基于視覺(jué)的駕駛行為建模.pdf

1、隨著汽車(chē)保有量的急劇增加，交通安全問(wèn)題日益突顯。駕駛行為建模是自主駕駛和車(chē)輛安全輔助駕駛的關(guān)鍵技術(shù)之一，對(duì)減少交通事故、提高交通安全具有重大的理論意義和應(yīng)用價(jià)值，本文圍繞基于視覺(jué)的駕駛行為建模的關(guān)鍵技術(shù)進(jìn)行了深入研究。論文的主要工作和創(chuàng)新點(diǎn)如下:
　　(1)提出了一種基于序列圖像的交通場(chǎng)景三維重建方法。采用EM算法進(jìn)行靜態(tài)點(diǎn)集和基礎(chǔ)矩陣估計(jì)，E步利用極線(xiàn)約束和基礎(chǔ)矩陣檢測(cè)交通場(chǎng)景中的靜態(tài)特征點(diǎn)，M步根據(jù)靜態(tài)點(diǎn)采用8點(diǎn)法估計(jì)基礎(chǔ)矩陣

2、;利用奇異值分解和絕對(duì)二次曲線(xiàn)約束估計(jì)投影矩陣;提出了基于PCA的交通運(yùn)動(dòng)場(chǎng)景點(diǎn)的重建方法，使用PCA確定軌跡基元，將運(yùn)動(dòng)場(chǎng)景點(diǎn)的軌跡看作是軌跡基元的線(xiàn)性組合，利用最小二乘法求得場(chǎng)景點(diǎn)的三維軌跡，實(shí)現(xiàn)交通運(yùn)動(dòng)場(chǎng)景點(diǎn)的重建。該方法省去了攝影重建的過(guò)程，大大減少了計(jì)算復(fù)雜度。實(shí)驗(yàn)結(jié)果表明了該方法的有效性。
　　(2)提出了基于協(xié)方差描述子的交通場(chǎng)景理解方法。為了克服基于單一特征的交通場(chǎng)景分割與識(shí)別的不足，采用交通場(chǎng)景的運(yùn)動(dòng)結(jié)構(gòu)特征、紋

3、理和顏色特征，并利用協(xié)方差描述子進(jìn)行多特征融合，以消除特征冗余以及不同特征數(shù)值懸殊對(duì)圖像分割的影響;使用多類(lèi)LogitBoost分類(lèi)器進(jìn)行交通場(chǎng)景分割與識(shí)別。實(shí)驗(yàn)結(jié)果表明該方法有效地提高了交通場(chǎng)景分割與識(shí)別的效果。
　　(3)將視覺(jué)注意機(jī)制引入交通險(xiǎn)情的檢測(cè)，提出了基于視覺(jué)注意力模型的交通險(xiǎn)情的檢測(cè)方法。為了提高檢測(cè)速度，采用半球形稀疏采樣法減少了計(jì)算量;使用貝葉斯概率模型和高斯核函數(shù)對(duì)交通視頻進(jìn)行非參數(shù)顯著性度量，分析視頻顯著性

4、，采用多尺度顯著圖計(jì)算方法以提高檢測(cè)精度。實(shí)驗(yàn)結(jié)果表明該方法能有效檢測(cè)交通險(xiǎn)情。
　　(4)提出了基于貝葉斯模型的駕駛行為建模方法，以貝葉斯概率模型作為駕駛模型，根據(jù)交通場(chǎng)景和車(chē)輛自身的速度、位置信息，預(yù)測(cè)正常情況下的駕駛行為;利用稀疏貝葉斯學(xué)習(xí)方法對(duì)模型參數(shù)進(jìn)行估計(jì)。該模型實(shí)現(xiàn)了直行、變道、加速、減速等多種駕駛行為的預(yù)測(cè)。實(shí)驗(yàn)結(jié)果證明本文方法有較好的預(yù)測(cè)性能。
　　(5)提出了基于模糊規(guī)則的險(xiǎn)情駕駛行為建模方法。根據(jù)駕駛?cè)?/p>