收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

智能车辆中的几个关键技术研究

周勇  
【摘要】: 1999年,全球大约有80万人死于道路交通事故,经济损失超过5180亿美元,约占当年全球GNP的1.7%。在此背景下,发展具有主动安全功能的智能车辆成为各国政府、研究机构和汽车制造商的共同目标。基于计算机视觉的道路场景识别和车辆状态估计是智能车辆的关键技术之一,具体包括车道检测与跟踪、车辆检测与跟踪等。尽管研究者们进行了多年的研究,该问题仍没有得到很好的解决,主要表现为算法的鲁棒性较差。针对这种情况,本文在复杂背景下的目标跟踪、车道检测与跟踪、车辆检测、车辆跟踪与行为预测、车道偏离预警等方面开展了研究。本文的主要研究内容和学术上的主要贡献包含以下几个方面: 提出自适应融合颜色线索和形状线索的目标跟踪方法。提出了基于灰度梯度的形状观测模型,其优点是最大限度地保留了图像中的信息,与基于产生式模型的形状观测模型相比,该模型的参数更少,避免了复杂的参数学习过程。在复杂背景的情况下,基于单线索的目标跟踪方法容易失败,针对这种情况,本文在粒子滤波器框架下提出了基于颜色和形状线索融合的目标跟踪算法。第一个算法在计算目标状态观测时,融合了颜色线索和形状线索,充分利用了两线索之间的互补特性,该算法采用信息熵来衡量线索的可靠度,并据此自适应调整各线索的权重。本章提出的第二个目标跟踪算法,在粒子滤波器的采样阶段分别从颜色重要密度函数和形状重要密度函数采样,利用了颜色和形状的互补特性,使得粒子集中在高密度区域,避免了退化问题的发生。实验结果表明,本文提出的跟踪算法在部分遮挡、有杂乱背景、目标外观随时间变化、目标快速运动等情况下能准确可靠地跟踪目标。 提出了基于MAP和PSO算法的车道检测方法。推导了在图像坐标下的车道标线变形模板,变形模板的参数与车道的宽度、曲率、车辆在车道中的位置和航向一一对应。自然环境下,光照无法控制,道路图像往往受到阴影、噪声等因素的影响而出现大量干扰边界。难于在保留有用特征的前提下剔除干扰特征。在此情况下,本文采取自上而下的方法,将道路检测问题转化为一个MAP问题,用变形模板和先验知识对车道形状进行约束,通过PSO算法搜索所涉及函数的全局极大值,从而获得最大后验概率参数,结合摄像机参数可以计算出车道的宽度、曲率、车辆在车道中的位置和航向。实验结果表明,该方法在阴影严重、噪声严重、车道标线部分被遮挡、图像质量差、车道标线质量差等情况下能可靠地检测车道,正确检测率高于96%。 提出了一种基于变形模板和粒子滤波器的车道跟踪方法。车道跟踪中往往遇到车道标线不连续、对比度不高、干扰特征多的情况,同时,系统的状态方程和测量方程是非线性,非高斯的。本文提出的方法使用粒子滤波器对车辆在车道中的位置、方位、车道的宽度、曲率进行估计。该方法避免了使用在干扰严重情况下效果很差的特征综合步骤,同时在粒子滤波器的每一个迭代中从一个表示车道缺省形状的先验概率分布中采样一部分粒子,保证了该车道跟踪方法在车辆换道或者在某一些帧中没有车道标线时能自动恢复正确跟踪。实验结果表明,该跟踪算法在图像对比度低、阴影严重、车道标线不清晰、车辆换道等情况下能可靠地跟踪车道,跟踪成功率大于98%。 提出了新的近距离车辆检测方法和中远距离车辆检测方法。对近距离车辆而言,车辆间的相对运动明显,本文的检测方法如下:首先对不同时刻的道路场景图像进行边缘增强和二值化,得到边缘图像;假定主车辆前方的道路是水平的、且图像中的所有目标在地面上,在此基础上通过前一时刻的边缘图像、投影变换公式和反投影变换公式来预测下一时刻的边缘图像;将该时刻的预测边缘图像与实际边缘图像比较,如果两种相匹配,则表明这些边缘在路面上,否则认为这些边缘是由车辆形成的。对中远距离车辆,车辆的形状特征明显,本文提出的方法如下:通过阴影特征、纹理特征和对称性特征对车辆进行初定位,随后利用形状特征对车辆进行精确定位。实验结果表明,车辆检测准确率达到95%以上。 提出了一种车辆状态预测方法。首先提出了两个车辆跟踪算法,第一个算法通过彩色与形状线索融合的粒子滤波器对车辆进行跟踪,第二个算法采用多运动模式切换的方式对车辆进行跟踪,输出结果是车辆运动的定性描述和定量描述。对智能车辆而言,仅仅知道被跟踪车辆目前状态是不够的,还需要预测车辆的行为。