面向智能車輛的道路環(huán)境理解技術(shù)研究.pdf

1、本文針對道路環(huán)境理解中的視覺技術(shù)展開研究，主要研究了結(jié)構(gòu)化道路圖像中消失點的估計及其在道路環(huán)境解釋中的應用；非結(jié)構(gòu)化道路圖像的分割；越野地形的可通行性分析以及融合多傳感器的局部地圖創(chuàng)建，并取得了一定的成果，具體來說： 針對結(jié)構(gòu)化道路圖像的理解，研究了圖像中消失點的估計和跟蹤技術(shù)，提出了基于Bayes原理的多消失點估計算法和基于高斯預測模型的單一消失點跟蹤算法，算法的估計精度和執(zhí)行效率均較高。同時，在此基礎(chǔ)上，還提出了基于消失點的

2、道路環(huán)境理解的一系列算法，具體包括基于消失點的多行道線檢測、基于消失點的岔道檢測與提取、基于消失點的前車檢測以及基于消失點的前車測距與測速等算法。實驗結(jié)果表明，算法有效，具有應用前景。 針對非結(jié)構(gòu)化道路圖像路面分割中的陰影問題，提出了新的空間關(guān)系的定義，并構(gòu)造了空間關(guān)系隸屬度矩陣，改進了基于空間關(guān)系約束的模糊聚類算法。在林蔭道圖像分割的實驗表明，算法在保持路面一致性方面優(yōu)于傳統(tǒng)算法以及其它類似算法。提出了序列圖像中的聚類中心更新

3、算法，該算法的收斂速度和穩(wěn)定性得到了進一步提高。 針對基于高程圖描述的越野地形的分析，提出了越野高程地形具有相對不變性的概念，并提取出了反映復雜地形起伏幅度、頻率的相對不變特征。具體實現(xiàn)方法是：采用地形高程的方差計算地形的起伏度；采用二次曲面擬合的數(shù)值解法來計算地形坡度以及采用分形布朗運動模型估計地形的粗糙度。最后，根據(jù)模糊規(guī)則整合各特征實現(xiàn)對地形的可通行性進行評估。在越野地形上的仿真實驗和現(xiàn)場實驗均表明了算法的有效性和實用性。