基于视觉的自主车辆路况检测方法研究

摘要

随着人民生活水平的提高，汽车逐渐成为人们生活中必不可分的一部分。同时，伴随着非职业驾驶人员的增多，交通事故也在逐年递增，汽车安全已成为人们关注的焦点。据联合国统计，全球每天约有3000人死于交通事故，交通事故已经成为“世界第一害”，而中国是世界上交通事故死亡人数最多的国家之一。为了减轻交通事故的发生，自主车辆的研究也就成了汽车交通发展的必然趋势。自主车辆利用车载传感器来感知周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠的在路面上行驶。
　　 本文以自主车辆为研究对象，对车辆前方道路上的交通标志识别和前方车辆跟踪的难点问题进行了研究，并且开发了车辆跟踪系统。
　　 针对摄像机拍摄的交通标志容易受到环境因素的影响，获取的交通标志会发生仿射变换等影响，本文提出了一种新的识别算法，即基于仿射不变独立成分分析矩特征的交通标志识别方法。因为交通标志的形状坐标中x方向和y方向在仿射变换之前是相互独立的，算法经过独立成分分析之后可以得到只发生尺度、旋转和镜像变换的交通标志;然后对处理之后的交通标志提取矩特征并采用模板匹配的方法进行识别;最后分别用Hu矩特征和Zernike矩特征进行实验，实验结果表明经过独立成分分析的交通标志识别效率有很大的提高，Zernike矩在交通标志的识别中效率更高与Hu矩。
　　 对车辆跟踪系统，本文采用基于HOG特征和AdaBoost分类器的车辆检测和基于颜色特征的粒子滤波车辆跟踪方法。首先介绍了HOG特征的提取方法、Ada-B oost分类器训练原理;然后介绍了粒子滤波的算法原理和跟踪算法的设计，跟踪算法的主要思想是先提取跟踪目标区域RGB颜色直方图作为特征，然后采用巴氏距离来衡量特征之间的相似度，根据相似度的大小给粒子赋权值，最后对粒子加权求出预测的目标;本文最后设计并开发出基于MFC和opencv库的车辆跟踪系统，实验表明跟踪效果良好。

目录

声明

摘要

第1章 绪论

1．1 课题研究目的和意义

1．2 国内外相关研究

1．3 论文主要工作

1．3．1 本课题来源和主要研究内容

1．3．2 本文的组织结构

第2章 自主车辆系统设计

2．1 自主车辆系统概述

2．2 自主车辆系统设计

2．2．1 视觉传感器的选取

2．3 自主车辆中的关键技术

2．3．1 感知技术

2．3．2 车辆智能控制技术

2．3．3 车辆定位与导航技术

2．4 自主车辆中的技术难点

2．5 本章小结

第3章 交通标志识别算法研究

3．1 交通标志的检测

3．1．1 RGB彩色空间模型

3．1．2 HSI彩色空间模型

3．1．3 基于HSI彩色模型的图像分割

3．2 交通标志的识别

3．2．1 矩特征

3．2．2 仿射变换的独立成分分析

3．2．3 实验结果与分析

3．3 本章小结

第4章 基于单目视觉的前方车辆跟踪方法

4．1 运动目标跟踪方法

4．2 车辆检测方法

4．2．1 Hog特征

4．2．2 AdaBoost分类器

4．2．3 目标区域搜索算法

4．2．4 基于HOG特征和AdaBoost分类器的车辆检测

4．3 粒子滤波器

4．3．1 基于贝叶斯理论的目标跟踪

4．3．2 重要性采样

4．3．3 重采样技术

4．3．4 粒子滤波算法

4．4 基于彩色特征的自适应粒子滤波跟踪方法

4．4．1 颜色分布模型的选择

4．4．2 粒子状态参数的选择与设定

4．4．3 粒子的重要性重采样

4．4．4 粒子的传播与观测

4．4．5 目标更新策略

4．5 车辆跟踪系统的实现

4．6 本章小结

结论

1 本文工作总结

2 本文中存在的不足和改进

参考文献

致谢

附录A 攻读学位期间所发表的学术论文目录

附录B 攻读学位期间参与的主要科研项目和成果