logo资料库

MATLAB的单目视觉车辆测距技术研究.pdf

第1页 / 共62页
第2页 / 共62页
第3页 / 共62页
第4页 / 共62页
第5页 / 共62页
第6页 / 共62页
第7页 / 共62页
第8页 / 共62页
资料共62页,剩余部分请下载后查看
封面
文摘
英文文摘
声明
第一章 绪论
1.1选题背景
1.2国内外研究现状
1.2.1国外研究现状
1.2.2国内研究现状
1.3课题的提出
1.4本课题研究技术路线
第二章数字图像基本理论
2.1数字图像的基本概念
2.2图像数字化
2.2.1采样
2.2.2量化
2.3数字图像的表示
2.3.1坐标约定
2.3.2数字图像的矩阵表示
2.4数字图像的存储
2.4.1图像类型
2.4.2图像类型转换
2.5数字图像的度量及相关概念
2.5.1数字图像的度量
2.5.2图像处理的相关概念
2.6数字图像处理的基本过程
第三章单目视觉系统图像预处理
3.1图像几何变换
3.2图像增强
3.3其他相关图像操作
3.3.1灰度图像形态学处理
3.3.2图像的基本运算
第四章车辆检测与定位
4.1图像分割理论及应用
4.1.1灰度阈值分割
4.1.2形态学图像处理
4.2车辆检测及定位
4.2.1标注连接分量
4.2.2模式识别
4.2.3车辆定位与特征提取
第五章车间距离测量模型的建立
5.1图像变换理论
5.1.1几何变换
5.1.2针孔模型
5.1.3三种坐标系
5.2建立单目摄像测距模型
第六章程序实现与实验分析
6.1 MATLAB程序实现
6.1.1MATLAB7.0图像处理工具箱
6.1.2函数调用和程序实现
6.2测距实验与分析
6.2.1实验目的与实验方案
6.2.2实验结果与分析
结论与建议
参考文献
攻读学位期间取得的研究成果
致谢
分类号:U49;F510710.20050801』IllrlJfllrll[!Hl,'[r[1iF[1lrlfr[HY1526553滚爹太海硕士学位论文基于MATLAB的单目视觉车辆测距技术研究导师姓名职称申请学位级别刘茜刘浩学教授硕士学科专业名称交通运输规划与管理论文提交日期2008年5月16日论文答辩日期2008年5月25日学位授予单位长安大学答辩委员会主席李百川教授学位论文评阅人李百川教授付晓风副教授
摘要智能交通系统是交通领域发展的大势所趋,其中智能车辆结合了车辆工程、自动控制、电子通信、计算机视觉等多种学科。多年来,在国内外研究人员的探索下,不断产生新的理论方法或实用技术,旨在提高安全运行和车辆舒适性。本文以车载视觉系统为方向,研究道路车辆测距技术,对现有的单目视觉测距方法从图像处理的理论和计算机实践两方面进行改进。在视觉图像处理过程中,重新分析、选择合适的理论与方法,在利用先验知识对捕获图像进行缩放和剪裁,结合灰度变换、图像基本运算和数学形态学操作进行预处理的基础上;选取迭代式阈值分割、数学形态学方法对图像进行分割处理;同时对分割区域进行标注、获取特征信息,运用模式识别知识对车辆图像进行检测、定位以提取所需的测距参数。基于MATLAB7.0开发平台,采用图像处理IPT函数,以提高图像处理的质量和效率;且把通过反转透视变换理论得出的数学测距模型编译成简洁的MATLAB程序语言,使视觉测距过程时滞更小、反应迅速,大大提高了精度。通过实际道路的实验验证,本研究所提出的方法和技术具有一定的实用价值,可为现代智能车辆的视觉信息加工提供重要参考。关键词:单目视觉;数字图像处理;模式识别;测距模型
AbstractIntelligentTransportationSystemhasbeenatransportationdevelopmenttrend,whichintelligentvehicletechnologiescloselywatched.Itcombinesvehicleengineering,automaticcontrol,electroniccommunication,computervision,andotherprofessionals.Overtheyears.researchersdevotetheirenergytoimprovetrafficsafetyandcomfort。