张健-大创项目研究报告

1、精品文档广西科技高校高校生创新创业训练方案工程工程名称 平行泊车帮助系统中的视觉测量的争辩 工程名称： 平行泊车帮助系统中的视觉测量的争辩工程类别： 创新训练工程 创业训练工程 创业实践工程工程负责人： 张 健 负责人所在院系： 电气与信息工程学院 填表日期： 2021年6月4日 2021年 6 月 4 日摘要随着科技的进展，人们对汽车的需求度以及购置量与日俱增。车子越来越多，可是路边供停车的泊车位却是有限的，怎样有效地把车子停入车位，不仅要依靠娴熟的驾车技术，更是要依靠现代化技术来帮助完成。本工程主要争辩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与前车的横向

2、距离，自主推断是否会与前车发生擦碰以及自主推断是否擦碰上路肩。通过摄像头所拍摄到的图像，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当进行。本模拟碰撞系统通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，在其根底上把平行泊车过程划分了几个步骤，找到本工程争辩的这4个问题发生在哪一阶段，及易发生碰撞的擦碰点。本课题将针对平行泊车过程中对车位的检测、自动检测车辆相对前车的横向距离、车身擦碰的猜测以及车辆与路肩的擦碰猜测这4个方面逐一争辩如何通过视觉检测来解决问题。关键词：平行泊车；神经网络； 视觉测量； 障碍物检测；1.工程争辩背景 在试验初期，我们查找了大量文献，觉察

3、现有的解决方案并不能很好的实现平行泊车的帮助测量。重庆高校的黄席樾、朱雷、杨璟、李强1 在2021年使用了TMS320C620lDSP芯片作为核心器件，用于实时图像处理，能够牢靠地检测道路、障碍物的存在及其距离。但也存在缺乏：该数字处理器使用方法略有繁琐，该算法不能从根本上解决问题。又如魏喜明在2021年比照毫米波雷达与图像处理的优缺点的根底上，提出毫米波雷达，并研发了毫米波与图像处理相结合的智能避撞方案【2】：该方法可实现可实现智能避撞又可削减虚警的发生。但是这种方案仍有缺陷：由于停车点不固定，所以雷达测速测距离的误差很大，结论值并不能应用于全部环境。刘波、钟幼强、金施群、修亮2021年运用

4、DSP系统分析处理，对特别状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的方法，以充分发挥二者的优点弥补自身的缺陷，并且对该系统的运行平台进行了设计。所以面对平行泊车这一工程，视觉测量仍是一种很好的解决方案。2. 工程的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、通过检测两车之间的距离，猎取最优泊车位置、通过视觉检测技术检测出泊车时两车的相对位置关系，从而猜测出两车是否会发生碰撞以及自主推断是否碰撞上路边的路阶。以上争辩结果所建立的模拟系统可应用于平行泊车帮助系统。3. 实施过程3.1车位的检测通过摄像头拍摄所得的图像点坐标输入到网络中使之输出为摄像头拍摄所得的图像点的

5、世界坐标。 首先,探讨基于机器视觉平行泊车位的自动检测课题争辩的背景及意义，了解国内外在该领域的争辩现状及进展状况，确定基于机器视觉平行泊车位的自动检测课题的争辩流程。 其次接受摄像头猎取图像，进行摄像机标定试验，基于机器视觉平行泊车位的自动检测图像采集，模拟小车泊车时前头和车尾车姿的状况，记录相关的试验数据。最终基于机器视觉平行泊车位的自动检测图像采集，模拟小车泊车车姿车位的状况，并记录相关数据，对前车位线和后车位线的角度分状况争辩，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相对于前车的平行距离 通过小车前

