张健大创综合项目研究应用报告.doc

广西科技大学
大学生创新创业训练计划项目

项目名称 平行泊车辅助系统中视觉测量研究

项目名称： 平行泊车辅助系统中视觉测量研究
项目类别：　 创新训练项目þ 创业训练项目□
创业实践项目□
项目责任人： 张 健
责任人所在院系： 电气和信息工程学院
填表日期： 6月4日

6 月 4 日

摘要

伴随科技发展，大家对汽车需求度和购置量和日俱增。车子越来越多，可是路边供停车泊车位却是有限，怎样有效地把车子停入车位，不仅要依靠熟练驾车技术，更是要依靠现代化技术来辅助完成。
本项目关键研究在平行泊车（侧方停车）过程中，基于机器视觉自动检测平行泊车位，检测平行泊车中车辆和前车横向距离，自主判定是否会和前车发生擦碰和自主判定是否擦碰上路肩。经过摄像头所拍摄到图像，经过一系列图像处理最终得出这个平行泊车（侧方位停车）过程能否顺利进行。本模拟碰撞系统经过大量模拟试验后可应用于自动泊车系统。
首先，了解何为平行泊车，在其基础上把平行泊车过程划分了多个步骤，找到本项目研究这4个问题发生在哪一阶段，及易发生碰撞擦碰点。
本课题将针对平行泊车过程中对车位检测、自动检测车辆相对前车横向距离、车身擦碰估计和车辆和路肩擦碰估计这4个方面逐一研究怎样经过视觉检测来处理问题。

关键词：平行泊车；神经网络； 视觉测量； 障碍物检测；

1.项目研究背景
在试验早期，我们查找了大量文件，发觉现有处理方案并不能很好实现平行泊车辅助测量。重庆大学黄席樾、朱雷、杨璟、李强[1] 在使用了TMS320C620lDSP芯片作为关键器件，用于实时图像处理，能够可靠地检测道路、障碍物存在及其距离。但也存在不足：该数字处理器使用方法略有繁琐，该算法不能从根本上处理问题。又如魏喜明在对比毫米波雷达和图像处理优缺点基础上，提出毫米波雷达，并研发了毫米波和图像处理相结合智能避撞方案【2】：该方法可实现可实现智能避撞又可降低虚警发生。不过这种方案仍有缺点：因为停车点不固定，所以雷达测速测距离误差很大，结论值并不能应用于全部环境。刘波、钟幼强、金施群、修亮利用DSP系统分析处理，对异常情况给出告警信号红外视觉检测。图像处理相结合实现主动避撞方法，以充足发挥二者优点填补本身缺点，而且对该系统运行平台进行了设计。所以面对平行泊车这一项目，视觉测量仍是一个很好处理方案。

2. 项目标意义
在平行泊车过程中，拍摄到停车位并快速计算出停车位大小、经过检测两车之间距离，获取最优泊车位置、经过视觉检测技术检测出泊车时两车相对位置关系，从而估计出两车是否会发生碰撞和自主判定是否碰撞上路边路阶。以上研究结果所建立模拟系统可应用于平行泊车辅助系统。

3. 实施过程
3.1车位检测
经过摄像头拍摄所得图像点坐标输入到网络中使之输出为摄像头拍摄所得图像点世界坐标。
首先,探讨基于机器视觉平行泊车位自动检测课题研究背景及意义，了解中国外在该领域研究现实状况及发展情况，确定基于机器视觉平行泊车位自动检测课题研究步骤。
其次采取摄像头获取图像，进行摄像机标定试验，基于机器视觉平行泊车位自动检测图像采集，模拟小车泊车时前头和车尾车姿情况，统计相关试验数据。
最终基于机器视觉平行泊车位自动检测图像采集，模拟小车泊车车姿车位情况，并统计相关数据，对前车位线和后车位线角度分情况讨论，做出表格，然后用BP神经网络综合处理数据后，计算出左边路沿和右边路牙距离，得出平行泊车位大小，最终进行误差分析，结果分析。

