研究生开题报告

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日学科代码080203编号0451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统[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。22、国内外研究现状2.1智能车辆的研究现状国外智能车辆的研究历史较长，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，美国卡内基.梅隆大学（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[16]。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下，将驾驶车辆的职责交给自动驾驶技术可以应用到交通运输当中”[17]。这意味着在不久的将来，自动驾驶智能车辆将真正的走进大众的生活。相比于国外，我国开展智能车辆技术方面的研究起步较晚，开始于20世纪80年代。而且大多数研究处在于针对某个单项技术研究的阶段。但是也取得了一系列的重要成果：中国第一汽车集团公司和国防科技大学机电工程与自动化学院于2003年研制成功我国第一辆自主驾驶轿车；2016年3月由中国电子科技大学研制成功的中国第一代警用标准巡逻原型车，可以在120公里/小时的速度下，自动捕获方圆60米视野内的人脸，识别其性别、年龄，并可与已有人脸库进行比对分析，按人员特征进行筛选识别，对可疑人员做出警报提示；2016年4月，由长安公司自主研发的无人驾驶汽车，从重庆开往北京，历时6天，测试总里程超过2000公里。智能小车相对于智能车辆而言，其研究成本更低、拓展性更强、普及率更广。因此对于智能小车的研究具有很高的实际意义和科学理论价值。2016年05月08日Puma联合NASA、麻省理工的机器人工程师及研究人员，开发出一款基于Arduino平台，能够通过智能手机精确控制行驶速度和距离，名为Beatbot的竞速机器人，它可以自动识别跑道并跟上运动员的步伐，速度甚至可以超越奥运冠军博尔特。而我国很多高校、研究所研发设计的智能小车普遍能够实现循迹、避障、检测贴片、寻光入库、避崖等功能，更有的增设许多其他功能，例如在近几届的电子设计大赛中，智能小车又在向声音控制、无线定位以及视频传输与物体识别等方向发展，其中较为出名的飞思卡尔智能小车更是走在前列[18-19]。但是智能小车在对目标识别与跟踪方面，多数设计方案采用的均为红外、超声波传感器对距离的测量来实现目的识别，所使用的方法较为单一。本文采用了基于单目视觉的视频采集与图像处理技术对目标物进行智能的筛选与分析，较之于传统的红外以及超声波测距识别更为直观、准确并且适用范围更广、容错率更高[20]。对于智能车辆目标识别与自动驾驶技术的研究具有一定的参考意义。32.2跟踪技术研究现状常用的跟踪的方法有很多种，如基于红外、超声波等测距传感器、基于视频图像的视觉传感器、基于射频识别RFID(RadioFrequencyIdentification)技术、基于全球定位系统GPS(GlobalPositioningSystem)导航及无线电定位与导航等[21-22]。本文所采用的视觉跟踪方法相对于其他的几种方法是最直观也是最困难的，它需要利用摄像机来获取外部环境的图像信息并将之转换成数字信号，通过PC机、微处理器或者其他嵌入式系统来实现对信号的采集与传输[23]。并对获取视频中一帧或者多帧图像的处理分析，从而帮助小车完成对周围环境信息的了解，这些信息通常包括物体的形状、姿态、位置、运动等，从其中筛选目标信息进行描述、存储、传输和处理，进而做出相应动作[24]。实现目标跟踪极为关键的部分在于对目标物的识别与定位，目标识别与定位是衡量整个跟踪技术水平高低的标杆[25]。目标识别是运用图像处理技术对所要跟踪的目标与其背景进行分离的操作[26]。