基于视觉的道路识别技术在智能小车导航中的应用研究

摘要

移动机器人技术在科学探测、工业应用、救灾救险、军事等领域有着广泛的应用前景。视觉辅助导航是移动机器人导航的热点之一，其中道路检测和障碍定位是视觉导航系统的重要组成部分。本文研究了基于图像的道路检测和障碍物定位算法。 论文介绍了移动机器人视觉导航系统的研究背景、意义和历史、现状。以针孔模型作为摄像机模型，介绍了一种摄像机标定方法，即基于多项式的摄像机标定算法，并阐述了该方法的原理。同时，应用该方法对摄像机进行标定，建立了移动机器人的坐标系统。 研究了常用的图像预处理算法，根据本文中图像处理的具体要求，选取了合适的图像预处理算法，即直方图均衡、快速中值滤波算法、Sobel边缘检测方法和最大类方差自动阈值法。 分析了目前常用的道路检测算法的优点和缺点，结合本文常用的道路环境，提出了将边缘信息和道路颜色信息相结合的方法，该算法的中心思想是利用道路颜色信息检查边缘的真伪。针对前人利用颜色特征进行道路区域识别中应用了大量的不确定性知识而导致算法复杂、鲁棒性差的缺点，本文提出了道路中心区域的概念，制定了道路直线边缘的理解规则，将边缘检测方法的简单快速性和基于颜色信息的准确性有机结合到一起，并应用到障碍物定位算法中。 针对传统Hough变换的局限性，本文提出了新的Hough变换改进算法，采用参数空间到图像平面的反馈，检测出线段的两端点，并能克服内部间断点的影响，解决了障碍物精确定位的问题。 本文设计开发了基于WFW软件包的移动机器人实时视频采集系统，搭建了基于Visual C++算法实验平台，利用采集的多种场景下的实际道路图像，验证了道路检测方法的有效性。

目录

文摘

英文文摘

东南大学学位论文独创性声明及使用授权声明

第一章绪论

1.1论文选题的背景、意义

1.2移动机器人的国内外发展历史、现状

1.3移动机器人视觉系统研究现状

1.4移动机器人视觉系统的技术要求

1.5论文的研究目的和主要内容

第二章摄像机标定算法

2.1引言

2.2摄像机标定方法概述

2.3基于多项式的摄像机标定算法

2.3.1图像坐标系、摄像机坐标系与世界坐标系

2.3.2摄像机成像模型

2.3.3多项式系数和阶次的确定：

2.4 CCD标定实验

2.5本章小结

第三章图像预处理算法分析

3.1引言

3.2图像的灰度均衡处理

3.3图像的平滑处理

3.3.1平滑滤波器

3.3.2平滑滤波实验结果

3.4图像的边缘检测

3.5图像的二值化

3.6本章小结

第四章道路边缘检测和障碍定位

4.1道路检测常用方法分析

4.1.1常用方法概述

4.1.2常用方法的原理及特点分析

4.2边缘和颜色信息相结合的道路检测方法

4.2.1方法的提出

4.2.2本方法的实现过程和关键问题

4.2.3道路中心区域的概念和作用

4.2.4道路中心区域的方位和范围选取

4.2.5道路中心区域的信息提取算法

4.2.6道路中直线边缘的理解

4.3“探索者”号智能小车的环境感知系统

4.4视觉系统的工作规划

4.5基于知识和模型的道路边界识别方法

4.6改进的Hough变换算法

4.6.1 Hough变换基本原理

4.6.2Hough变换程序优化

4.6.3Hough变换算法的改进

4.7障碍物辅助定位

4.8实验

4.9本章小结

第五章移动机器人视觉系统实现

5.1移动机器人“探索者”单目视觉系统

5.2 VFW技术概述

5.3 VFW视频采集过程

5.3.1AVICAP窗口类的功能及其显示模式

5.3.2回调函数

5.3.3视频采集的相关结构体参数调函数

5.3.4视频捕捉驱动程序及其功能

5.3.5视频对话框

5.3.6实时视频捕获及数据获取处理的编程实现

5.4 Visual C++中视频采集和处理系统的实现

5.5本章小节

第六章工作总结及展望

6.1主要研究成果

6.2存在的问题与建议

参考文献

附录

在学期间发表的论文

致谢