摘要: 在ADAS(AdvancedDriverAssistanceSystem，高级驾驶辅助系统)的迅猛趋势下，车载计算资源越来越紧缺。为了降低对车载计算资源的占用，本文提出了一种异构计算的车载环视生成算法，使用GPU(Graphic Processing Unit)加速计算密集算法的计算，并且对部... 展开 在ADAS(AdvancedDriverAssistanceSystem，高级驾驶辅助系统)的迅猛趋势下，车载计算资源越来越紧缺。为了降低对车载计算资源的占用，本文提出了一种异构计算的车载环视生成算法，使用GPU(Graphic Processing Unit)加速计算密集算法的计算，并且对部分传统的算法进行优化以提高系统的鲁棒性。为了迎合车联网和云计算的强劲趋势，本文建立了一种基于车联网的车载环视生成算法。为了提高ADAS的一体化进程，对基于环视图像的泊车位识别进行了深入的研究，同时来提高泊车位识别的准确率。 本文的关注点在于异构计算的车载环视生成算法、基于车联网的车载环视生成算法、基于环视图像的车位识别算法，主要的研究内容如下： (1)首先本文改进了传统的车载环视生成算法，提出了一种基于异构架构的车载环视生成算法。本文将部分计算密集型算法使用异构架构来进行并行计算以提高算法的整体效率，同时改进了部分环视生成算法的步骤以提高整体算法的鲁棒性：提出了一种改进的基于几何约束的俯视变换算法，以提高俯视变换后图像的质量与降低后续图像对齐与融合的复杂度；在图像对齐与融合算法中，改进了拼接模板以提高原始图像信息的利用率。 (2)构建了一种基于车联网的车载环视生成算法系统，将复杂的逻辑上传至高计算能力的服务端进行运算，车载客户端只进行必要的信息获取与展示，以大幅度降低车载CPU(Central Processing Unit)的占用率与提升对紧急任务的响应能力。 (3)在形成环视图像的基础上，对泊车位的识别进行了更深入的研究。首先利用直线检测结合角点检测的双约束来实现泊车位拐点的确定，以提升泊车位拐点的识别概率与降低误识别的概率，然后利用改进的泊车位模板匹配算法进行泊车位类型与位置的确定。 实验结果表明，本文提出异构架构的环视图像生成算法，能够极大的提高系统的利用率；在基于车联网的环视图像生成算法部分，本文所提出的算法能够正确的传输视频流，由于采用了多线程技使其能达到实时性的要求；在泊车位识别阶段，直线检测结合角点检测的双约束可以准确识别出泊车位角点并且能极大降低误识别的概率。本文提出的方法具有较强的鲁棒性和可行性。 收起