位、景深以及光照變化等問題,本文在粗匹配過程中引入了圖像的不變特征如顏色顯著性和邊緣特征等進(jìn)行快速的篩選,緊接著利用SIFT局部特征