高速公路智能车辆视觉导航系统研究
|
摘要
智能车辆(Intelligent Vehicle，Ⅳ)是当今世界车辆工程领域的研究前沿和热点。智能车辆是集环境感知、规划决策、辅助驾驶等功能于一体的综合智能系统，是计算机视觉、人工智能、控制理论和电子技术等多个技术学科交叉的产物，代表了未来车辆的发展方向，具有十分广阔的应用前景。
视觉导航智能车辆已经成为当今智能车辆的发展主流，智能车辆视觉导航系统是智能交通系统的重要组成部分，关于智能车导航关键技术的研究，对于保证车辆安全行驶甚至实现自动驾驶起着至观重要的作用。
由于视觉导航具有信号探测范围宽、目标信息完整、价格相对便宜及最符合人类感知方式等优点，本文提出了利用单目视觉技术在汽车辅助驾驶及自主导航系统中实现导航的方案。目前，国内外已有很多视觉导航系统，但在系统的实时性、鲁棒性和实用性方面尚不能满足人们的要求。论文主要研究内容为：
本文首先对智能车辆视觉系统相关机理进行分析，获取智能车辆视觉系统在特定道路环境下的成像特点，对视觉系统相关参数进行合理化配置，这是深入开展智能车辆视觉系统研究的重要前提，具有实际的指导意义。
其次，分析了汽车辅助驾驶及自主导航视觉系统的结构，将重点放在道路检测与跟踪上。通过与使用立体视觉技术的方法做对比，阐述了采用单目视觉技术的优点和实际意义。
最后，在车道检测中本文提出了一种基于车道线多特征分析的车道检测算法，可以有效的去除阴影、噪声点对车道检测的影响，并且能够很方便的应用于智能汽车视觉导航中。
Intelligent vehicle (IV), which is on the top level in the research field of vehicle engineering, is the hotspot around the world nowadays. Intelligent vehicle is a comprehensive intelligent system which integrates the function of environment perception, planning and decision-making, driving assistance, etc. Intelligent vehicle, which represents the direction toward the development of future vehicle, is also a product that contains multi-technical subjects including computer vision, artificial intelligence, auto-control theory, and electronic technology. Therefore, intelligent vehicle has a highly expansive application prospect.
As vision-based intelligent vehicle gradually is developed to be the mainstream of various intelligent vehicles,and the research on key techniques for intelligent vehicle navigation system does great contribution to safe driving and even.
Because the vision guidance system can get wide and integrate vision, costs fewer, and can fit the perceiving way of the human, this paper applies monocular vision method into the vehicle assistant driving and the automatic guidance. At present, although there are many vision guidance systems, none of them can meet our requirement in real-time, robustness, and practice. The main contents of my dissertation are as follows:
Firstly,the destination of this part is to analyze the mechanism of the vision system performance, obtain the imaging characteristics of the vision system in specific environment and configure the relevant parameters rationally, which have practical significance, and provide reasonable preconditions for further investigation.
Secondly,this paper analyzes the structure of the vehicle assistant driving and the automatic guidance system, and the emphasis is road detection and tracking. Compared with reappearing three-dimensional scene by stereo vision, it demonstrates the merit and practical significance of the monocular vision method.
Lastly, In the lane detecting, we propose a method which fuses the way of lane edges detection and the method of color-based segmentation. The method reduces the shadow and noise points influence on lane detection and is convenient in the applications in the vision navigation of the Automatic Highway Vehicle.
