李强[1]2004年在《基于DSP的智能车辆机器视觉系统研究》文中研究指明本文针对汽车行驶中的安全问题,研究了一种用于智能车辆的机器视觉系统,提出一种基于DSP的机器视觉解决方案,利用DSP芯片等对系统作了硬件实现,同时编写了各部分的接口程序,并全部调试通过。本文首先论证了开展智能车辆机器视觉系统研究的必要性,技术可行性和发展前景,介绍了系统的组成要素和技术支撑。结合我国实际情况,分析了智能车辆机器视觉系统DSP实现的学术意义和应用价值。讨论了DSP技术的产生、发展、研究内容及方法,从硬件结构的角度阐述了DSP芯片的主要特点及实时信号处理系统的典型构成,并对整体开发框架及流程做了说明。同时,简要介绍了TMS320C6201 EVM板的主要特点及其可用的硬件资源和EVM板软件包提供的Win32动态连接库里常用的API函数。本文在深入研究DSP的技术和机器视觉的理论后,为方便验证编写的DSP算法和系统设计方案的可行性,利用现有设备,构造了基于TMS320C6201 EVM板的图像处理仿真平台。经过一系列的实验,证明DSP能够满足实时性和快速性的要求,同时也说明系统的设计方案是合理的,这就为后续构造独立的DSP实时小系统奠定了基础。在此基础上,确定了DSP的选型原则,经过认真的分析和比较,最终确定TMS320VC5416作为系统核心处理器,然后对系统各组成部分的设计方案也进行了选择。在作了大量的前期研究之后,本文提出了以TI的TMS320VC5416为中央处理器负责图像处理,视频解码芯片进行图像采集与转换,CPLD完成各种接口逻辑和时序匹配,配备大容量存储器的智能车辆机器视觉系统的设计方案。然后设计了系统各部分的电路原理图和印刷电路板(PCB)图,并对硬件电路进行调试,使其最终达到预期的效果。系统采集的图像数据存放在双口RAM中,每帧采集完成后通过中断方式通知DSP读取,DSP对一帧图像处理完后,如果测算的距离小于安全距离,就通过多通道串口启动语音报警单元实现语音报警。本文还对DSP的图像处理算法,系统各部分的接口程序及FLASH的烧写过程等作了详细的说明,并给出了部分源程序代码。最后,对DSP的开发工具、软件开发流程和CPLD的开发工具等也作了介绍。
潘锋[2]2005年在《仿人眼颈视觉系统的理论与应用研究》文中研究说明机器视觉是一门新兴的学科,是从信息处理的层次研究视觉信息的认知过程;机器视觉系统则是能够实现某些视觉功能的硬件和软件的综合。通过广大研究人员的努力,机器视觉已取得了很大的进展,开始从实验室走向实际应用阶段。但是客观地讲,机器视觉不论是在理论上,还是实际应用中,都存在着较多不足,还处于不成熟的研究阶段,有待进一步的改进与深入研究。本论文以仿人眼颈系统为研究对象,建立了仿人眼颈视觉系统的体系结构和实现平台,研究相关基础理论、技术与应用。主要包括系统模型、复杂背景下单目运动视觉分析、主动目标跟踪、通用的摄像机标定技术、双目立体视觉的人脸重建、DSP视觉处理与实现技术等。 论文介绍了仿人眼颈系统、机器视觉系统理论及发展历程;综述了运动视觉分析和立体视觉系统的研究概况,指出机器视觉相关研究存在的问题与发展趋势,并给出论文的主要研究内容。 建立了仿人眼颈视觉系统的数学模型,包括仿人眼颈系统的运动学数学模型和摄像机数学模型。在深入分析摄像机数学模型的基础上,提出了一种基于直线校正的摄像机标定方法,并且在摄像机镜头畸变参数的求解方法上,提出了一种线性的求解方法,与非线性最小二乘求解相比,避免了非线性优化存在的依赖于初始值、易收敛于局部极小值等缺陷,而且精度与非线性求解算法相当。 对运动视觉分析进行了详细的研究。