論文首先研究了基于Har-like特征和Adaboost分類器的目標(biāo)車輛探測算法原理和參數(shù)設(shè)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(shù)據(jù)庫，訓(xùn)練車輛分類器，實現(xiàn)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(xù)以及檢測框不穩(wěn)定的現(xiàn)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(biāo)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(shù)的測距模型，以及一種將攝像頭內(nèi)參與外參分開標(biāo)定的新方法，最后利用場地實驗利真實道路交通場景對模型的測距精度、參數(shù)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(fā)的方法，在虛擬的開發(fā)環(huán)境中建立了以真實攝像頭物理參數(shù)為依據(jù)的攝像頭仿真模型、交通場景，實現(xiàn)了對單目測距和碰撞時間估算算法的驗證和改進。實驗結(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
上傳時間：
2022-06-21
上傳用戶：d1997wayne
