[参考开题报告.docVIP

毕业设计（论文）材料之二（2） 专科毕业设计(论文)开题报告 题目： 机器视觉在车道检测技术中的研究 课 题 类 型： 设计□实验研究? 论文□ 学 生 姓 名： 张健 学 号： 专 业 班 级： 自动化 学 院： 指 导 教 师： 开 题 时 间： 2011年 3 月 5号 2011 年 3月 8日 一、毕业设计内容及研究意义 随着高速公路的迅猛发展和汽车数量的不断增加，交通事故的发生率也在逐年攀升，已严重地威胁到人民的生命财产安全。因此，汽车的安全问题已被列为新世纪汽车三大问题之一(节能、环保、安全)。与以安全带和安全气囊为主要设施的汽车被动安全技术的研究相比，在汽车行驶过程中避免发生碰撞的汽车主动安全技术的研究对解决汽车交通安全问题起着更大的作用。 根据英、美等发达国家的交通事故分析，事故中大约有90%以上是由于追尾碰撞引起的，为了防止高速公路上行驶车辆之间或行驶车辆与路边停放车辆之间的碰撞，国内外很多机构都在研究汽车碰撞预警系统，以期提高汽车行驶的主动安全性。汽车碰撞预警系统首先根据传感器获取的前方车道标志线的信息判断本车行驶的车道，继而检测出本车道前方行驶的车辆并锁定目标，再根据获得的与前方其它车辆之间相对位置关系如相对速度、相对距离等参数对前方汽车可能构成的危险进行判断，并通过声光等信号通知驾驶员提前采取安全措施。可见，车道的识别与检测是汽车碰撞预警系统中的一个最基础、最重要的环节。 此外，车道的识别与检测是道路检测的一个关键环节，而道路检测是智能车辆视觉导航研究中的核心问题之一。智能车辆视觉导航是智能运输系统研究的重点，智能运输系统是80年代以来，产生了一门新兴的交叉学科，它的主要研究范围就是应用计算机技术来解决交通运输中的问题。因此智能车的自主/辅助导航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。在智能车辆导航诸多复杂且具有挑战性的任务中，最受重视的是道路跟踪(Road Folfowing)，它包括道路检测和障碍物检测两个部分。道路检测是智能车辆视觉导航研究中的核心问题之一，也是智能车辆发展水平的重要标志之一，也是当前发展最快、投资最多的研究方向。 二、毕业设计研究现状和发展趋势 车道线是最基本的交通标志，也是汽车行驶的基本约束。在基于视觉的智能车辆导航和汽车碰撞预警系统中，车道线的检测与跟踪是一个基本的、必须的功能，它不但为导航提供了参照，而且应用于运动目标检测，汽车事故预警等功能中。因而车道的识别与检测从人们对智能车辆研究的开始就受到普遍重视，许多国家都将其列入高科技发展计划并投入大量资金。 从国内发展情况来看，由于我国的经济技术等发展水平等因素的影响，而且我国在该方向上的研究起步较晚，因此，相对国外的导航和防撞研究水平，我国的研制水平仍然不是很高。但在众多学者的不断努力下，我国在这方面已取得了许多研究成果。在早期三代的智能车辆样车中，主要采用两维视觉导航，以地面上涂设的带状白色油漆线为导航路径标识符，作为识别道路环境的手段，可实现路径的自动跟踪，但速度较慢，主要用于柔性加工中的货物运输。 早期的车道线检测以对非结构化的道路检测为主，采用的方法大体可分为三类:以颜色处理为主的彩色图像分割方法、以神经网络为主基于模型的方法和灰度图像的边缘检测的方法。 (1)彩色图像分割方法 图像分割是图像分析中的一个关键步骤，在实际中已得到广泛应用。随着技术进步，彩色图像使用越来越频繁。彩色图像包含的信息远远多于单色图像所包含的信息，是对客观世界更为逼真的描述，对于单色图像的分割来说仅有明亮度(lightness)是可用信息。但是人的视觉对明亮度的感觉一般只有20级左右。彩色图像不仅提供明亮度信息，还包括色调和饱和度。因此，在很多情况下对彩色图像的分割很有必要，也越来越引起人们的关注。 彩色图像的分割主要有两方面:一是选择合适的彩色空间;二是采用合适的分割策略和方法。彩色空间是描述色彩的一种方法，它们常是根据不同的应用场合、不同的目的而提出的，现在已经提出的彩色图像分割方法主要包括直方图闭值法、聚类法、基于区域的方法和基于边缘的方法。 一种典型方法是基于RGB彩色图像的道路识别，例如SCARF(Super-vised Classification Applied to Road Following)。利用RGB彩色空间的原理，根据道路在不同彩色分量上与周围环境对比度的变化，对输入的彩色图像进行路面和非路面的二值划分。这种方法适用于没有车道线的非标准车道。 (2)神经网络(NN)方法 人工神经网络是模式识别的