學位論文

Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912

Browse

Subject: search.filters.subject.vehicle detection

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    高速公路上車道標線偵測與前車碰撞警告系統
    (2012) 梁瑞宏; Jui-Hung Liang
    本論文之主要目的在發展道路標線偵測與前車碰撞警告系統。因為駕駛者在駕駛時容易被前方車輛或左右車輛無預警的行為影響，導致應變不及而發生危險，因此各車廠陸續開發出許多駕駛安全輔助系統，以保護駕駛者的安全。高速公路上道路標線偵測與前車碰撞警告系統中在駕駛安全輔助系統中扮演一個非常重要的角色。道路標線偵測可以協助系統判斷本車車輛異常跨車道的行為，並監控車輛前方的安全範圍。前車碰撞警告可以在左右車道車輛突然跨入本車車道或是本車前方車輛離本車太近時進行警告避免車禍發生。 本研究將行車紀錄器裝置在車輛的擋風玻璃上，拍攝前方車輛與標線，再輸入系統進行分析。本系統依功能可分為兩個子系統，道路標線偵測子系統與前方車輛偵測子系統。道路標線偵測子系統利用Sobel邊緣偵測技術及Hough transform線段偵測技術來擷取車道標線。前方車輛偵測子系統，在日間時利用Otsu’s method尋找適合之門檻值擷取出陰影特徵，並利用水平邊緣偵測車輛水平特徵，同時採用此兩項特徵進行影像中車輛定位；另外，在夜間或雨天時則使用YCrCb色彩空間的Cr component及HSI的Hue component擷取煞車燈顏色特徵，並透過煞車燈的對稱性進行車輛定位。 實驗結果顯示，本系統具高度的穩定性及可用性。雖然在隧道中前方車輛偵測的正確率較低，但在下雨天或是夜間視線極度不良時仍能正常運作。未來希望能發展成嵌入式系統裝置在各車輛上實際上路使用。 關鍵字：大津法、車道標線偵測、車輛偵測
  • No Thumbnail Available
    Item
    智慧型停車場系統-車輛追蹤子系統
    (2009) 黃亭凱; Ting-Kai Huang
    根據台北市交通局的統計資料顯示，目前市內現有停車位和登記車輛數有著相當大的差距，要如何在此條件之下，提高停車空位的使用效率，已經成為現今解決停車問題的首要課題。本研究提出的系統架構可分為三大部分，分別是環境地圖建立、車輛偵測以及車輛追蹤。車輛偵測的部份主要是找出攝影機畫面中移動的物體，車輛追蹤則是針對上個步驟所偵測出的前景物進行追蹤，最後再將追蹤所得到的資訊，透過環境地圖建立過程中所得到的座標轉換公式將最終結果呈獻給使用者。 在車輛偵測的部份這邊是採用連續影像相減法，並且透過邊緣偵測以及注意力區域取得移動中的物件邊緣資訊，再利用水平集方法得到完整的物件邊緣，最後得到追蹤所需要的前景物資訊。透過此過程進行車輛偵測，除了可以避免環境中光影對前景物擷取產生的影響，也可以降低物件區塊碎裂和物件邊緣不完整情形發生的可能性，得到的結果也比一般的連續影像相減法及背景影像相減法來得完整。 接著在追蹤的部份，本研究使用聯合粒子濾波器的技術來對前一個步驟得到的前景物進行追蹤，聯合粒子濾波器的特性就是可以同時考慮到影像畫面中所有移動車輛的狀態，並且對所有的車輛建立出各個相聯關係事件，透過對每一個事件的重要性計算，可以預測出這些車輛在下一個影像畫面中可能出現的位置，與傳統粒子濾波器相比其結構更為嚴謹，獲得的結果也較為準確。 最後再利用是已計算出的座標轉換公式將追蹤得到的結果，先透過座標轉換以及平面對應兩個步驟，將最終的位置傳送到使用者介面，讓使用者在監控停車場時可以清楚明瞭的知道停車場中所有車輛的情況。
  • No Thumbnail Available
    Item
    汽車再辨識系統
    (2015) 林昆賢; Lin, Kun-Hsien
    根據統計資料顯示，目前全世界汽車約有七億輛左右，按全世界人口平均約九人就有一輛汽車。隨著汽車的普及化，各國交通運輸相關單位也開始注重交通資訊方面的蒐集及提供。本研究發展汽車的再辨識技術，此技術可以提供許多應用。在短程應用方面，可以從事車輛大範圍的追蹤，協助治安偵防、交流量監控以及號誌控制等；而在長程應用方面，可以蒐集路段的交通參數，如旅行時間、路佔率、交流量以及平均車流速度等，提供給運輸業者或是交通局做長期的規劃及決策所使用。 本研究提出用影像來從事汽車的再辨識。而使用影像有以下好處：硬體架設方便，只需要架設路口監視器即可，並且影像可以提供非常多額外的資訊，像是車輛顏色、車輛長度或是車輛型號等。此系統軟體部份由二大步驟所組成，分別是車輛偵測及車輛匹配。 在車輛偵測的部份是採用建立高斯混合背景模型(Gaussian Mixture Background Model)找出畫面上的前景物。再利用隨機決策森林(Random Forest)有效的將前景物進行分類，主要分成三個類別，分別為小型車(包含轎車和箱型車等)、大型車(包含公車及卡車)以及非汽車類。接著利用粒子群聚最佳化(Particle Swarm Optimization)做車輛的追蹤，目的是要確保系統不會將相同車輛重覆儲存。接著利用Time Window的限制，從上游資料庫中找出可能與下游車輛相似的候選車輛，最後透過二分圖匹配(Bipartite Matching)，將下游車輛與上游的候選車輛做匹配，即可辨識出哪些車輛通過上／下游。最後統計有通過上／下游的車輛，計算這些車輛配對的相對應關係，得到此路段的交通參數。