廖传锦[1]2002年在《基于多线程模式的汽车智能辅助驾驶系统研究》文中进行了进一步梳理本文针对汽车行驶中的安全问题，以汽车主动安全系统为研究对象，采用信息处理技术和智能化技术对系统的构成和建模、信息的实时获取、行驶防撞等进行了较系统的研究。从汽车和安全的角度，概括叙述了汽车及其安全性的有关问题，讨论了智能汽车系统（ITS）以及汽车防撞安全系统，对汽车主动安全系统的研究内容进行了的分析。本文提出了基于安全行驶行为的汽车主动安全系统的原理结构。利用多智能体计算行为的并发性和异构性，提出了基于多线程的汽车主动安全系统，通过相互协同完成从动态数据的实时获取到专家系统推理决策报警的全过程。利用计算机视觉理论和技术，引入了基于Gabor小波滤波器的方向特征和统计原理来进行道路检测。针对结构化道路的特点，以及经摄像机投影的道路弯曲的图像特征，提出了将道路按黄金分割0.618分为由近至远的叁段，对每段进行分段线性化提取道路边缘。利用视频图像分割的基本理论，采用两种分割算法：基于模糊主色调动态查表法的道路分割方法和多阈值图像目标分割方法。有效地将目标图像区域从场景中表示出来，进而达到分割目标图像、前方障碍物的检测。采用了基于道路模型的单目测距算法。通过以上建立的道路模型，根据道路的几何约束关系，重建出整个道路的立体视图，从而测出障碍物的距离。对已检测的前方目标，提出了在结构化道路上进行相对径向距离的计算方法。本文研究了汽车行驶的时间安全模型和汽车行驶规则描述，提出了“目标-规则基-特征状态体”的领域知识表示模型，给出一种汽车安全报警防撞专家系统，采用主-从两级推理机制完成对安全的推理求解策略，实现安全报警。
靳玉[2]2008年在《基于车间无线网络通讯技术的汽车安全辅助驾驶系统研究》文中研究表明近年来,我国高速公路运输得到迅速的发展的同时,也面临着更为严重的交通安全与道路畅通问题。与发达国家相比,我国高速公路交通事故更为频繁和严重。汽车安全辅助驾驶技术作为解决上述问题的重要手段受到了国际智能交通系统研究领域的广泛关注。但目前传统的汽车安全辅助驾驶系统所采用的各类传感器存在着在特殊道路交通环境条件下易失效,并导致系统误警率和漏警率高等问题。以此为出发点,结合“863”国家高科技计划资助项目“交通对象协同式安全控制技术”,本文开展了基于车间无线网络传输、GPS与电子地图等相关技术的高速公路汽车安全辅助驾驶系统的研究。这对进一步解决高速公路相关交通事故具有一定的理论意义和实际应用价值。首先,通过相关分析,确立了自组式Ad hoc车间无线网络通讯采用的局域网模式及相关的协议标准;在此基础上,运用平面网络结构技术,对选用的无线网卡开发了车间无线网络实时连接通讯软件。其次,针对选用的GPS定位接收机开发了相应的信息接收软件,并建立了简单的电子地图,实现了GPS位置信息与电子地图的匹配。随后,分析了我国高速公路事故的特点和类型,选取其中有代表性的场景,依靠本文建立的高速公路入口合流处的车辆跟驰模型及借鉴已开发的安全辅助换道模型,对本文开发的基于车间无线网络通讯的汽车安全辅助驾驶系统在校内进行了低速条件下的简单道路试验。试验表明,本文开发的基于车辆间无线网络通讯、GPS定位和电子地图技术的安全辅助驾驶各子系统工作可靠,可为车辆行驶提供进一步的安全保障,能提高车辆在高速公路上行驶的安全性。虽然本文的研究较局限,并有待于进一步系统深入,但仍可为下一步的研究与开发提供一些有价值的理论与技术支持。
