学位论文 > 优秀研究生学位论文题录展示

无人驾驶智能车动态目标检测与跟踪

作　者: 张亚东
导　师: 庄严
学　校: 大连理工大学
专　业: 模式识别与智能系统
关键词: 动态目标跟踪支持向量机卡尔曼滤波智能车
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 140次
引　用: 0次
阅　读: 论文下载

内容摘要

智能车辆是一个集环境感知、规划决策、操作控制等功能于一体的智能体,其研究涉及机械、运动学与动力学、电子、计算机、信息处理、控制和人工智能等科学技术领域。它在军事领域、无人驾驶和恶劣环境下工作等方面有着广泛的应用前景。而在无人驾驶智能车领域,动态目标检测及跟踪一直是研究的热点。本文设计和实现了智能车的软件平台。本文将智能车软件构架分为设备驱动层、感知层、常用功能模块、算法层和算法管理层这几个主要部分。各传感器解码模块和多算法配合部分采用多线程模型,有效地提高了资源的使用效率。为了提升系统的实时性,本文将智能车系统分拆成两部分：服务器进行传感器数据的采集、前期处理和车体控制输出；客户端接收环境感知数据,做算法决策。两者之间采用以太网互联,利用TCP/IP协议进行通信。分布式系统的架构有效地提升了整个系统的效率动态目标检测及跟踪是无人驾驶智能车领域中的关键问题。由于在校园中行人为最主要的障碍物,因此本文在图像算法中特别针对人体目标进行辨识。在使用单目视觉进行目标跟踪的传统方法中,由于需要在整幅图像上搜寻人体目标,会导致计算负担过重。本文首先使用激光测距信息提取候选目标,再利用图像算法对候选目标进行确认。在检测候选者时使用三激光联合数据,增大了扫描范围和检测候选的准确性。在图像算法中,本文采用C4检测器对人体进行识别,图像特征采用了CENTRIST视觉描述子,检测器基于级联的框架结构,采用二级级联支持向量机对其进行快速判别。实验证明该激光配合图像的人体检测算法具有较好的准确率与实时性。在跟踪算法中,本文采用匀速直线运动模型作为人体目标的运动模型,利用卡尔曼滤波器进行预测和估计。本文将对每个检测到的人体目标建立基于HSV的颜色模型,舍弃V分量,从而有效的减少了光线变化的影响。在跟踪过程中,首先通过激光和图像检测人体,初始化人体目标,然后利用目标位置和其HSV颜色模型进行匹配。实验结果表明本文所提算法和跟踪策略可以在室外对多人体目标进行有效地跟踪,并且可以消除旋转、遮挡及重叠等干扰因素。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-14
  1.1 研究背景和意义  9-10
  1.2 研究现状和发展趋势  10-12
  1.3 本文的主要工作  12-14
2 无人驾驶智能车软件平台的设计与实现  14-31
  2.1 智能车概述  14-16
  2.2 软件平台架构  16-21
    2.2.1 单例模式  17-18
    2.2.2 读写锁  18-19
    2.2.3 日志系统  19-20
    2.2.4 算法管理层设计  20-21
  2.3 底层传感器驱动设计  21-22
  2.4 多传感器数据融合  22-24
  2.5 算法多线程配合  24-25
  2.6 分布式系统设计  25-29
    2.6.1 TCP/IP模块  25-27
    2.6.2 C/S框架设计  27-29
  2.7 平台扩展与升级  29-31
3 动态目标实时检测  31-42
  3.1 激光与图像数据的联合标定  31-32
  3.2 基于激光的候选目标检测  32-33
  3.3 基于激光与视觉数据融合的人体目标检测  33-40
    3.3.1 CENTRIST特征描述符  33-35
    3.3.2 模式分类  35-40
  3.4 实验结果及分析  40-42
    3.4.1 单人体目标检测  40
    3.4.2 多目标检测与辨识  40-42
4 多目标实时跟踪  42-52
  4.1 基于卡尔曼滤波的状态估计  42-44
  4.2 基于HSV颜色模型的人体日标匹配  44-46
  4.3 跟踪策略  46-48
  4.4 实验结果及分析  48-52
    4.4.1 消失并重现的目标跟踪  48-49
    4.4.2 目标旋转和部分遮挡的跟踪  49-50
    4.4.3 多目标交叉运动的跟踪  50-51
    4.4.4 基于道路场景的多目标跟踪  51-52
结论  52-54
参考文献  54-57
攻读硕士学位期间发表学术论文情况  57
课题资助情况  57-58
致谢  58-59

无人驾驶智能车动态目标检测与跟踪

内容摘要

全文目录

相似论文