面對日益嚴重的交通堵塞、環(huán)境污染、交通事故等關鍵交通問題,智能汽車的發(fā)展和技術提升需求變得尤為迫切。智能汽車能夠在傳統(tǒng)汽車具備的人為駕駛功能的基礎上,通過各種控制與執(zhí)行機構、傳感器硬件等裝置,結合先進的感知算法,使得汽車能夠智能地感知周圍的交通環(huán)境,且能夠?qū)⒏兄降男畔崟r地反饋到汽車自身,分析判斷汽車駕駛狀態(tài),從而在無人為干預下智能地做出汽車駕駛過程中的各種決策,以此來避免上述交通問題的發(fā)生。而車道線作為智能汽車感知周圍環(huán)境并作出駕駛決策的重要依據(jù),其檢測技術是智能汽車眾多技術中的關鍵之一。因此,本論文在智能汽車和車道線檢測技術不斷發(fā)展進步的大背景下,研究基于單目視覺的智能微型車車道線檢測技術。本文的工作內(nèi)容可主要歸納為以下幾個方面:第一章介紹并闡述了論文的背景和意義,并分析了智能車與車道線檢測技術的研究現(xiàn)狀,在此基礎上,提出了論文的研究內(nèi)容與總體框架。第二章介紹了自主搭建的智能微型車硬件系統(tǒng)的組成與工作原理,詳細說明了智能微型車的硬件設計內(nèi)容,并對基于CAN總線的通信網(wǎng)絡進行設計,上位機軟件通過Visual Studio2010開發(fā)實現(xiàn)。第三章研究并使用了單目視覺技術,設計了車道線特征提取的方案,開展了使用灰度化、Sobel算子邊緣提取與正負極值點提取方法的圖像預處理過程,并結合逆透視變換結果,重點研究了基于車道線寬度與車道線連續(xù)性等先驗信息的車道線特征的創(chuàng)新提取方法,從而大幅過濾車道線檢測的干擾噪聲。第四章對比分析了直線檢測方法的不足與缺點,分析提出了基于RANSAC的改進算法,提高模型擬合適應性與計算效率。將本文的車道線檢測算法在仿真環(huán)境和城市道路中進行不同工況下的實驗測試,實驗結果表明本文算法出色的有效性與魯棒性。第五章對論文所做的工作進行總結,并對后續(xù)研究進行展望。
【學位單位】：上海交通大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U463.6;TP391.41
【部分圖文】：

圖 2-1 基于視覺導引的智能微型車工作原理圖Fig.2-1 Working principle map of intelligent micro vehicle based on visual guidance2.2 智能微型車實驗平臺硬件設計

圖 2-2 控制系統(tǒng)硬件配置圖Fig.2-2 Hardware configuration of control system本論文將下位機中的控制器省去，直接由上位機通過無線網(wǎng)絡獲得智能微型車車體的狀態(tài)信息和發(fā)送控制指令，實現(xiàn)無車載控制器的智能微型車自主導航系

2CAN 總線中的數(shù)據(jù)無法通過局域網(wǎng)絡將數(shù)據(jù)發(fā)送到上位機，在這里本課題采用以太網(wǎng)轉(zhuǎn)CAN數(shù)據(jù)收發(fā)器LT1210，如圖2-3所示。LT1210內(nèi)部集成了TCP/IP協(xié)議棧，有 1 路自適應 10M/100M 自動交換以太網(wǎng)接口，2 路遵從 CAN2.0A 和CAN2.0B 標準的 CAN 接口，通過協(xié)議可向指定的 CAN 接口發(fā)送數(shù)據(jù)，同時指定的CAN 接口收到的數(shù)據(jù)會自動發(fā)送到Ethernet接口，從而實現(xiàn) Ethernet與CAN數(shù)據(jù)的相互傳輸功能。圖 2-3 以太網(wǎng)轉(zhuǎn) CAN 數(shù)據(jù)轉(zhuǎn)換器Fig.2-3 Data converter of Ethernet transfer CAN數(shù)據(jù)收發(fā)器 LT1210 帶一個 RJ45 網(wǎng)口，將這個網(wǎng)口連接到無線路由器的有線網(wǎng)口，然后將上位機電腦的無線網(wǎng)卡連接
【參考文獻】

相關期刊論文 前10條

1 馮學強;張良旭;劉志宗;;無人駕駛汽車的發(fā)展綜述[J];山東工業(yè)技術;2015年05期

2 張賢啟;余有晟;劉俊才;;無人駕駛汽車的發(fā)展及可行性[J];山東工業(yè)技術;2015年04期

3 王海;蔡英鳳;林國余;張為公;;基于方向可變Haar特征和雙曲線模型的車道線檢測方法[J];交通運輸工程學報;2014年05期

4 王珩;蘇真?zhèn)?陳謀欽;;基于多元傳感器的人機交互式CNG儲氣井腐蝕檢測系統(tǒng)[J];青島科技大學學報(自然科學版);2014年04期

5 潘建亮;;無人駕駛汽車社會效益與影響分析[J];汽車工業(yè)研究;2014年05期

6 端木慶玲;阮界望;馬鈞;;無人駕駛汽車的先進技術與發(fā)展[J];農(nóng)業(yè)裝備與車輛工程;2014年03期

7 朱淋;梁華為;王智靈;鄧耀;;基于視頻序列的車道線檢測和跟蹤[J];電子測量技術;2013年07期

8 尚晉霞;;運動目標跟蹤研究[J];電腦編程技巧與維護;2013年12期

9 張辰貝西;黃志球;;自動導航車(AGV)發(fā)展綜述[J];中國制造業(yè)信息化;2010年01期

10 余厚云;張為公;;直線模型下的車道線跟蹤與車道偏離檢測[J];自動化儀表;2009年11期

相關博士學位論文 前2條

1 沈志熙;基于視覺導航的智能車輛在城區(qū)復雜場景中的目標檢測技術研究[D];重慶大學;2008年

2 李貽斌;ITS智能車輛關鍵技術研究[D];天津大學;2008年

相關碩士學位論文 前10條

1 葉美松;單目視覺的智能電動小車車道線識別與跟蹤[D];西南交通大學;2017年

2 石庭敏;基于雙多線激光雷達的道路環(huán)境感知算法研究與實現(xiàn)[D];南京理工大學;2017年

3 成劍;基于機器視覺的道路線識別算法研究[D];南京理工大學;2017年

4 蔡兵;基于機器視覺的霧天環(huán)境下車道線識別技術研究[D];重慶郵電大學;2016年

5 宮小虎;基于RANSAC拋物線擬合的實時車道線檢測和類型識別算法[D];吉林大學;2016年

6 劉偉;單目視覺下車道偏離預警系統(tǒng)中的關鍵技術研究[D];南京航空航天大學;2014年

7 王雷;一種基于雙曲線模型的車道線跟蹤檢測算法設計與實現(xiàn)[D];吉林大學;2014年

8 王文勝;基于機器視覺的工業(yè)機器人的設計與研究[D];陜西科技大學;2012年

9 李大新;基于機器視覺的車道線檢測識別與車道偏離預警算法研究[D];山東大學;2012年

10 米超;基于紋理特征和消失點的道路識別算法研究[D];湖南大學;2012年

本文編號：2885561