摘要

　　隨著(zhù)社會(huì )發(fā)展，汽車(chē)數量增多，在停車(chē)場(chǎng)尋找合適停車(chē)位變的十分困難。雖然在一些停車(chē)場(chǎng)，車(chē)輛可以利用全球衛星導航系統來(lái)輔助尋找停車(chē)位，但是精度較低導致停車(chē)位定位的精確度不高，另外在室內停車(chē)場(chǎng)環(huán)境下，全球衛星導航系統也使用受限。因智能化自動(dòng)泊車(chē)技術(shù)的研究至關(guān)重要，本文基于計算機視覺(jué)進(jìn)行泊車(chē)過(guò)程中的車(chē)位檢測和泊車(chē)導航關(guān)鍵技術(shù)研究，具體研究?jì)热菁罢撐呢暙I如下：

　　1.通過(guò)對場(chǎng)景調研和視覺(jué)定位相關(guān)算法的研究，提出了一種僅根據停車(chē)場(chǎng)的基礎設施單眼攝像頭完成檢測停車(chē)場(chǎng)車(chē)位狀態(tài)和3-D位置的算法。首先利用停車(chē)場(chǎng)車(chē)位線(xiàn)，結合HSV顏色空間處理，形態(tài)學(xué)運算和霍夫變換直線(xiàn)檢測獲取3-D空間下的正交直線(xiàn)組。然后使用消失點(diǎn)估計算法來(lái)完成對攝像機的標定工作，并引入分布估計算法（EDA）計算局部最優(yōu)的相機參數來(lái)解除相機標定過(guò)程中對未知參數的約束限制，從而降低重投影誤差，提高標定算法準確性。最后配合使用視覺(jué)檢測算法完成了對停車(chē)場(chǎng)的車(chē)輛位置的定位，從而達到了在停車(chē)場(chǎng)對空閑車(chē)位的空間位置鎖定以及引導車(chē)輛完成準確尋找停車(chē)位的目的。算法在公開(kāi)數據集上進(jìn)行對比實(shí)驗，結果證明了所提出的算法在車(chē)位識別上具有準確性。

　　2.提出了利用車(chē)輛檢測的3-D位置與規劃路徑的距離作為特征來(lái)實(shí)現多特征融合的卡爾曼濾波追蹤算法。首先，通過(guò)對多攝像機做融合在3-D空間實(shí)現了各攝像頭場(chǎng)景位置信息的統一。然后，通過(guò)對顏色特征，大小恃征和車(chē)輛3-D位置與規劃路徑距離特征進(jìn)行融合，在非遮擋追蹤下設計了自適應權重調整方法，在遮擋發(fā)生時(shí)提出提高距離特征權重的方法。最后，通過(guò)結合卡爾曼濾波追蹤算法實(shí)現對車(chē)輛的跟蹤。在數據集上的模擬實(shí)驗證明了該算法有效的提高了停車(chē)場(chǎng)車(chē)輛追蹤的準確率。

