标签: 车辆识别

随着汽车保有量的逐年增加,道路交通安全问题越来越严峻。通过给车辆配置高级驾驶辅助系统或无人驾驶系统来减少交通事故的发生,已经成为未来车辆技术发展的必然趋势。自适应巡航系统、前方碰撞预警系统、自动制动系统等高级驾驶辅助系统和无人驾驶系统都需要对夜间场景的前方车辆状态进行监测。所以本文研究基于机器视觉和毫米波雷达的夜间前方车辆识别技术,具有重要的理论意义和现实意义。  本论文选择毫米波雷达传感器和视觉传感器对夜间车辆目标进行识别。毫米波雷达具有探测距离远和可以在夜间工作的特点,机器视觉可以直接感知物体的颜色信息。使用传感器融合信息对目标进行识别,可提升目标识别率,并且改善识别系统的鲁棒性。本文基于机器视觉和毫米波雷达传感器对夜间车辆识别技术进行了一系列研究,主要工作如下:  (1)研究基于机器视觉的夜间车辆识别与跟踪方法。首先根据尾灯的光晕特征和亮度特征提取尾灯,然后对尾灯配对并根据尾灯对实现车辆识别,最后基于改进的粒子滤波算法对车辆尾灯进行跟踪而实现对车辆的跟踪。  (2)研究基于毫米波雷达对车辆目标初选与跟踪方法。首先删除雷达干扰信号,然后根据距离和车道信息初选出有效车辆目标,最后根据卡尔曼滤波算法对车辆目标进行持续跟踪。  (3)研究基于机器视觉和毫米波雷达的联合识别方法。首先对摄相机进行标定,建立雷达坐标系和图像坐标系之间的转换关系,然后使用目标的雷达和摄像机数据在空间和时间上进行数据融合,最后根据初选车辆目标的雷达信息在图像上建立感兴趣区域,在该区域使用机器视觉的车辆识别算法进行目标验证。  搭建测试系统的硬件框架,使用MicrosoftVisualStudio、MFC和OpenCV软件工具开发测试系统软件。试验结果表明,使用研究的基于机器视觉和毫米波雷达对夜间车辆联合识别的方法,可以有效地对夜间前方车辆进行识别,具有较好的实时性和准确性。

基于RFID技术的高速移动多目标车辆识别方法研究

基于树莓派开发板的车辆识别系统设计

基于单片机的车辆识别系统设计

智能交通系统是未来交通发展的必然趋势,其关键技术的研究具有深远的意义.本文以在静态背景下动态地识别并跟踪汽车为目的,对摄像头采集的图像进行处理.如何准确地从复杂的交通图像中提取车辆,是进行车辆识别的基础.本文采用Surendra背景算法提取种面的背景,通过背景差法提取路面上的车辆.图像分割后,对二值图像进行Blob分析,识别并对车辆进行分析,获取车辆的特征信息,包括车辆本身的参数信息和位置信息.依赖这些车辆信息,通过Kalman滤波器实现对车辆的跟踪,进而获得车辆的动态信息,包括车辆的速度、运行轨迹信息.……