提出了一种复杂背景下运动目标的检测算法,通过对背景的高斯建模,进行运动目标检测,考虑目标影子的存在及环境光照等条件有可能变化,提出了相应的影子消除及背景自适应更新算法,大大提高了目标检测的可靠性。 针对场景中存在多种可能的目标,提出基于支持向量机的人体目标识别方法。针对不同场景下,运动目标受到遮挡的程度不同,提出了基于头肩模型和星形向量表示法的人体目标特征向量抽取方法。通过样本采集、特征抽取、支持向量机训练得到最终的人体目标识别分类器。实验结果表明,基于现代统计学习理论的支持向量机非常适合于有限样本条件下的目标分类。 研究运动目标定位、跟踪原理和实现方法。提出将背景匹配与帧间差分技术相结合的方法,解决摄像机运动-目标运动模式下的运动目标检测难题。为了使运动目标的跟踪更为平稳,提出了利用卡尔曼预测器对目标的位置进行再估计,并在此基础上,研究了单目视觉跟踪和双目视觉协调跟踪的控制方法。 对基于双目立体视觉的特定人脸重建进行了详细的理论分析和实验研究。建立了双目立体视觉测距的数学模型,分析了基于双目立体视觉进行人脸重建的原理,为叁维重建提供理论基础。提出了金字塔结构相关计算方法和活动轮廓模型相结合的视差抽取方法,并在活动轮廓模型中采用了一种新的能量最小化方程,解决了立体视觉中立体匹配的难点,成功地实现了人脸的叁维重建。 本文还研制成功一种通用的DSP视觉处理平台。利用它,可以完成仿人眼颈视觉处理及其它一些图象处理,为脱离PC机实现图象处理提供一种途径。详细介绍系统的整体设计,主处理器及外围元器件的选择,各子模块和电路的设计及一些实际经验和体会。 最后,介绍了本文研究成果的两个相关应用实例——目标自动跟踪一体化智
王兆萍[3]2007年在《基于机器视觉技术的汽车辅助安全系统的研究》文中研究说明随着汽车产业和交通运输业的发展，安全问题已经成为一个不容忽视。根据交通部门的统计，由于疲劳驾驶造成的交通事故占将近总数的30％，因此如何有效的防止驾驶员疲劳引起的交通事故具有很重要的现实意义。各国的科研机构和各大汽车公司都开展了对驾驶员疲劳状态检测的研究，车载、实时、低功耗、可预警的疲劳检测系统成为近几年的发展方向。目前对驾驶员疲劳状态检测技术的研究很多，主要集中在叁个方向：基于驾驶员生理参数测量的监测方法，基于车辆参数的监测方法和基于驾驶员个体特性的监测方法。由于前两种方法都会受到驾驶员个人或者车辆类型等条件的限制，都不适合做监测系统，所以本文采用了对驾驶员无接触式观察眼睛状态的监测方法，用一种改进的PERCLOS算法来计算驾驶员的疲劳程度是非常有效和具有现实意义的。在研究了当前数字视频图像技术发展的基础上，以高速DSP的数字信号处理器为核心，采集处理图像数据，对视频码流的压缩标准进行分析，以便进行对在DSP环境下得到的MPEG格式的视频数据的解码算法研究。其硬件电路设计的核心DSP芯片采用TI的TMS320C6711，选用了CH374作为它的USB视频输入接口，设计了包括摄像头的接口电路，图像存储电路等。其软件设计部分包括视频解码算法，司机疲劳判定方法、灰度投影定位法，眼睛特征提取等机器视觉处理算法过程。论文提出的基于机器视觉技术的图像处理系统的应用潜力非常巨大，有待进一步的研究和探索。在论文最后对研究进行了总结和展望，提出未来的研究方向。