　　關(guān)鍵詞：泊車(chē)定位和導航，車(chē)位識別，相機標定，車(chē)輛檢測，卡爾曼追蹤

目錄

　　第一章緒論

　　1.1課題研究背景與意義

　　隨著(zhù)社會(huì )經(jīng)濟的飛速發(fā)展，道路行駛的機動(dòng)車(chē)輛變得越來(lái)越多。根據公安部交管局發(fā)布的數據顯示，2019年上半年我國的機動(dòng)車(chē)輛保有量達3.4億輛，在全國范圍內，汽車(chē)保有量超100萬(wàn)輛的城市多達66個(gè)，其中11個(gè)城市汽車(chē)保有量超300萬(wàn)輛。巨大的汽車(chē)數量使得城市擁堵情況嚴重，同時(shí)城市擁堵，車(chē)輛增加導致了停車(chē)成為了一件困難的事。特別是在城市停車(chē)場(chǎng)中，由于不能準確尋找到空閑停車(chē)位，造成了車(chē)廠(chǎng)內擁堵，停車(chē)效率下降的事屢見(jiàn)不鮮。在美國有一項調查顯示，每年因為交通阻塞而造成的經(jīng)濟損失達700億美元，而中國由于人口更多，地域更大遼闊，因為擁堵問(wèn)題造成的經(jīng)濟損失會(huì )更多。大多數汽車(chē)停放的時(shí)間比在路上行駛的時(shí)間要多，在發(fā)達城市地區地少人多，如此多的車(chē)輛駛進(jìn)駛出，尋找車(chē)位，因此也衍生出了一大堆交通管理問(wèn)題和安全問(wèn)題。建設具有智能化管理的停車(chē)場(chǎng)，讓車(chē)輛能夠有效尋找停車(chē)位，同時(shí)避免擁堵和一些安全問(wèn)題是城市建設中要考慮的重點(diǎn)。現有的一部分停車(chē)場(chǎng)還是由人工手段來(lái)進(jìn)行管理，指導停車(chē)，工作效率低下。一些新建成的新型智能化停車(chē)場(chǎng)大部分使用了激光雷達或者超聲波傳感技術(shù)，架設難度相對較大，成本較高。針對這些情況，研究一種價(jià)格低廉，使用方便的停車(chē)場(chǎng)車(chē)位檢測和泊車(chē)引導系統變得尤其重要[1].

　　基于視覺(jué)攝像頭的視覺(jué)泊車(chē)定位系統是近年來(lái)被廣泛研究的對象，它具有成本較低，架設較為容易的特點(diǎn)，僅利用停車(chē)場(chǎng)內監控攝像頭獲取的視覺(jué)信息就可以完成車(chē)位檢測，輔助定位導航。視覺(jué)泊車(chē)定位系統的研宂與視頻分析技術(shù)密不可分，隨著(zhù)近些年來(lái)機器學(xué)習技術(shù)的發(fā)展，人工智能領(lǐng)域的研宄成果與曰俱增。計算機視覺(jué)（CV）是人工智能研宂的一個(gè)重要領(lǐng)域，在停車(chē)場(chǎng)利用視覺(jué)相關(guān)技術(shù)完成泊車(chē)定位與視頻檢測定位技術(shù)，視頻追蹤技術(shù)等密不可分。隨著(zhù)深度學(xué)習檢測技術(shù)發(fā)展，近些年的對象檢測算法準確率己經(jīng)達到80%左右，對于特定對象比如人臉的識別率已經(jīng)超過(guò)90%,檢測率遠超傳統算法。在停車(chē)場(chǎng)這樣一個(gè)商用場(chǎng)景下，對泊車(chē)定位準確率要求很高，深度學(xué)習檢測算法的發(fā)展對于車(chē)位檢測來(lái)說(shuō)也有重要的幫助。本次課題研究也利用了先進(jìn)的深度學(xué)習算法，進(jìn)一步提高了車(chē)位檢測的表現。本文基于視覺(jué)相關(guān)技術(shù)，對泊車(chē)定位場(chǎng)景下的車(chē)位檢測和定位導航技術(shù)進(jìn)行了深入研究，同時(shí)為技術(shù)應用提供了多種切實(shí)可行的解決辦法和重要思路，對于推動(dòng)相關(guān)技術(shù)的研宄和提高停車(chē)場(chǎng)智能化水平具有重要意義。

