文档介绍：学科代码 080203编号 045硕士学位论文开题报告学号:152080201045研究生:卫玉梁导师:靳伍银研究员研究方向:机器视觉及图像处理论文题目:基于视觉导航的智能车跟随系统研究学科:机械制造及自动化学院:机电工程学院入学时间:2015年9月开题时间:2017年1月13日2017年 1月 13日学位论文题目 基于视觉导航的智能车跟随系统研究课题来源 国家自然科学基金项目一、 课题意义及国内外研究现状综述1、课题意义随着汽车工业的迅速发展,关于智能车辆的研究越来越受人关注。智能车不仅在工业智能化上得到广泛的应用;运用于智能家居中的产品也越来越受到人们的青睐;而且,智能车的研究也为解决道路交通安全以及交通拥堵提供了一种新的途径[1]。在汽车行业快速发展的带动下,作为现代社会产物的智能小车也成为目前较为热门的研究课题[2]。智能小车是一个集环境感知、规划决策、自动行驶等功能于一身的多学科高新技术的集成体,集中运用了信息、传感、通信、导航、计算机、机械设计及自动控制等技术,是典型的高新技术综合体[3-4]。因此,不论是从科学发展、理论研究的角度,还是从汽车工业发展以及市场竞争的角度看,对智能车辆和智能小车的研究都具有很高的科学理论价值和实际意义 [5]。智能小车作为智能车辆理论缩影与研究模型,在其快速发展的带动下也不断创新。究其系统分类而言,可以简单的分为三类:遥控式、半自主式以及全自主式系[6]。遥控式一般由人观察并做出决策,使用遥控器与小车进行信息的无线传输,从而达到对小车控制的目的,其原理相对简单,应用于市场上的大多数玩具模型等。半自主式小车通常自己采集数据并处理,由核心处理芯片做出决策来实现其对行驶方向、启停以及速度的控制,一般无需人为控制,是目前大多数智能小车的研究方法。第三类全自主式小车多采用嵌入式的方式,将决策层与运动层结合在一起,通过相应的算法达到智能化运动的目的,其灵活性高、功能性强,但全自主式小车的性能受到硬件条件的制约呈现两极化,如何平衡硬件条件以及优化算法是目前研究的前沿[7]。本文采用将决策层与运动层相结合的全自动控制系统,在低成本的硬件设计要求下开发优化更加高效的代码和算法,实现可以快速的对周围环境进行信息提取并反馈给动力系统从而做出相应动作。近年来,随着智能化与自动化技术的发展,智能车辆所具备的功能越来越多,所包含的技术种类也越来越丰富,而在智能车辆的相关技术中,跟踪技术是一项非常有研究意义的新型技术,也是一个涵盖了机器视觉、图像处理以及嵌入式与微系统等多学科的研究课题,具有广阔的研究前景[8]。根据跟踪对象运动状态的不同,可将其分为对静止和对运动物体的跟踪两大类[9]。对静止物体跟踪一般是通过在关键节点上设置具有特定形状、大小、颜色等突出特征的目标物,为智能小车提供方位等引导信息,使之可以按照预计的路线实现对目标的跟踪[10]。这一方法小车所要提取和识别的信息相对较少,且节点周围环境已知,因此较为容易实现。而对运动物体的跟踪则需要提取更多的有效信息,对算法的开发设计要求更高,同时需要考虑目标物的自身形状、明暗程度、外围环境在运动过程中所发生的改变[11]。例如对人体的跟踪就是现代跟踪学的一个研究热点和难点[12]。而关于智能车的跟随方案目前还没有特别优良稳定的算法。因此,开发设计一种智能、高效、低成本的跟随小车控制方案具有重要的实际意义和科学理论价值。1[16]。2、,始于上世纪 50年代。1954年美国 BarrettElectronics公司研究开发了世界上第一台自主引导车系统 AGVS(AutomatedGuidedVehicleSystem)[13]。因其可以在固定路线上运行,并自主完成货物运输,因此标志着智能车辆的诞生[14]。随后,世界主要发达国家对智能车辆开展了卓有成效的研究。在欧洲,普罗米修斯项目开始在这个领域的探索;在美洲,美国成立了国家自动高速公路系统联盟(NAHSC);在亚洲,日本成立了高速公路先进巡航 /辅助驾驶研究会[15]。至此,智能车辆进入了深入、系统、大规模研究阶段。其中,(CarnegieMellonUniversity)机器人研究所一共完成了Navlab系列的10台自主车(Navlab1—Navlab10)的研究,取得了显著的成就近年来,国外智能车技术依然保持快速发展,2010年由德国国防大学研制成功的高速公路自主驾驶车VaMoRS在行驶速度上突破150km/h,随后又由奥迪等公司将其不断刷新至最高可达240km/h的速度。2012年5月,谷歌公司研发的自动驾驶汽车拿到了美国首个自动车辆许可证。2016年3月联合国颁布《国际道路交通公约》:“在全面符合联合国车辆安全管理条例情况