版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、針對目前汽車上的主動安全系統(tǒng)的成本高、普及性差的問題,較好的解決方法就是將成本低廉且技術(shù)成熟的視覺傳感器應(yīng)用于汽車主動安全系統(tǒng)當(dāng)中。基于視覺的汽車前向防碰撞技術(shù)便成為提高汽車安全性降低交通事故發(fā)生率的主要方法。在此情況下,本文就基于視覺的汽車前向防碰撞技術(shù)做了相關(guān)的研究,具體的包括以下幾個方面: 1.提出針對復(fù)雜環(huán)境的圖像預(yù)處理方法和根據(jù)不同情況調(diào)用不同預(yù)處理方法的預(yù)處理方案。針對于傳感器本身的噪聲給出了基于小波變換的改善的軟閾
2、值降噪方法。對于外界環(huán)境原因的造成的圖像降質(zhì),本文給出主要有兩種處理方案。一是物理圖像預(yù)處理方案,即通過在汽車駕駛室上攝像頭對應(yīng)的位置安裝上防遮雨裝置,可以很好的減少雨點落在鏡頭對應(yīng)的擋風(fēng)玻璃處;在鏡頭周圍安裝靜電除塵裝置減少室內(nèi)灰塵對圖像的影響。二是針對于不同天氣或光線異常情況的圖像預(yù)處理數(shù)學(xué)方法。 2.給出一種基于道路視頻圖像的車輛識別思路,即單幀識別加多幀驗證的車輛識別方法。其中單幀圖像中的車輛識別又分為基于邊緣的輪廓檢測
3、和基于區(qū)域的車輛識別,每個感興趣區(qū)域根據(jù)與汽車的相似程度給定相應(yīng)的分值。多幀驗證是根據(jù)不同幀圖像之間的附加信息進(jìn)行“偽車輛”的濾出。 3.提出了一種包括邊緣定位和模板更新機制的車輛跟蹤思路,根據(jù)汽車行駛的不同情況將跟蹤情形分為車輛遮擋、車輛產(chǎn)生和消失、圖像信號消失和光線異常等情況,并根據(jù)不同的情況提出了各種情況下的車輛跟蹤思路。 4.提出了圖像感興趣區(qū)域的劃分策略和通過目標(biāo)車輛在圖像中的尺寸大小、車輛底邊在圖像中的位置估
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于視覺的汽車前方碰撞預(yù)警系統(tǒng)研究.pdf
- 基于信息融合的汽車前向避撞測距技術(shù)研究.pdf
- 高速公路汽車前向追尾碰撞預(yù)警系統(tǒng)研究.pdf
- 基于虛擬試驗的汽車前碰撞安全氣囊防護(hù)效率的研究.pdf
- 汽車防碰撞系統(tǒng)的研究.doc
- 汽車防碰撞系統(tǒng)的研究.doc
- 汽車防碰撞系統(tǒng)的研究.doc
- 汽車防碰撞系統(tǒng)的研究.doc
- 基于機器視覺的汽車前照燈檢測系統(tǒng)研究.pdf
- 基于機器視覺的汽車前方路況識別系統(tǒng)的研究.pdf
- 電動汽車前向仿真研究.pdf
- 畢業(yè)論文—汽車防碰撞技術(shù)
- 畢業(yè)論文—汽車防碰撞技術(shù)
- 基于BIM技術(shù)的機電管線防碰撞研究.pdf
- 基于擴頻技術(shù)的RFID防碰撞算法的研究.pdf
- 汽車前碰撞吸能方法及其關(guān)鍵技術(shù)研究.pdf
- 基于視頻圖像處理的汽車防碰撞系統(tǒng)研究.pdf
- 汽車防碰撞系統(tǒng)的設(shè)計與研究
- 汽車防碰撞系統(tǒng)的設(shè)計與研究
- 汽車防碰撞主動安全系統(tǒng)關(guān)鍵技術(shù)的研究.pdf
評論
0/150
提交評論