收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多传感器的特定道路信息识别算法研究

赵国钦  
【摘要】:随着人们生活水平的提升和汽车总体造价的下降,汽车在人们的生活中扮演了越来越重要的角色。车辆在复杂道路状况下的安全驾驶是一个重要的研究方向,道路信息检测则是其中的关键内容。然而,目前对道路信息检测研究较少,特别是车辆作为节点主动探测道路信息的研究较少。在此背景下,本课题研究了基于多传感器的特定道路信息识别算法,研究内容对保证安全驾驶起到促进作用。路面行驶质量指数中最重要的评价标准就是道路的颠簸程度和抗滑性。道路的颠簸程度就是道路的平整度,而抗滑性能评价标准则建立在不同道路类型的基础之上。本课题的研究内容是以汽车为主体的主动探测道路信息的识别问题。由此,本课题选取了最重要的两种信息作为识别目标,一个是路面的颠簸程度信息,另一个是道路的类型信息。对于道路的颠簸类型判断采用了模式识别的思想,研究采用运动传感器获取垂直于路面的加速度,通过特征提取获取能准确描述路面颠簸的类型的特征向量。通过一系列实验验证和参数调优,发现运动传感器结合特征提取与隐马尔可夫模型能较好的判决出道路的颠簸类型。对于道路类型的判断上,同样需要将道路类型具体到能准确描述其信息的物理参数上。现阶段较为成熟的识别物体的方案一般都是建立在机器视觉的基础上,通过一系列实验验证了在道路类型的识别上,纹理特征能较好的表示道路的类型,最终选取的纹理特征算法为灰度共生矩阵法。同时分类器的选取方面,为了解决道路类型识别时的遮盖问题,文中提出了投票式支持向量机的应用方法,并提出了完整的道路类型识别方案。论文最后为了验证文中提出算法与应用方法。在道路颠簸识别方面,搭建了相应的实验平台。利用这个平台实时采集车辆垂直方向的加速度数据,并通过特征提取和分类仿真得到了满意的效果,平均识别精确度可以达到94%。在道路类型识别方面应用仿真,验证了相应的算法和应用。实验验证,以计算机视觉为基础的纹理特征搭配改进的支持向量机算法能较好的识别道路类型,精度上能达到较好的效果,平均识别精确度达到93.2%。总体来说文章中所使用的算法和使用方法对于保证安全驾驶有较高的实用价值和使用价值。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 骆雯,孙延明,陈振威,陈锦昌;判断点与封闭多边形相对关系的改进算法[J];机械;1999年03期
2 王振华;胡占义;;2011国际计算机视觉大会简介[J];计算机辅助设计与图形学学报;2012年02期
3 顾伟康;计算机视觉学的发展概况[J];浙江大学学报;1986年04期
4 战德臣;陈景春;李仲荣;;计算机视觉研究的一种分布式专家系统模型[J];航天控制;1989年02期
5 邵贵平,刘谨,陈敏贤;基于计算机视觉的间距检测[J];机械制造;2001年11期
6 马晓岩,秦江敏;《模式识别》课程中的交融互动教学法[J];空军雷达学院学报;2001年01期
7 蔡叶菁;计算机视觉[J];中国包装工业;2002年05期
8 邵贵平,刘谨,陈敏贤;基于计算机视觉的间距检测[J];机械制造与自动化;2002年02期
9 张宇波,徐昊,姚伟亮;声音模式识别过程及方法研究[J];长春理工大学学报;2004年03期
10 洪文学;;基于多元图图形几何特征的模式识别新方法[J];燕山大学学报;2008年05期
11 张涛;洪文学;景军;赵勇;;模式识别中的表示问题[J];燕山大学学报;2008年05期
12 洪文学;宋佳霖;;基于2D图表示原理的模式识别研究开放性问题[J];燕山大学学报;2008年05期
13 姜继祥;周建华;陈明;;基于计算机视觉的干枣在线分级[J];机械制造与自动化;2012年03期
14 余洪祖 ,李楚霖 ,吴学谋;乏晰模式识别的二元对比平均法[J];华中工学院学报;1980年S2期
15 沈永欢 ,吕梯华 ,陈祖荫 ,聶金宗;模式识别的数学方法(1)[J];北京工业大学学报;1981年01期
16 常迵,万发贯,汪凯仁;关于第五届国际模式识别会议的报告[J];国外自动化;1981年04期
17 戴汝为;美国模式识别研究的进展[J];国外自动化;1982年06期
18 周冠雄,肖萍,雷宜武,邹海明;基于特征和知识的模式识别专家系统[J];机器人;1988年02期
19 聂大同,毛士艺,赵淑华,渠速;计算机视觉与神经网络[J];北京航空航天大学学报;1990年01期
20 ;光学模式识别课题通过阶段成果鉴定[J];南京理工大学学报(自然科学版);1991年03期
中国重要会议论文全文数据库 前10条
1 张如浩;赵巍;齐永和;;人类形象思维模式识别与机器模式识别之探讨[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
