論文首先研究了基于Har-like特征和Adaboost分類器的目標(biāo)車輛探測(cè)算法原理和參數(shù)設(shè)置，并利用車載攝像頭采集真實(shí)道路車輛圖像，建立車輛樣本數(shù)據(jù)庫，訓(xùn)練車輛分類器，實(shí)現(xiàn)對(duì)道路車輛的探測(cè)，并對(duì)探測(cè)效果進(jìn)行量化分析。針對(duì)在車輛探測(cè)過程中誤檢率較高、探測(cè)不連續(xù)以及檢測(cè)框不穩(wěn)定的現(xiàn)象，對(duì)基于無跡卡爾曼濾波器的車輛跟蹤算法進(jìn)行了研究，建立了車輛相對(duì)運(yùn)動(dòng)模型，對(duì)真實(shí)道路交通場(chǎng)景中的多目標(biāo)車輛進(jìn)行探測(cè)與跟蹤，并對(duì)跟蹤算法對(duì)探測(cè)性能提升的效果和原因進(jìn)行了深入分析。在單目測(cè)距中，針對(duì)一般測(cè)距算法受車輛俯仰角和攝像頭畸變影響很大的缺點(diǎn)，利用PreScan仿真軟件，對(duì)車輛測(cè)距算法進(jìn)行了改進(jìn)，提山了一個(gè)同時(shí)考慮車輛俯仰角和攝像頭畸變等參數(shù)的測(cè)距模型，以及一種將攝像頭內(nèi)參與外參分開標(biāo)定的新方法，最后利用場(chǎng)地實(shí)驗(yàn)利真實(shí)道路交通場(chǎng)景對(duì)模型的測(cè)距精度、參數(shù)靈敏度進(jìn)行量化分析。研究了僅利用圖像信息估算車輛間碰撞時(shí)間的方法，利用PreScan仿真軟件，對(duì)車輛碰撞時(shí)間估算算法進(jìn)行了改進(jìn)，建立了一個(gè)考慮車間相對(duì)加速度碰撞時(shí)間估算模型，最后，利用真實(shí)道路交通視頻對(duì)算法進(jìn)行驗(yàn)證和分析。最后，介紹了利用仿真軟件輔助ADAS開發(fā)的方法，在虛擬的開發(fā)環(huán)境中建立了以真實(shí)攝像頭物理參數(shù)為依據(jù)的攝像頭仿真模型、交通場(chǎng)景，實(shí)現(xiàn)了對(duì)單目測(cè)距和碰撞時(shí)間估算算法的驗(yàn)證和改進(jìn)。實(shí)驗(yàn)結(jié)果表明，論文中所建立的算法表現(xiàn)出良好的性能，所構(gòu)建的基于PreScan的仿真平臺(tái)能有效地提高算法的開發(fā)效率.
標(biāo)簽：
adas系統(tǒng)
目標(biāo)車輛感知算法
上傳時(shí)間：
2022-06-21
上傳用戶：d1997wayne
