学位论文 > 优秀研究生学位论文题录展示

基于机器视觉的无人车道路识别

作　者: 秦玲
导　师: 高嵩
学　校: 西安工业大学
专　业: 通信与信息系统
关键词: 图像混合分割感兴趣附近区域 Hough变换折线提取位姿参数
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 196次
引　用: 0次
阅　读: 论文下载

内容摘要

无人车的视觉导航依据视觉信息正确识别道路可行驶区域,其中,视觉导航的道路识别算法研究受到国内外学者的广泛关注。一些道路识别算法存在适应性不强、识别率低的问题。论文主要研究复杂路况下的结构化道路中基于机器视觉的道路识别及无人车位姿参数的计算,旨在提出适应性强、鲁棒性高、实时性好的道路识别算法,为无人车自主横向控制提供正确的决策依据。无人车在校园硬化路或公路等结构规则的路面上行驶,摄像机采集的道路图片中含有丰富的信息,为了准确、快速的识别特征多样的结构化道路信息且能计算车体相对前方路面的位姿参数,论文做了以下三个研究工作。首先,针对分水岭算法中存在的过度分割问题,采用模糊推理技术,合理标记路面信息中含“模糊信息”的像素点,利用分水岭变换原理将可行驶区域和非可行驶区域进行有效分割；其次,在感兴趣附近区域中进行车道标线(或车道边界)的提取。此外针对直线模型适应性不强的问题,本文采用折线拟合逼近的思想,在可行驶区域里,划分感兴趣附近区域,利用Hough变换原理和特征约束关系寻找该区域中的特征像素点,最终完成最小二乘算法的折线连接拟合。最后,将道路边界上多个特征像素点坐标值与摄像机内部外部参数相结合,依据世界坐标系与图像坐标系的关系,计算出无人车相对当前道路的位姿参数,完成无人车对前方道路的视觉理解。通过大量实验和数据的误差分析表明,摄像机标定算法的误差小,处理图片平均每帧耗时远小于理想时间；同时,道路识别算法针对转弯、有障碍物等复杂路况均有较好的识别效果,车体位姿参数计算结果较准确。因此,本文提出的道路识别算法满足算法性能评价体系的各项指标,能够完成无人车对复杂路况下结构化道路的识别需求,具有很好的现实应用价值。

全文目录

摘要  3-5
Abstract  5-9
1 绪论  9-16
  1.1 课题研究背景及意义  9-10
    1.1.1 课题研究背景  9
    1.1.2 课题研究意义  9-10
  1.2 基于机器视觉的无人车道路识别技术的研究现状  10-14
    1.2.1 国外道路识别技术的研究现状  10-11
    1.2.2 国内道路识别技术的研究现状  11-12
    1.2.3 无人车定位技术的研究现状  12
    1.2.4 识别算法性能评价体系  12-14
  1.3 本文研究内容  14-15
  1.4 本文章节结构  15-16
2 基于模糊理论的分水岭图像分割算法  16-36
  2.1 实时图像预处理  16-26
    2.1.1 图像预处理流程  16
    2.1.2 图像灰度化  16-17
    2.1.3 图像分块  17-18
    2.1.4 图像增强  18-23
    2.1.5 常见图像分割算法  23-26
  2.2 图像的模糊性特点  26-27
  2.3 模糊理论在图像处理中的应用  27-30
    2.3.1 模糊理论  27
    2.3.2 模糊推理技术  27-28
    2.3.3 模糊推理理论在图像处理中的应用  28-30
  2.4 基于模糊理论的分水岭分割算法  30-35
    2.4.1 传统分水岭算法概述  30-32
    2.4.2 道路图像模糊化  32-34
    2.4.3 图像混合分割算法流程  34-35
  2.5 本章小结  35-36
3 结构化道路识别算法研究  36-46
  3.1 传统Hough变换  36-38
  3.2 基于Hough变换的道路识别改进算法  38-41
    3.2.1 感兴趣附近区域的划定  38-39
    3.2.2 感兴趣附近区域H与车道标线(或车道边界)的关系  39-41
  3.3 最小二乘折线拟合法  41-45
  3.4 本章小结  45-46
4 无人车自身位姿定位算法  46-60
  4.1 无人车位姿定位原理概述  46-49
    4.1.1 坐标系的建立  46-47
    4.1.2 无人车位姿参数确定原理  47-49
  4.2 摄像机标定技术  49-58
    4.2.1 常见摄像机标定技术  50-57
    4.2.2 本文的摄像机标定方法  57-58
  4.3 本章小结  58-60
5 无人车结构化道路识别实验  60-70
  5.1 引言  60-61
  5.2 摄像机参数标定验证实验  61-63
  5.3 无人车结构化道路识别实验  63-69
    5.3.1 图像预处理实验  63-65
    5.3.2 图像混合分割算法实验  65-66
    5.3.3 结构化道路车道标线(或车道边界)识别算法实验  66-68
    5.3.4 车体位姿参数确定实验  68
    5.3.5 实验数据分析  68-69
  5.4 本章小结  69-70
6 结论  70-72
参考文献  72-77
攻读硕士学位期间发表的论文  77-78
致谢  78-80

基于机器视觉的无人车道路识别

内容摘要

全文目录

相似论文