论文部分内容阅读
随着汽车数量的不断增长和智慧交通的发展,交通安全一直是人们非常关心的问题。行驶在不正确的车道上以及不安全的车道变换是导致交通事故发生的一大因素。假如能够及时的提醒驾驶员当前车辆行驶车道的不准确性,就可以有效地避免车祸的发生。目前车道识别技术领域研究热门的是基于视觉的车道检测技术,基于视觉的车道检测技术是汽车安全辅助驾驶的关键技术,但是此项技术受外界因素的影响较大,道路标识的模糊,大雾雨雪天气等都会给车道检测的准确性带来很大的影响。基于以上背景,本文提出一种基于android智能手机传感器的车道检测研究方案并设计实现了原型系统,本文的工作主要包含如下三个部分:1.对于车辆在路口转弯后所行驶进的目标车道,提出用不同目标车道对应不同的轨迹半径阈值来区分不同的车道。将车辆的转弯过程看成是阶段性的圆周运动,不同行驶轨迹对应的圆周半径变化过程不同,使用智能手机上配备的三维加速度传感器和陀螺仪传感器,编程获得车辆的转弯半径,得出圆周半径随时间变化的曲线。通过实验验证了所提出方案的可行性,根据获得的半径数据设置区分不同目标车道的阈值,最终验证所提出的方案准确率在70%。2.机器学习分类算法已广泛地被应用于人体的行为识别,提出将分类算法应用于车辆行为的识别。选取影响车辆所处的车道位置的典型的七种车辆行为以及直行和静止行为,总共九种行为。编写数据采集程序,收集九种行为的数据,然后进行一系列的数据预处理,特征提取,训练数据。在特征提取时,总结了常用的时域、频域特征,通过Weka实验分析,选择合适的特征。在进行车辆行为识别时,总结了常见的用于行为识别的分类算法以及这些分类算法的优缺点,并通过实验分析这些分类算法应用在车辆行为识别上时的准确性,发现随机森林分类算法有最高的准确性84.13%。3.结合以上两部分,设计并实现了一个在车辆初始车道已知,通过检测车辆行为,可以实时更新车辆车道位置的车道级定位系统。该系统在APP端实现传感器数据的采集、上传以及最终所定位车道的显示,在服务器端实现特征提取以及算法模型识别等耗能工作。