基于计算机视觉的路面识别技术开题报告

 2021-08-08 02:08

全文总字数:2021字

1. 研究目的与意义

随着科技的发展和人们对车辆安全性能要求的提高,智能车辆的研究引起人们越来越多的关注。智能车辆的研究采用的技术也是多种多样,包括计算机视觉、声纳探测、激光和雷达技术等等。由于计算机视觉技术有其它几种方法不可比拟的优点,从而使这种技术成为人们研究的焦点。智能车辆研究包括多个方面,其中实时、可靠的道路识别是智能车辆研究的一个关键技术,在车辆自主导航中起着重要的作用。由于道路的多样性和外界环境的复杂性,如何实时、准确的对道路进行识别是目前道路识别领域研究的重点。近年来,很多学者在道路识别研究工作中做出了很多努力,并取得了一定的进展,也形成了各种各样的道路识别方法。本课题拟研究基于计算机视觉技术的道路识别算法,将算法与Hough变换和边缘特征的算法相结合进行道路路面识别。通过采集实际视频对象对算法进行测试,以验证其正确性和可行性。

2. 国内外研究现状分析

自上世纪80年代以来,智能车辆技术取得了突破性的发展。智能车辆在军事、民用和科学研究等领域的应用前景吸引了各国政府和公司的注意,一些发达国家已经成功开发了一些计算机视觉的道路识别和跟踪系统。其中,具有代表性的系统有:LOIS系统、GOLD系统、RALPH系统、SCARF系统和ALVINN系统等。 LOIS系统由美国密歇根州立大学人工智能实验室开发。该系统利用一种可变形的模版技术将道路以及车辆在道路中的位置确定并转化为多维参数空间的最优化问题。GOLD系统由意大利帕尔玛大学开发,采用立体视觉技术,利用定位道路表面油漆上的具有结构特征的道路标识来检测车道,由于其重组图像和立体视觉处理过程计算量特别大,因而该系统设计了复杂的并行的SIMD硬件结构以达到实时运行的目的。RALPH系统由美国卡内基梅隆大学机器人学院开发,该系统首先对输入图像进行再采样并进行逆透射变换,确定道路的曲率,然后计算车辆偏离道路中心的距离。该系统在假设道路表面为平面的基础上,利用跟踪道路平行线的方法,提高了对道路标识以及不清晰道路的识别算法的鲁棒性。SCARF系统和ALVINN系统都是由美国卡内基梅隆大学机器人学院NavLab实验室和Vision Autonomous System Center(VASC)联合开发。SCARF系统采用两个彩色摄像机,在基于假设道路在图像中表现为梯形的条件下,利用Hough变换寻找最可能的道路位置,然后反投影到真实的道路平面,通过控制转向以使车辆朝向该区域的主轴线方向,确保车辆在该区域中心行驶。ALVINN系统采用基于神经网络的方法检测不规则道路。该系统利用特殊的气候条件下的车道特征来训练人工精神网络,从而通过精神网络的的方法对特定气候条件下的车道进行识别[7]。 国内对该领域的研究主要集中在高校,其中比较著名的院校有吉林大学、国防科技大学、清华大学和东南大学等。其中吉林大学研制的JUTIV系列智能汽车模型采用了3D回旋曲线为道路模型,用最大类方差方法来设定阈值提取道路边缘,利用随机采样的LmedSquare方法进行车道线曲线拟合,同时结合驾驶员稳态预瞄原理,建立了车道线拟合的预测区域,并进一步运用多传感器信息融合技术对复杂环境下的车道线检测识别与跟踪等关键技术做了深入系统的研究[10]。目前,JUTIV系列智能汽车模型的研发水平处于国内领先地位。清华大学计算机智能技术与系统国家重点实验室研制了THMR系列智能车。国防科技大学和中国一汽汽车集团共同研发了一款汽车辅助驾驶系统。东南大学的研究人员将CPCI(Compact Peripheral Component Interconnect)总线应用到汽车辅助驾驶系统的硬件设计中,使系统能够更好的应对环境中的高温、震动粉尘等因素的干扰,提高了系统的稳定性。但是从总体上来看,虽然我国在该领域也做了一些积极的探索和研究,但是与其他发达国家相比起步比较晚。因此,国内在该领域的探索和研究还存在一定的改进空间。

3. 研究的基本内容与计划

研究内容:1. 学习车辆视觉导航和道路路面识别基本方法和知识。2. 学习阈值法的基本概念及其提取图像中路面的方法。3. 学习Canny算子的基本概念及其应用方法。4. 学习Hough变换算法、边缘检测算法以及图像视频处理基本知识。5. 编程实现道路路面以及车道线识别并进行测试。研究计划:1-2周:查阅资料,初步了解设计内容及相关研究现状,完成开题;3-4周:学习了解车辆视觉导航和道路路面识别知识,了解道路路面检测的基本原理;5-8周:学习C 编程语言及编程方法,并学习图像和视频处理的基本知识;9-13周:利用阈值法、Hough变换和边缘检测的方法编程实现道路路面识别,并进行测试;14-16周:整理分析研究的资料,撰写论文,准备答辩。

4. 研究创新点

通过计算机视觉算法实现路面和车道线的检测以及识别,使其能在智能车辆中得到更好的应用。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。