刘涛[3]2003年在《智能型汽车行驶主动安全系统研究》文中指出本文针对汽车行驶中的安全问题，以汽车主动安全系统为研究对象，采用信息处理技术和智能化技术对系统的构成和建模、信息的实时获取、行驶防撞等进行了研究。从汽车和安全的角度出发，概括叙述了汽车的安全性问题，讨论了智能汽车系统（ITS）以及汽车防撞安全系统，对汽车主动安全系统的研究内容进行了的分析。本文提出了基于安全行驶行为的汽车主动安全系统的原理结构。利用并行处理原理，提出了基于多任务多线程的汽车主动安全系统，通过将功能模块分割，使它们相互协同完成从动态数据的实时获取到决策报警的全过程。从计算机视觉理论出发，介绍了计算机视觉处理技术的主要算法，结合本课题的研究对象，介绍了基于视频流的2D－3D运动估计理论，最后简要介绍了计算机视觉技术在ITS中的主要应用。从小波分析的基本理论出发，简要介绍了小波分析在工程中的应用以及其快速算法，小波的奇异性检测在图像边缘检测中有重要应用，结合本课题的特点，提出并实验了Bubble小波的边缘检测算法。以区域生长和最小二乘法拟合为主要手段，提出了一种道路检测和预报的算法。基于FOE理论，提出了一种道路弯曲方向的判别方法。利用视频图像分割的基本理论，采用两步分割算法：先进行障碍物区域定位，再通过几种较精细的算法进行精确定位。有效地将目标图像区域从场景中表示出来，进而达到分割目标障碍物的目的。采用了基于结构化道路模型的单目测距算法。通过建立的道路模型，根据道路的几何约束关系以及行业标准，重建出整个道路的立体视图，从而测出障碍物的距离。
谢红韬[4]2017年在《基于异构嵌入式平台的辅助驾驶车道线及车辆检测方法研究实现》文中研究表明汽车保有量的增加导致交通事故频发,先进的辅助驾驶系统成为了现今科研领域的一大研究热点,其中基于视觉的车道线检测和车辆检测是该领域中的核心研究方向。然而,现有检测算法在实际车道环境的应用中存在着较为明显的问题:光照环境的变化容易干扰算法检测效果,车道线检测模型单一不具有普适性,算法的时间复杂度较大使其应用局限于有较好处理性能但体积大、功耗高的计算平台。针对以上问题,本文基于高性能的异构嵌入式平台Jetson TK1对辅助驾驶系统中的车道线检测及车辆检测方法进行了研究与实现:(1)给出一种可应对复杂光照条件的自适应车道线检测的方法:首先通过灰度世界法对图像进行白平衡处理,消除环境光照的影响;再由灰度分布统计结合分离式纵向灰度搜索,动态划分车道图像的感兴趣区域,并基于灰度直方图和车道环境假设,确定Canny算法的高低阈值,实现自适应的车道线边缘检测;其次,使用概率Hough变换检测出车道线的特征点,结合随机抽样一致性算法(RANSAC)和模糊重迭空间,精确拟合出车道线:之后,使用Kalman滤波跟踪车道线检测结果,修正少数误检和漏检的情况;最后,通过JetsonTK1提供的图像处理库OpenCV4Tegra对车道线检测中的部分算法进行加速,使整个车道线检测方法在640*480大小图像上的处理时间小于30ms,具有了一定的实时性。(2)分析了基于扩展Haar-like特征和Adaboost级联分类器的目标检测算法,并使用OpenCV结合大规模的车辆正负样本数据,训练出一个级联分类器,最后将算法在JetsonTK1上使用GPU进行加速,使其在保证检测准确率的同时,可以实时地检测车道上的车辆目标。(3)整合车道线和车辆的检测数据,建立车道预警模型,可以实现车道偏离预警和前车驾驶行为判断,再使用多线程编程模型合理分配检测任务,最后通过Qt最新的界面构建技术Qt Quick,搭建友好的车道检测图形用户界面,实时反馈出当前车道上的信息,并对危险状况作出提示。本文在Jetson TK1上实现的基于视觉的先进辅助驾驶系统,不仅有较好的检测效果和实时性,还具有一定的应用价值。
郝静[5]2008年在《雾天条件下驾驶员前方环境的信息采集系统研究》文中研究指明减少交通事故,保证行车安全是交通工程人员一直探讨研究的重要问题。导致交通事故的原因是多方面的,其中,天气因素是造成交通事故的重要原因之一,尤其是在雾、雨、雪、沙尘等低能见度恶劣天气条件下,道路环境系统的可视性变差,以及由于道路线形(弯道、坡道)、行车速度与间距所产生的错觉,使得驾驶员行车时通过视觉获得环境信息不足,极易发生车辆碰撞、冲出行车道等恶性交通事故。汽车安全辅助驾驶系统研究的目的是使汽车在较差的环境中能够识别路况信息,并能够辅助驾驶员安全行车。目前,道路环境信息获取技术是汽车安全辅助驾驶系统热点研究领域,基于视觉的感知技术已成为获取信息的主要手段。对于雾天能见度较差的这种天气情况,可以应用机器视觉来理解道路环境,通过对道路信息的获取,从而提高道路环境系统的可视性。