首页 > 学术百科

毕业设计开题报告结构化道路检测 - 副本

南通大学本科生毕业设计（论文）开题报告

学生姓名

学号

专业

电气工程及其自动化

课题名称

结构化道路检测系统研究

阅读文献

情况

国内文献 20 篇

开题日期

3.13

国外文献 5 篇

开题地点

11#308

一文献综述与调研报告：

1.背景

随着道路的迅速发展和汽车数量的不断增加，交通事故的发生率也在逐年攀升，已严重地威胁到人民的生命财产安全。汽车的安全问题已被列为新世纪汽车三大问题之一(节能、环保、安全)。注意力分散是导致交通事故的常见原因之一，据调查，80%以上的交通事故都是由于驾驶员当时的反应不及所造成的。因此,人类为了保护自身安全,一直致力于研究汽车主动安全系统。如汽车防撞装置，汽车自动避障系统，智能车辆视觉导航技术的研究等。其中视觉辅助导航是当前图像处理技术的应用热点之一，而道路检测是视觉导航系统的重要组成部分。道路检测是智能车辆视觉导航研究中的核心问题之一，也是当前发展最快、投资最多的研究方向。

目前的道路识别研究主要也是针对结构化道路,这是由于结构化道路的颜、纹理、道路标识等特征都是统一的, 便于有针对性地进行研究。近十几年来，面向结构化道路的高速导航的研究中，机器视觉道路理解技术一直是研究人员关注的重要课题。

2.研究的现状及发展趋势

道路检测问题从70 年代就开始被关注,迄今已研究出各种各样的算法。结构化道路一般是指高速公路和部分结构化较好的公路，这类道路具有清晰的车道线和道路边界。因此，针对它的道路检测问题可以简化为对车道线或道路边界的简化问题，这方面的算法趋于成熟。这些算法主要分为基于特征和基于模型两类。基于特征的方法主要通过提取和定位道路的某些特征来检测道路,这些特征可以是道路的颜、纹理、道路边缘的方向和长度[1 ] 、车道边缘的频域特征等。基于模型的方法则是先建立道路的参数模型,然后通过图像分析确定模型参数,从而得到关于道路的全部信息。这类方法主要在于模型的不同,比如使用直线模型、B-Snake 曲线模型[2 ] 、统计模型等。另外,也有人针对提高处理速度,进行了一些并行算法方面的研究。

对于道路检测与跟踪的视觉系统[3-4]，国外较成功的视觉系统实例如下:

1．GOLD 系统 GOLD 系统是意大利帕尔玛大学的 ARGO 智能车上的视觉系统，是基于道路平坦假设。ARGO 智能车根据 GOLD 系统的输出能自动控制方向，实现道路的跟踪。同时，该系统的缺点是当太阳光在挡风玻璃反射时，影响了安装在玻璃后的摄像机采集的图像的饱和度。

2．RALPH 系统 RALPH 系统是美国 CMU 的 Navlab5 实验车上的视觉系统，是基于道路平坦假设以及使用平行于道路的特征，例如：车道线、车辙、道路边界等。优点是该系统的鲁棒性能很好，能够在车道线欠佳的情况下进行道路跟踪，因此也适用于非结构化的道路检测。缺点是系统太庞大以致检测反应的速度较慢。

3．RDT 系统 RDT 系统是德国慕尼黑联邦国防大学 VaMP 实验车上的视觉系统，该系统使用回旋曲线模型检测车道线，通过卡尔曼滤波器[5]跟踪道路的动态模型。优点是能够实现车道保持、换道操作和纵向控制等功能。

近年来，国内学者也对视觉导航展开研究和探索，例如，清华大学的THMR-V，国防科技大学的 CITAVT-IV 等。但由于某些原因，我国在这一领域的理论和应用方面的基础与发达国家相比还仍存在着较大的差距，所以依旧需要付出长期的艰苦的努力去研究。目前，我国有很多 ITS 项目正在研究、策划和实施之中，其中，有些项目是和国外公司合作共同开发和研究的，这样可以加速我国交通系统与国际接轨的步伐。

从国内外的发展来看，基于机器视觉的道路跟踪已经取得了很大成就。该领域的研究重点正从探索性试验阶段逐渐转向系统性能提高阶段, 并向实用化, 产品化迈进。全天候, 多路况环境下的高可靠性道路跟踪将是今后研究的目标。目前大多数系统使用可见光摄像机, 仅能工作在白天, 夜间基本失效。而夜间却是交通事故的高发时段, 关务最需要智能车辆导航。红外热成像技术可以用来实现夜间的车辆导航, 是当前研究的一个热点。但其造价昂贵, 而且成像质量尚未能令人满意, 离实用还有一段距离。

在城市交通环境中, 交通信号和路标检测是智能车辆导航研究中一个新的热点。可靠性一直是道路跟踪系统追求的目标, 是系统能否实用化, 产品化的关键。为了提高可靠性, 越来越多的系统开始采用融合技术, 包括硬件上的多传感器融合和软件上的多算法融合。除了视觉传感器, 同时使用激光测距仪, 毫米波雷达等主动测距设备来提高检测结果的可靠性。在算法上, 同时使用多种检测算法, 采用投票或模糊推理的方法决定最终检测结果。

3.研究的意义与价值

道路检测是智能车辆视觉系统的主要组成部分之一，也是障碍物检测与跟踪的基础。结构化道路(structural Road):结构化道路指道路上有明显的道路标记,且这些标记具有较强的几何特征,道路路面主要是由这些标记界分确定的,如高等级公路上道路中间黄的连续标志线或白的间断标志线以及两旁白的连续标志线;由于时间问题，本课题主要研究结构化道路检测技术；包括图像采集系统软硬件实现、结构化道路检测算法的设计与验证。其中结构化道路边缘检测以及基本路面标志的识别拟采用基于边缘提取的特征跟踪方法。重点研究通过图像处理技术[6-8],介绍图像预处理的意义，介绍图像阈值分析方法。分析了现有的道路检测算法，对各种算法的优缺点进行了比较；并对一些算法进行了改进，并将改进后的算法应用到实际的图像处理中。介绍了边界识别的基本概念，选取一种性能比较优越的算法对图像进行了特征提取和边缘检测，然后进行了曲线拟合，得到具有连续清晰的边缘线的图片。提高了检测系统的鲁棒性和实用性，具有重要的意义。

首先,基于道路检测技术的驾驶员辅助驾驶系统或预警系统,可以减轻驾驶员的压力和疲劳程度,提高行驶的安全性,减少交通事故的发生,提高交通效率。

其次,视觉导航[9-12]中的道路检测技术可以用来提高智能巡航控制中跟踪引导车辆的精度,使车辆的队列自动驾驶系统更加可靠。

再者,可以将道路检测技术和其他技术相结合,提高系统性能如视觉传感器导航技术和自动驾驶技术可以实现车辆的自适应巡航,辅助人们把车开得又快又稳!安全可靠;汽车夜间行驶时,如果装上红外摄像头,就能实现夜晚的汽车安全辅助驾驶。

参考文献：

[1] Lai AHS, Yung NH C. Lane detection by orientation and leng th discrimination [ J] . IEEE Transactions on Systems Man and Cybernetics Part b-cybernetics,2000, 30 ( 4) : 539 548.

[2] Wang Y, Teoh EK, Shen DG. Lane detection and tracking using B

本文发布于:2024-09-22 03:32:33，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/244866.html

上一篇：数据库开发规约

下一篇：excel做游戏

标签：道路检测系统图像研究算法视觉

留言与评论（共有 0 条评论）