Alotoftheoreticalorpracticaltechnologieshavebeenworkedoutduringexploring.Thistextconsidersthesinglevisionranging.Andimprovethetechnologyonthetheoriesandpracticesondigitalimageprocessing.Inthecourseofimageprocessing,comparingandre—analysiswerenecessary.Basingonpriorknowledgethecaptureimageswerezoomedandseparatedbyappropriatetheories.Wimgray-scaletransformation,imagebasiccomputingandmathematicalmorphologyoperation,theimagesgotpretreatment.Thenselectediterative—threshold,mathematicalmorphologymethoddoimagesegmentationandgotthevehicleimage.Asfollowing,itmarkedatdividedregion,accessedtofeatureinformationfordetectingandlocatingvehicleimagesbyusingpatternrecognition,whichbelongthenecessaryrangeparameters.Inthepracticeprocessing,theMATLAB7.0platformWasintroduced,whichincludeaprofessionalimageprocessingtoolboXmIfunctiontoimprovethequalityandefficiencyofimageprocessing.Atthesametime,themathematicalmodelrangingwhileobtainedbythetheoryofreverseperspectivewascompiledassimple脚LABprogramminglanguage.SothattherangingprocessWasmorerapidandmoreaccurate.Throughtheactualroadexperimentverification,thismethodsandtechnologieshavesomepracticalvalue,whichprovideimportantreferenceonvisualinformationprocessingofmodernintelligentvehicle.Keywords:Singlevision;Digitalimageprocessing;attemrecognition;Rangemodel
论文独创性声明本人声明:本人所呈交的学位论文是在导师的指导下,独立进行研究工作所取得的成果。除论文中已经注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表的成果。本声明的法律责任由本人承担。论文作者签名:营八药翮8年f月玎Et论文知识产权权属声明本人在导师指导下所完成的论文及相关的职务作品,知识产权归属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时,署名单位仍然为长安大学。(保密的论文在解密后应遵守此规定)论文作者签名:剖墨死叼分年j月圹日导师签名:沌季砂将r月‘7日
长安大学硕士学位论文1.1选题背景第一章绪论智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,也是当今世界车辆工程和“智能交通系统”领域研究的前沿和热点。保障汽车驾驶的自动性、舒适性和安全性是智能车辆一直追求的目标,而其中车辆的安全性近年来更是倍受重视。现今车辆的安全性能主要体现在安全系统、危险预警系统、防撞系统等方面。这些车载设备在计算机的控制下,通过声音、图像等方式向驾驶员提供辅助驾驶信息,并可自动或半自动的进行车辆控制,从而有效地防止事故发生。为保障行车安全,发展汽车防撞技术十分关键,这一技术的重点即是车辆测距技术。汽车必须凭借一定的装备测量前方障碍物的距离,并迅速反馈,在危急情况下,通过报警或自动进行某项预定操作如紧急制动等,来避免由于驾驶员疲劳、疏忽、误判断所造成的交通事故。