發(fā)布時(shí)間：2017-06-23 06:13

  本文關(guān)鍵詞：基于視覺(jué)導(dǎo)航的智能車(chē)輛自主行駛研究，由筆耕文化傳播整理發(fā)布。

【摘要】：視覺(jué)導(dǎo)航在智能車(chē)輛的智能導(dǎo)航中占有重要地位。由于計(jì)算機(jī)視覺(jué)相對(duì)于常用的傳感器如測(cè)距儀等,具有信息量豐富,智能化水平高等特點(diǎn),因此其處理的數(shù)據(jù)較大。同時(shí)在復(fù)雜或者較危險(xiǎn)環(huán)境中如何檢測(cè)路徑圖像是主要難題。本文選用了標(biāo)識(shí)線圖像識(shí)別的導(dǎo)航方法。該導(dǎo)航方法原理簡(jiǎn)單,實(shí)現(xiàn)容易,且技術(shù)成本和費(fèi)用低。該方法的主要問(wèn)題是標(biāo)識(shí)線的變形矯正和邊緣檢測(cè)。本文以兩輪驅(qū)動(dòng)智能車(chē)輛為研究對(duì)象,提出了一種簡(jiǎn)單可行的圖像矯正算法——標(biāo)定法,能夠有效地降低標(biāo)識(shí)線圖像變形對(duì)參數(shù)提取的干擾,為智能車(chē)輛導(dǎo)航路徑的識(shí)別提供了準(zhǔn)確的圖像信息。在視覺(jué)圖像處理方面,提出了一種先進(jìn)行閾值分割,然后再對(duì)二值化的圖像進(jìn)行濾波的圖像預(yù)處理方法,這其中包括改進(jìn)的最優(yōu)閾值法、計(jì)算量較小的形態(tài)學(xué)濾波處理方法以及基于二階導(dǎo)數(shù)信息的邊緣檢測(cè)算法。同時(shí)在車(chē)體相對(duì)位置參數(shù)提取上進(jìn)行了改進(jìn)。仿真中采用了模糊最優(yōu)控制方法,且仿真計(jì)算證明了該控制方法對(duì)智能車(chē)輛的跟蹤控制有著良好的效果。為驗(yàn)證以上圖像處理算法和跟蹤控制策略的正確性以及智能車(chē)輛實(shí)際工作效果,在自行研制的智能車(chē)輛實(shí)驗(yàn)平臺(tái)上,完成了上位機(jī)的主程序(包括動(dòng)態(tài)圖像處理、控制算法和數(shù)據(jù)通訊)以及下位單片機(jī)電機(jī)控制程序,并且進(jìn)行了路徑跟蹤試驗(yàn)。試驗(yàn)結(jié)果表明基于以上算法的程序能夠滿足圖像處理的實(shí)時(shí)性,且智能車(chē)輛具有較好的抗噪聲干擾能力和較為準(zhǔn)確和可靠地對(duì)路徑進(jìn)行跟蹤。
【關(guān)鍵詞】：智能車(chē)輛 視覺(jué)導(dǎo)航 圖像處理 跟蹤控制
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2005
【分類(lèi)號(hào)】：U463.6
【目錄】：