华冰[4]2008年在《智能车辆中的道路检测和目标检测技术研究》文中认为论文以基于机器视觉的道路识别与目标检测为研究对象,采用动态图像处理技术为行驶车辆提供环境状态信息及车辆行驶状态信息。综合利用车辆的当前行驶车道状态(弯道或者直道)和距离信息实现了目标的检测与识别。论文首先从汽车和安全的角度出发,概括叙述了汽车的安全性问题,讨论了智能交通系统以及汽车防撞安全系统。同时介绍了智能车辆在国内外的发展情况,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,并阐述了上个世纪80年代以来机器视觉算法的发展状况和实际应用。结合本课题的研究对象,对汽车主动安全系统的研究内容进行了分析。论文从介绍单目视觉系统结构设计入手,分析了系统各个模块的功能,同时介绍了摄像机成像模型,提出了摄像机的标定技术,详细论述了各个参数的标定方法。论文讨论了基于视频处理的道路检测技术。道路检测是本文的重点研究内容,也是整个系统好坏的关键。本文先综合分析了各种图像预处理技术,并通过实验对比分析,再选用适合课题的预处理算法,最后集中分析了通过分道线检测技术能为智能车辆提供的信息,并提出了基于样条函数和道路中心的分道线检测新算法,该方法能克服积水、阴影、对比度低等造成特征点不足的影响,同时又能适应各种路面,具有实时性好、可靠性高以及鲁棒性强等特点。论文对该算法详细论述和论证,最后对分道线进行了准确的拟合重建,分道线的准确提取为解决汽车智能辅助驾驶系统的碰撞问题提供有力保证。论文提出了基于单目视觉的目标检测和识别技术,构造了完整的车辆检测方案。目标检测和道路检测一样,也是整个系统的关键部分。本文提出了一种基于车辆底部阴影和轮廓的精确定位算法,并通过公路实验结果证明了本方法的有效性。论文介绍了系统的实验环境(基于DSP TMS320DM642)并对实验结果进行了分析。实验结果表明本文所用算法完全能达到实时性、准确性、鲁棒性和工程实用性的要求。最后论文对课题提出了结论和展望,提出了系统今后的发展方向。
陈俊[5]2009年在《基于DSP的汽车视觉系统研究》文中提出作为一种融合多学科知识的新技术,计算机视觉技术随着计算机技术和数字成像技术的发展,正广泛应用于科学技术、国防建设、航空宇航、智能交通以及国民经济的各个领域。视觉技术在汽车上已成为智能感知车况最重要的技术手段之一,视觉技术在汽车上的应用将是近两年的热门课题。本文首先论证了基于DSP的汽车视觉系统研究的必要性,技术可行性和发展前景,结合DSP技术和机器视觉技术基础理论知识,介绍了系统的组成和实现方案。根据视觉系统的性能要求,选取了TI的最新Davinci系列芯片TMS320DM6437为核心处理器。本文在视频图像处理方面,对比分析现有的图像处理技术,结合道路图像特点,并通过编程实验结果对比,研究适合满足我们所需要的算法,或者是基于现有经典算法上的改进。结果表明,在识别结构化道路车道线时平均处理速度约为23.40ms/帧,算法具有快速、稳定、准确的特性。本文结合摄像机成像模型定义了自己的坐标系系统。为了简化模型,本文在研究的过程中假定摄像机安装时在汽车中轴线,并且没有水平偏向角度。在此基础上,我们实现了图像坐标系与世界坐标系之间的转换,提取了车辆在当前车道中的位置和方向参数信息、实现了障碍物检测与定位。最后具体就系统的硬件和软件的实现的各环节做了大致的介绍,其中还包括系统的引导方式、DSP程序优化、程序烧写等。
