张健大创项目研究报告样本

广西科技大学大学生创新创业训练筹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：创新训练项目创业训练项目□创业实践项目□项目负责人：张健负责人所在院系：电气与信息工程学院填表日期：6月4日6月4日摘要随着科技发展，人们对汽车需求度以及购买量与日俱增。车子越来越多，可是路边供停车泊车位却是有限，如何有效地把车子停入车位，不但要依托纯熟驾车技术，更是要依托当代化技术来辅助完毕。本项目重要研究在平行泊车（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与前车横向距离，自主判断与否会与前车发生擦碰以及自主判断与否擦碰上路肩。通过摄像头所拍摄到图像，通过一系列图像解决最后得出这个平行泊车（侧方位停车）过程能否顺利进行。本模仿碰撞系统通过大量模仿实验后可应用于自动泊车系统。一方面，理解何为平行泊车，在其基本上把平行泊车过程划分了几种环节，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、车身擦碰预测以及车辆与路肩擦碰预测这4个方面逐个研究如何通过视觉检测来解决问题。核心词：平行泊车；神经网络；视觉测量；障碍物检测；1.项目研究背景在实验初期，咱们查找了大量文献，发现既有解决方案并不能较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芯片作为核心器件，用于实时图像解决，可以可靠地检测道路、障碍物存在及其距离。但也存在局限性：该数字解决器用法略有繁琐，该算法不能从主线上解决问题。又如魏喜明在对比毫米波雷达与图像解决优缺陷基本上，提出毫米波雷达，并研发了毫米波与图像解决相结合智能避撞方案【2】：该办法可实现可实现智能避撞又可减少虚警发生。但是这种方案仍有缺陷：由于停车点不固定，因此雷达测速测距离误差很大，结论值并不能应用于所有环境。刘波、钟幼强、金施群、修亮运用DSP系统分析解决，对异常状况给出告警信号红外视觉检测。图像解决相结合实现积极避撞办法，以充分发挥两者长处弥补自身缺陷，并且对该系统运营平台进行了设计。因此面对平行泊车这一项目，视觉测量仍是一种较好解决方案。项目意义在平行泊车过程中，拍摄到停车位并迅速计算出停车位大小、通过检测两车之间距离，获取最优泊车位置、通过视觉检测技术检测出泊车时两车相对位置关系，从而预测出两车与否会发生碰撞以及自主判断与否碰撞上路边路阶。以上研究成果所建立模仿系统可应用于平行泊车辅助系统。实行过程3.1车位检测通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。一方面,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，理解国内外在该领域研究现状及发展状况，拟定基于机器视觉平行泊车位自动检测课题研究流程。另一方面采用摄像头获取图像，进行摄像机标定实验，基于机器视觉平行泊车位自动检测图像采集，模仿小车泊车时前头和车尾车姿状况，记录有关实验数据。最后基于机器视觉平行泊车位自动检测图像采集，模仿小车泊车车姿车位状况，并记录有关数据，对前车位线和后车位线角度分状况讨论，做出表格，然后用BP神经网络综合解决数据后，计算出左边路沿和右边路牙距离，得出平行泊车位大小，最后进行误差分析，成果分析。3.2相对于前车平行距离通过小车先后车轮与地面相交点图像坐标输入到网络中使之输出为小车先后车轮与地面相交点实际坐标。基于单目视觉研究，同步采用了基于BP神经网络标定办法，估测特性点实际位置，然后依照特性点世界坐标求取距离。一方面，采用BP神经网络标定办法对摄像机进行标定，建立图像坐标和世界坐标，拟定三维空间物体详细位置与其在图像上像素点坐标相应关系。再运用标定好摄像机进行图像采集，在测距模仿实验中，小车模仿前车，椅子模仿本车，实现车辆视觉对前车图像采集，并从采集到图像提取特性点图像坐标，本文提取特性点重要是前车前、后车轮与地面相交点。然后运用标定好网络求取前车特性点世界坐标值，结合几何运算办法求解两车之间距离。最后将实际距离与求得距离比较分析，虽然在求得数据上有个别存在误差比较大，但从整体来看，运用本文提出办法与运算还是可行。3.3车辆与其她车身擦碰预测通过输入前车图像坐标输入到网络中使之输出与否会与前车发生碰撞。通过使用安装在模仿小汽车上摄像头摄取地面标定点图像和多次模仿平行泊车时车身擦碰实际图像，并记录有关数据。然后在计算机中运用MATLAB软件通过BP神经网络程序对实验所得图片数据进行解决，找到图像像素坐标系与地面世界坐标系之间关联。最后再将多组模仿碰撞实验数据代入碰撞神经网络中，得出模仿碰撞成果，对照实验组和模仿组成果，得出最后结论。3.4车辆与路肩擦碰预测通过摄像头所拍摄到图像，输出平行泊车（侧方位停车）过程中，与否会擦碰上路肩。一方面，理解何为平行泊车，在其基本上把平行泊车过程划分了几种环节，找到本项目研究问题发生在哪一阶段。另一方面，针对碰撞实验，对所拍摄图像进行图像解决，输入为拍摄到图像，输出为所拍图像灰度图；再进行特性点提取，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；最后进路肩提取，输入为提取几组特性点，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性点，输出为路肩模仿实际位置直线方程及特性点。最后，进行模仿路肩擦碰预测，输入为检测实验图像，输出为关于与否碰撞预测。获得成果基于机器视觉平行泊车位自动检测课题研究中采用40各种棋子进行标定，背面采用5个不同角度，其中每个角度基本都相配合过一次，具备不错研究范畴，在最后成果中符合实际，实验误差并在预期范畴内。基本完毕了泊车位检测规定。相对前车横向距离这一课题时，提取特性点是前车前、后车轮与地面相交点；最后依照几何建模，运用几何运算公式计算得两车之间距离。实验成果算得距离与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%。实验成果表白提出办法具备一定精确性与可靠性，可觉得驾驶员提供精确有效地信息。与前车车身擦碰预测实验中一共做了33组模仿碰撞实验，模仿碰撞实验成果表白：通过碰撞神经网络程序解决后模仿碰撞成果与真实碰撞成果相差不大，精确度达到96.97%。此办法具备较高实时性和精确性，对平行泊车过程中也许浮现擦碰起到较好预测作用。车辆与路肩碰撞预测中，神经网络模仿输出碰撞成果与碰撞实验碰撞成果一致。因此用解决碰撞实验图像办法和通过神经网络模仿碰撞成果办法都能模仿碰撞成果。通过碰撞实验与神经网络相结合，完毕了模仿碰撞成果工作，并在此实验样本中达到了完全命中预测成果，实现了自动泊车系统中与路肩擦碰预测。特色与创新点相比于老式雷达泊车系统及后视摄像头，咱们图像解决办法真正做到了完全脱离人工智能平行泊车。通过图像解决，咱们可以更精准拟合平行泊车驾车环境及成果。心得体会通过这一年创新创业训练项目实行研究,我深深感受到了指引教师和团队合伙重要性和重要性,非常感谢咱们指引教师,感谢团队不计回报付出,在这个过程中,我获得了锻炼和成长,大大拓展了我思维能力.在后来学习工作中我也将不断修正提高自己.参照文献[1]黄席樾朱雷杨璟