旧版下载已关闭,请移步到新版下载(点击打开新版

基于单目视觉的前向车辆测距方法研究

资料来自用户(Dieter)上传,若本站收录的文献无意侵犯了您的著作版权,请点击版权申明
导师姓名
项新建  黄炳强
学科专业
汽车工业
文献出处
浙江科技学院  年
关键词
前车检测论文  图像增强论文  前车距离论文
论文摘要

随着民用汽车保有量的逐年增加和车辆追尾事故的激增,道路交通安全问题越来越受到重视。而作为汽车驾驶辅助系统的前向防撞报警模块,也得到了越来越多汽车厂商的关注。基于视觉的前车检测和测距系统具有成本低、检测信息全面等优点,本论文基于视觉的目标检测算法,研究了单目视觉的前向车距检测方法,完成了以下工作:(1)通过检测车道线提取了前方行驶车辆区域,通过优化非结构化道路区域获取了感兴趣区域,另外针对特定场景,为了便于后续车辆检测,研究了图像增强技术。(2)构建了车载行驶摄像头数据集,优化了YOLO(You Only Look Once)深度卷积神经网络的聚类算法,提高了车辆和车牌的检测效率与准确率。(3)通过对前车车牌特征点的透视几何运算获取了前车距离,为坡道测距问题增加了车牌面积测距的验证条件,提高了测距的稳定性。(4)设计了基于PyQt5的图形界面并实现了功能封装化,验证了实验的可行性和稳定性。针对复杂环境中的图片序列测试问题,采用轻量化模型可以在限定区域内保证识别率,特别是在乡镇道路以及城市道路等复杂环境中具有良好表现。最后的实验结果表明,本论文提出的基于单目视觉的前向车辆测距方法可有效地应用于车辆检测、测距等辅助驾驶系统。

论文目录
关闭目录
摘要
ABSTRACT
第1章 引言
  1.1 课题背景与研究意义
  1.2 车辆驾驶辅助系统概述
    1.2.1 车道线检测研究现状
    1.2.2 车辆目标检测研究现状
    1.2.3 车辆测距研究现状
  1.3 本文工作
  1.4 组织方式
  1.5 本章小结
第2章 图像预处理及感兴趣区域提取
  2.1 弱图像增强
    2.1.1 直方图均衡化
    2.1.2 Retinex图像增强和暗通道先验
  2.2 特定场景图像增强
  2.3 图像车辆假设行驶区域和图像处理
    2.3.1 图像预处理
    2.3.2 行车道提取
    2.3.3 感兴趣区域提取
  2.4 本章小结
第3章 车辆目标检测算法及优化
  3.1 目标检测算法概述
  3.2 两阶段目标检测网络
  3.3 单阶段目标检测网络
  3.4 改进YOLOV3-tiny目标算法
    3.4.1 层级结构
    3.4.2 YOLO评价参数
    3.4.3 数据集
    3.4.4 聚类算法优化
    3.4.5 网络层级结构优化
    3.4.6 实验分析
  3.5 本章小结
第4章 前车测距与实验测试
  4.1 视觉测距模型
    4.1.1 相机标定
    4.1.2 双目测距模型
    4.1.3 单目成像模型
    4.1.4 单目测距模型
  4.2 前车安全距离模型建立
    4.2.1 安全距离概念
    4.2.2 安全距离确定
  4.3 基于几何关系单目测距
    4.3.1 单目测距原理
    4.3.2 实验测试及优化
  4.4 图形界面
  4.5 本章小结
第5章 总结和展望
  5.1 总结
  5.2 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果
全文下载
全文下载