客運(yùn)車(chē)輛危險(xiǎn)行駛狀態(tài)機(jī)器視覺(jué)辨識(shí)系統(tǒng)研究.pdf

1、隨著我國(guó)公路交通運(yùn)輸業(yè)快速發(fā)展的同時(shí),道路交通安全問(wèn)題日益突出,公路客運(yùn)事故一般都是人員死傷慘重的惡性事故,不僅給運(yùn)輸企業(yè)造成巨大的經(jīng)濟(jì)損失,而且給當(dāng)?shù)毓愤\(yùn)輸管理部門(mén)造成了極壞的社會(huì)影響,甚至成為了新的社會(huì)不穩(wěn)定因素。因此,開(kāi)展客運(yùn)車(chē)輛危險(xiǎn)行駛狀態(tài)機(jī)器視覺(jué)辨識(shí)系統(tǒng)的研究,有助于改善我國(guó)公路客運(yùn)安全性和提高公路客運(yùn)安全管理能力,并能夠?qū)Πl(fā)生交通事故之后的責(zé)任認(rèn)定提供部分可視化證據(jù),具有廣闊的應(yīng)用前景和市場(chǎng)需求。
　　本文依托“十一

2、五”國(guó)家科技支撐計(jì)劃重大項(xiàng)目(2009BAG13A07)和國(guó)家自然科學(xué)基金項(xiàng)目(51278062),綜合運(yùn)用計(jì)算機(jī)圖形學(xué)、信息工程學(xué)、車(chē)輛工程學(xué)、交通工程學(xué)等多學(xué)科理論以及機(jī)器視覺(jué)技術(shù)中的車(chē)載CCD視覺(jué)傳感采集技術(shù)、嵌入式雙核并行高速DSP數(shù)字圖像處理技術(shù)、邊緣形狀檢測(cè)與分析技術(shù)、機(jī)器學(xué)習(xí)技術(shù)與模式識(shí)別技術(shù),通過(guò)大量模擬試驗(yàn)、數(shù)據(jù)分析、理論建模和程序設(shè)計(jì),研究能夠?qū)崟r(shí)采集客運(yùn)車(chē)輛行駛狀態(tài)視覺(jué)圖像信息,在線(xiàn)辨識(shí)客運(yùn)車(chē)輛行駛過(guò)程中存在的潛在

3、危險(xiǎn),適時(shí)警示和記錄駕駛?cè)朔钦ｑ{駛行為的客運(yùn)車(chē)輛危險(xiǎn)行駛狀態(tài)機(jī)器視覺(jué)辨識(shí)技術(shù)及其實(shí)現(xiàn)系統(tǒng)。
　　針對(duì)客運(yùn)車(chē)輛行駛狀態(tài)、運(yùn)行軌跡和道路環(huán)境的視覺(jué)感知問(wèn)題,采用多目標(biāo)特征集合的方法,進(jìn)行了道路標(biāo)識(shí)線(xiàn)方位與線(xiàn)型識(shí)別以及車(chē)輛橫向偏航警告技術(shù)的研究。通過(guò)對(duì)道路圖像灰度均衡化增強(qiáng)、快速重組中值濾波、Scharr濾波邊緣信息提取、感興趣區(qū)域搜索和約束塊掃描式最優(yōu)閾值分割處理,深度挖掘道路邊緣輪廓信息?；诜N子點(diǎn)投票區(qū)域約束、極角區(qū)域約束以及鏈

