道路环境信息提取及车速自适应控制算法研究

论文总字数：27481字

目 录

1 前言 1

1.1 课题研究背景和意义 1

1.2 国内外研究现状 1

1.3 研究内容 2

2 图像预处理 2

2.1 图像灰度化 2

2.2 灰度变换 3

2.3 平滑滤波 4

2.3.1 中值滤波 4

2.3.2 高斯滤波 5

2.4 图像二值化 5

2.5 形态学运算 6

2.6 边缘检测 7

2.6.1 Sobel算子 7

2.6.2 Canny算子 7

3 车道线检测算法设计 8

3.1 确定感兴趣区 8

3.2 基于Hough变换的直车道线检测 9

3.2.1 Hough变换原理 9

3.2.2 直车道线检测步骤 10

3.3 基于最小二乘法的弯曲车道线检测 11

3.3.1 最小二乘法原理 11

3.3.2 弯曲车道线检测步骤 12

4 车速自适应控制算法研究 13

4.1 弯道安全车速计算 13

4.2 常规PID控制算法 15

4.3 模糊PID控制算法及车速自适应控制系统设计 16

5 实验与分析 20

5.1 实验数据来源及仿真环境 20

5.2 实验结果与分析 21

5.2.1 车道线检测实验 21

5.2.2 车速自适应控制Simulink建模仿真 22

6 总结与展望 25

6.1 总结 25

6.2 展望 26

参考文献 27

致谢 28

道路环境信息提取及车速自适应控制算法研究

吕查德

，China

Abstract：The research content of this paper is mainly divided into two parts: road environment information extraction and vehicle speed adaptive control algorithm. The road environment information extraction first preprocesses the image of the vehicle-mounted camera to highlight the lane line feature information, and determines the region of interest in order to improve the calculation efficiency. For the straight lane line, the Hough transform is used to extract the straight line, and the two straight lane lines closest to the vehicle are screened and drawn; for the curved lane line, the parabolic model is used for curve fitting by the least squares method and the parabola coefficient is used. Judging the turn of the curve. Simulating the algorithm through Matlab can well extract the lane line from the road image.

The vehicle speed adaptive control algorithm first calculates the safe vehicle speed according to the lane line bending, and then uses the fuzzy PID control algorithm to realize the vehicle speed adjustment and control. This paper uses Simulink to model and simulate the fuzzy PID control algorithm and the traditional PID algorithm. Through comparison, it is found that the fuzzy PID control can achieve better control results.

Key words：lane detection；image processing；Hough transform；least square method；fuzzy PID

1 前言

• 1. 课题研究背景和意义

我国经济社会的持续稳健发展直接使得我国的汽车保有量迅速增长，截止到2017年末，我国汽车保有总量高达2.17亿辆，汽车驾驶人数已超过3.42亿人^[1]。汽车的普及在给我们带来便利生活的同时，也带来了鲜血和泪水，随着汽车数量的不断增加速度的不断提高，交通事故发生的频率也在与口俱增。据有关部门统计，因汽车数量剧增和驾驶人数骤长带来的交通压力，我国每年出现大约50万起交通事故，死亡人数超过10万人，数据仍逐年呈上升趋势。其中以醉酒驾驶、超速行驶、疲劳驾驶等原因居多，80%以上的交通事故都是由于驾驶人员反应不及时造成的。

若要防止上述交通事故的出现，根本的解决途径就是将机动车驾驶人从复杂繁琐而又枯燥乏味的驾驶操作过程中解放出来从而实现无人驾驶。无人驾驶汽车是一种能够自主行驶的车辆，集人工智能、模式识别、计算机视觉、自动控制等多种先进技术于一体。它除了具备传统车辆所有常规功能外，还具有道路环境感知，行驶路径规划，车辆决策与控制等人工智能。在相同的道路交通环境下，无人驾驶汽车通过对自身运动状态及周围环境信息进行处理分析，决策出合理行驶策略以代替机动车驾驶人完成一系列驾驶行为，从而大大降低道路交通事故的发生率^[2]。因此，无人驾驶汽车的研究和发展得到了人们广泛的重视。无人驾驶汽车研究包含众多任务，如何提取道路环境信息以及实现车速的自适应控制就是其中的重要内容。

剩余内容已隐藏，请支付后下载全文，论文总字数：27481字