基于车辆视觉导航的图像预处理的分析

《基于车辆视觉导航的图像预处理的分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、武汉理下大学硕士学位论文型的有美国的NIST、CMU、德国的国防军大学以及日本的TSUGAWA等。20世纪80年代初期，美国的DARPA计划中就包括了智能车辆计划，CMU的NAVLAB就是计划的产物，它配备了包括激光、雷达、视觉在内的多种传感器，但由于对环境的复杂性和传感器的信息处理水平估计不足，使得整车的行使速度很慢，达不到预期的目的。德国国防军大学依靠视觉导航的高速智能车辆VAMORS，其行使速度已经高达160公里／d,时。20世纪90年代以来，是智能车辆发展的第三个阶段，这个期间技术发展突飞猛进，以意大利帕尔玛特，布洛基为代

2、表的ARGO工作组，在智能车领域中进行了卓有成效的，令人振奋的工作，利用机器视觉，多传感器融合技术，使得智能车辆应用技术取得了突破性的进展，并在1998年6月1日到6日，进行了一次2000多公里的旅行测试。穿越了平原、山地、高架桥、隧道、获得了良好的效果。1．2课题研究的背景智能车辆能够依靠自身和外部环境相结合自主地进行驾驶，完成特定任务。在智能车辆的系统构成中，对外部环境的感知部分是系统核心。如何能够使智能车辆稳定、快速地对外部环境信息进行感知和处理成为了智能车辆成功与否的关键，也是智能车辆研究中的重点16l。智能车辆系统研究涉

3、及的有：安全监控、智能防撞、辅助驾驶、自动驾驶、行为规划与决策、系统体系结构、综合集成等主要研究方向。如果从驾驶员对车辆的控制程度及自主程度来分，上述各研究方向也可比较概括的划分为以下三个大的研究方向：监控、警告系统：此部分研究前方碰撞警告、盲点警告、行车道偏离警告、换道警告、十字路口防撞警告、行人检测、倒车警告等方面的问题；半自动车辆控制系统：与上一部分相比，此部分具有更高级的车辆自动化。如当驾驶员对警告来不及反应时，系统接管车辆的控制，通过控制车辆的转向、制动、扭矩等使处理恢复到安全状态；自动车辆控制系统：此部分具有完全的车辆

4、自动化，研究包括车辆自适应巡航、车道保持、低速等距行使、排队行使等方面的问题。智能交通系统的功能可以概括为安全、顺畅、环保三大部分。主要表现在提高交通安全水平，减少交通事故减少交通堵塞，充分均衡利用城市路网的通行能力，确保城市交通畅通提高运输效率，降低交通环境污染，起到环保作2武汉理工大学硕士学位论文用。智能交通系统一般是由先进的交通管理系统、公共交通运营系统、先进的车辆控制系统、应急管理系统以及先进的交通信息服务系统等组成。在其体系中，作为运输主体的车辆是一个非常重要的组成部分。作为运输主体的汽车，是的主要调节目标，最终实现的各

5、项功能，都必须在汽车上由相应的技术设备的支持。因而现代汽车必须采用一些先进技术如车辆自动避撞及自动驾驶技术、车载实时动态智能导航技术、车载通讯技术以及车载信息装置等，来适应发展的需要。在智能车辆的发展初期，各国研究者们将注意力集中在车道上，曾计划采用地下埋电缆的方式，通过电磁感应进行智能车辆导航，由于电磁感应的范围太小，这种做法最终被放弃。到了90年代中期，另一种在道路中间铺设磁块来进行导航的方式被提出，但由于造价昂贵，这种方案也被放弃。鉴于视觉传感器的诸多优点和图像处理技术的可行性，近几年来，采用视觉导航成为智能车辆导航研究中的

6、一个重要研究方向。基于视觉导航的智能车辆研究最早可追溯到60年代末，但由于当时的处理器计算能力十分有限，而实时图像处理的计算量又非常大，因此只有少数几个研究小组开展这方面研究。随着技术的不断发展，目前的计算机硬件水平为实时图像处理提供了可能。一方面，处理器和存储器的价格不断下降，而性能有了显著的提高：另一方面，CCD(ChargeCoupledDevice)摄像头费用低廉，体积小，并可提供驾驶所需要的一切信息：此外，近年来图像处理算法的研究取得了很大的突破。因此视觉导航在智能车辆的导航中有广阔的应用前景。相对于激光、超声波、雷达等

7、传感器而言，采用CCD传感器获取道路环境信息有如下的特点：(1)图像的信息含量极为丰富。如果在图像识别算法上取得突破，就可以减少整个系统的运算时间，同时可以提高道路检测的正确率，所以利用图像处理来理解道路环境是一个很有前途的研究方向，目前已有许多研究人员从事这个方向的研究。(2)无需破坏路面和对现有道路设施进行大的变动(早期的自动导航方案采用在道路中铺设磁块的方式进行导航，造价比较昂贵)。(3)可进行多车道检测，信息获取面积大，可同时实现道路检测和障碍物识别。(4)维护费用比较低，还可以提供实时录像，供专家事后分析。并且视频信号也

8、可以通过多种方式传输，如无线射频或者微波，为监控中心提供车辆当前状况。武汉理工大学硕士学位论文(5)缺点是易受天气情况影响及光线等因素制约，所需的图像计算量比较大。本课题的内容是通过图像检测技术理解道路环境。一般来说，智能车辆在道路中安全行驶，需要