論文首先研究了基于Har-like特征和Adaboost分類器的目標車輛探測算法原理和參數設置,并利用車載攝像頭采集真實道路車輛圖像,建立車輛樣本數據庫,訓練車輛分類器,實現對道路車輛的探測,并對探測效果進行量化分析。針對在車輛探測過程中誤檢率較高、探測不連續以及檢測框不穩定的現象,對基于無跡卡爾曼濾波器的車輛跟蹤算法進行了研究,建立了車輛相對運動模型,對真實道路交通場景中的多目標車輛進行探測與跟蹤,并對跟蹤算法對探測性能提升的效果和原因進行了深入分析。在單目測距中,針對一般測距算法受車輛俯仰角和攝像頭畸變影響很大的缺點,利用PreScan仿真軟件,對車輛測距算法進行了改進,提山了一個同時考慮車輛俯仰角和攝像頭畸變等參數的測距模型,以及一種將攝像頭內參與外參分開標定的新方法,最后利用場地實驗利真實道路交通場景對模型的測距精度、參數靈敏度進行量化分析。研究了僅利用圖像信息估算車輛間碰撞時間的方法,利用PreScan仿真軟件,對車輛碰撞時間估算算法進行了改進,建立了一個考慮車間相對加速度碰撞時間估算模型,最后,利用真實道路交通視頻對算法進行驗證和分析。最后,介紹了利用仿真軟件輔助ADAS開發的方法,在虛擬的開發環境中建立了以真實攝像頭物理參數為依據的攝像頭仿真模型、交通場景,實現了對單目測距和碰撞時間估算算法的驗證和改進。實驗結果表明,論文中所建立的算法表現出良好的性能,所構建的基于PreScan的仿真平臺能有效地提高算法的開發效率.
標簽:
adas系統
目標車輛感知算法
上傳時間:
2022-06-21
上傳用戶:d1997wayne