本文在对雾天条件下驾驶员前方环境信息采集系统功能分析的基础上,针对道路环境的特性,选用了特定的传感器,利用现代计算机技术、传感技术、数据处理技术等高新技术,研究驾驶员前方环境的信息采集系统。构建了由实验车与辅助子系统、图像采集子系统、距离定位子系统、车态信息采集子系统组成的系统实验平台,并对各子系统进行设计,分析了各子系统数据采集原理,最后在对系统软件功能分析的基础上,完成了各个子系统的软件模块功能。具体的研究工作如下:利用CCD摄像机、光电编码器、GPS、惯性测量单元以及车载计算机等设备,设计了基于雾天下前方环境的信息采集系统,完成系统硬件平台的搭建,并进行了相关软件模块设计。针对采集到的图像信息以及其它传感器数据进行了信号处理,包括对摄像机所拍摄的图像进行图像增强,得到比较清晰的图像;对惯性测量单元采集到的数据应用卡尔曼滤波器进行处理,实验结果显示,设计的卡尔曼滤波器对去掉噪声是比较有效的。本文的研究工作可以为今后开发具有低能见度下的视觉增强功能的汽车安全辅助驾驶系统提供一定的参考价值。
蒋海峰[6]2010年在《多核平台下基于CnC的车辆识别算法的并行优化》文中进行了进一步梳理由于车辆数量的快速增长,交通事故的频繁发生,人们对车辆安全的高度关注,智能交通系统(Intelligent Transportation System)的功能也越来越复杂,我们面临计算的数据更加复杂、更加庞大,而对于实时性较高的智能交通系统来说,无非就两种方法来解决这一问题：一是升级或增加硬件；二是优化软件(算法)。显然增加硬件势必会增加成本,本文选择的是第二种方法,以智能交通系统中的车辆识别算法模块作为研究切入点,在现有的多核条件下,通过并行优化算法提高性能来解决海量数据的问题,为未来在嵌入式方向的并行优化做铺垫。本文首先分析和提炼了串行车辆识别算法的执行过程,基于车辆统计特征的车辆识别算法主要由两个处理步骤组成：候选区域确定(hypothesis generation, HG)阶段和车辆验证(hypothesis verification,HV)阶段。在候选区域确定阶段,应用基于车辆先验知识的方法；在车辆认证阶段使用基于知识和统计模式识别的方法对前一阶段的假说进行验证。在分析提炼算法的基础上,本文对串行算法提出了多种并行优化的方案,并采用了英特尔CnC (Intel Concurrent Collections for C++)并行语言优化了基于车辆统计特征的车辆识别算法。总的来说,本文的主要工作内容可分为叁大部分：提炼了串行算法过程；分析了算法中的可并行性,并根据分析结果,提出了多种并行优化方案；根据优化方案,用英特尔的CnC并行语言重构车辆识别算法模块,并对算法进行多种粒度的实验验证。本文针对具有各种鲜明特征的图片在多种硬件平台测试下进行测试,实验结果表明,在多核平台下,优化后的算法在性能上基本达到了理论上的期望值,这在一定程度上丰富了相应理论在实际中的应用,也能够推动汽车辅助驾驶系统并行化的研究。
柴毅[7]2001年在《智能化汽车主动安全系统研究》文中指出本文针对汽车行驶中的安全问题，以汽车主动安全系统为研究对象，采用信息处理技术和智能化技术对信息的表示、行驶安全的动态模型、系统的构成和建模、信息的实时获取、行驶防撞等进行了较系统的研究。 从汽车和安全的角度，概括叙述了汽车及其安全性的有关问题，讨论了智能汽车系统(ITS)以及汽车防撞安全系统，对汽车主动安全系统的研究内容进行了的分析。 针对人-车-道路环境构成的闭环系统，驾驶过程中道路-环境状态的感知这个首要因素，本文研究了驾驶过程状态信息的表达方法，建立了汽车-环境状态特征模型，描述了汽车在行驶过程中时变动态的驾驶状态。 以汽车驾驶中行驶速度和与车距这两个重要安全因素为基础，分析了汽车行驶中感知、判断决策、操作和汽车响应与速度的时间关系。提出了以安全行驶为核心的安全行驶动态模型P~2OT，并从时间量上，提出了基于汽车安全行驶模型P~2OT的时间表达方法，并将此结论应用于系统分析与设计的时间约束，以及汽车安全行驶防撞专家系统的安全(时间)模型。 