本文關(guān)鍵詞：安全駕駛輔助系統(tǒng)若干問(wèn)題的分析與研究

  更多相關(guān)文章： 駕駛輔助系統(tǒng) Catmull-Rom 類Haar特征 Adaboost算法 HOG SVM

【摘要】：駕駛輔助系統(tǒng)作為車輛行駛安全的輔助系統(tǒng),能夠有效減少由于駕駛員注意力不集中帶來(lái)的安全事故。目標(biāo)檢測(cè)作為駕駛輔助系統(tǒng)的關(guān)鍵技術(shù)和研究方向,已經(jīng)引起了國(guó)內(nèi)外諸多部門、企業(yè)、學(xué)校的高度重視,并取得了一定的研究成果。目前,視覺(jué)傳感器的價(jià)格便宜,并且安裝方便,對(duì)駕駛員的視線影響較少,所以基于機(jī)器視覺(jué)的駕駛輔助系統(tǒng)的研究是一個(gè)熱門的研究方向。本文以駕駛輔助系統(tǒng)的分析與研究為研究課題,重點(diǎn)研究了車道線檢測(cè)算法、車輛檢測(cè)算法以及行人檢測(cè)算法,主要做了以下幾個(gè)工作:(1)針對(duì)車道線檢測(cè),結(jié)合Hough變換與Catmull-Rom樣條曲線的車道線檢測(cè)方法。對(duì)于車道線為直線的模型,可以使用Hough變換快速檢測(cè)出直線,但是對(duì)于彎曲的車道線,研究較少。本文結(jié)合兩種算法,對(duì)于近端的車道線,可以近似為直線,采用Hough變換檢測(cè)直線,對(duì)于遠(yuǎn)端彎曲的車道線,采用Catmull-Rom樣條曲線檢測(cè),能夠很好的描述車道線信息,同時(shí)為了減少視頻后續(xù)幀圖像的檢測(cè),采用Kalman濾波跟蹤近端車道線。(2)針對(duì)車輛檢測(cè),本文研究及實(shí)現(xiàn)了一種基于Haar-like矩形特征的實(shí)時(shí)道路車輛識(shí)別方法。在已有研究的基礎(chǔ)上,分析了Haar-like矩形特征的組成形式以及利用積分圖像法快速計(jì)算矩形特征的方法。由于原有特征中不存在單個(gè)矩形組成的特征,本文采用了用單一矩形組成的特征代表車輛底部陰影區(qū)域,并選用Adaboost算法訓(xùn)練強(qiáng)分類器。(3)針對(duì)行人檢測(cè),本文對(duì)傳統(tǒng)的梯度方向直方圖HOG特征提取方法進(jìn)行改進(jìn),提出了一種基于多通道特征提取的加權(quán)HOG特征融合方法。采用自適應(yīng)加權(quán)法將H、S、V三通道的梯度方向直方圖HOG特征融合成多通道融合HOG特征,最后采用支持向量機(jī)SVM對(duì)融合后的特征進(jìn)行行人分類器訓(xùn)練和行人檢測(cè)。
【關(guān)鍵詞】：駕駛輔助系統(tǒng) Catmull-Rom 類Haar特征 Adaboost算法 HOG SVM
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U463.6
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-13
• 1.1 研究工作的背景與意義8-9
• 1.2 國(guó)外研究現(xiàn)狀9-11
• 1.3 國(guó)內(nèi)研究現(xiàn)狀11
• 1.4 論文的結(jié)構(gòu)安排11-13
• 第二章 車道線檢測(cè)13-30
• 2.1 道路圖像預(yù)處理14-17
• 2.1.1 灰度圖像14
• 2.1.2 圖像噪聲濾除14-16
• 2.1.3 背景減除16-17
• 2.2 基于霍夫變換的近端車道線檢測(cè)17-19
• 2.3 基于權(quán)值聚類的消失點(diǎn)檢測(cè)19-21
• 2.4 基于Catmull-Rom樣條曲線的遠(yuǎn)端車道線檢測(cè)21-23
• 2.4.1 Catmull-Rom樣條曲線21-22
• 2.4.2 遠(yuǎn)端車道線檢測(cè)22-23
• 2.5 基于Kalman濾波的車道線跟蹤算法23-28
• 2.5.1 Kalman濾波的基本原理24-25
• 2.5.2 基于Kalman濾波確定感興趣域25-27
• 2.5.3 跟蹤算法中消失點(diǎn)的檢測(cè)27-28
• 2.6 實(shí)驗(yàn)結(jié)果28-29
• 2.7 本章小結(jié)29-30
• 第三章 車輛檢測(cè)30-37
• 3.1 Haar-like特征30-31
• 3.2 積分圖31-32
• 3.3 基于Adaboost的車輛檢測(cè)方法32-34
• 3.4 實(shí)驗(yàn)結(jié)果34-36
• 3.4.1 訓(xùn)練樣本庫(kù)34-35
• 3.4.2 實(shí)驗(yàn)結(jié)果與分析35-36
• 3.5 本章小結(jié)36-37
• 第四章 行人檢測(cè)37-52
• 4.1 HOG特征提取38-44
• 4.1.1 圖像預(yù)處理38-39
• 4.1.2 梯度計(jì)算39-41
• 4.1.3 梯度方向直方圖統(tǒng)計(jì)41
• 4.1.4 特征值歸一化41-42
• 4.1.5 HOG積分圖42-44
• 4.2 多通道融合特征44-45
• 4.3 線性分類器45-46
• 4.4 基于HOG特征的SVM學(xué)習(xí)方法46-47
• 4.5 檢測(cè)窗口掃描47-49
• 4.6 實(shí)驗(yàn)結(jié)果49-50
• 4.6.1 訓(xùn)練樣本庫(kù)49
• 4.6.2 實(shí)驗(yàn)結(jié)果與分析49-50
• 4.7 本章小結(jié)50-52
• 第五章 駕駛輔助系統(tǒng)在其他領(lǐng)域的應(yīng)用52-56
• 5.1 無(wú)人駕駛研究領(lǐng)域52-53
• 5.1.1 障礙物檢測(cè)52
• 5.1.2 道路檢測(cè)52-53
• 5.2 在智能交通領(lǐng)域53-56
• 5.2.1 車流量統(tǒng)計(jì)53-54
• 5.2.2 公交車人數(shù)數(shù)量統(tǒng)計(jì)54
• 5.2.3 專用道非法占道抓拍54-56
• 第六章 總結(jié)與展望56-58
• 6.1 本文小結(jié)56-57
• 6.2 研究展望57-58
• 參考文獻(xiàn)58-61
• 致謝61