视觉导航智能车辆已经成为当今智能车辆的发展主流，智能车辆视觉导航系统是智能交通系统的重要组成部分，关于智能车导航关键技术的研究，对于保证车辆安全行驶甚至实现自动驾驶起着至观重要的作用。
由于视觉导航具有信号探测范围宽、目标信息完整、价格相对便宜及最符合人类感知方式等优点，本文提出了利用单目视觉技术在汽车辅助驾驶及自主导航系统中实现导航的方案。目前，国内外已有很多视觉导航系统，但在系统的实时性、鲁棒性和实用性方面尚不能满足人们的要求。论文主要研究内容为：
本文首先对智能车辆视觉系统相关机理进行分析，获取智能车辆视觉系统在特定道路环境下的成像特点，对视觉系统相关参数进行合理化配置，这是深入开展智能车辆视觉系统研究的重要前提，具有实际的指导意义。
其次，分析了汽车辅助驾驶及自主导航视觉系统的结构，将重点放在道路检测与跟踪上。通过与使用立体视觉技术的方法做对比，阐述了采用单目视觉技术的优点和实际意义。
最后，在车道检测中本文提出了一种基于车道线多特征分析的车道检测算法，可以有效的去除阴影、噪声点对车道检测的影响，并且能够很方便的应用于智能汽车视觉导航中。
Intelligent vehicle (IV), which is on the top level in the research field of vehicle engineering, is the hotspot around the world nowadays. Intelligent vehicle is a comprehensive intelligent system which integrates the function of environment perception, planning and decision-making, driving assistance, etc. Intelligent vehicle, which represents the direction toward the development of future vehicle, is also a product that contains multi-technical subjects including computer vision, artificial intelligence, auto-control theory, and electronic technology. Therefore, intelligent vehicle has a highly expansive application prospect.
As vision-based intelligent vehicle gradually is developed to be the mainstream of various intelligent vehicles,and the research on key techniques for intelligent vehicle navigation system does great contribution to safe driving and even.
Because the vision guidance system can get wide and integrate vision, costs fewer, and can fit the perceiving way of the human, this paper applies monocular vision method into the vehicle assistant driving and the automatic guidance. At present, although there are many vision guidance systems, none of them can meet our requirement in real-time, robustness, and practice. The main contents of my dissertation are as follows:
Firstly,the destination of this part is to analyze the mechanism of the vision system performance, obtain the imaging characteristics of the vision system in specific environment and configure the relevant parameters rationally, which have practical significance, and provide reasonable preconditions for further investigation.
Secondly,this paper analyzes the structure of the vehicle assistant driving and the automatic guidance system, and the emphasis is road detection and tracking. Compared with reappearing three-dimensional scene by stereo vision, it demonstrates the merit and practical significance of the monocular vision method.
Lastly, In the lane detecting, we propose a method which fuses the way of lane edges detection and the method of color-based segmentation. The method reduces the shadow and noise points influence on lane detection and is convenient in the applications in the vision navigation of the Automatic Highway Vehicle.
