前言

    📅大四是整个大学期间最忙碌的时光,一边要忙着备考或实习为毕业后面临的就业升学做准备,一边要为毕业设计耗费大量精力。近几年各个学校要求的毕设项目越来越难,有不少课题是研究生级别难度的,对本科同学来说是充满挑战。为帮助大家顺利通过和节省时间与精力投入到更重要的就业和考试中去,学长分享优质的选题经验和毕设项目与技术思路。

🚀对毕设有任何疑问都可以问学长哦!

本次分享的课题是

🎯基于机器视觉的车辆速度检测与识别算法

课题背景和意义

车辆速度的准确估计是智能交通系统（ITS）的关键组成，这需要解决诸如同步数据记录、表示、检测和跟踪、距离和速度估计等问题。常见的速度估计应用场景包括自动驾驶、智能交通监控，分为固定传感器测试和移动相机/车辆下的测试。在精确检测车速车距的方案中，视觉方案是非常具有挑战性的，但由于没有昂贵的距离传感器而大幅降低成本，所以潜力巨大。

实现技术思路

1.输入数据

基于视觉的测速测距方案输入为图像数据，对于每辆车，将有一系列图像，从第一次出现到最后一次出现。可用图像的数量将取决于摄像机相对于道路的姿态、焦距、帧速率和车辆速度。现有camera主要包括：交通camera和speed camera；

其他形式的输入数据包括车辆属性，如车辆类型、关键点、车牌大小等。camera标定在提供内外参数方面起着关键作用。路段尺寸的先验知识提供了计算道路与camera之间的外部关系甚至车辆速度的一些重要信息。

 2.检测和跟踪

必须在所有可用图像中检测车辆或其某些代表性特征。随着时间的推移跟踪车辆或显著特征对获得速度测量至关重要，可以应用不同的方法来处理这两个任务。

3.距离和速度估计

速度估计本质上涉及具有相关时间戳的距离估计。存在不同的方法来计算车辆与某些全局参考的相对距离，以及不同的方法计算车辆的速度。

 

先是从3个消失点估算摄像头焦距，然后6个2D-3D对应点得到摄像头姿态：

基于车道宽度的假设（3.75米），可以算出投影矩阵，随之得到距离公式：

下图是一些结果：

消失点和pitch angle的关系：

从消失点得到pitch angle：

如果车辆宽度已知，那么车距为d=FW/w。

如上图，可以计算距离为：

整个FCW系统流程图如下：

给了一个虚拟水平线的概念，估计它的位置 ，Hc为摄像头高度，Yb是车辆框底部的垂直位置。然后可以计算出车辆距离：

实现效果图样例

 

我是海浪学长,创作不易,欢迎点赞、关注、收藏、留言。

毕设帮助，疑难解答，欢迎打扰！