車輛檢測是解決交通安全和交通擁堵的關鍵技術之一,其是智能交通系統(tǒng)中最基礎的一環(huán)。面向智能車的多傳感器檢測融合具有提高系統(tǒng)性能的優(yōu)點,能有效為智能車提供準確、可靠且具有魯棒性的周圍車輛信息。目前車輛檢測算法已經(jīng)比較成熟,而多傳感器檢測關聯(lián)的準確率在目標密集環(huán)境下還有待提高。本文采用當前主流成熟的檢測算法實現(xiàn)圖像和激光雷達的車輛檢測,提出一種基于一致點漂移匹配的多傳感器車輛檢測關聯(lián)算法,采用協(xié)方差交叉算法對關聯(lián)結果進行融合,并通過實驗驗證了本文方法的有效性。本文的主要工作如下:1.本文首先介紹了面向智能車的車輛檢測研究背景和意義,總結了車輛檢測和多傳感器信息融合的國內(nèi)外研究現(xiàn)狀,提出了本文的研究課題,并詳細闡述了本課題中采用的相關技術和算法。2.提出了一種面向圖像基于Haar和Adaboost的車輛檢測算法,首先通過大量正負樣本進行Haar特征提取,建立特征值向量,然后將基于Adaboost算法建立的弱分類器加權組合成強分類器,從而構建級聯(lián)分類器,進行車輛檢測。并提出了一種基于L型的激光雷達車輛檢測算法,首先對點云數(shù)據(jù)進行預處理和聚類,然后提取聚類簇內(nèi)部特征,與L型特征進行匹配,實現(xiàn)車輛檢...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

圖５．１行人檢測與識別任務示意圖

博士學位論文?白動駕駛車輛的道路環(huán)境理解關鍵技術研究??５基于激光雷達和圖像數(shù)據(jù)融合的行人檢測方法??５．１引言??行人檢測與識別的任務目標，是在自動駕駛車輛探索環(huán)境時，識別可感知范圍內(nèi)??的行人目標，并把這些目標和背景環(huán)境區(qū)分開來對于輸入的數(shù)據(jù)（通常為一??副圖像或者一些激光雷....

圖2.1圖像的感興趣區(qū)域

圖2.1圖像的感興趣區(qū)域度化。將原始的RGB彩色圖像轉化成灰度圖像的過色圖像中，圖像上每一個像素點的顏色都由R、G、分量每一個分量從0-255被分成了256級。于是每一個

圖2.2圖像灰度化效果圖

(a)原圖(b)灰度化圖像圖2.2圖像灰度化效果圖3.圖像去噪處理。未經(jīng)處理的原數(shù)字圖像在電氣設備和外界影響下都會產(chǎn)聲[43]。這些噪聲干擾會讓圖像的質(zhì)量變差，影響圖像的識別。噪聲會降低圖像質(zhì)

圖2.3中值濾波(模板3*3)

11圖2.3中值濾波(模板3*3)圖2.4高斯濾波(1)

本文編號：3943136