先進(jìn)駕駛員輔助駕駛系統(tǒng)關(guān)鍵技術(shù)研究.pdf

1、隨著人類社會(huì)和經(jīng)濟(jì)的進(jìn)步，汽車產(chǎn)業(yè)的快速發(fā)展，汽車智能化程度正在大幅提高。道路交通安全是每一位駕駛員注重的問題，如何提高汽車主動(dòng)安全性成為研究熱點(diǎn)。因此汽車安全輔助駕駛技術(shù)受到了各界廣泛的關(guān)注，同時(shí)也能夠降低交通事故發(fā)生與財(cái)產(chǎn)損失的一種有效措施，它代表了未來車輛發(fā)展的趨勢(shì)。先進(jìn)駕駛員輔助系統(tǒng)（ADAS）是采用多種傳感器去檢測(cè)感應(yīng)車內(nèi)外環(huán)境，采集靜態(tài)與動(dòng)態(tài)物體的數(shù)據(jù)，進(jìn)行物體識(shí)別、監(jiān)測(cè)以及追蹤，可以在最短時(shí)間內(nèi)讓車輛駕駛員察覺出可能存在的

2、危險(xiǎn)，提高車輛駕駛的安全性的主動(dòng)安全技術(shù)。
　　本研究主要內(nèi)容包括：⑴在圖像去噪預(yù)處理方面，論文提出了一種基于新擴(kuò)散系數(shù)函數(shù)和自動(dòng)設(shè)置閾值參數(shù)K的去噪模型。在該模型中，擴(kuò)散系數(shù)由閾值K決定，在小于K的條件下具有擴(kuò)散能力，使用相應(yīng)的函數(shù)表示；在大于 K的條件下擴(kuò)散系數(shù)為0，從而有限的解決了噪聲產(chǎn)生的孤立點(diǎn)對(duì)圖像質(zhì)量的影響。閾值參數(shù) K是通過每次迭代的圖像梯度來決定，此梯度的值通過所在像素位置的相鄰像素的8個(gè)方向值決定，分別為東、南、

3、西、北、西南、西北、東南、東北。最后將改進(jìn)的擴(kuò)散系數(shù)代入 PM模型中，實(shí)現(xiàn)去噪處理。實(shí)驗(yàn)結(jié)果表明，在處理過程中，此模型降低了噪聲同時(shí)保留更多的圖像邊緣特征。因此，新的模型在峰值信噪比和結(jié)構(gòu)相似度都優(yōu)于現(xiàn)有的PM模型、NLM模型。⑵在車道偏移輔助駕駛中，針對(duì)結(jié)構(gòu)化道路和車道線清晰無車輛遮擋的情況，結(jié)合目前已有的直線 Hough變換算法基礎(chǔ)，提出改進(jìn)方法，利用LMedsquare(Least Median Square)思想結(jié)合最小二乘法對(duì)

4、車道線進(jìn)行分段擬合，提高彎道的識(shí)別率，改進(jìn)差分法對(duì)車道線進(jìn)行跟蹤，根據(jù)車輛與平面圖像的位置關(guān)系，計(jì)算車輛與車道線的距離，建立預(yù)警決策模型，判定是否發(fā)生報(bào)警。實(shí)驗(yàn)結(jié)果表明，此方法能提高車道識(shí)別準(zhǔn)確率并滿足實(shí)時(shí)性要求。⑶針對(duì)現(xiàn)有行人檢測(cè)方法難以滿足實(shí)時(shí)性的問題，提出了 L-HOG（Leg-Histogram of Oriented Gradient，基于腿部感興趣區(qū)域方向梯度直方圖）特征提取方法，在行人圖像中確定感興趣區(qū)域，通過降低特征維數(shù)