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 馬鈞;曹靜;;基于中國(guó)市場(chǎng)特定需求的汽車先進(jìn)駕駛輔助系統(tǒng)發(fā)展趨勢(shì)研究[J];農(nóng)業(yè)裝備與車輛工程;2012年03期

2 馬鈞;曹靜;;基于中國(guó)市場(chǎng)特定需求的汽車先進(jìn)駕駛輔助系統(tǒng)發(fā)展趨勢(shì)研究[J];上海汽車;2012年04期

3 劉春暉;張文;;2011款途銳駕駛輔助系統(tǒng)解析(中)[J];汽車維修與保養(yǎng);2013年01期

4 姚永平;汽車智能駕駛輔助系統(tǒng)新技術(shù)[J];汽車與安全;2002年10期

5 曉洲;德國(guó)加速開(kāi)發(fā)汽車高科技駕駛輔助系統(tǒng)[J];世界汽車;2001年01期

6 曉 洲;德國(guó)加速開(kāi)發(fā)高科技汽車駕駛輔助系統(tǒng)[J];安全與健康;2002年04期

7 金娜;劉衛(wèi)國(guó);蔡長(zhǎng)龍;徐均琪;;車輛夜間駕駛輔助系統(tǒng)設(shè)計(jì)[J];西安工業(yè)大學(xué)學(xué)報(bào);2007年06期

8 楊靖磊;;國(guó)內(nèi)外重型車輛駕駛輔助系統(tǒng)應(yīng)用現(xiàn)狀[J];科技傳播;2010年07期

9 ;到2020年將有三分之一的汽車集成節(jié)能導(dǎo)航系統(tǒng)[J];今日電子;2010年06期

10 鄧軍;夏林平;;保駕護(hù)航的智能駕駛輔助系統(tǒng)[J];現(xiàn)代零部件;2012年09期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 陳效華;孫銳;陳軍;;基于FPGA的車道偏離報(bào)警系統(tǒng)關(guān)鍵技術(shù)研究[A];面向未來(lái)的汽車與交通——2013中國(guó)汽車工程學(xué)會(huì)年會(huì)論文集精選[C];2013年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前6條

1 記者倪永華;德國(guó)啟用智能駕駛輔助系統(tǒng)[N];科技日?qǐng)?bào);2002年

2 吳英;本田研發(fā)新型駕駛輔助系統(tǒng)[N];科技日?qǐng)?bào);2014年

3 本報(bào)記者 何侖;奧迪未來(lái)駕駛輔助系統(tǒng)揭秘[N];國(guó)際商報(bào);2011年

4 本報(bào)記者 趙三明;“僅僅關(guān)注汽車技術(shù)是遠(yuǎn)遠(yuǎn)不夠的”[N];中國(guó)工業(yè)報(bào);2009年

5 羅清岳;主動(dòng)型汽車安全輔助技術(shù)[N];電子資訊時(shí)報(bào);2007年

6 記者倪永華;德國(guó)著手建立司機(jī)行車模型[N];科技日?qǐng)?bào);2002年

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

1 胡三根;面向駕駛輔助系統(tǒng)的車輛行駛安全預(yù)警模型研究[D];華南理工大學(xué);2016年

2 張磊;基于駕駛員特性自學(xué)習(xí)方法的車輛縱向駕駛輔助系統(tǒng)[D];清華大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 張磊磊;安全駕駛輔助系統(tǒng)若干問(wèn)題的分析與研究[D];南京郵電大學(xué);2016年

2 李杰;公路旅客運(yùn)輸定線路安全駕駛輔助系統(tǒng)研究[D];長(zhǎng)安大學(xué);2007年

3 劉浩;列車駕駛輔助系統(tǒng)研究[D];北京交通大學(xué);2014年

4 韓永剛;先進(jìn)駕駛輔助系統(tǒng)之行人檢測(cè)系統(tǒng)[D];西安電子科技大學(xué);2014年

5 趙徹;基于機(jī)器視覺(jué)的汽車駕駛輔助系統(tǒng)研究[D];長(zhǎng)春理工大學(xué);2014年

6 劉旭;基于紅外熱像技術(shù)的安全駕駛輔助系統(tǒng)研究[D];西安工程大學(xué);2015年

7 聶林浩;基于數(shù)據(jù)挖掘的汽車多地形可選駕駛輔助系統(tǒng)MTS的研究與實(shí)現(xiàn)[D];湖北大學(xué);2012年

8 陳睞;基于駕駛模擬器的橫向駕駛輔助試驗(yàn)系統(tǒng)[D];清華大學(xué);2012年

，

本文編號(hào)：632595