6、后车轮与地面的相交点的图像坐标输入到网络中使之输出为小车前后车轮与地面的相交点的实际坐标。基于单目视觉的争辩，同时接受了基于BP神经网络的标定方法，估测特征点的实际位置，然后依据特征点的世界坐标求取距离。首先，接受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，确定三维空间物体的具体位置与其在图像上的像素点坐标的对应关系。再利用标定好的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的图像采集，并从采集到的图像提取特征点的图像坐标，本文提取的特征点主要是前车前、后车轮与地面的相交点。然后利用标定好的网络求取前车特征点的世界坐标值，结合几何运算方

7、法求解两车之间的距离。最终将实际距离与求得的距离比较分析，虽然在求得的数据上有个别存在的误差比较大，但从整体来看，利用本文提出的方法与运算还是可行的。3.3 车辆与其他车身擦碰的猜测通过输入前车的图像坐标输入到网络中使之输出是否会与前车发生碰撞。通过使用安装在模拟小汽车上的摄像头摄取地面标定点的图像和屡次模拟平行泊车时车身擦碰的实际图像，并记录相关数据。然后在计算机中运用MATLAB软件通过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与地面的世界坐标系之间的关联。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，比照试验组和模拟组结果，得出最终结论。3.4车辆

8、与路肩擦碰的猜测通过摄像头所拍摄到的图像，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，在其根底上把平行泊车过程划分了几个步骤，找到本工程争辩的问题发生在哪一阶段。其次，针对碰撞试验，对所拍摄的图像进行图像处理，输入为拍摄到的图像，输出为所拍图像的灰度图；再进行特征点的提取，输入为灰度图，输出为灰度图上路肩线所在直线上的任意两个点；最终进路肩提取，输入为提取的几组特征点，输出为路肩线所在的直线方程。再次，对路肩的实际位置进行提取，输入为路肩在图像上的直线方程特征点，输出为路肩的模拟实际位置直线方程及特征点。最终，进行模拟路肩擦碰猜测，输入为检测试验的图像，输出为关于是

9、否碰撞的猜测。4. 取得的成果基于机器视觉平行泊车位的自动检测课题争辩中接受40多个棋子进行标定，后面接受5个不同角度，其中每个角度根本都相协作过一次，具有不错的争辩范围，在最终结果中符合实际，试验误差并在预期范围内。根本完成了泊车位的检测要求。相对前车的横向距离这一课题时，提取的特征点是前车的前、后车轮与地面的相交点；最终依据几何建模，利用几何运算公式计算得两车之间的距离。试验结果算得的距离与实际距离的最大误差为3.72%，最小误差为0.15%，平均误差为2.28%。试验结果说明提出的方法具有肯定的精确性与牢靠性，能够为驾驶员供给精确有效地信息。与前车车身擦碰的猜测的试验中一共做了33组模拟

10、碰撞试验，模拟碰撞试验结果说明：经过碰撞神经网络程序处理后的模拟碰撞结果与真实碰撞结果相差不大，精确度到达96.97%。此方法具有较高的实时性和精确性，对平行泊车过程中可能消灭的擦碰起到很好的猜测作用。车辆与路肩碰撞的猜测中，神经网络模拟输出的碰撞结果与碰撞试验的碰撞结果全都。所以用处理碰撞试验图像方法和通过神经网络模拟碰撞结果的方法都能模拟碰撞结果。通过碰撞试验与神经网络相结合，完成了模拟碰撞结果的工作，并在此试验样本中到达了完全命中的猜测结果，实现了自动泊车系统中的与路肩的擦碰的猜测。5. 特色与创新点相比于传统的雷达泊车系统及后视摄像头，我们的图像处理方法真正的做到了完全脱离人工的智能平行泊车。通过图像处理，我们可以更精准的拟合平行泊车的驾车环境及成果。6. 心得体会通过这一年的创新创业训练工程的实施争辩,我深深感受到了指导老师和团队合作的重要性和重要性,格外感谢我们的指导老师,感谢团队不计回报的付出,在这个过程中,我获得了熬炼和成长,大大拓展了我的思维力量.在以后的学习工作中我也将不断修正提升自己.参考文献1黄席樾 朱雷 杨璟 李强 T