据统计,危险情况时,如果能给驾驶员O.5秒的预处理时间,则可分别减少30%的追尾事故,50%的路面相关事故,60%的迎面撞车事故。在智能车辆技术上,测距并反馈路况信息是汽车自动驾驶的前提。由此可见,测距技术对保障行车安全,提高汽车智能化水平具有重要意义Il】。目前,运用于汽车测距的方法多种多样,主要有超声波测距、毫米波雷达测距、激光测距以及视觉测距等方法。传统方法都存在较大的缺陷,如超声波测距仪虽然原理简单、制作方便、成本较低,但作为高速行驶车辆上的测距传感器是不可取的。这主要因为超声波的速度受外界温度等因素影响较大,无法实现精确测距;另外由于超声波能量与距离的平方成正比衰减,只适用于较短距离。目前国内外一般的超声波测距仪理想测量距离为4一-5米左右,这对汽车高速安全行驶远远不够。雷达测距仪作为长距离传感器,虽然测量精度高,且可探测多目标,分辨力好,受天气影响小,但是它受电磁波干扰,雷达装置相互间以及其它通信设施的电磁波干扰会导致车辆的误操作,这是它致命的弱点。而激光测距仪主要有两种:一种是利用计数原理测量距离,它缺点很明显,即光波的速度很快,对计数器的要求很高,并且距离越短,误差也就越大;另一种是利用相位原理测距,但相位式激光测距存在着后续信号处理复杂,器件性能要求高的缺陷。相比之下,视觉具有丰富的信息量,采用摄像机作为机器视觉手段,可获得交通环境中的大量信息,如交通标志、交通信号、路面标记和车辆等。采用计算机视觉技术的
第一章绪论视觉测距系统是近年来测距领域中发展起来的新型技术,它是一种“基于图像的距离测量方法”,即把图像当作检测和传递信息的手段或载体而加以利用的测量方法,最终目的是提取图像的特征信号,从图像中获取被测对象的实际距离信息。视觉测量技术在精度、速度、智能化等方面具有很强的适应性,并具有高精度、稳定性好、非接触性测量等特点。若再结合图像处理技术,即可构成自动化较高的实用测距系统。因此它在智能交通系统中作为辅助驾驶导航的安全距离测量,应用极为广泛。同时,利用计算机视觉技术处理智能交通问题算法柔性大、适应能力强,有着广阔的应用前景【21。因此,利用计算机视觉进行自主驾驶与辅助导航是目前的主流,也是智能车辆研究的关键及核心技术。在利用视觉技术获得三维信息方面,通常有单目和双目系统(或多目系统)两种方式。双目视觉模仿人类利用双目视差感知距离的方法,实现对三维信息的感知,即基于三角测量,运用两个摄像机对同一景物从不同位置成像,并进而从视差中恢复距离。但双目视觉算法具有一个致命弱点,就是图像匹配问题。在三维场景投影为二维图像的过程中存在着畸变和噪声,深度和不可见部分的信息会丢失,因而同一物体在不同视角下的图像会产生极大的不同,并且后面的物体被前面的物体遮挡而丢失特征信息,这些都将增大图像配准的难度。人们还提出了多目配准的方法,即采用多个摄像机同时摄取物体的多幅图像,从而增加景物的信息量和配准的约束条件,简化配准问题。但是,如果同时采用多个摄像机,将大大增加整个测距系统的成本,且系统的安装和图像的同步采集等技术的难度也加大,因此,在现阶段还不易达到实用化【31。单目视觉方法采用单幅图像根据摄像机的焦距和事先确定的参数来估算深度信息,或者从视频长序列图像中采用特征匹配和光流技术估算三维参数【41,单目视觉系统结构简单,成本低,相比于双目视觉和多目视觉系统,它少了图像配准问题,并且计算机在同一时间内只需要处理单幅图像,减少了系统工作量,大大节约了处理时间,这一点对于高速行驶的智能汽车是非常重要的。利用计算机视觉技术测距,不仅具有很高的精度,而且可以在测距的过程中利用采集图像中包含的大量信息,实现其它辅助驾驶功能,例如车道状态的估计,交通标志和信号的识别,牌照识别、车辆偏离车道中心的偏离程度等。随着计算机硬件的计算能力提高,计算机视觉技术在本领域中的应用已基本达到实时处理的要求,更加推动了研究的发展。2
