先进驾驶员辅助驾驶系统关键技术研究

摘要

随着人类社会和经济的进步，汽车产业的快速发展，汽车智能化程度正在大幅提高。道路交通安全是每一位驾驶员注重的问题，如何提高汽车主动安全性成为研究热点。因此汽车安全辅助驾驶技术受到了各界广泛的关注，同时也能够降低交通事故发生与财产损失的一种有效措施，它代表了未来车辆发展的趋势。先进驾驶员辅助系统（ADAS）是采用多种传感器去检测感应车内外环境，采集静态与动态物体的数据，进行物体识别、监测以及追踪，可以在最短时间内让车辆驾驶员察觉出可能存在的危险，提高车辆驾驶的安全性的主动安全技术。
　　本研究主要内容包括：⑴在图像去噪预处理方面，论文提出了一种基于新扩散系数函数和自动设置阈值参数K的去噪模型。在该模型中，扩散系数由阈值K决定，在小于K的条件下具有扩散能力，使用相应的函数表示；在大于 K的条件下扩散系数为0，从而有限的解决了噪声产生的孤立点对图像质量的影响。阈值参数 K是通过每次迭代的图像梯度来决定，此梯度的值通过所在像素位置的相邻像素的8个方向值决定，分别为东、南、西、北、西南、西北、东南、东北。最后将改进的扩散系数代入 PM模型中，实现去噪处理。实验结果表明，在处理过程中，此模型降低了噪声同时保留更多的图像边缘特征。因此，新的模型在峰值信噪比和结构相似度都优于现有的PM模型、NLM模型。⑵在车道偏移辅助驾驶中，针对结构化道路和车道线清晰无车辆遮挡的情况，结合目前已有的直线 Hough变换算法基础，提出改进方法，利用LMedsquare(Least Median Square)思想结合最小二乘法对车道线进行分段拟合，提高弯道的识别率，改进差分法对车道线进行跟踪，根据车辆与平面图像的位置关系，计算车辆与车道线的距离，建立预警决策模型，判定是否发生报警。实验结果表明，此方法能提高车道识别准确率并满足实时性要求。⑶针对现有行人检测方法难以满足实时性的问题，提出了 L-HOG（Leg-Histogram of Oriented Gradient，基于腿部感兴趣区域方向梯度直方图）特征提取方法，在行人图像中确定感兴趣区域，通过降低特征维数去解决实时性问题。运用了SVM（Support Vector Machine，支持向量机）分类器将行人二次分为前后视角行人和左右视角行人，实现了图像行人的检测，实验测试结果表明，在提高运算速度的情况下，保证了对行人的识别准确率。

目录

符号

缩略词表

专业名词中英文对照表

1 绪 论

1.1 研究背景介绍

1.2 国内外研究现状

1.3 主要贡献

1.4 主要研究内容

2 面向电动汽车的智能辅助驾驶系统硬软件设计

2.1 系统需求分析和设计原则

2.2 智能辅助驾驶系统总体方案设计

2.3 各部分模块设计方案

2.4 软件平台方案

2.5 测试结果

3 基于改进PM模型的图像去噪预处理研究

3.1 图像去噪技术概述

3.2 去噪算法模型改进分析

3.3 本章小结

4 基于LMedsquare方法的车道偏离辅助驾驶技术研究

4.1车道偏离辅助驾驶基本思路

4.2图像预处理

4.3 车道线检测与跟踪

4.4 车道偏离预警模型的建立

4.5 算法的验证与测试

4.6 本章小结

5 基于改进梯度直方图的行人检测方法研究

5.1 行人检测系统基本结构

5.2 HOG特征提取算法

5.3 改进的L-HOG特征提取方法研究

5.4 HOG特征和SVM分类结合的行人检测算法

5.5行人检测算法的测试

5.6本章小结

6 总结及未来的工作

6.1总结

6.2创新点

6.3未来工作

致谢

参考文献

附录

A. 攻读博士学位期间的论文