基于雙目視覺(jué)的智能車(chē)輛路徑識(shí)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(lái)越高，人們對(duì)汽車(chē)的需求量也越來(lái)越大。但是汽車(chē)在給人們帶來(lái)方便的同時(shí)，也給社會(huì)帶來(lái)了巨大的交通壓力，導(dǎo)致交通事故率大幅度上升，給社會(huì)帶來(lái)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(chē)的研究顯得尤為重要。在對(duì)智能汽車(chē)的研究中，路徑識(shí)別是實(shí)現(xiàn)智能汽車(chē)廣泛應(yīng)用的關(guān)鍵。論文針對(duì)智能汽車(chē)在復(fù)雜、未知環(huán)境下的路徑識(shí)別問(wèn)題，研究了車(chē)輛在結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路下的車(chē)道線識(shí)別與提取，特

2、征匹配等關(guān)鍵技術(shù)，以提高智能汽車(chē)的智能水平，同時(shí)設(shè)計(jì)并實(shí)現(xiàn)了智能汽車(chē)軟硬件系統(tǒng)。
　　(1)路徑圖像采集方面，采用雙目視覺(jué)方法來(lái)實(shí)現(xiàn)智能車(chē)輛的路徑識(shí)別。針對(duì)攝像頭的畸變系數(shù)，采用擴(kuò)展卡爾曼濾波方法對(duì)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(duì)采集的RGB圖像進(jìn)行了灰度化處理，對(duì)灰度圖像進(jìn)行了平滑濾波，消除圖像的噪聲，并對(duì)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(duì)道路圖像進(jìn)行邊

3、緣檢測(cè)，論文采用了Canny邊緣檢測(cè)算子提取圖像邊緣點(diǎn)，通過(guò)對(duì)Canny算法進(jìn)行改進(jìn)，采用自動(dòng)提取閾值方法能夠更好的提取邊緣，并通過(guò)Hough變換對(duì)車(chē)道線進(jìn)行提取，通過(guò)對(duì)比最小二乘和LmedSquare方法，采用LmedSquare方法對(duì)提取的車(chē)道線進(jìn)行擬合，比較準(zhǔn)確的擬合了車(chē)道線。
　　(3)特征匹配與三維重建。研究了圖像特征點(diǎn)的檢測(cè)與匹配，針對(duì)特征點(diǎn)的檢測(cè)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(cè)與匹配算法通過(guò)匹配約束對(duì)立體圖像對(duì)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(duì)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(jué)定位的問(wèn)題。
　　(4)視覺(jué)定位方面，本文設(shè)計(jì)并實(shí)現(xiàn)了模擬智能車(chē)輛的軟、硬件系統(tǒng),根據(jù)智能車(chē)輛的功能需求，在模型車(chē)的基礎(chǔ)上，設(shè)計(jì)了與之相應(yīng)的硬件控制