　　1.2研究?jì)热菁爸饕�貢獻

　　1.3論文結酸排

　　第二章研究現狀與理論基礎

　　1.4研究現狀

　　1.4.1車(chē)位識別研究現狀

　　1.4.2泊車(chē)導航研究現狀

　　1.5攝像機投影及成像原理。

　　1.6相機標定算法

　　1.6.1標定算法概述

　　1.6.2基于消失點(diǎn)的手動(dòng)和自動(dòng)標定算法概述

　　1.7Yolov3檢測算法和卡爾曼濾波原理

　　1.7.1Yolov3檢測算法

　　1.7.2卡爾曼濾波原理

　　1.8本章小結

　　第三章基于相機標定和車(chē)輛檢測的空閑車(chē)位識別算法

　　1.9車(chē)位線(xiàn)提取過(guò)程

　　1.9.1HSV顏色空間處理

　　1.9.2形態(tài)學(xué)濾波處理

　　1.9.3Hough變換直線(xiàn)檢測

　　1.10基于消失點(diǎn)估計的相機標定算法

　　1.10.1消失點(diǎn)估計算法

　　1.10.2相機參數計算原理

　　1.10.3EDA優(yōu)化算法

　　1.11檢測確定空閑停車(chē)位

　　1.11.1Yolov3車(chē)輛檢測

　　1.11.2空閑停車(chē)位的計算

　　1.12實(shí)驗結果及評估

　　51.12.1實(shí)驗參數設置

　　1.12.2實(shí)驗結果及分析

　　L13本章小結

　　第四章基于多特征融合的卡爾曼車(chē)輛追蹤導航模型

　　1.14多攝像頭融合

　　1.15多特征融合的卡爾曼車(chē)輛追蹤算法

　　1.15.1多特征融合匹配

　　1.15.2卡爾曼車(chē)輛追蹤

　　1.16模型實(shí)驗及評估

　　1.16.1實(shí)驗參數設置

　　1.16.2實(shí)驗結果及分析

　　1.17本章小結

　　第五章總結與展望

　　本文著(zhù)重于研究停車(chē)場(chǎng)車(chē)輛的輔助泊車(chē)定位和導航，主要從車(chē)位識別和泊車(chē)導航兩個(gè)方面研宄提出了相關(guān)算法實(shí)現了更加精確的檢測和追蹤導航效果。首先，通過(guò)對停車(chē)場(chǎng)拍攝的視頻幀圖像進(jìn)行處理，對圖像中的車(chē)位線(xiàn)這一信息進(jìn)行獲取，實(shí)現了基于消失點(diǎn)估計的相機標定方法，計算出的攝像機的初始參數，其次通過(guò)研宄EDA的優(yōu)化算法進(jìn)一步優(yōu)化了攝像機參數，然后配合改進(jìn)的yobv3檢測算法對停車(chē)場(chǎng)的車(chē)輛進(jìn)行3-D位置檢測，實(shí)現空閑車(chē)位的識別。最后本文研宄了在多種特征融合下的卡爾曼追蹤算法，通過(guò)利用特定的特征信息，實(shí)現了更加精確的追蹤效果。本章對本文所做的工作進(jìn)簡(jiǎn)要總結，并對未來(lái)該研宄可能的研宄新方向進(jìn)行展望。

　　1.18總結

　　構建智慧停車(chē)場(chǎng)，研究視覺(jué)算法實(shí)現在停車(chē)場(chǎng)進(jìn)行空閑車(chē)位識別計數，泊車(chē)導航具有重要意義。本文主要的研宄內容及工作成果如下：

　　（1）針對現有空閑停車(chē)位識別受相鄰車(chē)位車(chē)輛影響以及拍攝視頻角度問(wèn)題引起的2-D檢測框密集造成的檢測誤差等問(wèn)題。本文提出了利用相機標定和車(chē)輛檢測實(shí)現的車(chē)位識別算法，通過(guò)3-D位置空間的停車(chē)位對比，和車(chē)輛檢測算法的改進(jìn)使用提高了檢測準確率。首先，本文使用了HSV顏色空間對視頻幀進(jìn)行預處理，并進(jìn)一步采用形態(tài)學(xué)運算和Hough變換檢測3-D空間具有相互平行特征的停車(chē)場(chǎng)車(chē)位線(xiàn)。然后利用車(chē)位線(xiàn)實(shí)現了基于消失點(diǎn)估計的相機標定算法。通過(guò)介紹攝像機的成像模型，推導從圖像平面的像素點(diǎn)坐標到世界坐標系中的三維坐標點(diǎn)之間的映射關(guān)系，完成根據一對正交消失點(diǎn)坐標計算得到攝像機的內部參數和外部參數。接下來(lái)，根據3-D位置空間對停車(chē)場(chǎng)進(jìn)行預置位置建模，本文進(jìn)一步通過(guò)對y〇l〇v3檢測算法做了改進(jìn)訓練來(lái)對停車(chē)場(chǎng)車(chē)輛進(jìn)行檢測，通過(guò)篩選從而確定空閑停車(chē)位，達到了車(chē)位識別的目的。

