基于雙目視覺的智能車輛路徑識別方法研究.pdf

1、隨著二十一世紀(jì)經(jīng)濟(jì)的快速發(fā)展，人們的生活水平越來越高，人們對汽車的需求量也越來越大。但是汽車在給人們帶來方便的同時，也給社會帶來了巨大的交通壓力，導(dǎo)致交通事故率大幅度上升，給社會帶來巨大的經(jīng)濟(jì)損失和人員傷亡。因此為了更好的避免交通事故的發(fā)生，智能汽車的研究顯得尤為重要。在對智能汽車的研究中，路徑識別是實(shí)現(xiàn)智能汽車廣泛應(yīng)用的關(guān)鍵。論文針對智能汽車在復(fù)雜、未知環(huán)境下的路徑識別問題，研究了車輛在結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路下的車道線識別與提取，特

2、征匹配等關(guān)鍵技術(shù)，以提高智能汽車的智能水平，同時設(shè)計并實(shí)現(xiàn)了智能汽車軟硬件系統(tǒng)。
　　(1)路徑圖像采集方面，采用雙目視覺方法來實(shí)現(xiàn)智能車輛的路徑識別。針對攝像頭的畸變系數(shù)，采用擴(kuò)展卡爾曼濾波方法對攝像機(jī)進(jìn)行標(biāo)定，求取了攝像機(jī)的內(nèi)外參數(shù)。
　　(2)路徑圖像處理方面，首先針對采集的RGB圖像進(jìn)行了灰度化處理，對灰度圖像進(jìn)行了平滑濾波，消除圖像的噪聲，并對圖像進(jìn)行了拉普拉斯銳化，使濾波后的模糊圖像更加清晰;其次對道路圖像進(jìn)行邊

3、緣檢測，論文采用了Canny邊緣檢測算子提取圖像邊緣點(diǎn)，通過對Canny算法進(jìn)行改進(jìn)，采用自動提取閾值方法能夠更好的提取邊緣，并通過Hough變換對車道線進(jìn)行提取，通過對比最小二乘和LmedSquare方法，采用LmedSquare方法對提取的車道線進(jìn)行擬合，比較準(zhǔn)確的擬合了車道線。
　　(3)特征匹配與三維重建。研究了圖像特征點(diǎn)的檢測與匹配，針對特征點(diǎn)的檢測與匹配，采用SIFT(Scale Invariant Feature T

4、ransform，尺度不變特征轉(zhuǎn)換)特征檢測與匹配算法通過匹配約束對立體圖像對進(jìn)行特征點(diǎn)提取與匹配，采用RANSAC(Random Sample Consensus，隨機(jī)抽取一致性)算法去除匹配誤差，提高了匹配精度，并對匹配后的圖像進(jìn)行了三維重建，較好的解決了圖像特征點(diǎn)匹配不準(zhǔn)確和視覺定位的問題。
　　(4)視覺定位方面，本文設(shè)計并實(shí)現(xiàn)了模擬智能車輛的軟、硬件系統(tǒng),根據(jù)智能車輛的功能需求，在模型車的基礎(chǔ)上，設(shè)計了與之相應(yīng)的硬件控制