摘 要

无人车在复杂路况下行驶时，需要对路面信息进行捕捉，然后进行分析，根据分析结果来改变驾驶策略。当光照过暗或者过强时会影响成像结果，并且无人车的运动也会导致成像模糊。本文通过对图像去模糊去噪声算法的研究，给出了一个兼顾去模糊去噪的同时，又能保证图像具有良好的边缘特征的图像处理算法。同时又讨论了有关图像识别的机器学习算法。

本论文主要在现有图像处理以及机器学习算法上进行分析和比较，寻找出实际应用中最为合理的方法，并给出基于MATLAB的实现方法以及结果。本文对于初学者学习图像处理相关知识具有重要的指导意义。

关键词：图像处理；双边滤波；机器学习；神经网络

Abstract

Unmanned vehicles need to capture information on the road surface when they are driving under complex road conditions, and then analyze it to change the driving strategy based on the analysis results. When the light is too dark or too bright, the imaging process will be affect by it, and the movement of the unmanned vehicle will also cause imaging blur. In this paper, by researching the image deblurring and denoising algorithm, we present an image processing algorithm that takes both the deblurring and denoising into consideration and ensures that the image has good edge features. At the same time, it also discusses and I、introduce some machine learning algorithms for image recognition.

This paper mainly analyzes and compares the existing image processing and machine learning algorithms, finds the most reasonable method in practical application, and gives the realization method and result based on MATLAB. This article has important guiding significance for beginners to learn image processing related knowledge.

Key Words：bilateral filtering;image processing; machine learning; neural network

目 录

第1章 绪论 1

1.1研究背景及目的 1

1.2国内外无人车研究状况 2

1.2.1国外无人驾驶汽车的发展状况 2

1.2.2国内无人驾驶汽车的发展状况 2

1.3本文的主要研究内容 3

1.4本文的章节安排 4

第2章 道路图像预处理方法的研究 5

2.1图像退化及复原过程模型 5

2.2图像退化的两种原因 6

2.2.1噪声 6

2.2.2图像模糊 7

2.3图像复原方法研究 7

2.3.1均值滤波器 7

2.3.2中值滤波器 8

2.3.3维纳滤波法 8

2.3.4双边滤波 8

2.4方案的比较及选择 9

2.4.1图像预处理方案的比较 9

2.4.2最终方案的确定 9

2.6图像预处理程序设计及其流程 10

2.7图像预处理结果 10

第3章 道路路面图片特征提取 12

3.1图像特征概述 12

3.2路面特征提取 12

3.2.1颜色特征提取 12

3.2.2纹理特征提取 13

3.3路面特征提取结果 13

第4章 机器学习算法完成道路类型的识别 14

4.1机器学习的方式及选择 14

4.1.1监督学习 14

4.1.2无监督学习 14

4.1.3强化学习 14

4.1.4学习方式的选择 15

4.2监督学习算法的比较及选择 15

4.2.1 K-近邻算法 15

4.2.2误差反向传播算法 15

4.2.3机器学习算法的选择 16

4.3 BP神经网络的实现和结果 16

第5章 总结与展望 20

致谢 21

参考文献 22

第1章 绪论

1.1研究背景及目的

随着人类科技的发展，汽车这一交通工具被创造了出来，并广泛运用在人类的社会之中。汽车的普及给人类带来了生活出行的便利同时，也带来了交通事故这一问题。因此，人们研发了许多的相关的智能安全辅助装置，能够有效地减少驾驶人员的错误判断，减轻驾驶员的负担，进而降低交通事故发生的概率。因此，智能化的汽车必然是将来的一个发展方向和趋势，这种智能化的无人驾驶汽车拥有自动识别道路类型、识别障碍物等功能，并对驾驶策略做出适当的调整，这将极大的减少交通事故发生的概率，提高驾驶的安全性。

在二十世纪末，智能交通系统这一概念在ITS（Intelligent Traffic System，简称ITS）世界大会正式被提了出来^[1]。智能交通系统，是将计算机技术、通信技术、电子控制技术、自动控制理论、人工智能等有效地综合运用于交通运输、服务控制和车辆制造，强化车辆、道路、使用者三者之间的联系，以此来构成一种保障安全、提高效率的综合运输系统。其中智能无人驾驶汽车是未来的智能交通系统的重要组成部分，它直接与驾驶员和乘客相接触，与乘坐人员的人身安全息息相关，因此，如何能够提高智能汽车的环境感知能力、自主规划决策能力、多等级辅助驾驶等功能，将极大的提高智能汽车行驶的安全性。虽然迄今为止，许多的文献资料中出现了与智能汽车相关的概念名称有：无人车、自主车、智能车等。尽管这些车辆名称上不统一，但其本质上都是轮式移动机器人，为了实现无人驾驶的这一目标，主要依靠车内的计算机智能驾驶系统来控制自身。