长安大学硕士学位论文1.2国内外研究现状1.2.1国外研究现状在越来越重视行车安全性和舒适性的今天,智能车辆系统的开发刻不容缓,具有不可忽视的应用前景和商业价值。美国、西欧、日本都在加紧研制,争相推出自己的新产品。智能车辆视觉技术源于上个世纪70年代末期,德国和美国开始研究车载视觉系统,代替早期埋地电缆的感应导航方法,美国DARPA以预研项目资助的自动陆地车辆AutonomousLandVehiclet5饷研究重点之一就是机器视觉的导航方法。之后,德国人最早利用图像处理技术进行了高速公路的车道识别与跟踪f6】。最早的智能导航汽车只能用于室内环境,此后智能车辆导航的计算机视觉方法在全球得到迅速推广。电子工程、计算机科学和机械工程的发展都极大的促进了研究的进展。1978年是车载视觉系统发展的一个里程碑,德国联邦大学(UBM)研制成功VaMoRs—M无人驾驶汽车,该车采用机器视觉识别车道线进行自动导航,以97km/h的时速完成了20km的高速公路自动驾驶实验【71。此后,欧洲的Prometheus计划(具有最高效率和空前安全度的欧洲交通计划)中明确包括了基于视觉导航的研究内容,奔驰公司率先推广了此项研究。美国、日本等发达国家也纷纷互相合作进行智能车辆视觉系统的研制,并且成立了相应的协会,以鼓励和支持智能车载视觉导航的研究。例如,日本于1996年成立了AHSRA高速公路先进巡航/辅助驾驶研究协会【81,又在2000年发起ASV项目计划【91。政府支持和主要汽车厂的参与对车辆视觉导航的发展起了很好的促进作用。目前,世界上典型的车载视觉代表系统,包括德国戴姆勒一奔驰公司的VITA.-Ⅱ系统和意大利帕尔玛大学的ARGO系统【10】,德国联邦国防大学的(UBM)的VaMoRs--P,Caravelle实验车和EMS---Vision视觉系统【111,美国卡内基梅隆大学(CMU)的NAVLAB系统【12】,法国帕斯卡大学Peugeot系统,以及加州大学伯克利分校的PATHl3】等都是一些较为典型和成功的智能车辆视觉系统。VITA—Ⅱ视觉系统和VaMoR卜{视觉系统采用的都是多目视觉系统,前者装有18台TV摄像机,后者有两套主动双目视觉系统。ARGO视觉系统应用立体视觉获取环境信息,但通过单目视觉图像处理数据。NAVLAB视觉系统和Peugeot视觉系统则都采用了单摄像机获取信息。到目前为止,世界智能车辆视觉系统的研究有了较大的发展,但是视觉系统受光照、
第一章绪论天气等外界因素的影响较大,视觉系统的适应性还不能满足要求,这在很大程度上制约了智能车辆视觉系统的发展。提高智能车辆视觉系统在不同的道路环境以及气候条件下的鲁棒性要求,将是智能车辆视觉系统在今后一段时间内研究的难点与热点之一。在未来的时间里,随着智能交通系统研究的逐步深入,智能车辆视觉系统的研究也必将得到越来越多的重视和长足的发展。1.2.2国内研究现状在智能车载视觉系统研制方面,国内起步虽然较晚,研究水平与国外相比还有较大差距。但随着大批学者及科研机构的加入,也取得了一系列丰硕成果。智能汽车研究开发正在朝着一个崭新的视觉信息时代迈进。开展这方面工作的单位主要是一些大学和研究所,如清华大学、吉林大学、国防科技大学、西安交通大学、北京理工大学、长安大学、沈阳自动化所等等。清华大学是最早从事智能车载视觉系统导航研制单位之一,在国防科工委和国家863计划的资助下,其计算机系智能技术与系统实验室从1988年开始研制THMR系列移动机器人系统。而其研制的V型智能车装备有彩色摄像机和激光测距仪组成的道路与障碍物检测系统。20世纪90年代至今,吉林大学王荣本教授领导的智能车辆课题组先后研制了四代智能试验车。其中,几玎Ⅳ一I,ⅢT删,几丌叫II主要采用视觉导航,识别路面上的带状自线和前方的车辆障碍物。正在调试的第四代试验车几『TⅣ—Ⅳ中开始研究多传感器信息融合技术。国防科技大学的CITAVT-IV型视觉导航自主车以结构化道路环境下的自主驾驶为目标,以两台摄像机作为主要传感器。其它进行智能车视觉导航研究的大学和科研单位也不少。如1993--1995年,由南京理工大学、浙江大学、北京理工大学等国内六所著名大学组成了联合课题,进行“地面军用智能机器人”研究【14】:2001年起,长安大学刘浩学教授带领课题组进行单目视觉车辆测距系统的研究等。国内外的许多研究人员曾试图用双目或多目视觉技术来解决该课题,由于汽车是高速运动的,对信息获取的实时性提出了很高的要求。在视觉获取手段中,立体视觉可以有效地获取深度信息,但是要进行对应点的匹配,耗费大量的机时,难以满足实时性的要求,这也使双目视觉变成了一块鸡肋。当然,协同性和价格也是其不容回避的问题。单目视觉系统从硬件设备上节省了一半以上,只用单摄像机采集障碍物图像,从而不需要多图像之间的匹配,没有多个摄像机之间距离条件的约束,可以方便的将其应用在行驶的智能车辆工作环境中。虽然单目视觉不具备双目和多目视觉的“视觉差”,从成像原4
分享到:
收藏