引文
[1] 徐友春，李克强，连小珉，赵玉凡．智能车辆机器视觉发展近况．汽车工程，2003，9
[2] 李旭，张为公，卞晓东．机器视觉在车道标志线实时检测中的应用．测控技术，2005，
[3] 张强，郝向阳，刘松林，陈杰．一种用于机器视觉检测的图像配准快速算法．测绘学院学报，2005，
[4] 朱飞虎．机器视觉原理及应用．自动化博览，2005，
[5] 胡明昊，杨文杰，任明武，杨静宇．一种基于视觉的道路检测算法．计算机工程与设计，2005，
[6] 张帆，高富强，顾兴海．嵌入式系统在机器人视觉中的应用．自动化与仪器仪表，2005，
[7] 关胜晓．机器视觉及其应用发展．自动化博览，2005．
[8] 孙涵，任明武，唐振民，杨静宇．基于机器视觉的智能车辆导航综述．公路交通科技，2005，(05)
[9] 李斌，王荣本，郭克友．基于机器视觉的智能车辆障碍物检测方法研究．公路交通科技，2002，(04)
[10] 杜宗潆．AVL——新颖车辆导航系统．世界科学，1997，(07)
[11] 朱彤，韩文涛，王波．改进Hough变换方法在车道检测中的应用．北京汽车，2005，(06)
[12] 王荣本，余天洪，郭烈，顾柏园．基于机器视觉的车道偏离警告系统研究综述．汽车工程，2005，(04)
[13] 于民．车辆导航系统．汽车实用技术，2004，(01)
[14] 李兵，张朋飞，何克忠．基于增强转移网络(ATN)的室外移动机器人道路图像理解[J]．中国图像图形学报，2004，(3)．
[15] 李青，郑南宁，张雪涛．车载摄像机安装方案探讨[J]．计算机工程，2004，(23)．
[16] 夏伟．移动机器人控制系统研究[D]．浙江大学，2003．
[17] 刘化胜．智能车辆视觉导航中道路检测算法的研究[D]．南京航空航天大学，2004．
[18] 徐江伟．智能移动机器人及其基于行为控制技术研究[D]．河北工业大学，2004．
[19] 孙振平．自主驾驶汽车智能控制系统[D]．国防科学技术大学，2004．
[20] 陈卫平．全区域覆盖自主移动机器人路径规划与避障的研究[D]．南京理工大学，2004．
[21] 赵宏刚．近距离障碍物实时检测系统设计与实现．重庆大学，2005
[22] 李强．基于DSP的智能车辆机器视觉系统研究．重庆大学，2004
[23] 杨更新．汽车自动驾驶系统[J]．世界汽车，1999，(3)．
[24] 黄席樾，汪先矩，柴毅，周欣，黄瀚敏．基于道路几何模型的单目测距算法[J]．重庆大学学报(自然科学版)，2000，(3)．
[25] 王宏，何克忠，张钹．智能车辆的自主驾驶与辅助导航[J]．机器人，1997，(2)．
[26] 宋正勋，胡贞，许红梅．DSP器件的原理及应用[J]．长春光学精密机械学院学报，1999，(2)．
[27] 黄席樾，柴毅，汪先矩，周欣，黄瀚敏．汽车安全行驶智能辅助操作系统中的道路检测[J]．重庆大学学报(自然科学版)，2000，(2)．
[28] 冯建农，柳明，吴捷．自主移动机器人智能导航研究进展[J]．机器人，1997，(6)．
[29] 陆强，漆兰芬．汽车防撞雷达的研制[J]．广西大学学报(自然科学版)，1998，(2)．
[30] 苏开娜，易小琳，任文君，段娟．基于道路动态视觉导航的控制策略与仿真[J]．计算机仿真，1998，(4)．
[31] 黄席樾，柴毅，周欣，汪先矩，黄翰敏．汽车智能辅助操作系统中的障碍物检测[J]．重庆大学学报(自然科学版)，2000，(4)．
[32] 欧青立，何克忠．室外智能移动机器人的发展及其关键技术研究[J]．机器人，2000，(6)
[33] 李贻斌，周凤余，李彩虹，刘明．移动机器人在线路径规划算法研究[J]．系统工程与电子技术，2000，(2)．
[34] 吴倚龙，韦洋，郝卫东．移动机器人导航和避障系统硬件的设计[C]．光学技术，2005．
[35] 丰丽军．公路汽车视觉导航中的运动目标检测与跟踪[D]．北京工业大学，2000．
[36] 刘忠云．采用DSP的智能车辆视觉系统的研究[D]．北京工业大学，2001．
[37] 柴毅．智能化汽车主动安全系统研究[D]．重庆大学，2001．
[38] 马保离，霍伟．移动小车的路径跟踪与镇定[J]．机器人，1995，(6)．
[39] 许伟．DSP应用的结构和发展方向[J]．电子技术应用，1999，(3)．
[40] 唐高友．基于机器视觉的道路识别与障碍物检测技术研究．重庆大学，2005
[41] Altmayer C. Enhancing the Integrity of Integrated GPS/INS Systems by Cycle Slip Detection and Correction. Proceedings of the IEEE Intelligent Vehicles Symposium 2000, 2000. 10
[42] Fujioka T, Omae M. Control Algorithm for Lateral Platooning. Society of Automotive Engineerings of Japan, 1997, 28(2): 109～114
[43] Hugh D W. A Critical Review of the State-of-the-Art in Autonomous Land Vehicle System and Technology(R]. USA:Sandia National Laboratories(SAND2001-3685), 2001
[44] Blackburn M R. Unmanned Ground Vehicle(UGV) Lessons Learned[R]. USA:San Diego, CA 92152—5001 Technical Report 1869, 2001.