任程辉[6]2016年在《基于FPGA的车辆实时视觉环境感知技术的研究》文中提出人们一直在寻求一种更加安全、快速、便捷的交通方式,以解决目前交通效率低、事故多、驾驶困难等问题。随着现代电子技术和汽车自动控制算法的深入研究和发展,智能汽车逐渐从概念转变为现实。智能汽车通过安装在车辆上的多种传感器获取车辆自身以及环境中的各种信息,实现对环境的感知,最终全方位判断决策、规划行驶路径和控制操作汽车。目前国外研究机构和汽车生产商在智能汽车领域展开深入研究,智能驾驶辅助系统逐步实现实用化,但国内在相关领域差距较大,因此研究具有自主知识产权的车辆视觉环境感知系统具有重要意义。大多数交通信号和道路环境信息是通过视觉传递给驾驶员,机器视觉在智能汽车对环境感知过程中占主导地位。目前基于DSP、ARM等嵌入式平台的视觉系统中存在多相机安装困难、并行化程度低、运算效率低的问题。首先,针对上述问题,本文设计了一种基于FPGA的分布式传感的车载视觉硬件系统。该系统由4个安装在车辆四周的图像采集板以及车内安装的1个主控制板构成,实现车辆全方位图像采集处理。系统利用了FPGA进行视频并行采集、LVDS实现串行高速视频传输、DDR2 SDRAM完成高速大容量图像存储,解决了车载多目视觉环境感知中图像数据的并行采集传输和存储问题。系统实现了可配置的CMOS图像传感器接口,为实现多相机数据并行融合提供硬件平台。其次,识别车道线在智能汽车感知环境过程中具有重要意义,因此本文设计了一种针对橙黄色车道线的提取算法,该算法的核心是将彩色图像转换到HSV彩色空间,依据橙黄色范围提取车道线并处理优化分割结果。该方法解决了复杂的停车场环境中以及不同天气条件下使用灰度图像边缘提取方法效果不佳的问题。最后,使用FPGA实现上述算法,并针对FPGA逻辑单元结构和算法并行化计算原理,调整计算流程和实现方式以达到面积和速度的综合优化。经理论分析及实验测试,相对于其它串行嵌入式处理器,本文方法具有良好的算法加速效果。本文系统具有较高集成度和运算性能,可以用于处理速度要求高、安装空间小的车载驾驶辅助系统中,是一种较为经济实用的解决方案。据查阅CNKI、万方数据等数据库,本文设计的以FPGA为核心、具备实时道路标线检测功能的分布式智能车载多目视觉环境感知系统,在国内未见相关报道。
谢毅[7]2007年在《基于DSP及机器视觉的道路识别与障碍物检测》文中提出论文以基于机器视觉的道路识别与障碍物检测为研究对象,综合利用动态图像处理技术,模式识别技术实时检测定位车辆行驶的车道及障碍物车辆。获取车辆环境状态信息及车辆行驶状态信息,为汽车主动安全报警系统的报警决策提供必要可靠的数据。论文首先对智能车辆做了概述,介绍了其研究方向,发展阶段,然后对智能车辆在汽车主动安全上的应用以及机器视觉在汽车主动安全上的应用做了简介。最后提出了课题的研究目的和内容。论文对汽车主动安全报警系统做了总体的介绍,对系统的硬件和软件选型和设计做了概述,概述了DSP的主要结构特点及其软件系统的总体流程。接下来讨论了基于视频处理的道路识别技术。综合分析了,目前各种图像预处理技术,对图像平滑,边缘检测技术做了概述,通过实验对比分析,选用适合课题的预处理算法,给出了相应的程序片段;然后对现有的车道识别技术做了概述,提出了计算量小高效的基于图象灰度特性,车道样本点采样及滤波,中值插值的车道识别算法,对车道进行拟合,并在VC++平台上做了软件仿真。实验结果表明该道路识别技术有较好的实时性和可靠性。论文还介绍了车辆检测算法的现状,对各种方案进行了对比分析。论文提出了基于单目视觉的障碍物检测、识别和跟踪技术,构造了完整的车辆检测方案。本文提出了一种基于车道灰度连续性,车辆底部灰度特征,NMI特征统计量,边缘提取的障碍物车辆检测方法,介绍了方案的具体实现,并在VC++平台上做了软件仿真,给出了实验结果。最后介绍了软件算法在DSP上的实现,对DSP的结构特点,系统的软件开发做了概述,介绍了DSP芯片的特点,并对DSP的系统初始化,系统寄存器的设置,中断设置,中断服务程序等做了介绍,给出了相应的程序片段,并结合DSP硬件系统做了软件编程实践。