本文提出了基于安全行驶行为的汽车主动安全系统的原理结构。利用多智能体计算行为的并发性和异构性，提出了基于多智能体的汽车主动安全系统，通过相互协同完成从动态数据的实时获取到专家系统推理决策报警的全过程。 针对环境信息获取的实时性和并发性，提出了一种支持计时实时动态流程的计时受控有色petri网(TC~2PN)，建立汽车行驶复杂动态环境的多智能体系统流程的协作模型，描述实时分布式多智能体系统中的多任务协调过程，以及基于时间安全模型的多智能体系统协调求解机制。 本文利用计算机视觉理论和技术，讨论了一种道路和目标(车辆)的视觉图像检测和提取的方法。对已检测出的前方目标，给出了在结构化道路上进行相对径向距离的计算方法。 本文研究了汽车行驶的时间安全模型和汽车行驶规则描述，提出了“目标-规则基-特征状态体”的领域知识表示模型，给出一种汽车安全报警防撞专家系统，采用主-从两级推理机制完成对安全的推理求解策略，实现安全报警。 最后，为了使驾驶行为得到有效的监督，规范安全驾驶，本文提出了一种利用KDD技术发现驾驶行为和习惯的方法，从汽车行驶数据中发现驾驶规律和习惯，从而对驾驶的安全性进行审计，提高驾驶员安全驾驶的意识。
曹臣[8]2013年在《车载环境下基于手持终端的ADAS系统研究与实现》文中提出在智能交通不断发展的今天,汽车辅助驾驶系统(Advanced Driver Assistance System,简记为ADAS)已经被广泛应用于车辆驾驶中,为人们提供安全、便捷的驾驶辅助功能。而随着智能手持终端的不断普及和发展,其软硬件水平越来越高,已经能够满足复杂计算的需求。如果将智能手持终端应用到汽车辅助驾驶中,能够大大提高汽车辅助驾驶系统的便捷性,并能有效节省硬件资源。为此,本文对智能手持终端在ADAS中的应用进行了研究,总结了基于手持终端的ADAS应用的体系结构,为了验证系统的可行性,设计并实现了一个基于Android系统的ADAS原型系统。为了验证手持终端的处理能力能否满足ADAS应用的需求,本文选取了交通信号灯检测算法进行研究和实现,并移植到Android平台的ADAS原型系统中。交通信号灯检测算法中,首先利用了交通信号灯发光区域的亮度特征和颜色特征,进行亮度滤波和HSI颜色空间的颜色分割,基于发光区域的形状进行形状过滤,然后利用交通信号灯的外部形态特征对提取区域进行外部形态匹配,最后通过对多帧结果的统计验证得到最终的输出区域和状态。实验表明,该方法能够快速有效的检测到视频样本中的交通信号灯位置和状态,为开发基于交通信号灯检测的应用打下良好的基础。根据实际的项目需要,同时为了探讨终端协作模式下ADAS应用中的终端交互模式,并验证网络环境对终端之间数据传输的支持,在原型系统中实现了汽车后视影像显示的子系统。系统以车载环境下的Wifi无线连接为传输网络,系统分为模拟车载终端和Android显示终端两个部分,模拟车载终端完成实时图像采集、编码、传输任务,Android显示端完成图像的获取、显示以及相关配置功能。在测试中显示端能够及时连续的播放模拟车载终端的实时视频画面,实现了低延时、高可靠性的目标。通过原型系统,验证了当前手持终端在计算能力与交互能力上对ADAS应用的支持,充分说明了基于手持终端ADAS应用的可行性和实用价值。
陈浩[9]2016年在《全景视图泊车辅助系统中的多视点视频拼接》文中指出多视点视频拼接技术是当前图像处理领域的一个研究热点,具有重要的理论意义和应用价值,例如用于实现全景视图泊车辅助系统。针对驾驶员在泊车时,受到视野和车位狭小等客观条件的限制,极易发生擦碰事故这一现状,全景视图泊车辅助系统能够提供车身周围实时的俯视全景图像,从而消除了车身周围的视野盲区,给驾驶员泊车提供有效的辅助作用,在一定程度上能够减少事故率。文中对全景视图泊车辅助系统的实现设计如下方案:首先,在汽车周围固定四个摄像头,采集标定图像进行摄像机标定,利用标定系数矫正图像畸变;然后,采集特定图像并矫正,并将其转换成俯视图;对俯视图进行图像配准,根据配准结果对图像进行融合拼接,生成并显示全景视频。