　　（2）針對停車(chē)場(chǎng)場(chǎng)景，本文在3-D空間完成了攝像頭融合，統一了3-D位置信息。然后設計了多特征融合的卡爾曼車(chē)輛追蹤算法。根據本文實(shí)現的車(chē)位識別算法功能，可以獲取對車(chē)輛停車(chē)的位置路線(xiàn)規劃。本文創(chuàng )新的在特征匹配中加入了新的特征，首先將追蹤車(chē)輛的檢測中心通過(guò)2-D到3-D空間的轉換，然后從車(chē)輛的3-D位置點(diǎn)向規劃路徑直線(xiàn)做垂線(xiàn)，計算該點(diǎn)到最優(yōu)路線(xiàn)的距離，將該距離作為新的特征與車(chē)輛顏色和檢測框特征信息進(jìn)行融合，利用融合特征做特征匹配，在車(chē)輛追蹤的過(guò)程中很好的處理了遮擋問(wèn)題。另外在無(wú)遮擋環(huán)境下，利用自適應的特征權重調整很好了利用各特征在匹配過(guò)程中的表現，動(dòng)態(tài)更新權重使得特征匹配更準確。所有研究成果分別在不同的公開(kāi)數據集上進(jìn)行實(shí)驗，實(shí)驗結果證明了所提算法具有很高的魯棒性和準確性，而且所提出的算法完全基于停車(chē)場(chǎng)場(chǎng)景，不需要其他的額外的工作，大大提升了算法的可應用性。

　　1.19展望

　　本文從車(chē)位識別和泊車(chē)導航兩個(gè)方面對停車(chē)場(chǎng)輔助泊車(chē)定位進(jìn)行研究，但是本文研究的點(diǎn)比較集中，還有很多在構建智慧停車(chē)場(chǎng)中需要做的工作，以及在一些算法上還有進(jìn)一步改進(jìn)空間。在車(chē)位識別的算法方案中，首先本文所提出的基于消失點(diǎn)估計實(shí)現相機標定的過(guò)程需要在眾多消失點(diǎn)候選點(diǎn)來(lái)保證準確性，本文所提出的利用車(chē)位線(xiàn)獲取消失點(diǎn)，同樣需要對大量候選點(diǎn)進(jìn)行篩選迭代估計。未來(lái)可以考慮加入輔助特征和一些優(yōu)化算法減少候選點(diǎn)的需求。另外，在城市停車(chē)場(chǎng)中往往車(chē)位線(xiàn)不夠清晰，可能會(huì )出現車(chē)位線(xiàn)獲取失敗的結果，而且車(chē)位線(xiàn)還具有斜線(xiàn)類(lèi)別。

　　未來(lái)可以考慮直接加入多組平行線(xiàn)的方式直接建立多個(gè)消失點(diǎn)計算相機參數，還可以考慮加入對停車(chē)場(chǎng)車(chē)輛邊緣的獲取，利用停車(chē)場(chǎng)車(chē)輛的輪廓線(xiàn)實(shí)現相機標定。然后在車(chē)輛檢測算法上本文改進(jìn)使用的y〇l〇v3算法雖然兼具了實(shí)時(shí)性和準確性高兩個(gè)優(yōu)點(diǎn)，但是在停車(chē)場(chǎng)商用系統情況下還需要更加精確的檢測識別。未來(lái)可以考慮將車(chē)位檢測算法和純車(chē)位空間識別算法相結合，因為空車(chē)位檢測對停車(chē)場(chǎng)樹(shù)木等遮擋環(huán)境下表現更好，可以通過(guò)算法融合，研究看是否能夠進(jìn)一步提高空閑車(chē)位的識別率。在停車(chē)場(chǎng)車(chē)輛追蹤的研宄中，本文著(zhù)重于對停車(chē)場(chǎng)內的車(chē)輛追蹤算法的研究。在未來(lái)可以考慮利用攝像頭在追蹤算法中加入障礙物預警系統。因為負責追蹤導航的沿途攝像頭，可以幫助識別車(chē)輛前方信息，特別是在室內停車(chē)場(chǎng)，空間較為狹小，轉彎較多，通過(guò)攝像頭對環(huán)境信息的檢測，可以有效提醒車(chē)輛障礙物的信息。

