版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、1999年,全球大約有80萬(wàn)人死于道路交通事故,經(jīng)濟(jì)損失超過(guò)5180億美元,約占當(dāng)年全球GNP的1.7%。在此背景下,發(fā)展具有主動(dòng)安全功能的智能車輛成為各國(guó)政府、研究機(jī)構(gòu)和汽車制造商的共同目標(biāo)?;谟?jì)算機(jī)視覺(jué)的道路場(chǎng)景識(shí)別和車輛狀態(tài)估計(jì)是智能車輛的關(guān)鍵技術(shù)之一,具體包括車道檢測(cè)與跟蹤、車輛檢測(cè)與跟蹤等。盡管研究者們進(jìn)行了多年的研究,該問(wèn)題仍沒(méi)有得到很好的解決,主要表現(xiàn)為算法的魯棒性較差。針對(duì)這種情況,本文在復(fù)雜背景下的目標(biāo)跟蹤、車道檢測(cè)
2、與跟蹤、車輛檢測(cè)、車輛跟蹤與行為預(yù)測(cè)、車道偏離預(yù)警等方面開(kāi)展了研究。 本文的主要研究?jī)?nèi)容和學(xué)術(shù)上的主要貢獻(xiàn)包含以下幾個(gè)方面: 提出自適應(yīng)融合顏色線索和形狀線索的目標(biāo)跟蹤方法。提出了基于灰度梯度的形狀觀測(cè)模型,其優(yōu)點(diǎn)是最大限度地保留了圖像中的信息,與基于產(chǎn)生式模型的形狀觀測(cè)模型相比,該模型的參數(shù)更少,避免了復(fù)雜的參數(shù)學(xué)習(xí)過(guò)程。在復(fù)雜背景的情況下,基于單線索的目標(biāo)跟蹤方法容易失敗,針對(duì)這種情況,本文在粒子濾波器框架下提出了基
3、于顏色和形狀線索融合的目標(biāo)跟蹤算法。第一個(gè)算法在計(jì)算目標(biāo)狀態(tài)觀測(cè)時(shí),融合了顏色線索和形狀線索,充分利用了兩線索之間的互補(bǔ)特性,該算法采用信息熵來(lái)衡量線索的可靠度,并據(jù)此自適應(yīng)調(diào)整各線索的權(quán)重。本章提出的第二個(gè)目標(biāo)跟蹤算法,在粒子濾波器的采樣階段分別從顏色重要密度函數(shù)和形狀重要密度函數(shù)采樣,利用了顏色和形狀的互補(bǔ)特性,使得粒子集中在高密度區(qū)域,避免了退化問(wèn)題的發(fā)生。實(shí)驗(yàn)結(jié)果表明,本文提出的跟蹤算法在部分遮擋、有雜亂背景、目標(biāo)外觀隨時(shí)間變化
4、、目標(biāo)快速運(yùn)動(dòng)等情況下能準(zhǔn)確可靠地跟蹤目標(biāo)。 提出了基于MAP和PSO算法的車道檢測(cè)方法。推導(dǎo)了在圖像坐標(biāo)下的車道標(biāo)線變形模板,變形模板的參數(shù)與車道的寬度、曲率、車輛在車道中的位置和航向一一對(duì)應(yīng)。自然環(huán)境下,光照無(wú)法控制,道路圖像往往受到陰影、噪聲等因素的影響而出現(xiàn)大量干擾邊界。難于在保留有用特征的前提下剔除干擾特征。在此情況下,本文采取自上而下的方法,將道路檢測(cè)問(wèn)題轉(zhuǎn)化為一個(gè)MAP問(wèn)題,用變形模板和先驗(yàn)知識(shí)對(duì)車道形狀進(jìn)行約束,
5、通過(guò)PSO算法搜索所涉及函數(shù)的全局極大值,從而獲得最大后驗(yàn)概率參數(shù),結(jié)合攝像機(jī)參數(shù)可以計(jì)算出車道的寬度、曲率、車輛在車道中的位置和航向。實(shí)驗(yàn)結(jié)果表明,該方法在陰影嚴(yán)重、噪聲嚴(yán)重、車道標(biāo)線部分被遮擋、圖像質(zhì)量差、車道標(biāo)線質(zhì)量差等情況下能可靠地檢測(cè)車道,正確檢測(cè)率高于96%。提出了一種基于變形模板和粒子濾波器的車道跟蹤方法。車道跟蹤中往往遇到車道標(biāo)線不連續(xù)、對(duì)比度不高、干擾特征多的情況,同時(shí),系統(tǒng)的狀態(tài)方程和測(cè)量方程是非線性,非高斯的。本文
6、提出的方法使用粒子濾波器對(duì)車輛在車道中的位置、方位、車道的寬度、曲率進(jìn)行估計(jì)。該方法避免了使用在干擾嚴(yán)重情況下效果很差的特征綜合步驟,同時(shí)在粒子濾波器的每一個(gè)迭代中從一個(gè)表示車道缺省形狀的先驗(yàn)概率分布中采樣一部分粒子,保證了該車道跟蹤方法在車輛換道或者在某一些幀中沒(méi)有車道標(biāo)線時(shí)能自動(dòng)恢復(fù)正確跟蹤。實(shí)驗(yàn)結(jié)果表明,該跟蹤算法在圖像對(duì)比度低、陰影嚴(yán)重、車道標(biāo)線不清晰、車輛換道等情況下能可靠地跟蹤車道,跟蹤成功率大于98%。 提出了新的
