我國經(jīng)濟保持穩(wěn)定增長,汽車數(shù)量持續(xù)增加,同時由于汽車引發(fā)的各類交通事故也呈增長趨勢。為了提高道路交通安全性,減少交通事故,高級駕駛輔助系統(tǒng)(ADAS)應運而生。ADAS系統(tǒng)在汽車行駛過程中進行前方車輛的檢測及跟蹤,為駕駛員提供額外的行車環(huán)境輔助信息。對高級駕駛輔助系統(tǒng)而言,前車檢測和防撞預警是兩個非常重要的組成部分。本文以自動前車檢測和防撞預警為目標,在分析和比較國內(nèi)外各種算法的基礎(chǔ)上,研究了基于計算機視覺的車輛檢測技術(shù)和前車測距估計方法。在檢測方面,本文提出一種基于類Haar特征和AdaBoost算法并結(jié)合高斯混合模型(GMM)的前車檢測方法。該方法利用GMM算法對背景建模,過濾掉部分背景區(qū)域,避免對整個圖像進行窮舉掃描,消除復雜背景中干擾物對檢測目標影響,可以減少掃描窗口的數(shù)量,從而達到節(jié)省掃描時間,提高檢測效率的目的。利用AdaBoost算法選取類Haar特征生成用于前車檢測的級聯(lián)分類器,對檢測到的目標進行驗證,最終得到準確的車輛信息。測距方面,通過對攝像頭內(nèi)、外參數(shù)標定,利用視覺投影模型原理和幾何測距的方法對前車的距離進行估計,從而預警可能的碰撞事件。ADAS作為主動安全技術(shù)的重要環(huán)節(jié),能夠有效提升駕駛安全性,提高道路安全,減少交通事故帶來的損失,并為未來汽車工業(yè)的自動駕駛構(gòu)建基礎(chǔ)。作為該系統(tǒng)主要功能之一,自動前車檢測和防撞預警的研究顯得尤為重要。
【學位單位】：浙江工商大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U463.6;TP391.41
【部分圖文】：

部交管局的最新統(tǒng)計資料顯示，截至２０１７年６月底，全國機動車保有量達到??３．０４億輛，其中包括汽車２．０５億輛；機動車駕駛?cè)诉_３．７１億人，其中汽車駕駛??人３．２８億人。相關(guān)數(shù)據(jù)資料如圖１－１所示。??２０１２年以來機動車新注冊登記量半年變化情況??１８００?單位：萬輛??１６００?，／?、??１５００?／??１４００??１３００?翁？＾、??１２００??１１００??１０００??，??＾?＾?＾?＾?＾?＾?０＾??＾?＾?＾?＾?＾?＾?＾?＾?＾?＾??圖１－１機動車注冊登記量??任何事情都具有雙面性，汽車在給我們帶來便利的同時，也帶來了一些新的??問題，例如交通擁堵、車輛事故以及霧霾加重等。怎樣減少交通堵塞和事故，增??加車輛行駛的安全性和運輸效率，并高效利用資源。這些人們普遍關(guān)注的社會問??題，已經(jīng)變成了各個國家政府、研究機構(gòu)以及汽車制造商們共同面對的問題，由??此推出了智能交通系統(tǒng)（Ｉｎｔｅｌｌｉｇｅｎｔ?Ｔｒａｎｓｐｏｒｔａｔｉｏｎ?Ｓｙｓｔｅｍ，簡稱ＩＴＳ）。經(jīng)過多年??的研究和發(fā)展

高斯混合建模是單一的高斯概率密度函數(shù)的延伸擴展，對于一系列觀察數(shù)據(jù)??１＝丨尤，石，…，為丨，如果他們在ｄ維空間的分布是一個橢圓形分布，則適合??使用單一的高斯密度函數(shù)；否則，如圖３－２?（ａ）所示，便不適合使用單一的高斯??密度函數(shù)進行描述。此時我們采取其他的方案，如圖３－２?（ｂ）所示，我們假設(shè)每??個點（數(shù)據(jù)）均是由一個單高斯分布生成，而這一堆點是由尤個單高斯分布模型??生成，具體某個點對應哪個模型匹配并不清楚，且每個單高斯模型在混合模型中??所占比例未知，將所有來自未知分布的數(shù)據(jù)點混合在一起，稱為高斯混合模型。??１?１??０．５?．?〇，．?■??０＾．?ｍ?＾??Ｖ?Ｖ??０?０??０?０．５?１?０?０．５?１??（ａ）?（ｂ）??圖３－２?（ａ）表示所有的樣本數(shù)據(jù)（ｂ）表示己經(jīng)明確樣本的分類??１５??

??圖３－?１高斯混合模型背景建模??３．?２．?２算法數(shù)學原理??高斯混合建模是單一的高斯概率密度函數(shù)的延伸擴展，對于一系列觀察數(shù)據(jù)??１＝丨尤，石，…，為丨，如果他們在ｄ維空間的分布是一個橢圓形分布，則適合??使用單一的高斯密度函數(shù)；否則，如圖３－２?（ａ）所示，便不適合使用單一的高斯??密度函數(shù)進行描述。此時我們采取其他的方案，如圖３－２?（ｂ）所示，我們假設(shè)每??個點（數(shù)據(jù)）均是由一個單高斯分布生成，而這一堆點是由尤個單高斯分布模型??生成，具體某個點對應哪個模型匹配并不清楚，且每個單高斯模型在混合模型中??所占比例未知，將所有來自未知分布的數(shù)據(jù)點混合在一起，稱為高斯混合模型。??１?１??０．５?．?〇
【參考文獻】

相關(guān)期刊論文 前10條

1 趙娜;袁家斌;徐晗;;智能交通系統(tǒng)綜述[J];計算機科學;2014年11期

2 齊美彬;潘燕;張銀霞;;基于車底陰影的前方運動車輛檢測[J];電子測量與儀器學報;2012年01期

3 王永忠;梁彥;潘泉;程詠梅;趙春暉;;基于自適應混合高斯模型的時空背景建模[J];自動化學報;2009年04期

4 王牛;李祖樞;武德臣;于芳;;機器人單目視覺定位模型及其參數(shù)辨識[J];華中科技大學學報(自然科學版);2008年S1期

5 胡銦;楊靜宇;;基于單目視覺的路面車輛檢測及跟蹤方法綜述[J];公路交通科技;2007年12期

6 賈述評;房筱莉;;日本智能交通系統(tǒng)的發(fā)展[J];吉林交通科技;2006年03期

7 王新余,張桂林;基于光流的運動目標實時檢測方法研究[J];計算機工程與應用;2004年01期

8 徐友春,李克強,連小珉,趙玉凡;智能車輛機器視覺發(fā)展近況[J];汽車工程;2003年05期

9 張朋飛,何克忠,歐陽正柱,張軍宇;多功能室外智能移動機器人實驗平臺—THMR-V[J];機器人;2002年02期

10 邱茂林,馬頌德,李毅;計算機視覺中攝像機定標綜述[J];自動化學報;2000年01期

相關(guān)碩士學位論文 前1條

1 呂萬修;車輛檢測跟蹤系統(tǒng)研究[D];哈爾濱工業(yè)大學;2013年

本文編號：2890877