主要的工作如下:(1)针对全景视图泊车辅助系统中视频拼接的实时性的要求,提出了基于特定图像拼接与查表法相结合的多视点视频拼接方法。(2)分析比较了各种摄像机标定算法的优缺点,根据实际需求采用张正友标定法对摄像机参数进行了标定。(3)分析比较了SIFT、SURF以及ORB叁种特征提取及描述方法,采用ORB特征进行图像配准。(4)针对图像融合问题,本文在保证实时性的基础之上,对渐入渐出算法进行了一定的改进,使得融合效果有所提升。实验结果表明,文中提出的方法可有效用于实时性要求较高的多视点视频拼接。
程德俊[10]2013年在《汽车全景环视系统的研究》文中提出随着全球汽车保有量逐年上升,交通安全问题日益严重,以机器视觉、图像处理为核心技术的汽车主动安全系统越来越多的被应用到汽车上。其中,使用多路摄像机实时采集车身周围实景后,进行图像处理并拼接为360度2D俯视画面的全景环视技术最为热门,该技术能为驾驶员实时提供无盲区的汽车全景影像,辅助安全驾驶。针对现有视觉增强类安全系统标定复杂,视角单一等问题,本文提出了一种基于四路超广角鱼眼摄像机的嵌入式汽车全景环视系统。该系统涉及鱼眼图像畸变校正、投影变换、嵌入式软件设计等多项关键技术,本文首先对视觉成像坐标系进行了分析,在此基础上,建立鱼眼摄像机成像模型,根据该模型计算摄像机内部参数和外部参数,并逆运算求得校正图像,分析鱼眼摄像机模型及标定算法的准确性；之后,对汽车全景环视系统进行整体设计,在车身周围安装四个鱼眼摄像机,实时采集的视频数据经视频解码器解码后传输给DSP,DSP对数据进行标定计算后在Flash闪存中建立图像映射及各图像位置参数表格,系统利用表格直接生成全景影像,输出全景环视虚拟图像。然后,文章对整个系统软硬件方案中的关键技术进行分析。将汽车全景环视系统分为安装在车身外部的鱼眼视频摄像机、视频解码器、DSP控制器、车载视频显示器、图像采集卡及标定PC等几部分。在此基础上,分析了系统工作流程及各部分间的数据流向；最后,设计嵌入式软件整体框架,将软件分为硬件驱动程序、模块应用程序和集成应用程序叁类,按照嵌入式操作系统要求,编写了系统管理、信号采集和图像处理叁个主要线程,完成嵌入式软件开发。针对原有多路摄像机对每个摄像机分别标定,耗时、耗力的缺点,实验研究发现汽车级鱼眼摄像内参一致性较好,同一批次摄像机可以使用相同内参。使用统一内参对全景环视画面质量影响较小,大大减少了嵌入式程序开发及装车标定的复杂程度。论文设计和实现的汽车全景环视系统在模型车实验仿真平台与实车平台上分别进行了测试实验。实验结果表明,该系统影像清晰、自然,实时性较好,能有效的减少驾驶员视野盲区,是有效的视觉增强型的主动安全辅助系统,有极强的研究和实用价值。
参考文献：
[1]. 基于多线程模式的汽车智能辅助驾驶系统研究[D]. 廖传锦. 重庆大学. 2002
[2]. 基于车间无线网络通讯技术的汽车安全辅助驾驶系统研究[D]. 靳玉. 吉林大学. 2008
[3]. 智能型汽车行驶主动安全系统研究[D]. 刘涛. 重庆大学. 2003
[4]. 基于异构嵌入式平台的辅助驾驶车道线及车辆检测方法研究实现[D]. 谢红韬. 西南交通大学. 2017
[5]. 雾天条件下驾驶员前方环境的信息采集系统研究[D]. 郝静. 武汉理工大学. 2008
[6]. 多核平台下基于CnC的车辆识别算法的并行优化[D]. 蒋海峰. 东北大学. 2010
[7]. 智能化汽车主动安全系统研究[D]. 柴毅. 重庆大学. 2001
[8]. 车载环境下基于手持终端的ADAS系统研究与实现[D]. 曹臣. 东北大学. 2013
[9]. 全景视图泊车辅助系统中的多视点视频拼接[D]. 陈浩. 南京邮电大学. 2016
[10]. 汽车全景环视系统的研究[D]. 程德俊. 南京农业大学. 2013
标签：计算机软件及计算机应用论文; adas论文; 主动安全系统论文; 汽车安全论文; 智能驾驶论文;