發(fā)布時間：2018-12-16 11:22

【摘要】：無人駕駛電動汽車集機械技術(shù)、電子技術(shù)、自動控制技術(shù)、人工智能技術(shù)、機器視覺技術(shù)、新能源技術(shù)、新驅(qū)動技術(shù)等眾多高新技術(shù)于一體,是計算機科學(xué)、模式識別和智能控制技術(shù)高度發(fā)展的產(chǎn)物,也是衡量一個國家科研實力和工業(yè)水平的一個重要標志。自主定位導(dǎo)航和智能行駛控制技術(shù)是無人駕駛技術(shù)的核心技術(shù),復(fù)雜的多變的外界環(huán)境使得其成為了無人駕駛技術(shù)的重點和難點。本文以園區(qū)行駛環(huán)境為研究背景,面向低速、低成本、實時可靠的無人駕駛技術(shù),對智能電動小車的運動控制系統(tǒng)軟硬件,多傳感器數(shù)據(jù)融合的避障技術(shù)以及小車的單目視覺的車道線檢測等相關(guān)技術(shù)進行了研究。文中以車道線圖像檢測和識別算法為主要內(nèi)容,其中包括圖像的預(yù)處理、IPM視圖的轉(zhuǎn)換、濾波降噪、霍夫直線的檢測、RANSAC和貝塞爾算法的樣條曲線擬合、擬合曲線后的擴展等內(nèi)容。通過提取的車道線確定智能電動小車與車道線的相對位置,對車道發(fā)生偏離時發(fā)生預(yù)警,從而實現(xiàn)對車道線的跟蹤。將這些提取的信息與環(huán)境感知模塊的其它傳感器進行數(shù)據(jù)的融合旨在完成智能電動小車的自主導(dǎo)航。最后對車道線檢測算法進行了驗證,實測結(jié)果表明本文所改進的車道線檢測算法比較準確穩(wěn)定,對于車輛的遮擋、樹木的陰影、不清晰的車道線、明顯彎曲的車道線等典型不同道路環(huán)境情況能夠準確檢測出車道線,為智能電動小車在園區(qū)環(huán)境下自主行駛提供了可行性。
[Abstract]:The driverless electric vehicle is a computer science, which integrates mechanical technology, electronic technology, automatic control technology, artificial intelligence technology, machine vision technology, new energy technology, new drive technology and so on. The high development of pattern recognition and intelligent control technology is also an important symbol of a country's scientific research strength and industrial level. Autonomous positioning navigation and intelligent driving control technology are the core technologies of unmanned driving technology. The complex and changeable external environment makes them become the focus and difficulty of unmanned driving technology. In this paper, based on the driving environment of the park, the software and hardware of the motion control system of the intelligent electric car are introduced, which is based on the driverless technology of low speed, low cost and real time reliability. The obstacle avoidance technology of multi-sensor data fusion and the lane line detection of single-eye vision of small car are studied in this paper. The main contents of this paper include image preprocessing, IPM view conversion, filtering and noise reduction, Hough line detection, spline curve fitting of RANSAC and Bessel algorithm, and the algorithm of lane image detection and recognition, including image preprocessing, transformation of IPM view, filtering and noise reduction, detection of Hough line, spline curve fitting of RANSAC and Bessel algorithm. The expansion of fitting curve and so on. The relative position between the intelligent electric vehicle and the lane line is determined by the lane line extracted, and the lane line is tracked by warning when the lane deviates. The data fusion of the extracted information with other sensors of the environment sensing module aims to complete the autonomous navigation of the intelligent electric car. Finally, the algorithm of lane line detection is verified. The measured results show that the improved lane detection algorithm is accurate and stable, which is not clear for the occlusion of vehicles, the shadow of trees, and the unclear lane lines. The typical road environment such as obviously curved lane line can accurately detect the lane line, which provides the feasibility for intelligent electric car to drive independently in the park environment.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 田炳香;鄭榜貴;吳晴;;高速公路車道線檢測與跟蹤算法研究[J];現(xiàn)代電子技術(shù);2008年09期

2 葉慶;趙明輝;李菲;孫曉泉;;夜間車道線檢測與跟蹤算法研究[J];現(xiàn)代電子技術(shù);2009年13期

3 余厚云;張為公;;直線模型下的車道線跟蹤與車道偏離檢測[J];自動化儀表;2009年11期

4 余厚云;張為公;;基于動態(tài)感興趣區(qū)域的車道線識別與跟蹤[J];工業(yè)儀表與自動化裝置;2009年05期

5 劉富強;張姍姍;朱文紅;李志鵬;;一種基于視覺的車道線檢測與跟蹤算法[J];同濟大學(xué)學(xué)報(自然科學(xué)版);2010年02期

6 胡慶新;吳林成;顧愛華;;高速公路中搜索車道線的方法[J];微計算機信息;2010年22期

7 高德芝;段建民;楊磊;楊喜寧;;應(yīng)用多階動態(tài)規(guī)劃的車道線識別方法[J];機械工程學(xué)報;2011年08期

8 楊晶東;楊敬輝;樸松昊;;一種有效的車道線識別與偏道預(yù)警方法[J];控制工程;2011年02期

9 徐后杰;李會方;繆國鋒;;基于單目視覺的車道線分離警告算法研究[J];微處理機;2011年03期

10 錢鷹;劉仕照;;分段切換車道模型在車道線識別中的應(yīng)用[J];計算機應(yīng)用;2011年S2期

相關(guān)會議論文 前8條

1 畢雁冰;;提高車道線識別精度的一種方法[A];第三屆中國CAE工程分析技術(shù)年會論文集[C];2007年

2 楊廣林;苗冬霜;;結(jié)構(gòu)化道路車道線檢測與跟蹤算法[A];2005年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2005年

3 劉曉龍;鄧志東;;基于全局與局部模型相互制約及具有模型不確定性評估的車道線檢測方法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

4 張潔穎;王生進;丁曉青;;基于車輛軌跡的車道線檢測與劃分[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

5 余貴珍;李芹;王迪;;車輛智能化車道線跟蹤方法研究[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 李鋼;圣華;張仁斌;;基于LMedSquare選取最佳子集的車道線檢測算法[A];2009全國虛擬儀器大會論文集（二）[C];2009年

7 劉天輝;李飛;;車輛視覺導(dǎo)航中道路檢測算法研究[A];第十一屆沈陽科學(xué)學(xué)術(shù)年會暨中國汽車產(chǎn)業(yè)集聚區(qū)發(fā)展與合作論壇論文集（信息科學(xué)與工程技術(shù)分冊）[C];2014年

8 孫曉軍;李華;;基于Facet模型的一種車道線提取方法[A];第八屆中國智能交通年會論文集[C];2013年

相關(guān)博士學(xué)位論文 前7條

1 杜明芳;基于視覺的自主車道路環(huán)境理解技術(shù)研究[D];北京理工大學(xué);2015年

2 王俊;無人駕駛車輛環(huán)境感知系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2016年

3 穆柯楠;基于車—路視覺協(xié)同的行車環(huán)境感知方法研究[D];長安大學(xué);2016年

4 王超;面向智能車輛的單目視覺行車安全信息檢測與識別方法研究[D];南京理工大學(xué);2016年

5 陳軍;基于DSP的高速公路車道偏離報警系統(tǒng)研究[D];天津大學(xué);2010年

6 沈\，

本文編號：2382250