依据车辆跟踪的结果可以得到车辆在世界坐标中的轨迹,轨迹由目标不同时刻的质心点连接而成。对这些轨迹进行编码作为学习样本对自组织特征映射神经网络进行训练。通过计算部分车辆运动轨迹与车辆的活动模式匹配的概率,找到匹配度最高的活动模式。根据该活动模式可以预测未来一定时间段内车辆的状态。实验结果表明了跟踪方法和行为预测方法的可靠性。 提出了基于虚拟车道边界的车道偏离预警方法。基于路边颠簸带的车道偏离预警系统虽然误报警率低,但报警时间短。而基于TLC(Time to Lane Crossing)的预警方法虽然报警时间长,但误警率高。本文提出的方法在车道物理标线外加一虚拟的车道标线,当预测到车辆在一定时间内将超出虚拟车道时发出警告。算法的核心是如何决定虚拟车道的宽度。考虑司机的驾驶习惯、车道的几何结构以及司机的局部行为变化,用模糊推理的方法来确定虚拟车道的宽度。实验结果表明,该方法与RRS法相比,警告时间平均增加0.75s,而误报警率几乎不增加,平均误报警率小于每小时4次。与TLC方法相比,警告时间仅仅减少约0.1秒,而误报警率比TLC方法的平均每小时15次大大减少。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 秦欢欢;冀小平;刘彦民;徐方亮;;基于视频的车辆检测与跟踪[J];科技情报开发与经济;2007年31期
2 王剑雄;王玉兰;张建梅;孙志田;洪斌;孙皓月;;基于视频序列的车辆检测与跟踪算法研究与应用[J];河北建筑工程学院学报;2010年04期
3 曹江中;戴青云;谭志标;邸磊;;基于视频检测的高速公路交通信息采集系统设计[J];电子技术应用;2007年06期
4 林培群;徐建闽;;基于快速小波变换和卡曼滤波的车辆检测与轨迹跟踪[J];微计算机信息;2008年33期
5 王荣本,马雷,储江伟,王志中;新型视觉自动引导车辆导航控制器设计[J];公路交通科技;2003年04期
6 张其善 ,吴今培 ,杨康凯;《智能车辆定位导航系统及应用》[J];交通运输系统工程与信息;2002年03期
7 曾智洪;高速公路中的行车道检测和车辆跟踪(英文)[J];自动化学报;2003年03期
8 韩俊淑;“你知道智能汽车吗?[J];安全与健康;2004年02期
9 王荣本,李兵,徐友春,李斌;基于视觉的智能车辆自主导航最优控制器设计[J];汽车工程;2001年02期
10 李旭;张为公;;智能车辆导航技术的研究进展[J];机器人技术与应用;2007年04期
11 胡铟;杨静宇;;基于单目视觉的路面车辆检测及跟踪方法综述[J];公路交通科技;2007年12期
12 李秀珍,王永吉,师菁;关于智能车辆转向问题的研究[J];机械设计;1998年09期
13 王宏,何克忠,张钹;智能车辆的自主驾驶与辅助导航[J];机器人;1997年02期
14 李斌,王荣本,郭克友;基于机器视觉的智能车辆障碍物检测方法研究[J];公路交通科技;2002年04期
15 徐文渊,朱淼良;分布式系统调试器IVD的系统实现[J];浙江大学学报(工学版);2002年02期
16 顾柏园,王荣本,储江伟;实验型高速智能汽车导航技术[J];机器人技术与应用;2002年05期
17 王荣本,马雷,刘锐,施树明;基于动力学模型的车辆转向控制器不足与变结构控制方法的研究[J];公路交通科技;2004年02期
18 储江伟,施树明,王荣本,郭烈,刘锐;视觉导航智能汽车试验平台总体设计[J];汽车工程;2004年02期
19 李青,郑南宁,张雪涛;车载摄像机安装方案探讨[J];计算机工程;2004年23期
20 陈蕾,吴春明;基于Qt组件的仿真智能车辆二维地图系统的设计与实现[J];计算机应用与软件;2004年12期
中国重要会议论文全文数据库 前10条
1 杨阿丽;刘峡壁;魏雪;万玉钗;;用于交通治安卡口的全天候视频车辆检测方法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用(SCA·2011)学术会议论文摘要集[C];2011年
2 蒋大林;马军强;;基于视频的车辆检测与跟踪方法综述[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年
