张健大创项目研究报告.docVIP

广西科技大学 大学生创新创业训练计划项目 项目名称 平行泊车辅助系统中的视觉测量的研究 项目名称： 平行泊车辅助系统中的视觉测量的研究 项目类别： 创新训练项目 创业训练项目□ 创业实践项目□ 项目负责人： 张 健 负责人所在院系： 电气与信息工程学院 填表日期： 2015 年 6 月 4 日 2015 年 6 月 4 日 摘要 随着科技的发展，人们对汽车的需求度以及购买量与日俱增。 车子越来越多，可是路边供停车的泊车位却是有限的， 怎样有效地把车子停入车位， 不仅要依靠熟练的驾车技术，更是要依靠现代化技术来辅助完成。 本项目主要研究在平行泊车 （侧方停车） 过程中，基于机器视觉自动检测平 行泊车位，检测平行泊车中车辆与前车的横向距离， 自主判断是否会与前车发生擦碰以及自主判断是否擦碰上路肩。 通过摄像头所拍摄到的图像， 经过一系列图像处理最终得出这个平行泊车 （侧方位停车） 过程能否顺利进行。 本模拟碰撞系统通过大量模拟试验后可应用于自动泊车系统。 首先，了解何为平行泊车， 在其基础上把平行泊车过程划分了几个步骤， 找到本项目研究的这 4 个问题发生在哪一阶段，及易发生碰撞的擦碰点。 本课题将针对平行泊车过程中对车位的检测、 自动检测车辆相对前车的横向距离、车身擦碰的预测以及车辆与路肩的擦碰预测这 4 个方面逐一研究如何通过视觉检测来解决问题。 关键词：平行泊车；神经网络； 视觉测量； 障碍物检测； 项目研究背景 在实验初期，我们查找了大量文献， 发现现有的解决方案并不能很好的实现 平行泊车的辅助测量。重庆大学的黄席樾、朱雷、杨璟、李强 [1] 在 2003 年使用 TMS320C620lDSP芯片作为核心器件，用于实时图像处理，能够可靠地检测道 路、障碍物的存在及其距离。但也存在不足：该数字处理器使用方法略有繁琐，该算法不能从根本上解决问题。又如魏喜明在 2005 年对比毫米波雷达与图像处 理的优缺点的基础上， 提出毫米波雷达， 并研发了毫米波与图像处理相结合的智能避撞方案 【 2】 ：该方法可实现可实现智能避撞又可减少虚警的发生。但是这种 方案仍有缺陷： 由于停车点不固定， 所以雷达测速测距离的误差很大， 结论值并 不能应用于所有环境。刘波、钟幼强、金施群、修亮 2008 年运用 DSP系统分析处理，对异常情况给出告警信号红外视觉检测。 图像处理相结合实现主动避撞的方法，以充分发挥二者的优点弥补自身的缺陷， 并且对该系统的运行平台进行了设计。所以面对平行泊车这一项目，视觉测量仍是一种很好的解决方案。 项目的意义 在平行泊车过程中， 拍摄到停车位并快速计算出停车位大小、 通过检测两车之间的距离，获取最优泊车位置、 通过视觉检测技术检测出泊车时两车的相对位置关系，从而预测出两车是否会发生碰撞以及自主判断是否碰撞上路边的路阶。 以上研究结果所建立的模拟系统可应用于平行泊车辅助系统。 实施过程 3.1 车位的检测 通过摄像头拍摄所得的图像点坐标输入到网络中使之输出为摄像头拍摄所得的图像点的世界坐标。 首先 , 探讨基于机器视觉平行泊车位的自动检测课题研究的背景及意义，了解国内外在该领域的研究现状及发展情况， 确定基于机器视觉平行泊车位的自动检测课题的研究流程。 其次采用摄像头获取图像， 进行摄像机标定实验， 基于机器视觉平行泊车位的自动检测图像采集， 模拟小车泊车时前头和车尾车姿的状况， 记录相关的实验数据。 最后基于机器视觉平行泊车位的自动检测图像采集， 模拟小车泊车车姿车位的状况，并记录相关数据， 对前车位线和后车位线的角度分情况讨论， 做出表格，然后用 BP神经网络综合处理数据后，计算出左边路沿和右边路牙距离，得出平行泊车位大小，最后进行误差分析，结果分析。 3.2 相对于前车的平行距离 通过小车前后车轮与地面的相交点的图像坐标输入到网络中使之输出为小 车前后车轮与地面的相交点的实际坐标。 基于单目视觉的研究，同时采用了基于 BP神经网络的标定方法，估测特征 点的实际位置，然后根据特征点的世界坐标求取距离。首先，采用 BP神经网络 标定方法对摄像机进行标定， 建立图像坐标和世界坐标， 确定三维空间物体的具体位置与其在图像上的像素点坐标的对应关系。 再利用标定好的摄像机进行图像采集，在测距模拟实验中，小车模拟前车，椅子模拟本车，实现车辆视觉对前车的图像采集，并从采集到的图像提取特征点的图像坐标， 本文提取的特征点主要是前车前、后车轮与地面的相交点。 然后利用标定好的网络求取前车特征点的世界坐标值，结合几何运算方法求解两车之间的距离。 最后将实际距离与求得的距离比较分析， 虽然在求得的数据上有个别存在的误差比较大， 但从整体来看， 利用本文提出的方法与运算还是可行的。 3.3 车辆与其他车身擦碰的预测 通过输入前车的图像