7、近距離車輛檢測(cè)方法和中遠(yuǎn)距離車輛檢測(cè)方法。對(duì)近距離車輛而言,車輛間的相對(duì)運(yùn)動(dòng)明顯,本文的檢測(cè)方法如下:首先對(duì)不同時(shí)刻的道路場(chǎng)景圖像進(jìn)行邊緣增強(qiáng)和二值化,得到邊緣圖像;假定主車輛前方的道路是水平的、且圖像中的所有目標(biāo)在地面上,在此基礎(chǔ)上通過(guò)前一時(shí)刻的邊緣圖像、投影變換公式和反投影變換公式來(lái)預(yù)測(cè)下一時(shí)刻的邊緣圖像;將該時(shí)刻的預(yù)測(cè)邊緣圖像與實(shí)際邊緣圖像比較,如果兩種相匹配,則表明這些邊緣在路面上,否則認(rèn)為這些邊緣是由車輛形成的。對(duì)中遠(yuǎn)距離車輛
8、,車輛的形狀特征明顯,本文提出的方法如下:通過(guò)陰影特征、紋理特征和對(duì)稱性特征對(duì)車輛進(jìn)行初定位,隨后利用形狀特征對(duì)車輛進(jìn)行精確定位。實(shí)驗(yàn)結(jié)果表明,車輛檢測(cè)準(zhǔn)確率達(dá)到95%以上。 提出了一種車輛狀態(tài)預(yù)測(cè)方法。首先提出了兩個(gè)車輛跟蹤算法,第一個(gè)算法通過(guò)彩色與形狀線索融合的粒子濾波器對(duì)車輛進(jìn)行跟蹤,第二個(gè)算法采用多運(yùn)動(dòng)模式切換的方式對(duì)車輛進(jìn)行跟蹤,輸出結(jié)果是車輛運(yùn)動(dòng)的定性描述和定量描述。對(duì)智能車輛而言,僅僅知道被跟蹤車輛目前狀態(tài)是不夠的
9、,還需要預(yù)測(cè)車輛的行為。依據(jù)車輛跟蹤的結(jié)果可以得到車輛在世界坐標(biāo)中的軌跡,軌跡由目標(biāo)不同時(shí)刻的質(zhì)心點(diǎn)連接而成。對(duì)這些軌跡進(jìn)行編碼作為學(xué)習(xí)樣本對(duì)自組織特征映射神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。通過(guò)計(jì)算部分車輛運(yùn)動(dòng)軌跡與車輛的活動(dòng)模式匹配的概率,找到匹配度最高的活動(dòng)模式。根據(jù)該活動(dòng)模式可以預(yù)測(cè)未來(lái)一定時(shí)間段內(nèi)車輛的狀態(tài)。實(shí)驗(yàn)結(jié)果表明了跟蹤方法和行為預(yù)測(cè)方法的可靠性。 提出了基于虛擬車道邊界的車道偏離預(yù)警方法。基于路邊顛簸帶的車道偏離預(yù)警系統(tǒng)雖然誤報(bào)
10、警率低,但報(bào)警時(shí)間短。而基于TLC(Time to Lane Crossing)的預(yù)警方法雖然報(bào)警時(shí)間長(zhǎng),但誤警率高。本文提出的方法在車道物理標(biāo)線外加一虛擬的車道標(biāo)線,當(dāng)預(yù)測(cè)到車輛在一定時(shí)間內(nèi)將超出虛擬車道時(shí)發(fā)出警告。算法的核心是如何決定虛擬車道的寬度??紤]司機(jī)的駕駛習(xí)慣、車道的幾何結(jié)構(gòu)以及司機(jī)的局部行為變化,用模糊推理的方法來(lái)確定虛擬車道的寬度。實(shí)驗(yàn)結(jié)果表明,該方法與RRS法相比,警告時(shí)間平均增加0.75s,而誤報(bào)警率幾乎不增加,平均
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 智能車輛關(guān)鍵技術(shù)研究.pdf
- ITS智能車輛關(guān)鍵技術(shù)研究.pdf
- 智能車輛控制的關(guān)鍵技術(shù)研究.pdf
- 車輛識(shí)別系統(tǒng)中幾個(gè)關(guān)鍵技術(shù)的研究.pdf
- Turbo碼中幾個(gè)關(guān)鍵技術(shù)研究.pdf
- 智能電視跟蹤系統(tǒng)中幾個(gè)關(guān)鍵技術(shù)的研究.pdf
- 關(guān)于智能供熱幾個(gè)關(guān)鍵技術(shù)的研究.pdf
- 曲線梁橋設(shè)計(jì)中幾個(gè)關(guān)鍵技術(shù)研究.pdf
- 基于視覺(jué)導(dǎo)航的智能車輛目標(biāo)檢測(cè)關(guān)鍵技術(shù)研究.pdf
- 普適計(jì)算環(huán)境中幾個(gè)關(guān)鍵技術(shù)研究.pdf
- 光纖無(wú)線融合幾個(gè)關(guān)鍵技術(shù)研究.pdf
- 車輛懸架系統(tǒng)關(guān)鍵技術(shù)研究.pdf
- 鋼管混凝土拱橋幾個(gè)關(guān)鍵技術(shù)研究.pdf
- 智能文檔關(guān)鍵技術(shù)研究.pdf
- 車輛外形檢測(cè)關(guān)鍵技術(shù)研究.pdf
- CDMA中幾個(gè)關(guān)鍵技術(shù)的研究.pdf
- 智能總機(jī)研發(fā)中的關(guān)鍵技術(shù)研究.pdf
- 現(xiàn)代物流中車輛智能定位與導(dǎo)航系統(tǒng)關(guān)鍵技術(shù)研究.pdf
- 智能公交系統(tǒng)中的若干關(guān)鍵技術(shù)研究.pdf
- 車輛牌照智能識(shí)別若干關(guān)鍵技術(shù)的研究.pdf
評(píng)論
0/150
提交評(píng)論