基于機器視覺的先進輔助駕駛系統(tǒng)關鍵技術研究.pdf

1、先進輔助駕駛系統(tǒng)是智能交通的一個重要組成部分，對于減少交通事故、降低人員傷害、提高公路運輸能力都有著極為重要的意義。因感知方式與人類視覺相似且成本較低，機器視覺技術被廣泛的應用于各類先進輔助駕駛系統(tǒng)。本文以先進輔助駕駛系統(tǒng)中的若干關鍵技術問題為研究對象，研究并提出了基于機器視覺技術的解決方法，為先進駕駛輔助系統(tǒng)提供了更加全面、及時和準確的行車環(huán)境信息。論文圍繞車道線檢測、前方車輛檢測與識別及交通標志識別等先進輔助駕駛系統(tǒng)中的關鍵技術問題

2、展開研究，主要研究內容及成果包括:
　　(1)研究了車載攝像機的內部參數與外部參數標定方法。使用了平面靶標方法在離線狀態(tài)下對車載攝像機的內部參數進行標定。借助圖像中車道線消失點的位置以及車道線斜率關系，提出了車載攝像機外部參數在線調整處理方法，從而避免了對所有攝像機內外參數進行標定的復雜過程。
　　(2)提出了基于雙向窗口特征提取技術的車道線檢測算法。采用邊緣分布函數(EDF)和Hough變換技術初步確定車道線直線部分在圖像

3、中的位置。提出的雙向窗口特征提取技術，提高了車道線檢測的準確性和適用性，能夠準確的提取直線和曲線車道線的特征點，在與同類算法的比較中取得了較好的檢測結果。在檢測出的特征點的基礎上，選用了直線與雙曲線結合的模型對車道線進行擬合。
　　(3)研究了同車道的前方車輛檢測與識別問題。借助車道線約束條件與車道線內灰度統(tǒng)計方法確定前方車輛候選區(qū)域。創(chuàng)新性的提出了垂直對稱HOG描述算子，其更適用于描述車輛等對稱物體的特征，而且比經典的HOG向量

4、維數更少，可以有效降低后繼機器學習的復雜程度。提出了基于垂直對稱HOG和極限學習機的車輛識別方法，能夠在消耗較少計算學習代價的條件下取得良好的車輛分類效果。
　　(4)研究了交通標志識別技術。在交通標志檢測階段，利用了交通標志的顏色特征，使用多尺度滑動窗口技術對圖像中的交通標志候選區(qū)域進行提取。在交通標志分類階段，充分利用交通標志的形狀特征，分別提出形狀特征向量、灰度HOG特征向量和彩色HOG特征向量等圖像特征描述方式。最后，選用