智能车视觉雷达辅助导航关键技术研究

《智能车视觉雷达辅助导航关键技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西北下业大学硕」学位论文智能车视觉/雷达辅助导航关键技术训究摘要z,能车导航系统是智能交通系统的重要组成部分，关于智能车导航关键技术的研究，对于保证车辆安全行驶甚至实现无人驾驶起着至关重要的作用。论文针对智能车对环境的理解问题，采用图像分析、信息融合等信息处理技术，对智能车辅助导航中的一些关键技术一一基于单日视觉的道路检测、前车检测和视觉/雷达融合的车距测量方法进行了较系统的研究，并提出一些有效、实用的算法。同时设计了一个可视化仿真实验软件，通过实地采集或虚拟生成的各种结构化道路场景，对提出的各种算法进行验证。论文研究内容主要有以下儿个方面:1、提出了一种在结构化道路中精确检

2、测车道的两层算法。该算法利用道路白线的局部特性和全局特性，鲁棒的提取特征;按照“拟和一判断一拟和”的流程，用直线或直线与二次曲线的光滑组合匹配自线:并为优化算法添加适当的权值因子，提高算法抗噪性。2.提出了一种改进的单目视觉方法，用于在可见度高的情况下准确检测和跟踪前方车辆。该算法先利用梯度水平竖直投影图检测前车;然后用卡尔曼预测方法预测卜一帧的目标位置，用边缘投影方法定位目标:设计了一种新的四因素似然度函数进行验证。3、提出了一种应用于智能车夜间视觉导航的前车检测和跟踪算法。该算法用二次闲值法来确定候选车尾灯区域;设计了兰因素匹配度函数以准确配对尾灯;采用片尔曼预测方法进行

3、跟踪，用实测与预测对称轴误差验证跟踪结果。4.研究了视觉/雷达传感器在决策级和特征级的两级融合算法。决策级融合算法中提出了时空融合的思想，采用D-S证据理论进行融合，设计了应用D-S证据理论的测度函数分配公式;特征级融合采用自适应加权平均方法进行融合。5、利用VisualC++自主开发了一个虚拟实验环境，采用OpenGL图形接L-!软利建立具有真实感的多传感器融合系统的仿真平台;并在虚拟环境中模拟视觉和宙达信号，对提出的特征级融合测距算法进行仿真分析。6、计算水平偏移、偏航角和前方车距，选择以本车安全为关键要素的汽车安全行驶模nU.,设计实现防偏、防碰撞预警的决策方法，并在此

4、基础上设计智能车防偏防撞预警系统。此外，论文还考虑了不同技术间的结合，如用道路和前车的检测结果分别限制对方的卜一拍检测，以及根据天空亮度在日间、夜间前车检测算法中白适应切换等关键词:智能车视觉导航融合导航道路检测前车检测结构化道路防偏防撞虚拟实验摘要ABSTRACTIntelligentvehiclenavigationsystemisanveryimportantpartofITS(IntelligentTransportationSystem),andtheresearchonkeytechniquesforintelligentvehiclenavigationsyst

5、emdoesgreatcontributiontosafedrivingandeven.Inthispaper,withthehelpofinformationprocessingmethodsuchasimageanalysisandinformationfusion,considerableresearchonsomekeytechniquesforintelligentvehiclenavigationsystem,whichincludethemethodsforroaddetectiononthemonocularvision,precedingcardetecti

6、ononthemonocularvisionandintervaldetectionbytwosensorsfusion,isdone,andseveralefectiveandsimplealgorithmsisproposedaccordingly.What'smore,anemulationsoftwarehasbeendesignedtotestthosealgorithm.Themostdistinctivepartswouldbedescribedinthefollowingaspects:1.Atwo-stepmethodbasedonimageprocessi

7、ngtechniqueandoptimizationalgorithmisproposedtodetectlaneinstructuralroadenvironment.Themethodusesnotonlythelocalcharactersbuttheglobalcharactersoftheinputimagestorecognizelanemorerobustly,anddivideseveryimagetotwoportionsinwhichtheregressionisprocessedr