基于数字图像处理的前方车距测量

《基于数字图像处理的前方车距测量》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、㈣Y1㈣81煅分类号——密级——UDc——学校秫码lQ衄武多萎理歹大穿学位论文题目基王数宝图倦处堡鲍煎左主堑测量英文题目坠曼L曼垒亟i塾g监hi鱼!曼旦i曼!垒塾鱼曼丛曼垒墨坠!曼也壁垒±旦垒曼曼Q堕旦igi!垒!!堡垒g曼￡!Q鱼曼墨墨i坠g研究生姓名睦邀云指导教师姓名——三逸童二职称—j数L学位—盅岜单位名称．理堂院邮编垒三鲤2Q申请学位级别亟±学科专业名称应用数堂论文提交日期2Q!Q生!Q月论文答辩日期2Q!Q生!!月学位授予单位盛这理王太堂学位授予日期垫崆；凰一答辩委员会主席聋益羞评阅人隘盘塑至壁歪2010年11月

2、独创性声明本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包括其他人已经发表或撰写过的研究成果，也不包括为获得武汉理工大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：4添日期：迎丝刨关于论文使用授权的说明本人完全了解武汉理工大学有关保留，使用学位论文的规定，即学校有权保留、送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印

3、或其他复制手段保存论文。(保密的论文在解密后应遵守此规定)签名：匿J!艮犁导师签名：立局遵日期：咖—IP—．1z,6摘要车辆测距技术是实现自动驾驶及汽车防撞技术的关键技术。随着计算机软硬件技术的发展，成像式测距技术将逐步走向成熟。目前应用于智能车辆的视觉系统有立体视觉体统和单目视觉系统两种。立体视觉系统在图像配准上存在难题。单目视觉在图像处理的速度和控制的实时性方面都优于立体视觉，它具有潜在的应用价值和广阔的发展前景。一个视觉测距系统主要包括图像采集、图像处理和测距结果输出三个部分。本文采用单个摄像头采集道路图像，然后将采

4、集到的图像进行处理，最后输出测距结果。本文的主要内容包括以下几点：(1)图像采集：我们选择车流量小，车道线明显，并假定在本车道内除了行驶的车辆外，没有其他障碍物，路段比较直的公路上进行试验。用单个摄像机采集前方道路图像。(2)图像预处理：对采集到的图像，进行一系列的图像预处理操作。通过对各种图像处理方法进行比较，确定预处理方案。首先对图像进行灰度转化，用对数变换改善图像的亮度差异，用拉普拉斯算子增强图像的边缘信息，并用中值滤波对图像进行滤波去噪，最后选用Canny边缘检测算子对边缘进行检测，效果较理想。(3)车道线检测：一

5、般车辆都是位于车道线内。我们确定车道线的位置，可以缩小处理范围，这样可以更快地检测到目标车辆的位置，相应地系统处理速度更快。一般的检测方法有最小二乘法、霍夫变换和最优线段拟合方法。本文根据道路基本上位于垂直中线的两侧，而且基本呈45度的特点，提出了一种车道线检测算法。首先对图像从下到上以垂直中线为分界线，逐行分别向两边搜索值为1的第一个点作为左右车道线上的点。然后用重复剪辑最近邻法剪辑掉干扰点。接着根据本车道的车道线呈45度角这一特征，确定出属于本车道的点，最后根据最d、--"乘法原理进行直线拟合，实验结果表明，该方法有效

6、拟合出车道线。(4)目标检测与识别：我们把从图像下方到车道线交点处两车道线内的区域作为感兴趣区域。在感兴趣区域内，灰度变化缓慢，但遇到车辆等障碍物时，灰度会发生突变。我们利用灰度变换原则，对感兴趣区域逐行搜索，计算每行的平均灰度，分析灰度变化情况，检测出灰度突变所在的行，作为目标车辆的位置。(5)车辆距离测量：根据几何变换理论，借助反转透视模型，建立一个计算车距的公式。要求建立的车距计算公式满足实时性和准确性这两个要求。在实际路面上进行测距试验，检验测距的效果。关键词：．单目视觉，图像预处理，车道线检测，目标检测，车距测量

7、AbstractVehicleLocationTechnologyisthekeyofautomaticdrivingandcollisionavoidancetechnology．Wimthedevelopmentofcomputerhardwareandsoftwaretechnology,imaging-typedistancemeasuringtechnologywillgraduallymature．Atpresent，visionsystemsusedinintelligentvehiclesincludest

8、ereovisionsystemandmonocularvisionsystem．Stereovisionsystemex．istsintheimageregistrationproblem．Comp砌withstereovision,monocularvisionwithafasterimagepro