基于單目視覺的汽車自動導航技術(shù)研究.pdf

1、AGV視覺導航研究是汽車自動駕駛研究的重要內(nèi)容。本文以汽車自動駕駛系統(tǒng)中的視覺導航應(yīng)用為主線，對視覺導航的關(guān)鍵和相關(guān)技術(shù)進行了深入分析與研究。具體內(nèi)容如下： 1．簡要回顧了計算機視覺技術(shù)的研究應(yīng)用現(xiàn)狀以及基于視覺的AGV系統(tǒng)在國內(nèi)外的研究發(fā)展現(xiàn)狀，指出了當前AGV視覺導航技術(shù)的研究難點和研究新方向。 2．作為機器視覺的基本和關(guān)鍵技術(shù)，深入探討了攝像機的內(nèi)、外參數(shù)標定方法。在攝像機透視投影模型和成像模型基礎(chǔ)上，提出了一種簡

2、單的利用主動系統(tǒng)的平移運動對攝像機參數(shù)進行標定的方法，并給出了標定結(jié)果。為了準確建立圖像間對應(yīng)點之間的對應(yīng)關(guān)系，提高攝像機標定精度，提出了基于Harris亞像素角點檢測匹配的方法，試驗證明該方法能提高匹配精度，有助于有效準確的標定攝像機參數(shù)，為實現(xiàn)攝像機的目標準確定位奠定了基礎(chǔ)。針對汽車在結(jié)構(gòu)化道路上運行的實際環(huán)境，在路面平坦假設(shè)前提下，推導出了單攝像機的反透視投影變換公式，為圖像上點的空間定位奠定了理論基礎(chǔ)。 3．深入討論了基

3、于邊緣特征的道路標志檢測方法。分析了光照、陰影對檢測結(jié)果的影響，發(fā)現(xiàn)利用道路標志的顏色特征可以獲得更好的檢測效果，提出了一種利用顏色特征的圖像亮度調(diào)整預處理算法。在道路標志直線模型下，從圖像本身具有的模糊性特點出發(fā)，提出了基于模糊推理的邊界檢測算法，試驗表明該方法可以獲得正確的檢測結(jié)果。采用了HT(Hough Transition)的方法獲取道路標志的邊界，并針對AGV實際應(yīng)用特點，結(jié)合汽車運動模型，預測道路標志在序列圖像中可能出現(xiàn)的位

4、置，從而減少HT運算量，并在此基礎(chǔ)上提出了道路標志提取中的改進HT變換算法。分析了共線性特征與最小特征根之間的關(guān)系后，提出了基于最小特征根的直線檢測方法，與HT直線檢測方法比較，該方法運算速度明顯高于HT算法，并具有較強的抗干擾能力和較好的檢測效果。在道路標志二次曲線模型下，提出了一種向下投影的道路標志檢測算法。該方法首先通過道路標志在圖像水平抽樣上的投影點求取中心點，然后將這些中心點進行曲線擬合獲得道路標志曲線。為了提高道路標志中心點

5、的檢測準確率，本文提出了基于道路標志寬度的偽中心點去除方法，試驗證明了該方法的有效性。 4．給出了單幅圖像上障礙物檢測的一般步驟。根據(jù)路面灰度一致性假設(shè)，運用FCM算法通過障礙物灰度和路面灰度的不同進行障礙物的檢測。FCM算法的分割結(jié)果受到初始值的影響，提出了基于體素密度的FCM初始值獲取算法，與常用的聚類有效性判據(jù)的方法比較，本文提出的方法能快速有效的求取出具有不同分布密度和復雜分布特點的多維樣本集合的最優(yōu)聚類數(shù)目和初始聚類中

6、心。為了改善FCM的運算性能，本文提出了權(quán)集和加權(quán)樣本概念，提出了運用在權(quán)集上的FCM算法：WFCM算法，并將其運用在圖像分割中，理論和試驗表明，該方法在保證相同分割結(jié)果的前提下大大提高了處理速度。在WFCM基礎(chǔ)上提出了FCM的快速算法一般形式：fFCM算法；fFCM首先運用WFCM算法獲得一個近似的迭代結(jié)果，然后再次使用FCM以獲得最終的迭代結(jié)果，試驗表明，這種方法能夠加速迭代過程，縮短迭代運行時間。給出了障礙物距離車體的距離計算公式