基于机器视觉的前车检测预警技术研究文献综述

 2022-07-14 09:07

基于机器视觉的前车检测预警技术研究

摘要:随着社会的进步,道路交通事业的发展和汽车数量的急剧增加,道路上的交通事故也屡见不鲜。在这些交通事故中,追尾事故发生率居高不下,交通安全问题日益突出。在智能交通研究领域中,前方车辆的检测预警是其中一项关键技术。这项技术用于准确检测前方是否有车辆,并为主动安全系统提供有效地驾驶环境信息,防止追尾事故发生。

本文在分析现有的车辆检测技术,以机器视觉、图像处理、模式识别等人工智能理论和技术为基础,系统研究道路上本车前方车辆的探测方法与安全车距预警技术。

关键词:机器视觉;车辆检测;阴影检测;安全车距预警

  1. 引言

在世界上,平均每分钟都会有人因交通事故而死亡,受伤的人不计其数,由此的损伤占全球国民生产总值的1%~3%。据交通事故类型与诱因分析研究表明:高速公路与一级城市道路为事故多发路段,大多数为追尾碰撞和侧面碰撞。而这些事故中大多数事故由驾驶员注意力不集中引起。因此开发出相应的驾驶辅助预警系统,随时提醒驾驶员可能发生的危险,最大限度地减少汽车交通事故及交通事故中的人员伤亡。

智能驾驶辅助系统利用视频、速度、转角传感器等获取汽车当前的状态和行车环境信息,通过控制单元对道路运行状况进行监测和智能化预警,从而给驾驶员建议,避免车辆碰撞事故发生或降低事故碰撞损伤程度。

  1. 国内外研究进展与现状
    1. 国外研究现状

美国卡内基·梅隆大学与多家汽车公司研制的Navlab系列车,代表着智能车辆的发展方向,其中典型代表是Navlab-5系统。该系统是由Pontiac运动跑车改装而成,装有便携式计算机、摄像头、GPS全球定位系统、雷达和其他辅助设备。该车利用激光雷达和视觉传感器探测道路上车辆,行等运动目标和其它静止目标。 VaMP实验车是由德国慕尼黑国防大学与德国奔驰汽车公司合作研发的,其视觉系统主要包括道路检测与跟踪和障碍物检测与跟踪。其中ODT模块用于检测周围的车辆,包括基于车辆对称性的单目标检测与跟踪和基于车辆阴影的多目标检测与跟踪两部分。系统主要包括道路识别、前方障碍车辆识别、后方渐进车辆识别等模块。前方车辆识别根据道路检测提供的区域,只检测本车道内的障碍物,而对于后方渐进车辆识别,只检测临近车道内的车辆。

内华达大学里诺校区的计算机视觉研究所与福特汽车公司合作开发了车辆检测系统。SUN等人首先用多尺度边缘分析的方法提取出了感兴趣区域,然后提取其Gabor特征,将提取的特征用SVM分类器进行分类判断,最后根据判断结果得出该区域是否存在车辆。

加州大学Berkeley分校研究所的Z.Kim开发的前方障碍物检测系统结合道路检测系统,基于纹理分析的方法,使用约束Dadunay三角,进行快速特征聚集。系统的处理流程为:首先对目标图像应用CDT进行分割,接着利用“假设 验证”的策略,分组产生车辆候选区域,然后用验证这些区域是否含有车辆。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。