1、智能車輛可以滿足人們?nèi)找嬖鲩L(zhǎng)的對(duì)汽車安全性、舒適性和便捷性的需求，并能在提高道路交通安全、降低事故損失方面起到重要作用，因此具有廣闊的應(yīng)用前景。在智能車輛的關(guān)鍵技術(shù)中，基于視覺的環(huán)境感知技術(shù)被公認(rèn)為是最具發(fā)展?jié)摿Φ募夹g(shù)之一，也是認(rèn)知計(jì)算領(lǐng)域里一個(gè)極具挑戰(zhàn)的課題。由于視覺信息的多義性、數(shù)據(jù)量大和易受環(huán)境干擾等特點(diǎn)，當(dāng)前計(jì)算機(jī)的視覺認(rèn)知能力還遠(yuǎn)沒(méi)有人類視覺系統(tǒng)那么智能和高效，而與傳統(tǒng)的計(jì)算機(jī)視覺問(wèn)題相比，智能車上的視覺感知計(jì)算需要面對(duì)更加復(fù)

2、雜多變的外部環(huán)境，同時(shí)還有汽車領(lǐng)域強(qiáng)實(shí)時(shí)、高可靠的應(yīng)用需求，其面臨著準(zhǔn)確性、穩(wěn)定性和實(shí)時(shí)性的三重挑戰(zhàn)。因此，開展智能車上視覺感知計(jì)算的關(guān)鍵技術(shù)研究具有重要的現(xiàn)實(shí)理論意義和應(yīng)用價(jià)值。
　　針對(duì)視覺感知計(jì)算面臨的主流挑戰(zhàn)，本文以湖南大學(xué)無(wú)人駕駛汽車驗(yàn)證平臺(tái)為依托，選取了智能車上幾個(gè)基礎(chǔ)而又關(guān)鍵的視覺感知計(jì)算問(wèn)題展開研究，重點(diǎn)對(duì)算法在實(shí)時(shí)性、準(zhǔn)確性和魯棒性上的性能權(quán)衡進(jìn)行綜合考慮。本文主要研究?jī)?nèi)容和貢獻(xiàn)包括如下幾個(gè)方面:
　　1.

3、提出一種基于改進(jìn)碼本模型的目標(biāo)檢測(cè)算法。針對(duì)現(xiàn)有碼本模型(CodebookModel)在RGB顏色空間下不能很好地契合其計(jì)算特性，且無(wú)法兼顧抗擾動(dòng)能力和分割質(zhì)量的問(wèn)題，提出在YUV顏色空間下建立碼本模型，然后利用高斯混合模型(GaussianMixtureModel，GMM)的思想，為碼本中每個(gè)碼字的Y分量建立高斯模型，使得整個(gè)碼字具有GMM的特性。實(shí)驗(yàn)結(jié)果表明，本文提出的目標(biāo)檢測(cè)算法在實(shí)時(shí)性、抗干擾性和檢測(cè)效果方面有較明顯的優(yōu)勢(shì)。

4、r>　　2.提出一種模擬人類視覺注意機(jī)制的目標(biāo)跟蹤算法。本文在粒子濾波跟蹤框架的基礎(chǔ)上，針對(duì)單一特征目標(biāo)跟蹤對(duì)復(fù)雜場(chǎng)景下目標(biāo)跟蹤準(zhǔn)確性不足以及多特征目標(biāo)跟蹤實(shí)時(shí)性難以滿足的特點(diǎn)，采用多特征融合機(jī)制提高目標(biāo)跟蹤的準(zhǔn)確性和魯棒性，并模擬人類視覺對(duì)目標(biāo)的顯著性感應(yīng)的機(jī)制對(duì)散布粒子進(jìn)行過(guò)濾，并提出一種顯著性的在線更新機(jī)制，以降低對(duì)特征顯著性的重復(fù)計(jì)算。實(shí)驗(yàn)結(jié)果表明，本文提出的目標(biāo)跟蹤算法比單一特征的粒子濾波跟蹤算法有更好的準(zhǔn)確度，且比多特征的粒

5、子濾波跟蹤算法的實(shí)時(shí)性更好。
　　3.提出一種基于自適應(yīng)窗口視差優(yōu)化的實(shí)時(shí)立體匹配算法。針對(duì)當(dāng)前局部立體匹配算法在計(jì)算精度和執(zhí)行時(shí)間之間的權(quán)衡問(wèn)題，提出在不同的階段采用不同的“時(shí)間-精度”置換策略，使算法在保證實(shí)時(shí)性的同時(shí)，具有較好的計(jì)算精度。然后，本文利用CUDA(computeunifieddevicearchitecture)技術(shù)將算法在英偉達(dá)(NVidiaCorp.)圖形處理器GTS450上進(jìn)行了優(yōu)化和驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，

6、與Middlebury測(cè)試平臺(tái)中經(jīng)典的實(shí)時(shí)立體匹配算法相比，本文算法具有較好的實(shí)時(shí)性和計(jì)算精度。
　　4.提出一種基于消失點(diǎn)和主方向估計(jì)的道路識(shí)別算法。針對(duì)基于消失點(diǎn)估計(jì)的道路識(shí)別算法計(jì)算復(fù)雜度過(guò)高，難以排除局部紋理特征較強(qiáng)的干擾點(diǎn)，且要求消失點(diǎn)位于圖像內(nèi)部的問(wèn)題，本文引入道路主方向的定義來(lái)對(duì)有效投票點(diǎn)進(jìn)行篩選，在降低計(jì)算復(fù)雜度的同時(shí)有效排除了局部紋理特征較強(qiáng)的干擾點(diǎn)。此外，本文提出一種多維投票策略來(lái)檢查消失點(diǎn)是否在圖像內(nèi)部，使算

7、法可以有效處理消失點(diǎn)在圖像外部的情況。實(shí)驗(yàn)結(jié)果表明，本文算法相比經(jīng)典算法具有更好的準(zhǔn)確性和實(shí)時(shí)性，且當(dāng)消失點(diǎn)不在圖像內(nèi)部時(shí)依然能取得較好的分割效果。
　　5.展開道路識(shí)別算法在智能車輛上的應(yīng)用研究。針對(duì)所提出的道路識(shí)別算法，本文以實(shí)驗(yàn)室自主研發(fā)的無(wú)人駕駛汽車實(shí)驗(yàn)平臺(tái)為依托，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)自主駕駛系統(tǒng)原型。該系統(tǒng)集成了本文提出的基于消失點(diǎn)和主方向估計(jì)的道路識(shí)別算法，能夠?qū)崟r(shí)檢測(cè)出汽車前方的道路區(qū)域，并根據(jù)實(shí)際道路情況實(shí)現(xiàn)轉(zhuǎn)向的自主