[45] Spofford J R. The Annual Demonstrations of the UGV/Demo Ⅱ Program[EB/OL].www.rimey.corn/ray/publications/1997-RSTA book3-Demos.pdf, 1997
[46] Bellutta P, Manduchi R, Matthies L, Owens K, Rankin A. Terrain Perception for DEMO Ⅲ. Proceedings of the IEEE Intelligent Vehicles Symposium 2000, 2000. 10
[47] Coombs D. Driving Autonomously Offroad up to 35km/h. Proceedings of the IEEE Intelligent Vehicles Symposium 2000, 2000. 10
[48] Hernandez J I, automated vehicles Kuo Chenyuan. Steerinn control of usinn absolute positioninn GPS and mannetic markers[J]. IEEE Transactions on Vehicular Technology, 2003, 52(1):150-161.
[49] Yu Geninn, Sethi Ishwar K. Road-followinn with continuous learninn[A]. In: Proceedings of the Intelligent, Vehicles'95[C]. 1995. 412-417.
[50] Rajamani R, Zhu C, Alexander L. Lateral control of a backward driven front-steerinn vehicle[J]. Control Engineering Practice, 2003, 11(5):531-540.
[51] Guo Konnhui. Vehicle rnanoenvre dynamics[M]. Channchun: Jilin Science&Technolony Press, 1991. (in Chinese)
[52] Narayan Srinivasa, Vision-based Vehicle Detection and Tracking Method for Forward Collision Warning in Automobiles. Proceedings of the IEEE Intelligent Vehicles Symposium 2002, 2002.6
[53] Axel Gern, Rainer Moebus, Uwe Franke, Vision-based Lane Recognition under adverse Weather Condition Using Optical Flow. Proceedings of the IEEE Intelligent Vehicles Symposium 2002, 2002. 6
[54] M. A. Sotelo, F.J. Rodriguez, L. Magedalena, Vision-based Navigation System for Autonomous Urban Transport Vehicles in Outdoor Environments. Proceedings of the IEEE Intelligent Vehicles Symposium 2002, 2002. 6
[55] A. Broggi, M. Bertozzi, and A. Fascioli, Visual Perception of Obstacles and Vehicles for Platooning, IEEE Transactions on Intelligent Transportation Systems, Vol. 1, No. 3, Sep. 2000
[56] A. Broggi, M. Bertozzi, A. Fascioli, et al., The ARGO Autonomous Vehicle's Vision and Control Systems. Int. J. Intelligent Control and Systems, 3(1999)
[57] 黄席樾，柴毅，汪先矩，等，汽车安全行驶智能辅助操作系统中的道路检测，重庆大学学报(自然科学版)，2000，23(2)：26-30。
[58] 廖传锦，黄席樾，柴毅，等，基于边缘提取和特征跟踪的道路检测算法，重庆大学学报(自然科学版)，2002，25(1)：61-64。
[59] 吴东晖，叶秀清，顾伟康，基于不确定性知识的实时道路场景理解，中国图像图形学报，2002，7(1)：69-74。
[60] 刘涛，黄席樾，周欣，高速公路弯道识别算法．重庆大学学报，2003(26)：4-27
[61] 蒋刚毅，郁梅．基于车道标线分解的车道检测．计算机工程与应用，2002，4：29-232．
[2] 李旭，张为公，卞晓东．机器视觉在车道标志线实时检测中的应用．测控技术，2005，
[3] 张强，郝向阳，刘松林，陈杰．一种用于机器视觉检测的图像配准快速算法．测绘学院学报，2005，
