基于機器視覺的道路識別與障礙物檢測技術(shù)研究.pdf

1、論文以基于機器視覺的道路識別與障礙物檢測為研究對象，采用動態(tài)圖像處理技術(shù)為行駛車輛提供環(huán)境狀態(tài)信息及車輛行駛狀態(tài)信息。綜合利用車輛的當前行駛車道狀態(tài)(彎道或者直道)和距離信息實現(xiàn)了障礙物的檢測與跟蹤。 論文首先介紹了智能車輛在國內(nèi)外的發(fā)展情況，并介紹了各大公司及研究機構(gòu)的在智能車輛開發(fā)方面的成果和產(chǎn)品。介紹了機器視覺在輔助導(dǎo)航系統(tǒng)、自適應(yīng)巡航控制系統(tǒng)、自動走停輔助系統(tǒng)、交通信號識別系統(tǒng)和輔助換道系統(tǒng)等智能車輛中的應(yīng)用。最后介紹了

2、上個世紀80年代以來機器視覺算法的發(fā)展狀況。 論文討論了基于視頻處理的道路識別技術(shù)。綜合分析了各種圖像預(yù)處理技術(shù)，并通過實驗對比分析，再選用適合課題的預(yù)處理算法；然后提出了基于視頻處理的逐行最優(yōu)閾值分割算法，以解決單一閾值對道路圖像分割不完全的情況，并根據(jù)視頻處理特性對逐行最優(yōu)閾值分割算法作了改進；提出了基于鏈碼思想及邊界跟蹤的分道線檢測技術(shù)，以及基于車道透視變換模型的相鄰分道線段斜率差的車道二維重建技術(shù)；最后集中分析了通過分道

3、線檢測技術(shù)能為智能車輛提供的信息。實驗結(jié)果表明該道路識別技術(shù)有很好的實時性、可靠性和準確性。 論文提出了基于單目視覺的障礙物檢測、識別和跟蹤技術(shù)，構(gòu)造了完整的車輛檢測方案。本文提出了一種基于信息熵理論的障礙物粗定位，并分別針對前方車輛在前方車道內(nèi)行駛和壓線行駛的情況提出了相應(yīng)的基于邊界脈沖信號檢測的障礙物左右邊界定位算法。提出采用有色噪聲的卡爾曼濾波技術(shù)進行運動物體跟蹤預(yù)測，從理論上證明了其準確性，并針對具體問題進行了實際的方程