论文部分内容阅读
随着计算机硬件与软件的快速发展,无人驾驶已经成为国内外加紧研发的前沿技术。如今大多数汽车制造商承诺到2020年半自动驾驶将会上市,许多业内专家展望不久的将来全自动驾驶汽车也将成为可能。成熟的无人驾驶技术不仅会提高整个社会的交通效率,而且可以减少交通事故的发生,挽救更多人的生命。感知系统作为无人驾驶系统的基础组成部分,直接影响着决策系统和控制执行系统的效果。感知系统主要运用计算机视觉技术提取无人车运行环境中的信息,包括对车道线的检测、无人车行驶前方行人、车辆的识别和跟踪等,并能够在感知功能的基础之上达到辅助无人驾驶、为决策和控制执行系统提供支持的目的。本文在实现了相关感知算法的基础之上,结合无人驾驶的实际情况提出了一系列预警标准,完成无人驾驶感知辅助系统。与此同时,虚拟仿真技术的应用领域越来越广泛,鉴于在真实道路上测试感知辅助系统的效果所需成本高、不可控因素强,本文建立了一个基于Web与Unreal Engine结合的无人驾驶虚拟仿真平台。本文主要的研究内容包括:(1)研究并实现车道线检测算法。鉴于车道线在颜色、纹理、位置的特殊性,本文将这些特征组合起来按照多重自适应阈值标准进行特征点预提取,由于传统方法使用hough变换,利用直线近似拟合车道线,对弯道幅度较大的场景并不适用,本文使用局部动态窗口选取定量且分布均匀的拟合点,用多项式拟合车道线。(2)研究并实现前方车辆和行人检测算法。实验中使用视觉词袋作为分类器训练、测试的依据。而鉴于背景信息会干扰目标检测,本文提出使用基于OTSU的图像分割方法提取图像目标区域,对目标区域提取词袋特征。为了保证视觉词汇的均匀分布性和独立性,避免视觉词汇混淆,影响检测结果,本文提出基于类别信息的视觉词典构建方法。实验结果表明,基于类别对目标区域提取视觉词汇能够提高检测准确率。(3)鉴于在真实道路上测试感知辅助系统的不易控性,本文设计并实现基于Web和Unreal Engine结合的无人驾驶虚拟仿真平台,通过用户在浏览器中的不同选择可以在UE端动态创建出不同的虚拟仿真环境,将Web的友好人机交互特性与Unreal Engine强大的视觉仿真特性相结合。(4)将本文实现的无人驾驶感知辅助系统应用于虚拟仿真平台进行模拟实验,实验中设置不同的环境变量,经过反复测试与分析,实验结果表明本文实现的感知辅助系统具有可行性和有效性。