现有的视觉跟踪算法根据被跟踪对象信息使用情况的不同，可大致分为基于对比度分析的目标跟踪、基于匹配的目标跟踪和基于检测的目标跟踪等[27]。基于对比度分析的目标跟踪算法的思想是利用目标与背景在对比度上的差异来提取、识别和跟踪目标[28]。这类算法按照跟踪参考点的不同又可分为边缘跟踪、形心跟踪和质心跟踪等[29]。基于匹配的目标跟踪算法是通过提取目标特征来进行识别，即是通过一种变换或者编码的方式，将数据从高维的原始特征空间经过映射，变换到低维空间来表示。目标特征包括几何形状、子空间特征、外形轮廓和特征点等[30]。其中特征点检测是匹配算法中常用的方法，其特性是不随光照和照相机视角的改变而改变。常用的特征点包括Moravec特征，Harris、Tomasi(KLT)和SIFT[31-32]等特征。基于运动检测的目标跟踪算法是通过检测序列图像中目标和背景的不同运动来发现目标存在的区域，其具有检测多个目标的能力，可用于多目标的检测跟踪，这类检测方法主要有帧间图像差分法、背景估计法、能量积累法、运动场估计法等。其中基于Camshift算法和基于流光法的目标跟踪是这一类目标跟踪方法的代表性算法[33-34]。近年来，对于视觉跟踪技术的研究，国内外众多学者也是不断提出各种新的思路和想法：Mansouri采用水平集方法进行轮廓跟踪，用于半径为r的环形邻近的完整目标区域内穷尽搜索每个像素计算流失量；江晓莲、李翠华、李雄宗提出的基于视觉显著性的两阶段采样突变目标跟踪法[35]；董文会等人提出将融合颜色直方图和SIFT特征检测相结合的自适应分块目标跟踪法[36]。MichaelKass、AndrewWitkin等人第一次提出了主动轮廓模型，设计了这样一种能量函数：其局部极值组成了可供高层视觉处理进行选择的方案，从该组方案中选择最优的一种是由能量项的迭加来完成[37]。视觉识别跟踪的算法种类繁多，总体上可大致分为基于模型的跟踪、基于区域的跟踪、基于活动轮廓的跟踪和基于特征的跟踪四种[38]。本文将通过实际实验对各类跟踪算法的优缺点进行调研和比较，结合实际硬件条件，开发并优化在本方案上运行最理想、跟踪效果最好的程序及算法。4二、课题研究目标、研究内容和拟解决的关键性问题1、研究目标（1）实现视频图像信息的实时采集与传输；（2）基于图像处理技术对视频图像进行分析与处理，快速识别目标物体并准确定位；（3）实现无人控制的自主跟随运动，在运动过程中智能避障并实时传输各类信息显示到PC端的上位机界面；2、研究内容本课题通过基于单目视觉的视频采集及图像处理技术，对具有规定特征的目标物体进行识别与跟踪，拟将重点研究以下三个方面的内容[39]：（1）基于STM32的小车实验平台搭建就所要实现的目的搭建小车实验平台。总体上可分为包括车体架构、信号采集系统和运动控制系统三个主要部分的设计与开发。其中车体架构包括直流电机、步进电机及舵机的选用与安装、各类电机驱动的优劣比较、电池电源以及稳压模块的合理选择等。信号采集系统由摄像头、红外传感器、超声波传感器以及无线模块等构成，主要完成对外部信号的实时采集与传输[40]。控制系统采用以STM32F1系列芯片为核心的控制开发板，实现对视频图像及其他信息的处理。合理分配与利用I/O接口驱动各个模块正常运作，通过对电机的控制，达到对小车总体的运动控制；开发相应上位机，使整个跟踪系统更为完善，通过无线模块将小车的实时信息传送到PC端，从而实现对小车跟踪状况的远程监测，以及在特殊情况下可以对小车进行人工控制[41]。（2）基于图像处理的算法优化及代码开发在小车实验平台的基础上，完成对现有跟随方式的调研，对上文中各类算法的优缺点进行分析与比较，重点分析基于单目视觉的小车导航算法[42]。对自主跟随小车的算法进行模拟与仿真，结合实际进行优化与改善。通过编写对小车控制的代码工程文件，将理论算法固化并应用于小车控制系统当中。以基于对比度分析跟踪中的质心跟踪算法优化过程为例。质心法跟踪基于如下数学原型：11111111,,,j,XYijXYijXYijXYij