3.2相对于前车平行距离
经过小车前后车轮和地面相交点图像坐标输入到网络中使之输出为小车前后车轮和地面相交点实际坐标。
基于单目视觉研究，同时采取了基于BP神经网络标定方法，估测特征点实际位置，然后依据特征点世界坐标求取距离。首先，采取BP神经网络标定方法对摄像机进行标定，建立图像坐标和世界坐标，确定三维空间物体具体位置和其在图像上像素点坐标对应关系。再利用标定好摄像机进行图像采集，在测距模拟试验中，小车模拟前车，椅子模拟本车，实现车辆视觉对前车图像采集，并从采集到图像提取特征点图像坐标，本文提取特征点关键是前车前、后车轮和地面相交点。然后利用标定好网络求取前车特征点世界坐标值，结合几何运算方法求解两车之间距离。最终将实际距离和求得距离比较分析，即使在求得数据上有部分存在误差比较大，但从整体来看，利用本文提出方法和运算还是可行。

3.3 车辆和其它车身擦碰估计
经过输入前车图像坐标输入到网络中使之输出是否会和前车发生碰撞。
经过使用安装在模拟小汽车上摄像头摄取地面标定点图像和数次模拟平行泊车时车身擦碰实际图像，并统计相关数据。然后在计算机中利用MATLAB软件经过BP神经网络程序对试验所得图片数据进行处理，找到图像像素坐标系和地面世界坐标系之间关联。最终再将多组模拟碰撞试验数据代入碰撞神经网络中，得出模拟碰撞结果，对照试验组和模拟组结果，得出最终止论。

3.4车辆和路肩擦碰估计
经过摄像头所拍摄到图像，输出平行泊车（侧方位停车）过程中，是否会擦碰上路肩。
首先，了解何为平行泊车，在其基础上把平行泊车过程划分了多个步骤，找到本项目研究问题发生在哪一阶段。
其次，针对碰撞试验，对所拍摄图像进行图像处理，输入为拍摄到图像，输出为所拍图像灰度图；再进行特征点提取，输入为灰度图，输出为灰度图上路肩线所在直线上任意两个点；最终进路肩提取，输入为提取几组特征点，输出为路肩线所在直线方程。
再次，对路肩实际位置进行提取，输入为路肩在图像上直线方程特征点，输出为路肩模拟实际位置直线方程及特征点。
最终，进行模拟路肩擦碰估计，输入为检测试验图像，输出为相关是否碰撞估计。

4. 取得结果
基于机器视觉平行泊车位自动检测课题研究中采取40多个棋子进行标定，后面采取5个不一样角度，其中每个角度基础全部相配合过一次，含有不错研究范围，在最终结果中符合实际，试验误差并在预期范围内。基础完成了泊车位检测要求。
相对前车横向距离这一课题时，提取特征点是前车前、后车轮和地面相交点；最终依据几何建模，利用几何运算公式计算得两车之间距离。试验结果算得距离和实际距离最大误差为3.72%，最小误差为0.15%，平均误差为2.28%。试验结果表明提出方法含有一定正确性和可靠性，能够为驾驶员提供正确有效地信息。
和前车车身擦碰估计试验中一共做了33组模拟碰撞试验，模拟碰撞试验结果表明：经过碰撞神经网络程序处理后模拟碰撞结果和真实碰撞结果相差不大，正确度达成96.97%。此方法含有较高实时性和正确性，对平行泊车过程中可能出现擦碰起到很好估计作用。
车辆和路肩碰撞估计中，神经网络模拟输出碰撞结果和碰撞试验碰撞结果一致。所以用处理碰撞试验图像方法和经过神经网络模拟碰撞结果方法全部能模拟碰撞结果。经过碰撞试验和神经网络相结合，完成了模拟碰撞结果工作，并在此试验样本中达成了完全命中估计结果，实现了自动泊车系统中和路肩擦碰估计。

5. 特色和创新点
相比于传统雷达泊车系统及后视摄像头，我们图像处理方法真正做到了完全脱离人工智能平行泊车。经过图像处理，我们能够更正确拟合平行泊车驾车环境及结果。

6. 心得体会
经过这十二个月创新创业训练项目标实施研究,我深深感受到了指导老师和团体合作关键性和关键性,很感谢我们指导老师,感谢团体不计回报付出,在这个过程中,我取得了锻炼和成长,大大拓展了我思维能力.在以后学习工作中我也将不停修正提升自己.

参考文件

[1]黄席樾 朱雷 杨璟 李强 TMS320C620l在汽车智能主动安全系统中应用，重
庆大学学报，,11:11-12
[2]魏喜明. 基于毫米波和图像处理汽车智能避撞系统研究，东北大学硕士
学位论文，,2:15-17
[3]刘波 钟幼强 金施群 修亮.基于红外图像处理高速公路汽车追尾预警系统
研究，中国仪器仪表，,12:25-26