準(zhǔn)確地對(duì)前方車(chē)輛測(cè)距是防止車(chē)輛追尾的基礎(chǔ),針對(duì)傳統(tǒng)汽車(chē)輔助駕駛系統(tǒng)（ADAS）對(duì)前方車(chē)輛測(cè)距實(shí)時(shí)性不高、精度低的問(wèn)題。本文提出了一種基于雙目視覺(jué)的前方車(chē)輛檢測(cè)及測(cè)距方法,通過(guò)減小車(chē)輛檢測(cè)的感興趣區(qū)域和改進(jìn)影響測(cè)距精度的ORB特征匹配算法,實(shí)現(xiàn)對(duì)前方車(chē)輛快速、準(zhǔn)確地測(cè)距。主要工作和成果如下:（1）研究霍夫變換算法的點(diǎn)線對(duì)偶性和車(chē)道線成像斜率（角度）篩選出車(chē)道線的方法,利用車(chē)道線信息劃定車(chē)輛檢測(cè)的梯形感興趣區(qū)域,排除了天空、樹(shù)木等無(wú)關(guān)因素干擾,提高車(chē)輛識(shí)別率和檢測(cè)速率。（2）根據(jù)路面灰度直方圖呈現(xiàn)正態(tài)分布這一數(shù)學(xué)特性,給出一種基于動(dòng)態(tài)閾值的車(chē)底陰影分割方法,設(shè)定陰影分割閾值為路面灰度下限值進(jìn)行陰影分割,解決了傳統(tǒng)陰影檢測(cè)受路面灰度變換而效果不理想的問(wèn)題,再根據(jù)車(chē)底陰影劃定車(chē)輛候選區(qū)域,進(jìn)一步提高了車(chē)輛識(shí)別率和檢測(cè)速率。（3）利用車(chē)輛MB-LBP特征構(gòu)造弱分類(lèi)器,再使用Adaboost機(jī)器學(xué)習(xí)算法離線訓(xùn)練弱分類(lèi)器形成車(chē)輛檢測(cè)的強(qiáng)分類(lèi)器,通過(guò)實(shí)驗(yàn)證明,車(chē)輛識(shí)別率和誤別率比傳統(tǒng)算法得到明顯改善。（4）提出一種改進(jìn)的ORB特征匹配算法,首先使用拉普拉斯極值方程檢驗(yàn)傳統(tǒng)ORB算法提取的角點(diǎn),剔除不穩(wěn)... 

【文章來(lái)源】：長(zhǎng)春理工大學(xué)吉林省

【文章頁(yè)數(shù)】：56 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

高速公路交通事故形態(tài)分布圖

技術(shù)的關(guān)鍵是車(chē)輛測(cè)距，汽車(chē)行駛中對(duì)于車(chē)輛的測(cè)距已經(jīng)研究多年，距離測(cè)距的方法包括：超聲波測(cè)距、毫米波測(cè)距、視覺(jué)測(cè)距和激光測(cè)距[5]。這四種車(chē)輛距離檢法如下：(1)超聲波測(cè)距：超聲波測(cè)距儀具有幾個(gè)明顯的優(yōu)點(diǎn)：原理簡(jiǎn)單、生產(chǎn)方便、成本然而超聲波測(cè)距的速度受外部環(huán)境影響較嚴(yán)重，雨、霧、雪等天氣變化會(huì)嚴(yán)重影聲波的測(cè)距速度。一般來(lái)說(shuō)，超聲波測(cè)距儀的理想探測(cè)距離為 4 米至 5 米。因此波測(cè)距不適用于高速行駛的車(chē)輛測(cè)距。(2)毫米波測(cè)距：毫米波雷達(dá)測(cè)距儀具有明顯的優(yōu)點(diǎn)：穩(wěn)定性更好、外部干擾更小距離遠(yuǎn)。然而毫米波雷達(dá)系統(tǒng)昂貴、易受電磁干擾。必須安裝電磁屏蔽裝置，以與其他通訊設(shè)施的電磁干擾，整個(gè)系統(tǒng)相當(dāng)復(fù)雜。(3)激光測(cè)距：激光測(cè)距系統(tǒng)有很多優(yōu)點(diǎn)：高速、高精度、抗干擾能力強(qiáng)。 缺點(diǎn)是昂貴，數(shù)據(jù)處理復(fù)雜。(4)視覺(jué)測(cè)距：相比以上三種測(cè)距方法，視覺(jué)距離檢測(cè)可以獲取豐富的圖像信息，識(shí)別出周?chē)h(huán)境包括紅綠燈、指示牌、車(chē)道線等信息；也可以對(duì)環(huán)境中車(chē)輛和行行為進(jìn)行判斷；同時(shí)視覺(jué)測(cè)距技術(shù)的設(shè)備造價(jià)低、安裝方便、使用簡(jiǎn)單。

