摘要:
安全辅助驾驶系统是智慧城市和智能交通建设的重要组成部分,对于降低人员伤害、减少交通事故的发生、优化驾驶人的驾驶体验等都有着重要的意义。计算机视觉技术因为硬件成本低、环境感知方式与人类相似等特点,近年来被广泛运用于无人驾驶车和高级商用车的安全辅助驾驶系统中。本文深入研究探讨了基于计算机视觉的安全辅助驾驶系统的各项关键技术,研究并提出了基于深度学习的目标识别和基于舵机控制的超声波测距的解决方法,为安全辅助驾驶系统提供了更加全面、及时和可靠的行车环境信息。论文围绕车辆和行人的识别、车牌和车标的识别、摄像机标定与基于舵机控制的超声波测距等安全辅助驾驶系统中的关键技术问题展开研究,主要研究内容及成果包括:(1)研究了基于深度学习的车辆和行人识别。使用自己收集的数据对模型进行训练,从而使得训练得到的模型可以被应用到这个特定领域进行目标识别。实验结果证明,相对传统目标识别方法,本文提出的算法具有较高的准确率和识别速度。(2)提出了基于级联卷积神经网络的车牌和车标识别。两级网络都通过选择性搜索的方法获取候选区域,并用先验知识排除大部分候选区域,然后用多层卷积神经网络判断目标是否为车标或车牌。实验结果表明,级联卷积神经网络在识别车标和车牌的任务中,具有较高的准确率。(3)研究了基于舵机控制的超声波测距。利用摄像机成像原理建立以二自由度云台为中心的几何模型,根据待测距目标的位置框推导出云台需要转动的角度信息。测距系统通过控制舵机使云台转到目标所在位置,启动超声波测距装置获取目标距离信息。(4)研究了基于舵机控制的单目测距。利用摄像机成像原理建立以摄像机为中心的几何模型,根据待测距目标的位置框推导出云台需要转动的角度信息。根据几何模型分析并推导单目测距公式,利用摄像机标定方法求取内部参数并代入测距公式。测距系统通过控制舵机使云台转到目标所在位置,启动单目测距获取目标距离信息。
展开