[4] 朱飞虎．机器视觉原理及应用．自动化博览，2005，
[5] 胡明昊，杨文杰，任明武，杨静宇．一种基于视觉的道路检测算法．计算机工程与设计，2005，
[6] 张帆，高富强，顾兴海．嵌入式系统在机器人视觉中的应用．自动化与仪器仪表，2005，
[7] 关胜晓．机器视觉及其应用发展．自动化博览，2005．
[8] 孙涵，任明武，唐振民，杨静宇．基于机器视觉的智能车辆导航综述．公路交通科技，2005，(05)
[9] 李斌，王荣本，郭克友．基于机器视觉的智能车辆障碍物检测方法研究．公路交通科技，2002，(04)
[10] 杜宗潆．AVL——新颖车辆导航系统．世界科学，1997，(07)
[11] 朱彤，韩文涛，王波．改进Hough变换方法在车道检测中的应用．北京汽车，2005，(06)
[12] 王荣本，余天洪，郭烈，顾柏园．基于机器视觉的车道偏离警告系统研究综述．汽车工程，2005，(04)
[13] 于民．车辆导航系统．汽车实用技术，2004，(01)
[14] 李兵，张朋飞，何克忠．基于增强转移网络(ATN)的室外移动机器人道路图像理解[J]．中国图像图形学报，2004，(3)．
[15] 李青，郑南宁，张雪涛．车载摄像机安装方案探讨[J]．计算机工程，2004，(23)．
[16] 夏伟．移动机器人控制系统研究[D]．浙江大学，2003．
[17] 刘化胜．智能车辆视觉导航中道路检测算法的研究[D]．南京航空航天大学，2004．
[18] 徐江伟．智能移动机器人及其基于行为控制技术研究[D]．河北工业大学，2004．
[19] 孙振平．自主驾驶汽车智能控制系统[D]．国防科学技术大学，2004．
[20] 陈卫平．全区域覆盖自主移动机器人路径规划与避障的研究[D]．南京理工大学，2004．
[21] 赵宏刚．近距离障碍物实时检测系统设计与实现．重庆大学，2005
[22] 李强．基于DSP的智能车辆机器视觉系统研究．重庆大学，2004
[23] 杨更新．汽车自动驾驶系统[J]．世界汽车，1999，(3)．
[24] 黄席樾，汪先矩，柴毅，周欣，黄瀚敏．基于道路几何模型的单目测距算法[J]．重庆大学学报(自然科学版)，2000，(3)．
[25] 王宏，何克忠，张钹．智能车辆的自主驾驶与辅助导航[J]．机器人，1997，(2)．
[26] 宋正勋，胡贞，许红梅．DSP器件的原理及应用[J]．长春光学精密机械学院学报，1999，(2)．
[27] 黄席樾，柴毅，汪先矩，周欣，黄瀚敏．汽车安全行驶智能辅助操作系统中的道路检测[J]．重庆大学学报(自然科学版)，2000，(2)．
[28] 冯建农，柳明，吴捷．自主移动机器人智能导航研究进展[J]．机器人，1997，(6)．
[29] 陆强，漆兰芬．汽车防撞雷达的研制[J]．广西大学学报(自然科学版)，1998，(2)．
[30] 苏开娜，易小琳，任文君，段娟．基于道路动态视觉导航的控制策略与仿真[J]．计算机仿真，1998，(4)．
[31] 黄席樾，柴毅，周欣，汪先矩，黄翰敏．汽车智能辅助操作系统中的障碍物检测[J]．重庆大学学报(自然科学版)，2000，(4)．
[32] 欧青立，何克忠．室外智能移动机器人的发展及其关键技术研究[J]．机器人，2000，(6)
[33] 李贻斌，周凤余，李彩虹，刘明．移动机器人在线路径规划算法研究[J]．系统工程与电子技术，2000，(2)．
[34] 吴倚龙，韦洋，郝卫东．移动机器人导航和避障系统硬件的设计[C]．光学技术，2005．
[35] 丰丽军．公路汽车视觉导航中的运动目标检测与跟踪[D]．北京工业大学，2000．
[36] 刘忠云．采用DSP的智能车辆视觉系统的研究[D]．北京工业大学，2001．
[37] 柴毅．智能化汽车主动安全系统研究[D]．重庆大学，2001．
[38] 马保离，霍伟．移动小车的路径跟踪与镇定[J]．机器人，1995，(6)．
[39] 许伟．DSP应用的结构和发展方向[J]．电子技术应用，1999，(3)．
[40] 唐高友．基于机器视觉的道路识别与障碍物检测技术研究．重庆大学，2005
[41] Altmayer C. Enhancing the Integrity of Integrated GPS/INS Systems by Cycle Slip Detection and Correction. Proceedings of the IEEE Intelligent Vehicles Symposium 2000, 2000. 10
[42] Fujioka T, Omae M. Control Algorithm for Lateral Platooning. Society of Automotive Engineerings of Japan, 1997, 28(2): 109～114
[43] Hugh D W. A Critical Review of the State-of-the-Art in Autonomous Land Vehicle System and Technology(R]. USA:Sandia National Laboratories(SAND2001-3685), 2001
[44] Blackburn M R. Unmanned Ground Vehicle(UGV) Lessons Learned[R]. USA:San Diego, CA 92152—5001 Technical Report 1869, 2001.