準(zhǔn)則對(duì)上述參數(shù)進(jìn)行優(yōu)化。假設(shè)有n 幅關(guān)于模板平面定點(diǎn)，那么極大似然估計(jì)值就可以通過(guò)下式最小化得到21 112 ||(,,,,,)||= = nimjijiijm mAkkRtM第 j 個(gè)點(diǎn)在第 i 幅圖像中的像點(diǎn),iR 為第 i 幅圖像旋轉(zhuǎn)矩陣j 為第 j 個(gè)點(diǎn)的空間坐標(biāo),初始估計(jì)值利用上面線性求解為 0。標(biāo)定及圖像校正實(shí)驗(yàn)定法對(duì)系統(tǒng)標(biāo)定友棋盤(pán)標(biāo)定法來(lái)標(biāo)定雙目相機(jī)的內(nèi)外參數(shù)。本實(shí)驗(yàn)采其圖像如圖 2.4 所示，本文主要介紹如何在 Matlab工具箱0進(jìn)行相機(jī)標(biāo)定。本文自制棋盤(pán)格為 12× 9規(guī)格，mm。

【參考文獻(xiàn)】：
期刊論文
[1]角膜地形圖儀中實(shí)時(shí)圖像檢測(cè)[J]. 隋成華,韓勇浩,徐丹陽(yáng),高楠,高建勛,沃圣杰,杜春年.  光學(xué)學(xué)報(bào). 2017(06)
[2]道路交通事故類(lèi)型與誘因分析[J]. 張大偉,賀錦鵬,孫立志,周大永,劉衛(wèi)國(guó),馮擎峰.  汽車(chē)工程師. 2015(01)
[3]機(jī)器視覺(jué)自動(dòng)檢測(cè)技術(shù)[J]. 余文勇,石繪.  中國(guó)科技信息. 2013(24)
[4]基于Haar與MB-LBP特征的車(chē)牌檢測(cè)算法[J]. 潘秋萍,楊萬(wàn)扣,孫長(zhǎng)銀.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(S1)
[5]基于FAST改進(jìn)的快速角點(diǎn)探測(cè)算法[J]. 燕鵬,安如.  紅外與激光工程. 2009(06)
[6]基于Hough變換的線段檢測(cè)算法[J]. 楊全銀,魏雅杰,王欣.  紅外與激光工程. 2009(03)
[7]基于陰影特征和Adaboost的前向車(chē)輛檢測(cè)系統(tǒng)[J]. 李云翀,何克忠,賈培發(fā).  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(10)

碩士論文
[1]基于雙目視覺(jué)的前方車(chē)輛測(cè)距法研究[D]. 李文杰.天津工業(yè)大學(xué) 2016
[2]基于機(jī)器視覺(jué)的前方車(chē)輛檢測(cè)與測(cè)距系統(tǒng)設(shè)計(jì)[D]. 佟卓遠(yuǎn).哈爾濱工業(yè)大學(xué) 2015
[3]基于視覺(jué)的智能車(chē)前方運(yùn)動(dòng)車(chē)輛檢測(cè)與測(cè)距方法的研究[D]. 韓廣飛.太原理工大學(xué) 2015
[4]智能車(chē)的前方車(chē)輛檢測(cè)和預(yù)警算法研究[D]. 張楚金.湖南大學(xué) 2015
[5]基于雙目視覺(jué)的結(jié)構(gòu)化道路前方車(chē)輛檢測(cè)與距離測(cè)量[D]. 汪云龍.大連理工大學(xué) 2014
[6]基于ORB特征的目標(biāo)檢測(cè)與跟蹤的研究[D]. 謝成明.合肥工業(yè)大學(xué) 2013
[7]基于嵌入式平臺(tái)的雙目主動(dòng)測(cè)距系統(tǒng)[D]. 宋萬(wàn)里.浙江大學(xué) 2012



本文編號(hào)：2950706