● 摘要
车辆环境感知是智能车辆技术的基础环节之一。本文针对当前智能车辆系统中普遍集成大量传感器的情况，通过比较不同环境感知方法的特点，对立体视觉障碍物检测、多车道检测以及车车通信的关键问题进行了研究，设计了基于机器视觉和车车通信的环境感知系统，在较低的系统成本下可靠连续实时的输出车辆环境信息。设计了基于立体视觉的障碍物检测算法，监控车前3米到80米范围内的车辆和行人相对于本车的运动情况。针对大基线立体视觉系统在进行大范围检测时易受标定误差影响的问题，对其进行二次标定以提高测距精度，并使用弱化的极线约束代替传统的极线约束进行立体视觉处理。为了提高系统的运算实时性，设计了基于角点特征的立体视觉障碍物检测算法，并通过优化算法，采用代码级并行运算和动态调节检测范围等措施减少图像处理的运算量。设计了基于机器视觉的车道识别系统。为使系统同时具有直弯道检测能力，分别设计了直道检测算法和弯道检测算法，使用中将首先根据实时路况选择相应算法进行检测。算法以车道线的内测边缘作为检测对象，提高了检测结果的准确性。除了精确判断车辆在车道内的位置外，车道检测结果还将对相机安装角度进行实时标定，补偿车辆运动给障碍物检测和车道检测带来的影响。针对机器视觉固有的问题，提出了使用车车通信进行车辆检测的概念模型，分析了两种系统之间的互补特性以及集成方式。在对通信层进行简化处理后，重点研究了车辆通信网络中传递的数据内容，并设计了两种导航模型以确定车辆相对于道路的位置。通过仿真实验比较了两种导航模型的性能差异，确定基于电子地图的一维导航模型比传统的导航方式适合于车辆应用。为了在多车道道路条件下确定车辆在道路横向的位置，设计了基于机器视觉的多车道检测系统。根据中间车道线的检测结果，使用简化的投影变换完成旁边车道线的检测，即使在存在旁边车道干扰的情况下，仍然能够准确判断车辆所在车道，为定位应用提供车道级的精度。