[45] Spofford J R. The Annual Demonstrations of the UGV/Demo Ⅱ Program[EB/OL].www.rimey.corn/ray/publications/1997-RSTA book3-Demos.pdf, 1997
[46] Bellutta P, Manduchi R, Matthies L, Owens K, Rankin A. Terrain Perception for DEMO Ⅲ. Proceedings of the IEEE Intelligent Vehicles Symposium 2000, 2000. 10
[47] Coombs D. Driving Autonomously Offroad up to 35km/h. Proceedings of the IEEE Intelligent Vehicles Symposium 2000, 2000. 10
[48] Hernandez J I, automated vehicles Kuo Chenyuan. Steerinn control of usinn absolute positioninn GPS and mannetic markers[J]. IEEE Transactions on Vehicular Technology, 2003, 52(1):150-161.
[49] Yu Geninn, Sethi Ishwar K. Road-followinn with continuous learninn[A]. In: Proceedings of the Intelligent, Vehicles'95[C]. 1995. 412-417.
[50] Rajamani R, Zhu C, Alexander L. Lateral control of a backward driven front-steerinn vehicle[J]. Control Engineering Practice, 2003, 11(5):531-540.
[51] Guo Konnhui. Vehicle rnanoenvre dynamics[M]. Channchun: Jilin Science&Technolony Press, 1991. (in Chinese)
[52] Narayan Srinivasa, Vision-based Vehicle Detection and Tracking Method for Forward Collision Warning in Automobiles. Proceedings of the IEEE Intelligent Vehicles Symposium 2002, 2002.6
[53] Axel Gern, Rainer Moebus, Uwe Franke, Vision-based Lane Recognition under adverse Weather Condition Using Optical Flow. Proceedings of the IEEE Intelligent Vehicles Symposium 2002, 2002. 6
[54] M. A. Sotelo, F.J. Rodriguez, L. Magedalena, Vision-based Navigation System for Autonomous Urban Transport Vehicles in Outdoor Environments. Proceedings of the IEEE Intelligent Vehicles Symposium 2002, 2002. 6
[55] A. Broggi, M. Bertozzi, and A. Fascioli, Visual Perception of Obstacles and Vehicles for Platooning, IEEE Transactions on Intelligent Transportation Systems, Vol. 1, No. 3, Sep. 2000
[56] A. Broggi, M. Bertozzi, A. Fascioli, et al., The ARGO Autonomous Vehicle's Vision and Control Systems. Int. J. Intelligent Control and Systems, 3(1999)
[57] 黄席樾，柴毅，汪先矩，等，汽车安全行驶智能辅助操作系统中的道路检测，重庆大学学报(自然科学版)，2000，23(2)：26-30。
[58] 廖传锦，黄席樾，柴毅，等，基于边缘提取和特征跟踪的道路检测算法，重庆大学学报(自然科学版)，2002，25(1)：61-64。
[59] 吴东晖，叶秀清，顾伟康，基于不确定性知识的实时道路场景理解，中国图像图形学报，2002，7(1)：69-74。
[60] 刘涛，黄席樾，周欣，高速公路弯道识别算法．重庆大学学报，2003(26)：4-27
[61] 蒋刚毅，郁梅．基于车道标线分解的车道检测．计算机工程与应用，2002，4：29-232．