智能车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无人驾驶起着至关重要的作用。 论文针对智能车对环境的理解问题,采用图像分析、信息融合等信息处理技术,对智能车辅助导航中的一些关键技术——基于单目视觉的道路检测、前车检测和视觉/雷达融合的车距测量方法进行了较系统的研究,并提出一些有效、实用的算法。同时设计了一个可视化仿真实验软件,通过实地采集或虚拟生成的各种结构化道路场景,对提出的各种算法进行验证。论文研究内容主要有以下几个方面: 1、提出了一种在结构化道路中精确检测车道的两层算法。该算法利用道路白线的局部特性和全局特性,鲁棒的提取特征;按照“拟和—判断—拟和”的流程,用直线或直线与二次曲线的光滑组合匹配白线:并为优化算法添加适当的权值因子,提高算法抗噪性。 2、提出了一种改进的单目视觉方法,用于在可见度高的情况下准确检测和跟踪前方车辆。该算法先利用梯度水平竖直投影图检测前车;然后用卡尔曼预测方法预测下一帧的目标位置,用边缘投影方法定位目标;设计了一种新的四因素似然度函数进行验证。 3、提出了一种应用于智能车夜间视觉导航的前车检测和跟踪算法。该算法用二次阈值法来确定候选车尾灯区域;设计了三因素匹配度函数以准确配对尾灯;采用卡尔曼预测方法进行跟踪,用实测与预测对称轴误差验证跟踪结果。 4、研究了视觉/雷达传感器在决策级和特征级的两级融合算法。决策级融合算法中提出了时空融合的思想,采用D-S证据理论进行融合,设计了应用D-S证据理论的测度函数分配公式:特征级融合采用自适应加权平均方法进行融合。 5、利用Visual C++自主开发了一个虚拟实验环境,采用OpenGL图形接口软件建立具有真实感的多传感器融合系统的仿真平台;并在虚拟环境中模拟视觉和雷达信号,对提出的特征级融合测距算法进行仿真分析。 6、计算水平偏移、偏航角和前方车距,选择以本车安全为关键要素的汽车安全行驶模型,设计实现防偏、防碰撞预警的决策方法,并在此基础上设计智能车防偏防撞预警系统。 此外,论文还考虑了不同技术间的结合,如用道路和前车的检测结果分别限制对方的下一拍检测,以及根据天空亮度在日间、夜间前车检测算法中自适应切换等。