4、碼方向約束等邊界約束條件,對(duì)Hough變換進(jìn)行改進(jìn)并實(shí)現(xiàn)了道路標(biāo)識(shí)線(xiàn)的方位檢測(cè);融合HSI色彩空間分割與動(dòng)態(tài)窗口搜索實(shí)現(xiàn)了道路標(biāo)識(shí)線(xiàn)線(xiàn)型的辨識(shí);引入?yún)^(qū)域約束粒子濾波跟蹤模型,提高了道路標(biāo)識(shí)線(xiàn)的檢測(cè)效率和環(huán)境適應(yīng)能力。依據(jù)逆透視投影變換重建道路關(guān)鍵信息,預(yù)測(cè)車(chē)道平面內(nèi)自車(chē)的行駛軌跡,充分考慮自車(chē)橫向分速率和橫向偏航角的影響,在空間域和時(shí)間域內(nèi)量化危險(xiǎn)度,建立了基于自車(chē)位姿與時(shí)域危險(xiǎn)度的車(chē)輛橫向偏航警告模型,改善了系統(tǒng)的警告機(jī)制,提高了系統(tǒng)

5、的可接受度。
　　針對(duì)前方車(chē)輛圖像識(shí)別過(guò)程中存在的干擾因素較多、復(fù)雜背景排除困難和單一特征表示的局限性等問(wèn)題,采用多尺度方向特征提取的方法,進(jìn)行了同車(chē)道內(nèi)自車(chē)前方的目標(biāo)車(chē)輛圖像識(shí)別技術(shù)的研究。充分挖掘前方車(chē)輛圖像信息設(shè)置目標(biāo)搜索區(qū)域,減小了系統(tǒng)運(yùn)算處理信息量。通過(guò)對(duì)路面灰度均值突變特征的分析,提出前方車(chē)輛存在性假設(shè);利用雙通道Gabor濾波器提取車(chē)輛灰度樣本的多尺度方向特征,融合Adaboost分類(lèi)器對(duì)提取的特征樣本進(jìn)行學(xué)習(xí)訓(xùn)練分

6、類(lèi),確定前方車(chē)輛在圖像中的位置;依據(jù)信息熵歸一化對(duì)稱(chēng)性測(cè)度,驗(yàn)證前方車(chē)輛存在性假設(shè),排除虛假目標(biāo);通過(guò)車(chē)輛特征樣本的離線(xiàn)訓(xùn)練與在線(xiàn)檢測(cè)相結(jié)合的機(jī)器學(xué)習(xí)方式,實(shí)現(xiàn)了前方車(chē)輛快速、準(zhǔn)確的識(shí)別和定位。融合改進(jìn)GM(1,1)灰色預(yù)測(cè)模型,利用少量歷史數(shù)據(jù)信息動(dòng)態(tài)預(yù)測(cè)前方車(chē)輛的運(yùn)動(dòng)軌跡,并以幀間連續(xù)性為線(xiàn)索,建立了一種檢測(cè)與跟蹤反饋工作機(jī)制,緩和了目標(biāo)車(chē)輛檢測(cè)過(guò)程中魯棒性與實(shí)時(shí)性之間的矛盾。
　　在前方車(chē)輛圖像識(shí)別定位的基礎(chǔ)上,采用人-車(chē)-

7、路多源信息融合的方法,對(duì)安全車(chē)距預(yù)警技術(shù)進(jìn)行了深入研究。通過(guò)對(duì)單目視覺(jué)測(cè)距原理的研究分析,在CCD視覺(jué)傳感器關(guān)鍵測(cè)距參數(shù)精確標(biāo)定的基礎(chǔ)上,建立了基于車(chē)道平面約束的單目視覺(jué)縱向車(chē)距測(cè)量模型,實(shí)現(xiàn)了縱向車(chē)距的精確測(cè)量。充分考慮駕駛?cè)苏J(rèn)知響應(yīng)特征、車(chē)輛響應(yīng)特性和道路環(huán)境等因素,運(yùn)用多傳感器信息融合技術(shù)獲取前車(chē)及自車(chē)的行駛狀態(tài)信息,建立了基于人-車(chē)-路多源信息融合的安全車(chē)距模型。以駕駛?cè)藨?yīng)急響應(yīng)概率智能體、前車(chē)與自車(chē)相對(duì)行駛狀態(tài)智能體和道路環(huán)境