论文部分内容阅读
随着近几年经济的快速发展,汽车的数量呈指数增长,汽车在人们日常生活中的作用也变得越来越重要。但是,汽车在给人们带来快捷方便的同时,由于逐年恶化的交通事故,也给人们的生命财产和国民经济造成了巨大损失。分析研究发现,无意识的偏离车道和闯红灯是导致交通事故的重要原因。为了减少偏离车道和闯红灯导致的交通事故,基于机器视觉与模式识别技术的车辆辅助驾驶系统成为智能交通的一个重要研究领域,同时也是无人驾驶研究领域的关键环节和难点之一。目前,虽然计算机技术和人工智能等技术都在飞速发展,新的目标定位及识别方法不断涌现,但是针对车辆辅助系统的高实时性要求,以及复杂的道路背景和多变的天气环境,这些都给现有的车道偏离预警系统和交通信号灯自动识别系统带来不可逾越的障碍。现有的方法大多是基于PC上的算法研究,因为这种模型能够快速实现和评估各种处理算法。然而,由于道路数据信息量大,以致串行的PC很难实时处理并反馈,并且基于PC的车辆辅助系统也很难实现经济有效的大规模生产。针对以上问题,本文提出了基于FPGA的车道偏离预警系统和红绿灯自动识别系统,利用FPGA的并行特性,可有效的实现系统的实时处理和反馈,并为设计出一款合理的电子解决方案,来实现经济有效的大规模生产提供了可行性保障。围绕上述问题,本文的研究工作主要如下：1.在对大量的车道偏离预警系统研究的基础上,本文研究提出了一套完整的基于FPGA的车道偏离预警系统,并详细阐述了如何在FPGA上实现高斯平滑算法,不但充分利用了FPGA并行的优良特性,还节省了FPGA的宝贵资源。在车道线检测环节,采用了简单的直线模型,在保证车道线检测效果的同时,还提出了一种基于直线模型的预警模型,大大降低了系统的复杂度,为系统的实时性做出了巨大贡献。2.在交通信号灯自动识别系统中,颜色和几何特性是交通信号灯最明显的特征,本文充分结合这两个特征,先对图像进行颜色分割,提取出交通灯的候选区域,并在此基础上进行面积过滤和几何特性过滤,对得到的稳定的候选区再进行圆拟合,大大的提高了检测交通灯的准确率。在圆的拟合过程中分析了Hough算法优缺点,最终在FPGA上实现最小二乘法拟合圆的方法。