2 李瑞宏;李薄山;肖薇;;模式识别与病毒对抗[A];第十一届全国计算机安全技术交流会论文集[C];1996年
3 王筝;杨德超;高军涛;许翱翔;欧阳楷;;兔嗅觉神经的动力学研究——模式识别的稳健性[A];21世纪医学工程学术研讨会论文摘要汇编[C];2001年
4 宋小华;欧阳丹彤;;时空推理在计算机视觉的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年
5 谢丽欣;牟会;王欢;刘明霞;;基于计算机视觉的人脸检测与识别综述[A];第三届全国软件测试会议与移动计算、栅格、智能化高级论坛论文集[C];2009年
6 陈强;孙振国;;计算机视觉在焊接中的应用[A];第十次全国焊接会议论文集(第1册)[C];2001年
7 田涌涛;洪锡军;王有庆;李从心;;计算机视觉在先进制造技术中的应用[A];面向制造业的自动化与信息化技术创新设计的基础技术——2001年中国机械工程学会年会暨第九届全国特种加工学术年会论文集[C];2001年
8 刘敏娟;洪添胜;李震;吴伟斌;刘志壮;;基于计算机视觉的荔枝检测与分级方法[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
9 孙洁琼;孙明;;基于计算机视觉的水果外观品质检测分级研究现状[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
10 陈力奋;宋汉文;王文亮;;确定退化模态可导特征向量转换矩阵的一种新方法[A];振动工程学报(工程应用专辑)[C];2001年
中国博士学位论文全文数据库 前10条
1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年
2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年
3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年
4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年
5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年
6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年
7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年
8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年
9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年
10 周旭;复杂网络中社区发现算法研究[D];吉林大学;2016年
中国硕士学位论文全文数据库 前10条
1 赵国钦;基于多传感器的特定道路信息识别算法研究[D];哈尔滨工业大学;2017年
2 周治利;基于概率假设密度的多传感器多目标跟踪技术研究[D];杭州电子科技大学;2017年
3 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年
4 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年
5 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年
6 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年
7 高健;基于Zynq7000平台的去雾算法研究及实现[D];南京理工大学;2015年
8 顾磊;基于Hadoop的聚类算法的数据优化及其应用研究[D];南京信息工程大学;2015年
9 杨燕霞;基于Hadoop平台的并行关联规则挖掘算法研究[D];四川师范大学;2015年
10 王羽;基于MapReduce的社区发现算法的设计与实现[D];南京理工大学;2015年
中国重要报纸全文数据库 前7条
1 记者 李大庆;我在国际计算机视觉算法竞赛中摘金[N];科技日报;2011年
2 滕继濮;不放过一个“坏蛋”[N];粮油市场报;2011年
3 陈瑜唐婷;让计算机会看、会听、会说、会思考[N];科技日报;2007年
4 范兴川 郑华坤;计算机形象思维创新之路[N];科技日报;2004年
5 ;生活中的计算机视觉[N];中国计算机报;2006年
6 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年
7 记者 吴苡婷;心愿:让高科技走出“象牙塔”[N];上海科技报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978