基于DSP及机器视觉的道路识别与障碍物检测

【摘要】： 论文以基于机器视觉的道路识别与障碍物检测为研究对象,综合利用动态图像处理技术,模式识别技术实时检测定位车辆行驶的车道及障碍物车辆。获取车辆环境状态信息及车辆行驶状态信息,为汽车主动安全报警系统的报警决策提供必要可靠的数据。 论文首先对智能车辆做了概述,介绍了其研究方向,发展阶段,然后对智能车辆在汽车主动安全上的应用以及机器视觉在汽车主动安全上的应用做了简介。最后提出了课题的研究目的和内容。 论文对汽车主动安全报警系统做了总体的介绍,对系统的硬件和软件选型和设计做了概述,概述了DSP的主要结构特点及其软件系统的总体流程。 接下来讨论了基于视频处理的道路识别技术。综合分析了,目前各种图像预处理技术,对图像平滑,边缘检测技术做了概述,通过实验对比分析,选用适合课题的预处理算法,给出了相应的程序片段;然后对现有的车道识别技术做了概述,提出了计算量小高效的基于图象灰度特性,车道样本点采样及滤波,中值插值的车道识别算法,对车道进行拟合,并在VC++平台上做了软件仿真。实验结果表明该道路识别技术有较好的实时性和可靠性。 论文还介绍了车辆检测算法的现状,对各种方案进行了对比分析。论文提出了基于单目视觉的障碍物检测、识别和跟踪技术,构造了完整的车辆检测方案。本文提出了一种基于车道灰度连续性,车辆底部灰度特征,NMI特征统计量,边缘提取的障碍物车辆检测方法,介绍了方案的具体实现,并在VC++平台上做了软件仿真,给出了实验结果。 最后介绍了软件算法在DSP上的实现,对DSP的结构特点,系统的软件开发做了概述,介绍了DSP芯片的特点,并对DSP的系统初始化,系统寄存器的设置,中断设置,中断服务程序等做了介绍,给出了相应的程序片段,并结合DSP硬件系统做了软件编程实践。