行車安全與出行通暢一直是行車人員的普遍追求。實際環(huán)境中,交通要素復雜多變,大量動態(tài)性和不確定性因素給智能車輛的駕駛行為決策帶來巨大挑戰(zhàn),本文以前方道路環(huán)境為主要研究對象,開展了智能車輛中目標檢測與跟蹤及換道決策的部分研究工作。（1）基于Hough變換和最小二乘法實現(xiàn)車道線的檢測和擬合。首先選用加權平均值法對圖像進行灰度化處理,選用中值濾波算法完成圖像的濾波處理,選用Sobel算子來處理道路圖像,進而檢測出本文所需的車道線邊緣;然后對直角坐標系和極坐標系下的Hough變換原理進行了分析,建立了極坐標系下的車輛檢測算法,最后基于最小二乘法對檢測出來的車道線進行擬合;（2）車輛檢測與跟蹤。首先對提出的基于多類特征融合的車輛檢測方法和基于類Haar特征結合Adaboost的算法進行車輛檢測,然后基于Kalman濾波實現(xiàn)了車輛跟蹤,最后對車輛檢測和跟蹤方法的效果在不同的道路場景下進行了實驗驗證;（3）基于單目視覺的信息提取。首先通過比較檢測出來的車道線的斜率大小完成自車所在車道的判別,基于前方車輛的行駛投影中心的落點實現(xiàn)前方車輛所在車道的判別,然后分析了世界坐標系、相機坐標系等各坐標系之間的關系... 

【文章來源】：山東理工大學山東省

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

智能汽車、智能網(wǎng)聯(lián)汽車與車聯(lián)網(wǎng)等的相互關系

上海市發(fā)布了《上海市智能網(wǎng)聯(lián)汽車道路測試管理辦第一批智能網(wǎng)聯(lián)汽車公共道路測試號牌發(fā)放。蔚來汽車和上市首批智能網(wǎng)聯(lián)汽車開放道路測試號牌之后，于當天下午，兩網(wǎng)聯(lián)汽車就開始了在博園路的首次開放道路測試。聯(lián)汽車不但讓出行方式變的更安全、更舒適、更環(huán)保、更節(jié)能城市智能交通系統(tǒng)、構建綠色汽車社會、重塑汽車及其相關產(chǎn)我們把握全球智能網(wǎng)聯(lián)汽車發(fā)展大勢的同時，根據(jù)我國智能圖圖 1.2 可知，我國智能網(wǎng)聯(lián)汽車的發(fā)展還處于低水平的部分（PA），在這一階段主要是以自主環(huán)境感知為主，同時提供和部分自動駕駛應用，也就是目前我國智能網(wǎng)聯(lián)汽車的研究仍關技術研究為主，也只有將智能車的相關關鍵技術研究成熟之能網(wǎng)聯(lián)汽車的發(fā)展推向下一階段，即以自主與網(wǎng)聯(lián)環(huán)境感知融況下的自動駕駛（CA）。網(wǎng)聯(lián)化車路協(xié)同控制

機科學和人工智能實驗室（CSAIL）、新加坡國立大學和新加坡-麻省理工學院科研中心（SMART）共同研發(fā)的無人駕駛滑板車[3]，如圖 1.4 所示；2017 年 7月，由百度開發(fā)的自動駕駛汽車，在全程約 15 公里的城市道路上，經(jīng)汽車自動識別障礙物，實現(xiàn)了從百度到國家會議中心現(xiàn)場的全程自動駕駛，百度無人車平臺如圖 1.5 所示；2018 年 4 月，據(jù)悉騰訊首輛無人駕駛原型車在北京首次公開亮相等。由于自動駕駛汽車是一個集人工智能、車輛工程、通信等高新技術于一體的綜合體，研發(fā)技術復雜，再加上自動駕駛汽車運行環(huán)境的多樣性，所以在其發(fā)展過程中還有很多不足，比如環(huán)境感知的準確性和決策的智能性都有待進一步提高。自動駕駛已成兵家必爭之地，不論是國外的科技巨頭 Google、微軟、蘋果，還是國內的百度、滴滴，都對無人駕駛青睞有加，很多國家和地區(qū)也出臺相應政策鼓勵、引導自動駕駛行業(yè)的發(fā)展，本課題就是在這樣的大背景下開展研究的。

【參考文獻】：
期刊論文
[1]基于深度學習的高分辨率遙感圖像車輛檢測[J]. 孫秉義,文珊珊,吳昊,蔡鴻明.  東華大學學報(自然科學版). 2018(04)
[2]基于卷積神經(jīng)網(wǎng)絡的車道線語義分割算法[J]. 徐國晟,張偉偉,吳訓成,蘇金亞,郭增高.  電子測量與儀器學報. 2018(07)
[3]基于神經(jīng)網(wǎng)絡與最小二乘法的車道線檢測算法研究[J]. 賈會群,魏仲慧,何昕,李沐雨.  汽車工程. 2018(03)
[4]基于深度學習的多角度車輛動態(tài)檢測方法[J]. 李浩,張運勝,連捷,李澤萍.  交通信息與安全. 2017(05)
[5]面向車輛識別的樣本自反饋式級聯(lián)檢測方法[J]. 徐藝,譚德榮,郭棟,邵金菊,孫亮,王玉瓊.  長春理工大學學報(自然科學版). 2017(03)
[6]基于深度學習方法的復雜場景下車輛目標檢測[J]. 宋煥生,張向清,鄭寶峰,嚴騰.  計算機應用研究. 2018(04)
[7]智能網(wǎng)聯(lián)汽車（ICV）技術的發(fā)展現(xiàn)狀及趨勢[J]. 李克強,戴一凡,李升波,邊明遠.  汽車安全與節(jié)能學報. 2017(01)
[8]基于幀間差分和背景差分的運動目標檢測算法[J]. 孫挺,齊迎春,耿國華.  吉林大學學報(工學版). 2016(04)
[9]基于類Haar特征和AdaBoost的車輛識別技術[J]. 張雪芹,方婷,李志前,董明杰.  華東理工大學學報(自然科學版). 2016(02)
[10]基于擴展Haar特征的AdaBoost人臉檢測算法[J]. 顏學龍,任文帥,馬峻.  計算機系統(tǒng)應用. 2015(09)

碩士論文
[1]城市路段非機動車流交通特性研究[D]. 平萍.江蘇大學 2018
[2]基于機器視覺的前方車輛檢測與跟蹤[D]. 王寧.西南交通大學 2018
[3]基于機器視覺的車道線檢測及跟蹤方法研究[D]. 潘磊成.哈爾濱工程大學 2018
[4]基于機器視覺的車道線檢測和交通標志識別研究[D]. 劉蘭馨.華南理工大學 2018
[5]大型客車環(huán)境感知系統(tǒng)設計及前方障礙物檢測方法研究[D]. 王戰(zhàn)古.山東理工大學 2018
[6]基于機器視覺的車前障礙物識別測距系統(tǒng)的設計[D]. 李一冰.長安大學 2018
[7]基于計算機視覺的前方車輛檢測及測距研究[D]. 李佳旺.浙江工商大學 2018
[8]基于機器視覺的側后方目標檢測算法及換道預警系統(tǒng)研究[D]. 晏曉娟.江蘇大學 2017
[9]基于圖像處理的汽車車道偏離預警系統(tǒng)研究與實現(xiàn)[D]. 王玲.電子科技大學 2017
[10]面向無人駕駛的智能車系統(tǒng)平臺研究與應用[D]. 劉繼周.浙江大學 2017



本文編號：3521100