安全驾驶辅助系统若干问题的分析与研究

发布时间：2017-08-07 03:13

  本文关键词：安全驾驶辅助系统若干问题的分析与研究

  更多相关文章： 驾驶辅助系统 Catmull-Rom 类Haar特征 Adaboost算法 HOG SVM

【摘要】：驾驶辅助系统作为车辆行驶安全的辅助系统,能够有效减少由于驾驶员注意力不集中带来的安全事故。目标检测作为驾驶辅助系统的关键技术和研究方向,已经引起了国内外诸多部门、企业、学校的高度重视,并取得了一定的研究成果。目前,视觉传感器的价格便宜,并且安装方便,对驾驶员的视线影响较少,所以基于机器视觉的驾驶辅助系统的研究是一个热门的研究方向。本文以驾驶辅助系统的分析与研究为研究课题,重点研究了车道线检测算法、车辆检测算法以及行人检测算法,主要做了以下几个工作:(1)针对车道线检测,结合Hough变换与Catmull-Rom样条曲线的车道线检测方法。对于车道线为直线的模型,可以使用Hough变换快速检测出直线,但是对于弯曲的车道线,研究较少。本文结合两种算法,对于近端的车道线,可以近似为直线,采用Hough变换检测直线,对于远端弯曲的车道线,采用Catmull-Rom样条曲线检测,能够很好的描述车道线信息,同时为了减少视频后续帧图像的检测,采用Kalman滤波跟踪近端车道线。(2)针对车辆检测,本文研究及实现了一种基于Haar-like矩形特征的实时道路车辆识别方法。在已有研究的基础上,分析了Haar-like矩形特征的组成形式以及利用积分图像法快速计算矩形特征的方法。由于原有特征中不存在单个矩形组成的特征,本文采用了用单一矩形组成的特征代表车辆底部阴影区域,并选用Adaboost算法训练强分类器。(3)针对行人检测,本文对传统的梯度方向直方图HOG特征提取方法进行改进,提出了一种基于多通道特征提取的加权HOG特征融合方法。采用自适应加权法将H、S、V三通道的梯度方向直方图HOG特征融合成多通道融合HOG特征,最后采用支持向量机SVM对融合后的特征进行行人分类器训练和行人检测。
【关键词】：驾驶辅助系统 Catmull-Rom 类Haar特征 Adaboost算法 HOG SVM
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-13
• 1.1 研究工作的背景与意义8-9
• 1.2 国外研究现状9-11
• 1.3 国内研究现状11
• 1.4 论文的结构安排11-13
• 第二章 车道线检测13-30
• 2.1 道路图像预处理14-17
• 2.1.1 灰度图像14
• 2.1.2 图像噪声滤除14-16
• 2.1.3 背景减除16-17
• 2.2 基于霍夫变换的近端车道线检测17-19
• 2.3 基于权值聚类的消失点检测19-21
• 2.4 基于Catmull-Rom样条曲线的远端车道线检测21-23
• 2.4.1 Catmull-Rom样条曲线21-22
• 2.4.2 远端车道线检测22-23
• 2.5 基于Kalman滤波的车道线跟踪算法23-28
• 2.5.1 Kalman滤波的基本原理24-25
• 2.5.2 基于Kalman滤波确定感兴趣域25-27
• 2.5.3 跟踪算法中消失点的检测27-28
• 2.6 实验结果28-29
• 2.7 本章小结29-30
• 第三章 车辆检测30-37
• 3.1 Haar-like特征30-31
• 3.2 积分图31-32
• 3.3 基于Adaboost的车辆检测方法32-34
• 3.4 实验结果34-36
• 3.4.1 训练样本库34-35
• 3.4.2 实验结果与分析35-36
• 3.5 本章小结36-37
• 第四章 行人检测37-52
• 4.1 HOG特征提取38-44
• 4.1.1 图像预处理38-39
• 4.1.2 梯度计算39-41
• 4.1.3 梯度方向直方图统计41
• 4.1.4 特征值归一化41-42
• 4.1.5 HOG积分图42-44
• 4.2 多通道融合特征44-45
• 4.3 线性分类器45-46
• 4.4 基于HOG特征的SVM学习方法46-47
• 4.5 检测窗口扫描47-49
• 4.6 实验结果49-50
• 4.6.1 训练样本库49
• 4.6.2 实验结果与分析49-50
• 4.7 本章小结50-52
• 第五章 驾驶辅助系统在其他领域的应用52-56
• 5.1 无人驾驶研究领域52-53
• 5.1.1 障碍物检测52
• 5.1.2 道路检测52-53
• 5.2 在智能交通领域53-56
• 5.2.1 车流量统计53-54
• 5.2.2 公交车人数数量统计54
• 5.2.3 专用道非法占道抓拍54-56
• 第六章 总结与展望56-58
• 6.1 本文小结56-57
• 6.2 研究展望57-58
• 参考文献58-61
• 致谢61

