發(fā)布時(shí)間：2024-10-03 05:45

　　基于視覺的車輛前方運(yùn)動(dòng)目標(biāo)檢測(cè)與測(cè)距是智能交通系統(tǒng)和汽車輔助駕駛技術(shù)研究的關(guān)鍵內(nèi)容,意在通過測(cè)量不可控且運(yùn)動(dòng)多變的車輛前方目標(biāo)的距離,使輔助駕駛系統(tǒng)適時(shí)給出碰撞預(yù)警信號(hào),提醒駕駛?cè)藛T安全駕駛。但目前仍然存在以下問題:1道路場(chǎng)景無關(guān)干擾多,計(jì)算量大,難以滿足實(shí)時(shí)性要求。2運(yùn)動(dòng)目標(biāo)檢測(cè)精度低,目標(biāo)跟蹤易受遮擋,難以識(shí)別出目標(biāo)。3多目標(biāo)時(shí),匹配的準(zhǔn)確性不高,導(dǎo)致測(cè)距失敗。本文針對(duì)上述問題,提出了基于雙目視覺的道路前方車輛及行人等多目標(biāo)跟蹤與測(cè)距方法,具體研究?jī)?nèi)容如下:(1)為了減少計(jì)算量和排除不必要的干擾,首先對(duì)采集到的道路場(chǎng)景視頻幀圖像進(jìn)行感興趣區(qū)域(Region of Interest,ROI)的劃分。本研究采用基于改進(jìn)Hough變換結(jié)合雙曲線車道模型進(jìn)行直-曲車道線檢測(cè),根據(jù)車道線交點(diǎn)確定道路消失點(diǎn)和道路水平線并將此構(gòu)成的封閉空間作為分割出的ROI區(qū)域。(2)針對(duì)現(xiàn)有的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法有效性和實(shí)時(shí)性不高的問題,本文采用基于局部自適應(yīng)敏感度的多目標(biāo)檢測(cè)算法,采用LBSP算子和RGB顏色特征來表征像素特征,并且將背景描述進(jìn)行更新引入學(xué)習(xí)機(jī)制,使得算法的自適應(yīng)性和準(zhǔn)確度保持較高水平,并通...

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1汽車輔助駕駛系統(tǒng)

第一章緒論第一章緒論背景與意義社會(huì)經(jīng)濟(jì)的發(fā)展以及城市化進(jìn)程的不斷加速，人們出行的交通工具逐漸轉(zhuǎn)國(guó)汽車保有量已突破1.4億汽車，在生產(chǎn)與生活中帶來巨大便利，但與此事故發(fā)生率激增。據(jù)可靠數(shù)據(jù)調(diào)查統(tǒng)計(jì)，全球范圍內(nèi)每年由于交通事故原人數(shù)多達(dá)130萬，受傷人數(shù)多達(dá)5000萬....

圖2-2雙目立體視覺成像模型

并利用視差原理計(jì)算得到目標(biāo)物的深度信息[22]。如圖2-2所示是簡(jiǎn)單的成像模型展示。圖2-2雙目立體視覺成像模型由圖可以看出，兩個(gè)坐標(biāo)原點(diǎn)LO和RO的位置放置相同的兩個(gè)攝像機(jī)鏡頭，且2個(gè)原點(diǎn)在同一水平線上。圖中的f分別是兩臺(tái)攝像機(jī)的焦距，b是兩臺(tái)攝像機(jī)之間的間隔距

圖2-3X-Z面投影圖

圖2-3X-Z面投影圖，任意點(diǎn)到水平線的垂直距離用d表示，此圖可知，易得PPBR相似于POCR，PPBL//RRPBPCPBOCPBPCPBOCLL//PmRR，PBnR可得：mnnddfbmnblmnddf2-4)兩式聯(lián)立....

圖2-5角點(diǎn)檢測(cè)過程

像頭采集的圖像（b）右攝像頭采集的圖2-4采集的標(biāo)定圖像板在左右攝像頭下的圖像對(duì)后，并將圖片導(dǎo)入的圖片是不是平面標(biāo)定板，判斷完成后需要手照相同的順序選擇即可，方格大小是25mm，識(shí)出來。下圖是角點(diǎn)檢測(cè)過程，如圖2-5所示

本文編號(hào)：4006823