• 第一章 緒論13-24
• 1．1 智能車(chē)輛的用途13
• 1．2 智能車(chē)輛研究的意義13-14
• 1．3 國(guó)內(nèi)外研究進(jìn)展14-18
• 1．4 智能車(chē)輛的研制目標(biāo)、結(jié)構(gòu)和常用到的傳感器18-20
• 1．5 智能車(chē)輛視覺(jué)導(dǎo)航與控制中的關(guān)鍵技術(shù)20-22
• 1．6 本文所研究的主要內(nèi)容22-24
• 第二章 智能車(chē)輛視覺(jué)導(dǎo)航算法的研究24-37
• 2．1 二維平面的投影變換及標(biāo)定方法24-30
• 2．2 標(biāo)識(shí)線圖像識(shí)別的導(dǎo)航原理及改進(jìn)方法30-32
• 2．3 標(biāo)識(shí)線圖像的閾值分割32-34
• 2．4 標(biāo)識(shí)線的邊緣提取34-36
• 2．5 車(chē)體相對(duì)位置參數(shù)的提取結(jié)果36
• 2．6 本章小結(jié)36-37
• 第三章 基于數(shù)學(xué)形態(tài)學(xué)的圖像濾波處理37-47
• 3．1 數(shù)學(xué)形態(tài)學(xué)圖像濾波特點(diǎn)37-38
• 3．2 數(shù)學(xué)形態(tài)學(xué)的概念38-43
• 3．3 基于輪廓結(jié)構(gòu)元素的形態(tài)學(xué)43-46
• 3．4 本章小結(jié)46-47
• 第四章 基于運(yùn)動(dòng)學(xué)模型的智能車(chē)輛跟蹤控制仿真分析47-61
• 4．1 智能小車(chē)的整體結(jié)構(gòu)分析47-48
• 4．2 智能小車(chē)的運(yùn)動(dòng)學(xué)分析48-56
• 4．3 控制器設(shè)計(jì)56-58
• 4．4 仿真分析58-60
• 4．5 本章小結(jié)60-61
• 第五章 試驗(yàn)61-81
• 5．1 試驗(yàn)中的硬件配置61
• 5．2 上位機(jī)主程序介紹61-74
• 5．3 下位單片機(jī)電機(jī)控制系統(tǒng)74-79
• 5．4 試驗(yàn)結(jié)果與分析79-80
• 5．5 本章小結(jié)80-81
• 第六章 結(jié)論81-83
• 6．1 結(jié)論81-82
• 6．2 本文的不足和建議82-83
• 參考文獻(xiàn)83-89
• 碩士期間參與科研項(xiàng)目89
• 在讀期間發(fā)表論文89-90

【引證文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 李進(jìn);視覺(jué)導(dǎo)航智能車(chē)輛的路徑識(shí)別和跟蹤控制[D];合肥工業(yè)大學(xué);2008年

2 張國(guó)權(quán);基于視覺(jué)導(dǎo)航的智能車(chē)輛目標(biāo)檢測(cè)關(guān)鍵技術(shù)研究[D];蘭州理工大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 劉佰昂;單攝像頭條件下的行人識(shí)別與跟蹤方法研究[D];中南大學(xué);2010年

2 王興昌;基于視覺(jué)的四輪驅(qū)動(dòng)電動(dòng)汽車(chē)轉(zhuǎn)向控制方法研究[D];燕山大學(xué);2012年

3 李金燦;基于道路自識(shí)別的智能汽車(chē)控制系統(tǒng)設(shè)計(jì)[D];華南理工大學(xué);2011年

4 李碧春;基于視覺(jué)導(dǎo)航智能車(chē)輛設(shè)計(jì)與實(shí)踐研究[D];合肥工業(yè)大學(xué);2006年

5 郝寶青;智能車(chē)輛視覺(jué)導(dǎo)航中道路與行人檢測(cè)技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2006年

6 黃晶;即時(shí)物體視覺(jué)追蹤自走車(chē)設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2006年

7 王偉莉;車(chē)輛安全行駛輔助導(dǎo)航研究[D];西北工業(yè)大學(xué);2007年

8 張利平;視覺(jué)導(dǎo)航系統(tǒng)中道路圖像處理技術(shù)研究[D];中北大學(xué);2007年

9 酈光府;基于RFID的AGV視覺(jué)導(dǎo)引系統(tǒng)研究[D];浙江大學(xué);2008年

10 王少鋒;競(jìng)賽用智能汽車(chē)的研究與實(shí)現(xiàn)[D];蘭州理工大學(xué);2008年

  本文關(guān)鍵詞：基于視覺(jué)導(dǎo)航的智能車(chē)輛自主行駛研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：474112