高美芹[8]2007年在《高速公路智能车辆视觉导航系统研究》文中指出智能车辆(Intelligent Vehicle，Ⅳ)是当今世界车辆工程领域的研究前沿和热点。智能车辆是集环境感知、规划决策、辅助驾驶等功能于一体的综合智能系统，是计算机视觉、人工智能、控制理论和电子技术等多个技术学科交叉的产物，代表了未来车辆的发展方向，具有十分广阔的应用前景。视觉导航智能车辆已经成为当今智能车辆的发展主流，智能车辆视觉导航系统是智能交通系统的重要组成部分，关于智能车导航关键技术的研究，对于保证车辆安全行驶甚至实现自动驾驶起着至观重要的作用。由于视觉导航具有信号探测范围宽、目标信息完整、价格相对便宜及最符合人类感知方式等优点，本文提出了利用单目视觉技术在汽车辅助驾驶及自主导航系统中实现导航的方案。目前，国内外已有很多视觉导航系统，但在系统的实时性、鲁棒性和实用性方面尚不能满足人们的要求。论文主要研究内容为：本文首先对智能车辆视觉系统相关机理进行分析，获取智能车辆视觉系统在特定道路环境下的成像特点，对视觉系统相关参数进行合理化配置，这是深入开展智能车辆视觉系统研究的重要前提，具有实际的指导意义。其次，分析了汽车辅助驾驶及自主导航视觉系统的结构，将重点放在道路检测与跟踪上。通过与使用立体视觉技术的方法做对比，阐述了采用单目视觉技术的优点和实际意义。最后，在车道检测中本文提出了一种基于车道线多特征分析的车道检测算法，可以有效的去除阴影、噪声点对车道检测的影响，并且能够很方便的应用于智能汽车视觉导航中。
刘涛[9]2003年在《智能型汽车行驶主动安全系统研究》文中研究表明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。
肖献强[10]2011年在《基于信息融合的驾驶行为识别关键技术研究》文中研究指明随着经济的快速发展,机动车辆数量与日俱增,随之而来的是人身安全越来越受到人们的重视,现代车辆制造技术的快速发展,车辆本身的安全因素造成的交通事故所占比重越来越小,驾驶员的个人因素已成为交通事故的第一因素,也是造成交通事故的主要原因。近年来很多学者对基于人的因素的驾驶行为及汽车主动安全系统开展了一系列的研究,但很多研究局限于某单一驾驶行为或者隔离人—车—路叁者之间的关系,没有从人—车—路整个系统的角度综合评估驾驶行为给车辆和道路交通带来的潜在危害及如何有效预防交通事故,因此开展基于驾驶行为的汽车主动安全系统研究具有重要的理论研究意义和工程应用价值。论文通过采用虚拟传感器的思路和方法,充分利用车辆上已有的各种传感器的基础上,通过设计车载视觉系统,组成人—车—路的多传感器数据采集及预处理系统。研究与开发基于多传感器信息融合的驾驶行为识别模型及算法,实现实时识别驾驶员的驾驶行为,并根据实时识别的驾驶行为及环境信息综合评估此种驾驶行为的安全性,结合评估的结果给驾驶员相应的告警信息,并将相关信息传输给车辆上相应的辅助驾驶系统。论文首先介绍了国内外关于驾驶行为及相关的汽车主动安全技术的研究成果和面临的问题,根据近年来相关学者提出的以人为中心的主动安全系统设计思路,提出研究设计基于驾驶行为的汽车主动安全系统,论文重点研究解决基于多传感器信息融合的驾驶行为识别这个关键技术。论文采用多指标综合评价法中的层次分析法—AHP对驾驶行为组成主因子进行组成主因子的决策权重数值化分析,从理论上研究解决常见驾驶行为组成主因子的初步决策权重系数及识别向量基础问题。利用层次分析法分析建立多传感器信息中的每个信息在某一种驾驶行为中各自决策权重系数及初始识别向量,为采用基于BP神经网络与D-S证据理论相组合的多传感器信息融合的驾驶行为识别模型及算法奠定理论基础分析工作。