学位论文 > 优秀研究生学位论文题录展示

基于粒子滤波的车道标识线检测与跟踪算法的设计与实现

作　者: 张洪亮
导　师: 韩铁民
学　校: 东北大学
专　业: 计算数学
关键词: 粒子滤波 车道标识线检测 置信度度量 车道标识线跟踪 CONDENSATION算法 分割采样
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 105次
引　用: 0次
阅　读: 论文下载
 

内容摘要


智能交通系统(Intelligent Transportation System, ITS)的主要内容是检测汽车驾驶环境,其中道路检测是ITS的关键技术之一.车道标识线作为道路的基本约束,能够用于估计自车前进方向和自车定位,并且可提供路面车道信息,其检测与跟踪在基于视觉的智能交通系统中是必不可少的.现存的基于视觉的车道检测和跟踪算法,多数用于高速公路上车辆的自主导航,无法解决特殊的道路状况,如高速公路出口、双车道标识线等,并且算法的初始约束条件假设较多,如自车初始位置与车道的一部分平行,初始图像中除了车道标识线外没有其他线形结构干扰,但现实很难达到如此理想的初始环境.本文首先分析了基于视觉的车道标识线检测与跟踪算法的研究现状,通过对比各种算法,阐述了现存车道标识线的检测与跟踪算法存在的问题.其次,提出了基于置信度度量的车道标识线检测算法,通过边缘点检测得到车道标识线的边缘,用车道方向估计方法去除不可能是车道标识线的边缘线,并建立融合多帧检测结果的有限状态机,实现了车道标识线的状态判定,能够及时地停止对消失车道标识线的检测与跟踪.再次,根据粒子滤波理论,提出了基于CONDENSATION算法的车道标识线跟踪算法,依据车道标识线的先验知识,建立相应的状态转移模型和观测更新模型,得到描述车道标识线的状态的后验概率估计,并采用分割采样等方法将算法性能加以改进,提高了跟踪的准确性和可靠性.最后在不同条件下进行算法评估,包括不同的光照条件、天气条件和道路状况,都能够达到较高的识别率,评估结果证明了算法的有效性和鲁棒性.算法的实时频率为30Hz.

全文目录


中文摘要  5-6
ABSTRACT  6-9
第1章 绪论  9-19
  1.1 研究背景及意义  9-12
    1.1.1 智能交通系统的概念与起源  9-10
    1.1.2 智能交通系统的意义  10-11
    1.1.3 智能交通系统的发展现状  11-12
  1.2 基于机器视觉的车道标识线检测与跟踪算法的研究现状  12-16
    1.2.1 车道标识线检测算法的研究现状  13-15
    1.2.2 车道标识线跟踪算法的研究现状  15-16
  1.3 存在问题  16-17
  1.4 本文的研究内容和组织结构  17-19
    1.4.1 研究内容  17-18
    1.4.2 组织结构  18-19
第2章 粒子滤波理论  19-37
  2.1 概述  19
  2.2 贝叶斯滤波原理  19-22
  2.3 蒙特卡罗方法  22-25
    2.3.1 蒙特卡罗方法的基本原理  23-24
    2.3.2 蒙特卡罗方法的基本步骤  24-25
  2.4 粒子滤波  25-34
    2.4.1 先验知识的获取  25
    2.4.2 重要性采样  25-27
    2.4.3 序列重要性采样  27-30
    2.4.4 后验概率的计算  30-31
    2.4.5 退化现象  31-34
  2.5 粒子滤波算法描述  34-35
  2.6 本章小结  35-37
第3章 车道标识线检测算法设计  37-45
  3.1 概述  37
  3.2 约束条件假设的比较分析  37-39
  3.3 基于置信度度量方法的车道标识线检测  39-44
    3.3.1 边缘点检测  39-41
    3.3.2 车道方向估计  41-42
    3.3.3 候选车道标识线提取  42
    3.3.4 置信度度量  42-44
  3.4 本章小结  44-45
第4章 车道标识线跟踪算法设计  45-55
  4.1 概述  45-46
  4.2 CONDENSATION算法描述  46-47
  4.3 基于粒子滤波的车道标识线跟踪算法描述  47-51
    4.3.1 粒子状态的描述  47-48
    4.3.2 先验知识的获取  48
    4.3.3 基于CONDENSATION算法的模型建立  48-51
    4.3.4 后验概率的计算  51
    4.3.5 重采样  51
  4.4 算法性能增强  51-53
    4.4.1 分割采样  51-52
    4.4.2 重要性采样  52
    4.4.3 初始化采样  52-53
  4.5 算法流程  53-54
  4.6 本章小结  54-55
第5章 基于粒子滤波的车道标识线检测与跟踪算法试验  55-59
  5.1 算法运行环境  55
    5.1.1 软件运行环境  55
    5.1.2 硬件运行环境  55
  5.2 算法评估方法  55-56
    5.2.1 评估数据  55-56
    5.2.2 评估方法  56
  5.3 评估结果  56-59
第6章 总结与展望  59-61
  6.1 工作总结  59
  6.2 展望  59-61
参考文献  61-65
致谢  65

相似论文

  1. 基于多Agent理论的卫星协同定轨技术研究,V474
  2. 基于VRPF的机动目标跟踪的研究,TN957.52
  3. 有标记点的人体三维运动数据获取方法的研究,TP391.41
  4. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  5. 空间红外目标仿真与跟踪技术研究,TP391.41
  6. 复杂场景中运动目标的检测与跟踪,TP391.41
  7. 无线传感器网络的目标跟踪算法研究,TN929.5
  8. 基于鱼眼相机的运动物体检测和跟踪,TP391.41
  9. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  10. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  11. 无线传感器网络定位及目标跟踪的研究,TN929.5
  12. 自主水下航行器组合导航算法研究与系统实现,U666.1
  13. 粒子滤波算法的硬件优化设计,TN713
  14. 轮式仿人机器人导航与路径规划研究,TP242
  15. 基于Petri网的网络入侵检测系统研究与实现,TP393.08
  16. GPU加速的粒子滤波PET图像重建算法,TP391.41
  17. 基于粒子滤波的多分量调频定距侦察信号分离与参数提取,TN911.7
  18. 基于中层视觉特征和高层结构信息的互补目标跟踪模型,TP391.41
  19. 基于粒子滤波的目标跟踪算法研究及DirectShow实现,TP391.41
  20. 基于粒子滤波的可靠视觉跟踪技术研究,TP391.41
  21. 分布式麦克风阵列跟踪算法研究,TN912.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com