智能駕駛技術(shù)是未來(lái)交通工具的發(fā)展方向,具有廣泛的應(yīng)用前景。本文結(jié)合計(jì)算機(jī)視覺(jué)技術(shù),提出了一個(gè)智能駕駛輔助系統(tǒng),用來(lái)實(shí)時(shí)獲取駕駛員注意視點(diǎn),在具有潛在危險(xiǎn)的情況下提出預(yù)警,以此提高駕駛安全系數(shù)。本文圍繞該智能駕駛輔助系統(tǒng),進(jìn)行了幾個(gè)關(guān)鍵技術(shù)問(wèn)題的研究,主要包括三個(gè)方面:RGB-D（彩色以及深度相機(jī)）相機(jī)系統(tǒng)的標(biāo)定,以及從彩色圖像直接到深度圖像的像素對(duì)準(zhǔn)問(wèn)題;沒(méi)有重復(fù)視野的兩個(gè)車載相機(jī)的相對(duì)姿勢(shì)估計(jì)的問(wèn)題;基于RGB-D相機(jī)通過(guò)單次學(xué)習(xí)的動(dòng)作識(shí)別問(wèn)題。在本文的駕駛輔助系統(tǒng)中,使用了RGB-D相機(jī)。為了提高探測(cè)精度,改善輔助駕駛系統(tǒng)的性能,需要對(duì)RGB-D相機(jī)系統(tǒng)進(jìn)行標(biāo)定。本文從普通相機(jī)的透視投影模型推廣到紅外相機(jī),建立了彩色相機(jī)、紅外相機(jī)、深度相機(jī)的相機(jī)系統(tǒng)模型。首先利用傳統(tǒng)的相機(jī)標(biāo)定方法分別標(biāo)定彩色相機(jī)和紅外相機(jī)的內(nèi)部參數(shù)以及外部參數(shù),然后結(jié)合深度相機(jī)模型標(biāo)定深度相機(jī)的深度參數(shù)。實(shí)驗(yàn)結(jié)果證明,我們的標(biāo)定達(dá)到了較高的精度。但是,在RGB-D相機(jī)系統(tǒng)中還存在一個(gè)問(wèn)題,由于彩色圖像比深度圖像具有更多的紋理信息,因此我們通常都是在彩色圖像上尋找到興趣點(diǎn),然后希望獲得其對(duì)應(yīng)的深度信息。然而目前Ki... 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院上海技術(shù)物理研究所)上海市

【文章頁(yè)數(shù)】：117 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
致謝
摘要
ABSTRACT
第1章 引言
    1.1 研究背景與意義
    1.2 國(guó)際上的研究現(xiàn)狀
    1.3 應(yīng)用背景
    1.4 本文研究?jī)?nèi)容
第2章 搭建智能駕駛輔助系統(tǒng)
    2.1 研究背景
    2.2 駕駛員注視點(diǎn)檢測(cè)系統(tǒng)
        2.2.1 系統(tǒng)構(gòu)成
        2.2.2 實(shí)現(xiàn)方法與效果
    2.3 系統(tǒng)標(biāo)定
    2.4 誤差分析與可行性分析
    2.5 小結(jié)
第3章 標(biāo)定RGB-D相機(jī)
    3.1 針孔相機(jī)模型
    3.2 相機(jī)內(nèi)部參數(shù)
        3.2.1 中心點(diǎn)偏移
        3.2.2 圖像傳感器特性
        3.2.3 鏡頭的徑向畸變
    3.3 相機(jī)外部參數(shù)
        3.3.1 直接映射（世界坐標(biāo)系到相機(jī)坐標(biāo)系）
        3.3.2 非直接映射（相機(jī)坐標(biāo)系到世界坐標(biāo)系）
    3.4 立體視覺(jué)系統(tǒng)
    3.5 Kinect相機(jī)模型
        3.5.1 紅外相機(jī)以及紅外圖像
        3.5.2 彩色相機(jī)以及彩色圖像
        3.5.3 深度圖像
        3.5.4 深度數(shù)據(jù)的分辨率
        3.5.5 紅外圖像和深度圖像之間的偏移
        3.5.6 Kinect的幾何模型
    3.6 Kinect標(biāo)定實(shí)驗(yàn)及結(jié)果
        3.6.1 標(biāo)定彩色相機(jī)與紅外相機(jī)的內(nèi)部參數(shù)