　　另外，本文暫時(shí)沒(méi)有考慮車(chē)輛偏離規劃行駛路線(xiàn)的處理，未來(lái)可以將整個(gè)算法與通信系統構建進(jìn)一步聯(lián)系，實(shí)現更加精準的導航控制系統。最后，本文算法目前大部分都是在CPU下實(shí)現，對于視頻處理，通過(guò)GPU可以加快算法的運行速度，進(jìn)一步提高效率，未來(lái)將部分算法通過(guò)GPU實(shí)現可以大大降低耗時(shí)。

致謝

　　時(shí)光如梭，一晃二十年的校園讀書(shū)生涯即將結束，三年的研宄生生活轉瞬即逝。回想研宄生這三年時(shí)光，生活中滿(mǎn)是幸福，滿(mǎn)是感恩，感恩遇到的各位摯友，也感恩對我研宄生生活十分重要的老師們。這是一段揮灑著(zhù)汗水和激情的時(shí)光，也是一段充滿(mǎn)著(zhù)香甜和幸福感的時(shí)光。實(shí)驗室的生活不僅讓我在科研道路上有了滿(mǎn)滿(mǎn)收獲感，也讓我在生活中成長(cháng)頗多，學(xué)會(huì )了更多包容更多理解。真誠的感謝我的導師劉勇教授。

　　劉老師對待學(xué)術(shù)一絲不茍的精神深深的影響了我，在科研上劉老師追求創(chuàng )新，在每一項研宄上追求極致。記得剛入研一的時(shí)候，劉老師每每告誡我們，光陰易逝，要好好珍惜研究生生活，抓緊時(shí)間多多學(xué)習，學(xué)習的知識是自己的寶貴財富，誰(shuí)都拿不走。這段話(huà)一直陪伴我的研宂生生涯，讓我每次松懈時(shí)都會(huì )再次打起精神，砥礪前進(jìn)。實(shí)驗室的發(fā)展離不開(kāi)劉老師的辛勤耕耘，學(xué)生的成長(cháng)也離不開(kāi)劉老師的敦敦教誨，劉老師為實(shí)驗室揮灑汗水，為學(xué)生盡心盡力。再次感謝劉老師的辛勤付出。

　　真誠的感謝杜海清老師，杜老師是一位和藹可親的女老師，她的存在讓我感受到了母親的關(guān)愛(ài)，讓我這個(gè)異地求學(xué)的學(xué)子感受到了家的溫暖。同時(shí)杜老師還是一位非常細心的老師，在實(shí)驗室例會(huì )上杜老師總能一陣見(jiàn)血的提出對問(wèn)題的見(jiàn)解，常常讓我茅塞頓開(kāi)。杜老師還總是提醒我們做科研要關(guān)注其背后的意義，要讓我們的研宄實(shí)現它的價(jià)值。

　　另外，杜老師對我的論文指導十分耐心，非常高興能夠在這樣一位好老師的教導下做課題研究。真誠的感謝實(shí)驗室的王娜，毛妤，劉洋三位師姐，她們在科研上給了我很多幫助，并且教會(huì )我如何利用寶貴時(shí)間提升自己。每當我在科研上遇到困難時(shí)，總是可以通過(guò)她們找到解決辦法，在此對她們表示十分感謝。真誠的感謝實(shí)驗室同級的蘇航，蘇明蘭，高雅三位同學(xué)，在科研上我們是共同研宄，一起前行的好伙伴，在生活上我們是相互照顧，一起玩耍的好朋友。因為他們的存在，我的研宄生生活充滿(mǎn)了歡聲笑語(yǔ)，感謝他們陪我度過(guò)了這段美好時(shí)光。

　　最后深深的感謝我的父母，他們從來(lái)不會(huì )將自己的期望強加在我身上，每當我遇到困難時(shí)，家總是我最溫柔的港灣，父母的支持讓我充滿(mǎn)了動(dòng)力，他們的愛(ài)讓我生活充滿(mǎn)意義。真誠的感恩在母校遇到的每一個(gè)人，每一件事，所有的磨礪讓我茁壯成長(cháng)，所有經(jīng)歷帶給我無(wú)限回憶。最后感恩美麗的母校，在母校的三年研究生生活是我人生寶貴的記憶。

（如您需要查看本篇畢業(yè)設計全文，請您聯(lián)系客服索取）