城市環(huán)境中交通對象檢測與識別研究.pdf

1、無人駕駛智能車輛在城市環(huán)境中行駛時需要對圖像數(shù)據(jù)中的道路、前方車輛、前方車輛的剎車燈和轉(zhuǎn)向燈以及交通信號燈進行檢測與識別。一方面無人駕駛智能車輛自身空間的限制導致其計算能力有限，另一方面圖像數(shù)據(jù)由于攝像頭的發(fā)展導致其數(shù)據(jù)量日益增大，且由于圖像處理算法的復雜度逐漸提高其需求更多的計算資源，兩者之間難以取舍;解決此矛盾的最好方法即建立混合異構并行計算模型來充分利用其計算資源。
　　總而言之，本文做了如下工作:
　　1.針對圖像分

2、割中的閾值難以確定，本文設計了多類類間最大方差法中的分類數(shù)確定算法，以此來獲取多個閾值及分割圖像;設計了包含道路區(qū)域的二值圖像選擇算法和基于二次多項式的分段函數(shù)擬合方法，基于該兩個方法來估計道路區(qū)域的邊界;為了定位前方車輛在圖像中的位置，可以通過分析車底陰影的形狀設計約束條件來選擇車底陰影區(qū)域。通過實驗表明該方法有較好的效果。
　　2.利用車輛尾燈的鏡像特征設計車尾燈對匹配算法，并通過其與車底陰影之間的位置關系來檢測車尾燈對以及輔

3、助定位車輛位置。為了提高檢測率，設計了基于對象相對位置關系的多目標Kalman濾波跟蹤算法。為了獲得前方車輛的減速信息，設計了高位剎車燈檢測，并通過剎車燈在“亮”狀態(tài)下的顏色分布設計了剎車燈點亮狀態(tài)識別算法，結合該兩個算法的結果來識別前方剎車燈的狀態(tài)。轉(zhuǎn)向燈有左右之分并且以斷續(xù)閃爍過程來提供給后方駕駛員轉(zhuǎn)向信息。本文設計了當車尾燈對檢測失效時的左右轉(zhuǎn)向燈的判別方法，并設計了轉(zhuǎn)向燈斷續(xù)閃爍狀態(tài)累計識別算法來識別轉(zhuǎn)向燈是否處于“滅”—“亮”

4、—“滅”這種狀態(tài)轉(zhuǎn)換的過程中。實驗結果表明了這些方法的有效性。
　　3.根據(jù)交通信號燈的光源部分具備“亮”特點，而其背板部分具備“暗”特點，設計了基于Top-hat算子的“亮”區(qū)域提取算法和基于多閩值分割的“暗”區(qū)域提取算法，通過兩個區(qū)域的位置匹配來定位交通信號燈。對圓形光源區(qū)域設計了結合圓形度檢測和改進Hough橢圓檢測的方法來判斷其是否為圓形;對箭頭形光源區(qū)域，建立了標準箭頭形狀的面積投影函數(shù)，并對區(qū)域樣本做投影轉(zhuǎn)換及歸一化，

5、通過樣本面積投影函數(shù)與標準面積函數(shù)的方差來確定方向。通過實驗分析驗證了這些算法的有效性。
　　4.介紹了混合異構車載并行計算模型，對多臺車載聯(lián)網(wǎng)計算機設計了其拓撲結構以及基于在線動態(tài)分析的任務分配與作業(yè)調(diào)度算法，提出了 GPU+CPU負載均衡優(yōu)化策略減少了TBB與CUDA之間的數(shù)據(jù)交換。針對整體檢測與識別系統(tǒng)進行總體任務劃分以實現(xiàn)層級化管理，并對每一個任務進行了算法級的并行設計，以此實現(xiàn)了粗粒度以及細粒度上的混合異構并行設計。通過