        3.6.2 標(biāo)定彩色相機(jī)與紅外相機(jī)的外部參數(shù)
        3.6.3 標(biāo)定深度相機(jī)的深度參數(shù)
第4章 彩色圖像到深度圖像的像素對(duì)準(zhǔn)
    4.1 研究背景
    4.2 算法流程
    4.3 實(shí)驗(yàn)以及實(shí)驗(yàn)結(jié)果
    4.4 小結(jié)
第5章 估計(jì)固定在標(biāo)定板上的激光器的姿勢(shì)
    5.1 符號(hào)標(biāo)記
    5.2 問(wèn)題定義
    5.3 激光器參數(shù)的計(jì)算
    5.4 實(shí)驗(yàn)
    5.5 精度分析
    5.6 小結(jié)
第6章 無(wú)重復(fù)視野相機(jī)的姿勢(shì)估計(jì)
    6.1 背景介紹
    6.2 相關(guān)研究
        6.2.1 標(biāo)定具有重復(fù)視野的相機(jī)的相對(duì)姿勢(shì)
        6.2.2 標(biāo)定沒(méi)有重復(fù)視野的相機(jī)的相對(duì)姿勢(shì)
        6.2.3 標(biāo)定無(wú)重復(fù)視野相機(jī)的最新方法
    6.3 數(shù)學(xué)工具
        6.3.1 用四元數(shù)表示旋轉(zhuǎn)矩陣
        6.3.2 Levenberg-Marquardt非線性優(yōu)化方法
        6.3.3 Plücker坐標(biāo)系
    6.4 共面約束算法
        6.4.1 數(shù)學(xué)模型
        6.4.2 算法流程
        6.4.3 共面條件
        6.4.4 相對(duì)姿勢(shì)估計(jì)
        6.4.5 參數(shù)的全局優(yōu)化
    6.5 共線約束算法
        6.5.1 數(shù)學(xué)模型
        6.5.2 算法流程
        6.5.3 相對(duì)姿勢(shì)的線性估計(jì)
        6.5.4 相對(duì)姿勢(shì)的非線性估計(jì)
        6.5.5 參數(shù)的全局優(yōu)化
    6.6 仿真實(shí)驗(yàn)
        6.6.1 不同數(shù)據(jù)量的影響
        6.6.2 不同噪聲水平的影響
        6.6.3 不同相機(jī)配置的影響
    6.7 實(shí)際實(shí)驗(yàn)
        6.7.1 將基于激光束的標(biāo)定方法用于標(biāo)定車載相機(jī)系統(tǒng)
        6.7.2 實(shí)際環(huán)境下的比較實(shí)驗(yàn)
        6.7.3 對(duì)光照條件的魯棒性實(shí)驗(yàn)
    6.8 小結(jié)
第7章 基于RGB-D相機(jī)的通過(guò)單次學(xué)習(xí)的動(dòng)作識(shí)別
    7.1 研究背景
    7.2 相關(guān)工作
    7.3 提取初始姿勢(shì)
        7.3.1 數(shù)據(jù)描述
        7.3.2 提取靜態(tài)姿勢(shì)
        7.3.3 自然姿勢(shì)
    7.4 視頻分割
    7.5 基于關(guān)鍵姿勢(shì)的動(dòng)作識(shí)別
        7.5.1 對(duì)關(guān)鍵姿勢(shì)的時(shí)間聚焦
        7.5.2 在關(guān)鍵姿勢(shì)內(nèi)部的空間聚焦
        7.5.3 匹配關(guān)鍵姿勢(shì)
    7.6 實(shí)驗(yàn)
    7.7 小結(jié)
第8章 總結(jié)與展望
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于Kinect的實(shí)時(shí)人體姿勢(shì)識(shí)別[J]. 劉開(kāi)余,夏斌.  電子設(shè)計(jì)工程. 2014(19)



本文編號(hào)：2937349