基于视觉的前车检测系统开发及关键技术研究.ppt

Company Logo 基于视觉的前车检测系统开发及关键技术研究 指导老师: 吴星明 副教授 答辩人: 戴冠雄 考核指标 4. 国内外研究现状 2. 选题背景及意义 1. 研究内容与方案 3. 工作计划 5. 内容大纲 课题背景及意义 汽车行业 的发展 交通拥挤 交通事故 燃油浪费 环境污染 课题背景及意义 基于视觉的前车检测技术 前车检测 独立式 车辆跟踪 车辆跟踪 ITS 智能交通系统 Intelligent Transportation System 简称ITS 国内外研究现状 NAVLAB 美国卡内基梅隆大学机器人研究所 NavLab系列智能车 BRAIVE ARGO 意大利Parma大学的Vislab实验室ARGO和BRAIVE实验车 Google Driveless Car Google公司 无人驾驶汽车 国内外研究现状 清华大学 THMR系列智能车 国防科技大学 HQ3无人驾驶车 研究内容与方案 基于单目视觉进行车辆识别 CCD摄像机满足实时性要求 视觉信息丰富 识别方法 基于特征的方法 基于模型的方法 难点 受天气状况和光照条件变化的影响很大 目标部分重合或被阻挡时 受镜头焦距的限制 对称性 阴影 边缘 形状特征 位置特征 角点特征 颜色特征 纹理特征 …… 研究内容与方案 传感器各有优缺点 难点 摄像头和激光传感器的联合标定 数据融合 优点 缺点 CCD摄像头 数据量丰富，便于识别 当个摄像头无法获取深度信息 激光测距仪 快速获取准确的深度信息 信息量少，易受干扰 研究内容与方案 系统搭建 难点 PC和嵌入式系统的联调 软件编程 考核指标 对前车检测算法进行研究，有效融合各传感器数据，实时检测前方车辆并且拟合出前车轨迹。 完成前车检测系统的软硬件平台。 发表一到两篇相关的研究论文。 工作计划 时间 工作 2012年12月——2013年01月 进行项目的调研，通过查找大量的文献，确定软硬件实现方案 2013年02月——2013年04月 初步完成系统信息采集平台的搭建与调试能够采集视频图像信息和激光距离信息 2013年05月——2013年07月 多传感器数据融合与实验实现 2013年08月——2013年9月 基于视频的车辆跟踪算法研究，实物调试与算法验证 2013年10月 智能小车系统的整体调试，完善前车检测系统的软硬件，增加稳定性 2013年11月 整体总结，撰写毕业论文，准备毕业答辩 谢 谢！ 各位老师同学大家好，我今天答辩的题目是“基于视觉的前车检测系统开发及关键技术研究” * 我的研究课题的来源是：国家自然基金——基于虚拟力延时柔性曲杆的车辆自动跟踪系统的关键技术研究。而我的研究重点是车辆跟踪中的前车检测技术 * 我所讲的内容有以下部分：…… * 首先是课题背景和意义： 汽车行业的高速发展，给人们带来了便利，然而，与此同时也带来了一些列问题，随着汽车的普及，汽车数量越来越多，从而产生了交通拥挤，交通事故也频频发生。此外汽车所排除的尾气也造成了环境污染，经研究发现，汽车由于堵塞走走停停也会增加燃油的浪费。为了解决一系列交通问题，提高交通运行的效率，人们提出了智能交通的概念。 * 智能交通系统简称ITS，其中有很多分块，而车辆跟踪属于其中一个重要的分支。车辆跟踪有两种方式：合作式车辆跟踪和独立式车辆跟踪。由于合作市车辆跟踪需要车路协同，需要在路上设置很多通讯点，代价比较大，暂时不适合普及。而独立式车辆跟踪相对而言成本比较低，非常值得研究。前车检测是独立式车辆跟踪重要环节，其精度的好坏直接影响到后车跟踪的效果。而视觉是用在前车检测中的最佳选择，我研究的是基于视觉的前车检测技术。 * 下面我们看看车辆跟踪方面国内外的研究情况，最具代表性的是美国卡内基梅隆大学机器人研究所研制的NavLab系列智能车，还有意大利帕尔马大学Vislab实验室研制的ARGO试验车，和最近研制的Braive实验车。此外，德国、法国、日本对车辆跟踪也有很多研究。而最近比较热门的是在今年8月份，Google公司推出的谷歌无人车，它已经在电脑控制下安全行驶了48万公里，还获得了内华达州颁发的牌照。在中国，车辆跟踪项目起步比较晚，但一些高校和研究所也取得了骄人的成绩，典型的是清华大学和国防科技大学。 * 清华大学研制了THMR系列智能车，国防科技大学对车辆跟踪技术起步相对比较早，最早从80年代末研制CITATV系列智能车，最近研发的是HQ3无人驾驶车，2011年7月，此车完成了286公里的无人驾驶实验，达到了世界先进水平。 * 视觉系统在智能车辆研究中相当于人类的眼睛，对环境进行探测和辨识 1、利用车辆具有良好的对称性的特点，可以从对称性映射图中得到车辆的