智能車上視覺感知計算若干關(guān)鍵技術(shù)研究.pdf

1、智能車輛可以滿足人們?nèi)找嬖鲩L的對汽車安全性、舒適性和便捷性的需求，并能在提高道路交通安全、降低事故損失方面起到重要作用，因此具有廣闊的應(yīng)用前景。在智能車輛的關(guān)鍵技術(shù)中，基于視覺的環(huán)境感知技術(shù)被公認為是最具發(fā)展?jié)摿Φ募夹g(shù)之一，也是認知計算領(lǐng)域里一個極具挑戰(zhàn)的課題。由于視覺信息的多義性、數(shù)據(jù)量大和易受環(huán)境干擾等特點，當前計算機的視覺認知能力還遠沒有人類視覺系統(tǒng)那么智能和高效，而與傳統(tǒng)的計算機視覺問題相比，智能車上的視覺感知計算需要面對更加復(fù)

2、雜多變的外部環(huán)境，同時還有汽車領(lǐng)域強實時、高可靠的應(yīng)用需求，其面臨著準確性、穩(wěn)定性和實時性的三重挑戰(zhàn)。因此，開展智能車上視覺感知計算的關(guān)鍵技術(shù)研究具有重要的現(xiàn)實理論意義和應(yīng)用價值。
　　針對視覺感知計算面臨的主流挑戰(zhàn)，本文以湖南大學(xué)無人駕駛汽車驗證平臺為依托，選取了智能車上幾個基礎(chǔ)而又關(guān)鍵的視覺感知計算問題展開研究，重點對算法在實時性、準確性和魯棒性上的性能權(quán)衡進行綜合考慮。本文主要研究內(nèi)容和貢獻包括如下幾個方面:
　　1.

3、提出一種基于改進碼本模型的目標檢測算法。針對現(xiàn)有碼本模型(CodebookModel)在RGB顏色空間下不能很好地契合其計算特性，且無法兼顧抗擾動能力和分割質(zhì)量的問題，提出在YUV顏色空間下建立碼本模型，然后利用高斯混合模型(GaussianMixtureModel，GMM)的思想，為碼本中每個碼字的Y分量建立高斯模型，使得整個碼字具有GMM的特性。實驗結(jié)果表明，本文提出的目標檢測算法在實時性、抗干擾性和檢測效果方面有較明顯的優(yōu)勢。

4、r>　　2.提出一種模擬人類視覺注意機制的目標跟蹤算法。本文在粒子濾波跟蹤框架的基礎(chǔ)上，針對單一特征目標跟蹤對復(fù)雜場景下目標跟蹤準確性不足以及多特征目標跟蹤實時性難以滿足的特點，采用多特征融合機制提高目標跟蹤的準確性和魯棒性，并模擬人類視覺對目標的顯著性感應(yīng)的機制對散布粒子進行過濾，并提出一種顯著性的在線更新機制，以降低對特征顯著性的重復(fù)計算。實驗結(jié)果表明，本文提出的目標跟蹤算法比單一特征的粒子濾波跟蹤算法有更好的準確度，且比多特征的粒

5、子濾波跟蹤算法的實時性更好。
　　3.提出一種基于自適應(yīng)窗口視差優(yōu)化的實時立體匹配算法。針對當前局部立體匹配算法在計算精度和執(zhí)行時間之間的權(quán)衡問題，提出在不同的階段采用不同的“時間-精度”置換策略，使算法在保證實時性的同時，具有較好的計算精度。然后，本文利用CUDA(computeunifieddevicearchitecture)技術(shù)將算法在英偉達(NVidiaCorp.)圖形處理器GTS450上進行了優(yōu)化和驗證。實驗結(jié)果表明，

6、與Middlebury測試平臺中經(jīng)典的實時立體匹配算法相比，本文算法具有較好的實時性和計算精度。
　　4.提出一種基于消失點和主方向估計的道路識別算法。針對基于消失點估計的道路識別算法計算復(fù)雜度過高，難以排除局部紋理特征較強的干擾點，且要求消失點位于圖像內(nèi)部的問題，本文引入道路主方向的定義來對有效投票點進行篩選，在降低計算復(fù)雜度的同時有效排除了局部紋理特征較強的干擾點。此外，本文提出一種多維投票策略來檢查消失點是否在圖像內(nèi)部，使算

7、法可以有效處理消失點在圖像外部的情況。實驗結(jié)果表明，本文算法相比經(jīng)典算法具有更好的準確性和實時性，且當消失點不在圖像內(nèi)部時依然能取得較好的分割效果。
　　5.展開道路識別算法在智能車輛上的應(yīng)用研究。針對所提出的道路識別算法，本文以實驗室自主研發(fā)的無人駕駛汽車實驗平臺為依托，設(shè)計并實現(xiàn)了一個自主駕駛系統(tǒng)原型。該系統(tǒng)集成了本文提出的基于消失點和主方向估計的道路識別算法，能夠?qū)崟r檢測出汽車前方的道路區(qū)域，并根據(jù)實際道路情況實現(xiàn)轉(zhuǎn)向的自主