【相似文献】

中国期刊全文数据库 前10条

1 马钧;曹静;;基于中国市场特定需求的汽车先进驾驶辅助系统发展趋势研究[J];农业装备与车辆工程;2012年03期

2 马钧;曹静;;基于中国市场特定需求的汽车先进驾驶辅助系统发展趋势研究[J];上海汽车;2012年04期

3 刘春晖;张文;;2011款途锐驾驶辅助系统解析(中)[J];汽车维修与保养;2013年01期

4 姚永平;汽车智能驾驶辅助系统新技术[J];汽车与安全;2002年10期

5 晓洲;德国加速开发汽车高科技驾驶辅助系统[J];世界汽车;2001年01期

6 晓 洲;德国加速开发高科技汽车驾驶辅助系统[J];安全与健康;2002年04期

7 金娜;刘卫国;蔡长龙;徐均琪;;车辆夜间驾驶辅助系统设计[J];西安工业大学学报;2007年06期

8 杨靖磊;;国内外重型车辆驾驶辅助系统应用现状[J];科技传播;2010年07期

9 ;到2020年将有三分之一的汽车集成节能导航系统[J];今日电子;2010年06期

10 邓军;夏林平;;保驾护航的智能驾驶辅助系统[J];现代零部件;2012年09期

中国重要会议论文全文数据库 前1条

1 陈效华;孙锐;陈军;;基于FPGA的车道偏离报警系统关键技术研究[A];面向未来的汽车与交通——2013中国汽车工程学会年会论文集精选[C];2013年

中国重要报纸全文数据库 前6条

1 记者倪永华;德国启用智能驾驶辅助系统[N];科技日报;2002年

2 吴英;本田研发新型驾驶辅助系统[N];科技日报;2014年

3 本报记者 何仑;奥迪未来驾驶辅助系统揭秘[N];国际商报;2011年

4 本报记者 赵三明;“仅仅关注汽车技术是远远不够的”[N];中国工业报;2009年

5 罗清岳;主动型汽车安全辅助技术[N];电子资讯时报;2007年

6 记者倪永华;德国着手建立司机行车模型[N];科技日报;2002年

中国博士学位论文全文数据库 前2条

1 胡三根;面向驾驶辅助系统的车辆行驶安全预警模型研究[D];华南理工大学;2016年

2 张磊;基于驾驶员特性自学习方法的车辆纵向驾驶辅助系统[D];清华大学;2009年

中国硕士学位论文全文数据库 前8条

1 张磊磊;安全驾驶辅助系统若干问题的分析与研究[D];南京邮电大学;2016年

2 李杰;公路旅客运输定线路安全驾驶辅助系统研究[D];长安大学;2007年

3 刘浩;列车驾驶辅助系统研究[D];北京交通大学;2014年

4 韩永刚;先进驾驶辅助系统之行人检测系统[D];西安电子科技大学;2014年

5 赵彻;基于机器视觉的汽车驾驶辅助系统研究[D];长春理工大学;2014年

6 刘旭;基于红外热像技术的安全驾驶辅助系统研究[D];西安工程大学;2015年

7 聂林浩;基于数据挖掘的汽车多地形可选驾驶辅助系统MTS的研究与实现[D];湖北大学;2012年

8 陈睐;基于驾驶模拟器的横向驾驶辅助试验系统[D];清华大学;2012年

，

本文编号：632595