近年来，随着人工智能的发展，无人驾驶汽车也成为了众多科技公司和科研人员的重点研发的对象。无人驾驶汽车通过依赖汽车内的智能驾驶仪对路况进行分析，进而进行决策，从而实现无人驾驶。无人驾驶汽车通过车载传感器等设备对车身的外界环境进行感知，将感知到的环境信息如图像等，送至车内的计算处理系统进行分析处理后，从而控制车辆做出相应的行为对策来实现自动驾驶。

当车辆在各种不同的路面上行驶时，在各种复杂环境下获知路面类型这一信息，并及时转换驾驶策略，将有助于提高乘车人的舒适度和安全性。对于无人驾驶系统来说，要先有外界信息的输入，才有后续的规划决策，对相应的情况做出正确的驾驶策略。环境感知是无人驾驶系统从外界环境中提取信息的能力，其中从外界环境中获取图像信息是重要的来源，智能汽车主要还是通过相机对外界环境进行图像拍摄，然后系统中心对拍摄所得图像进行处理和分析，从而完成路面类型的识别，从而改变驾驶策略。但往往由于环境等因素，导致拍摄的图像过于模糊，需要对拍摄的图像进行预处理，即进行去模糊和去噪处理，使得图像更加清晰，特征也更加明显，便于后续的识别操作。

由于无人车在道路上行驶的同时对行驶道路进行拍摄，这个时候影响相片的清晰度主要原因在于无人车自身运动造成的运动模糊，以及车身对所拍道路的遮挡造成的亮度过低这两个原因，而对照片的处理和识别由无人车本身完成，因此本文针对各种复杂环境（主要是颠簸及夜路）实现道路图像的去模糊及去噪处理的方法主要用于机器的识别。

1.2国内外无人车研究状况

1.2.1国外无人驾驶汽车的发展状况

在无人驾驶汽车技术的研究上，国外的研究起步较早。在上世纪八十年代，美国就启动了地面自助车辆计划，这一计划成功研发出了一辆拥有八个车轮，顶部装配一个摄像头，具有能在良好路面上低速自动行驶的能力的汽车。随后，卡内基梅隆大学于1986年开始研究车辆计算机控制系统，并在1995年研发出了NavLab-V型号的无人驾驶汽车，该车辆成功实现了横穿美国东西部的无人驾驶试验，在全长约4500km的美国州际高速公路上，整个试验96%以上的距离由车辆自主驾驶^[2]。在这辆无人车上面运用到的图像处理技术是由卡内基梅隆大学研究所研发的RALPH系统，这个系统主要利用视觉系统将采集到的图像转换为俯视图像，从而在环境恶劣的非结构化道路中完成自主行驶的道路识别。RALPH系统主要通过像素空间特征关系进行道路识别，在无人车穿越美国大陆的实验中起到了关键性的作用。丰田公司在2000年的时候推出了无人驾驶公共汽车，永磁铁每间隔一米埋放在该车的专用车道上，公共汽车通过自身安装的磁气传感器根据车道中的永磁铁进行导向，和红外摄像头完成自动驾驶操作。2009年，科技公司Google正式启动无人驾驶车辆研发项目，并于2010年无人驾驶车开始了城市道路的行驶测试^[3]。美国内华达州机动车辆管理局在2012年为一辆使用了Google智能驾驶系统的汽车发放了牌照，这标志无人驾驶汽车真正进入普通人的视线^[4]。

1.2.2国内无人驾驶汽车的发展状况

我国的无人驾驶汽车技术发展较晚，进度也落后于国外。国科大从上世纪八十年代开始立项无人驾驶汽车的研发，直到1989年，我国首个智能小车在国防科技大学诞生，说它小是因为重量仅有175kg，长100cm，宽60cm。到了1992年，我国第一辆真正意义上的无人驾驶汽车才在国防科技大学研发出来^[5]。在二十世纪末，吉林大学开始研发JLULV系列的智能车^[6]。在无人车车载机器视觉系统方面，吉林大学的JLUIV-4智能车中运用到了中值滤波和Sobel算子的边缘增强技术，智能车的视觉系统首先对采集到的图像进行预处理滤波，然后根据道路特征进行区域划分，最后利用霍夫变换算法进行车道边界线的提取，这个方法结合了区域特征和边界特征的特性，具有较强的可靠性和适用性。

1.3本文的主要研究内容

本文主要对图像噪声以及图像模糊模型进行了讨论与研究，介绍了一些传统的图像去噪去模糊算法，比如均值滤波法、中值滤波法和维纳滤波法等，并详细介绍了这几种图像去噪去模糊算法的优缺点和适用情况。并联系了实际情况，路面的复杂程度进行分析，选择了适合无人车智能驾驶系统的图像增强方法，最后根据增强图像后的效果，使用了BP算法训练出了路面识别率能够达到预期的神经网络。全文算计讨论研究基于MATLAB软件的实现，而且根据上述过程可画出如下流程图1.1。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：