论文提出采用虚拟传感器思路及方法解决多种传感器信息共享的问题,通过软件技术和算法从车辆上现有的单个或者几个组合的传感器信息中提取所需的驾驶行为识别虚拟传感器信息,解决驾驶行为识别所需的大量传感器信息及共享问题。论文研究设计了车载视觉识别系统,利用CCD视觉传感器与DSP组成视觉传感器处理单元,对车载视觉系统的组成、标定、算法以及车载安装位置与数学计算模型进行了详细地研究,开发了车载视觉系统的车道线识别模型及数学算法。论文在分析研究各种多传感器信息融合技术的优缺点的基础上,根据驾驶行为的状态瞬时多变及主观性较强的特点,提出采用基于BP神经网络和D-S证据理论相结合的组合式多传感器信息融合模型及算法。并对D-S证据理论决策识别实际应用中的局限性问题,结合驾驶行为识别的具体应用,提出采用基于关键性证据的方法改进传统的D-S证据理论决策算法,使改进后的D-S证据理论更适合于驾驶行为识别决策。通过采用BP神经网络和D-S证据理论相组合的模型,使整个多传感器信息融合模型中各个多传感器信息意义明确与透明。论文根据研究成果测试及未来应用的需求,设计了基于ARM+DSP双核驾驶行为识别软硬件在环仿真平台,对仿真平台设计中涉及到的硬件设计、基于Linux的软件设计、通信接口、协议及人机界面都给出了详细地设计思路及方法。并利用ve-DYNA汽车动力学仿真软件中的Advanced Road & Advanced Driver (高级路面和高级驾驶员模型)和DYNAanimation工具设计模拟驾驶行为数据抽取模型及方法,抽取需测试的驾驶行为数值化的离线参数,测试论文设计的驾驶行为识别模型、算法及软硬件仿真平台的可靠性。测试结果表明,论文提出的基于组合式多传感器信息融合的驾驶行为识别模型及算法可有效地解决实时驾驶行为识别的关键技术问题,同时对软硬件在环仿真平台的各种外围通信接口及人机界面也进行了详细的测试,结果表明设计的仿真平台通信接口及协议可靠,可有效地获得相关外围通信参数,为下一步研究开发基于驾驶行为的汽车主动安全系统奠定开发基础。论文最后对研究内容及成果进行了总结,特别是本课题下一步的研究内容、思路和方法进行阐述,即在现有的研究基础上,拟采用隐马尔科夫链建立驾驶状态转移预测模型,构建驾驶行为实时识别—预测—综合评估的综合驾驶行为识别预测模型及算法。
参考文献：
[1]. 基于DSP的智能车辆机器视觉系统研究[D]. 李强. 重庆大学. 2004
[2]. 仿人眼颈视觉系统的理论与应用研究[D]. 潘锋. 浙江大学. 2005
[3]. 基于机器视觉技术的汽车辅助安全系统的研究[D]. 王兆萍. 武汉理工大学. 2007
[4]. 智能车辆中的道路检测和目标检测技术研究[D]. 华冰. 重庆大学. 2008
[5]. 基于DSP的汽车视觉系统研究[D]. 陈俊. 武汉理工大学. 2009
[6]. 基于FPGA的车辆实时视觉环境感知技术的研究[D]. 任程辉. 电子科技大学. 2016
[7]. 基于DSP及机器视觉的道路识别与障碍物检测[D]. 谢毅. 重庆大学. 2007
[8]. 高速公路智能车辆视觉导航系统研究[D]. 高美芹. 武汉理工大学. 2007
[9]. 智能型汽车行驶主动安全系统研究[D]. 刘涛. 重庆大学. 2003
[10]. 基于信息融合的驾驶行为识别关键技术研究[D]. 肖献强. 合肥工业大学. 2011
标签：汽车工业论文; 机器视觉论文; 视觉传感器论文; dsp论文; 视觉系论文; 图像融合论文; 行为识别论文; 安全平台论文; 视觉检测论文; 智能驾驶论文; 算法论文;