学位论文 > 优秀研究生学位论文题录展示

基于视觉的智能车辆自主导航方法研究

作　者: 李颢
导　师: 杨明
学　校: 上海交通大学
专　业: 控制理论与控制工程
关键词: 智能车辆自主导航视觉控制检测标定行人
分类号: U463.6
类　型: 硕士论文
年　份: 2009年
下　载: 458次
引　用: 6次
阅　读: 论文下载

内容摘要

旨在提高城市环境交通效率和安全的智能车辆越来越受到青睐。自主导航技术是智能车辆最为核心的技术;而基于视觉的自主导航技术是针对城市环境的智能车辆研究中极具前景的方向,因此,对基于视觉的智能车辆自主导航方法进行了研究。研究工作主要围绕基于视觉的智能车辆自主导航方法的三个基本组成部分,即摄像机标定技术、道路检测和车辆定位技术、车辆控制技术,以及一个扩展组成部分,即行人检测技术,而进行展开。关于摄像机标定技术部分,一个重要的问题是如何进行有效的摄像机畸变标定;另一个重要的问题是如何方便实现车辆坐标系-摄像机标定。针对第一个问题,详细介绍了摄像机模型推导过程。利用综合的逆透视变换模型,提出了一种基于逆透视变换降维优化的新的畸变参数标定方法;通过仿真数据和真实数据的实验证实了所提出的新的畸变参数标定方法的有效性和准确性,求解速度快,精度较高。针对第二个问题,提出了一种基于网格图案的较方便的标定方法,并通过实际实验表明了该标定方法的有效性和准确性。关于道路检测技术部分,核心问题是如何检测出图像中道路的两个边沿。为此,提出了一种道路检测方法。该方法利用Hough变换筛选出候选直线段;接着利用平行约束和拓扑约束来确定道路的两边沿。实验证实了所提出的道路检测方法的有效性。关于车辆定位技术部分,详细介绍了视觉定位的方法,以及如何用EKF方法把航位推算数据融合到视觉定位结果中。车辆控制技术的核心是车辆横向控制技术。一个基本问题是如何实现稳定的收敛的车辆横向控制。这个问题可以通过多种现有方法加以解决;将对现有的横向控制方法进行综述。更进一步的问题是如何改善综合控制效果,针对这个问题,提出了一种自适应预测控制的新的横向控制方法。对预测控制方法和自适应预测控制方法进行了实验,实验数据表明,预测控制方法和自适应预测控制方法的控制结果都是稳定的、收敛的。通过与状态比例反馈这种常用的传统控制方法进行实验比较,表明所提出的新的横向控制方法对综合控制效果有显著的改善。行人检测问题就是如何有效可靠地检测出道路上的行人。传统的两类方法是基于视觉的方法和基于距离数据的方法;这两大类方法虽然有各自的优势,但也有各自较大的不足,往往难以兼顾有效性和可靠性。针对这个问题,提出了一种摄像机和激光雷达联合检测方法。该方法的主要创新点在于激光雷达和摄像机的配合,发挥了激光雷达在“检”以及摄像机在“辨”上的优势。实验表明联合检测方法可行有效,具有较高的准确性。作为该联合检测方法的一部分,所提出的摄像机和激光雷达的联合标定方法也是创新点之一。综合四大部分的研究成果,成功实现基于视觉的智能车辆自主导航。

全文目录

摘要  3-5
ABSTRACT  5-15
第1章绪论  15-24
  1.1 课题来源  15
  1.2 课题背景  15-16
  1.3 智能车辆发展概况  16-18
    1.3.1 国外智能车辆发展概况  16-17
    1.3.2 国内智能车辆发展概况  17-18
  1.4 智能车辆自主导航技术概况  18-20
    1.4.1 基于磁传感的自主导航技术  18-19
    1.4.2 基于GPS 的自主导航技术  19
    1.4.3 基于视觉的自主导航技术  19-20
  1.5 课题意义和主要研究内容  20-24
    1.5.1 课题意义  20-21
    1.5.2 主要研究内容  21-24
第2章摄像机标定  24-44
  2.1 摄像机模型  25-29
    2.1.1 摄像机模型中的四个关系  25-27
    2.1.2 透视变换  27-28
    2.1.3 逆透视变换  28-29
    2.1.4 畸变模型  29
    2.1.5 模型的综合  29
  2.2 畸变标定  29-39
    2.2.1 逆透视变换降维  29-30
    2.2.2 标定方法  30-32
    2.2.3 数值计算细节优化  32-34
    2.2.4 畸变标定实验  34-39
  2.3 车辆坐标系-摄像机标定  39-43
    2.3.1 基于网格图案的标定方法  39-41
    2.3.2 标定效果  41-43
  2.4 本章小结  43-44
第3章道路检测和车辆定位  44-61
  3.1 道路检测  45-54
    3.1.1 边缘提取  45-46
    3.1.2 Hough 变换  46-48
    3.1.3 平行约束  48
    3.1.4 拓扑约束  48-51
    3.1.5 道路检测效果  51-54
  3.2 车辆定位  54-60
    3.2.1 视觉定位  54-56
    3.2.2 EKF 数据融合  56-58
    3.2.3 车辆定位效果  58-60
  3.3 本章小结  60-61
第4章车辆控制  61-96
  4.1 横向控制方法综述  63-68
    4.1.1 线性方法  64-65
    4.1.2 非线性方法  65-66
    4.1.3 神经网络方法  66
    4.1.4 模糊控制方法  66-67
    4.1.5 纯追踪方法  67
    4.1.6 预测控制方法  67-68
  4.2 自适应预测控制  68-77
    4.2.1 带时变参数的车辆运动学模型  70-72
    4.2.2 预测控制方法  72-76
    4.2.3 自适应策略  76-77
  4.3 横向控制实验  77-94
    4.3.1 状态比例反馈实验数据  78-84
    4.3.2 预测控制实验数据  84-89
    4.3.3 自适应预测控制实验数据  89-93
    4.3.4 分析比较  93-94
  4.4 本章小结  94-96
第5章行人检测  96-115
  5.1 联合标定  97-106
    5.1.1 激光雷达坐标系  97-98
    5.1.2 标定物体和控制点获取  98-100
    5.1.3 三种坐标系变换关系求取  100-104
    5.1.4 联合标定实验  104-106
  5.2 联合检测  106-112
    5.2.1 激光雷达扫描点聚类和筛选  107-108
    5.2.2 兴趣区域求取  108-109
    5.2.3 候选物体轮廓提取  109-110
    5.2.4 候选物体辨别  110-112
  5.3 行人检测实验  112-114
  5.4 本章小结  114-115
第6章总结和展望  115-117
  6.1 总结  115-116
  6.2 展望  116-117
参考文献  117-123
致谢  123-124
攻读硕士学位期间已发表或录用的论文  124-127
上海交通大学学位论文答辩决议书  127

基于视觉的智能车辆自主导航方法研究

内容摘要

全文目录

相似论文