3 闻育;潘霓;;基于磁偏角的车辆检测的研究[A];第二十七届中国控制会议论文集[C];2008年
4 李舜酩;缪小冬;;视觉车辆检测方法的研究进展及展望[A];2009全国虚拟仪器大会论文集(二)[C];2009年
5 林明秀;刘伟佳;张达旭;徐心和;;适应光照变化的车辆目标跟踪算法[A];2007中国控制与决策学术年会论文集[C];2007年
6 党建武;韩虎;王阳萍;赵庶旭;;冶金企业铁路货车实时跟踪系统[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年
7 黄雁;罗喜伶;张军;;空基交通态势监视系统[A];2008第四届中国智能交通年会论文集[C];2008年
8 王立琦;杜茂;;基于激光扫描仪的智能车前方障碍物检测[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
9 顾天奇;朱荣军;高欣;王健;;交通信息采集关键技术研究[A];全国城市公路学会第十九次学术年会论文集[C];2010年
10 王洪建;李志敏;赵永涛;王林;陈志云;;实时车辆流量检测系统的研究[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 周勇;智能车辆中的几个关键技术研究[D];上海交通大学;2007年
2 徐琨;交通视频监控中的车辆检测与跟踪方法研究[D];长安大学;2009年
3 何得平;基于视频的智能交通系统若干关键技术研究[D];华中科技大学;2009年
4 刘华军;面向智能车辆的道路环境理解技术研究[D];南京理工大学;2007年
5 沈峘;智能车辆视觉环境感知技术的研究[D];南京航空航天大学;2010年
6 余天洪;基于机器视觉的车道偏离预警系统研究[D];吉林大学;2006年
7 李波;基于图像分析的车辆识别与跟踪若干关键技术研究[D];华中科技大学;2011年
8 王曾敏;小波图像融合算法及其在视频车辆检测系统中的应用研究[D];天津大学;2009年
9 赵英男;Gabor滤波器在车辆检测和车型识别中的应用研究[D];南京理工大学;2004年
10 谢磊;智能交通系统中的视频处理技术研究[D];华中科技大学;2006年
中国硕士学位论文全文数据库 前10条
1 杨培龙;车载视频图像中运动目标的识别与跟踪方法研究[D];天津大学;2005年
2 张青森;基于单目视觉的车辆主动安全技术研究[D];电子科技大学;2011年
3 杨聪俐;基于视频流的车辆检测和跟踪算法的研究[D];吉林大学;2011年
4 李璟;露天停车场车辆检测与跟踪算法的研究[D];淮北师范大学;2010年
5 程远会;基于ITS的智能车辆技术研究[D];武汉理工大学;2004年
6 张玲增;基于多特征的前方车辆检测与跟踪方法研究[D];江苏大学;2010年
7 李辉;智能交通系统中基于视频的车辆检测与跟踪方法研究[D];华东师范大学;2010年
8 张彦;基于交通对象视频压缩研究[D];北方工业大学;2011年
9 陈健;基于RUP的智能车辆调度系统开发研究[D];西南交通大学;2004年
10 慕巍;基于视频图像处理的实时车速信息采集系统的研究[D];长安大学;2005年
中国重要报纸全文数据库 前10条
1 记者 刘莉;“中国智能车未来挑战赛”西安开战[N];科技日报;2010年
2 记者 杨耀青;车辆检测更加公正透明[N];西安日报;2011年
3 方琦记者 王梅;陕西省成立机动车辆检测协会[N];中国质量报;2008年
4 郑利平;湖州车辆检测科研项目通过鉴定[N];中国交通报;2004年
5 本报记者 何可寒;手续不全就开张 检了上千“合格”车[N];法治快报;2007年
6 张奇 李小洁;车辆检测,为何招来怨声一片[N];检察日报;2002年
7 柯林 记者 涂志明;代办业务9不准 车辆检测分时段[N];广元日报;2006年
8 记者 陈佳木;华泰现代人性化服务升级[N];中国石油报;2006年
9 记者 步雪琳;摩托车环保生产抽查结果令人忧[N];中国环境报;2006年
10 本报记者 李波 赵伟 郑黎;自主创新产品成科技周“主角”[N];长春日报;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