環(huán)境感知技術(shù)介紹(基于無(wú)人駕駛汽車(chē)技術(shù))課件_第1頁(yè)
環(huán)境感知技術(shù)介紹(基于無(wú)人駕駛汽車(chē)技術(shù))課件_第2頁(yè)
環(huán)境感知技術(shù)介紹(基于無(wú)人駕駛汽車(chē)技術(shù))課件_第3頁(yè)
環(huán)境感知技術(shù)介紹(基于無(wú)人駕駛汽車(chē)技術(shù))課件_第4頁(yè)
環(huán)境感知技術(shù)介紹(基于無(wú)人駕駛汽車(chē)技術(shù))課件_第5頁(yè)
已閱讀5頁(yè),還剩82頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、智能車(chē)輛環(huán)境感知技術(shù) Environment Perception Technology of Intelligent Vehicle 引言 Introduction當(dāng)前,從陸地到天空,從海洋到宇宙,人們正在開(kāi)發(fā)各種各樣的智能化載運(yùn)工具為人類的文明發(fā)展服務(wù)。實(shí)現(xiàn)地面車(chē)輛的智能化乃至無(wú)人駕駛是車(chē)輛工程領(lǐng)域追求的最高目標(biāo)。智能車(chē)輛研究在很多領(lǐng)域能夠體現(xiàn)一個(gè)國(guó)家的科學(xué)技術(shù)水平和綜合國(guó)力。中國(guó)應(yīng)該在智能車(chē)輛研究領(lǐng)域?qū)κ澜缬兴l(fā)明、有所貢獻(xiàn)。車(chē)輛工程學(xué)科領(lǐng)域的全體師生員工應(yīng)該努力成為我國(guó)智能車(chē)輛研究的主力軍。第一章 智能車(chē)輛概述 Introduction一、智能車(chē)輛定義-Definition基于自身和外

2、部信息,能夠確認(rèn)當(dāng)前位置、規(guī)劃目標(biāo) 路線、控制自身按規(guī)劃路線行駛、安全準(zhǔn)時(shí)到達(dá)目的 地的機(jī)動(dòng)車(chē)輛。自身具有駕駛員的部份、全部或尚不具備的駕駛行為 能力的機(jī)動(dòng)車(chē)輛。二、智能車(chē)輛功能-Function 1. 能夠確認(rèn)自身的當(dāng)前位置,根據(jù)行駛目標(biāo)及途中情況, 規(guī)劃、修改行車(chē)路線。2. 能夠可靠識(shí)別行車(chē)路線,并可通過(guò)自動(dòng)轉(zhuǎn)向控制使自 身按規(guī)定路線準(zhǔn)確穩(wěn)定行駛。 3. 行駛過(guò)程中,能夠可靠實(shí)現(xiàn)車(chē)速調(diào)節(jié)、車(chē)距保持、換道、超車(chē)等各種必要基本操作。4. 能夠確保行駛安全,按時(shí)到達(dá)目的地5. 能夠適應(yīng)不同的行駛環(huán)境。三、智能車(chē)輛研究意義-Significans1. 減少交通事故 智能車(chē)輛是解決因駕駛員人為因素引

3、起的道路交通安全問(wèn)題的根本途徑。2. 提高運(yùn)輸效率 智能車(chē)輛能縮短行車(chē)間距,增加道路容量,防止交通堵塞,提高平均車(chē)速,改善燃油經(jīng)濟(jì)性,減少環(huán)境污染。3. 完成特殊作業(yè) 智能車(chē)輛能夠在易燃、易爆、有毒、搶險(xiǎn)、宇航等危險(xiǎn)環(huán)境下替代駕駛員完成特殊作業(yè)。4. 國(guó)防軍事應(yīng)用 智能車(chē)輛在偵查、演習(xí)、排雷、防化、作戰(zhàn)、反恐等軍事領(lǐng)域有著潛在的廣泛應(yīng)用前景 。四、智能車(chē)輛構(gòu)成-Construction1. 車(chē)輛自檢監(jiān)控系統(tǒng) 該系統(tǒng)通過(guò)實(shí)時(shí)獲取和處理車(chē)輛狀況傳感器的輸入信息如電壓、電流、溫度、壓力、油耗、轉(zhuǎn)向、制動(dòng)、加速、停車(chē)、排放等,診斷車(chē)輛駕駛是否處于危險(xiǎn)狀態(tài)或具有潛在的危險(xiǎn),并將診斷結(jié)果信息提供給駕駛員或

4、車(chē)輛自動(dòng)控制系統(tǒng),以便為做出正確的車(chē)輛控制決策提供依據(jù)。2. 車(chē)輛行駛環(huán)境信息獲取系統(tǒng) 該系統(tǒng)基于車(chē)輛自身傳感信息獲取系統(tǒng)、通用技術(shù)平臺(tái)和通信信息系統(tǒng),獲取車(chē)輛外部周邊物體狀態(tài)、公路狀態(tài)、天氣、車(chē)流、電子地圖、停車(chē)場(chǎng)等信息,并將這些信息提供給駕駛員或車(chē)輛自動(dòng)控制系統(tǒng)。3. 車(chē)道狀態(tài)數(shù)據(jù)處理系統(tǒng) 該過(guò)程對(duì)所輸入的各種車(chē)載及道路傳感器的數(shù)據(jù)進(jìn)行有效處理,為車(chē)輛控制過(guò)程提供車(chē)輛所在車(chē)道、車(chē)輛在車(chē)道上的位置、車(chē)輛與車(chē)道的距離偏差及方位偏差等信息。4. 車(chē)輛輔助駕駛接口系統(tǒng) 該系統(tǒng)提供了駕駛員可以用于啟動(dòng)、監(jiān)視和終止車(chē)輛自動(dòng)控制操作的接口。該接口可接收駕駛員控制請(qǐng)求、車(chē)輛行駛環(huán)境、車(chē)輛自檢、車(chē)輛控制狀態(tài)

5、反饋等信息,對(duì)車(chē)輛控制方式作出選擇,并將選擇結(jié)果提供給車(chē)輛控制過(guò)程或需要此信息的其它過(guò)程。5. 車(chē)輛控制系統(tǒng) 該系統(tǒng)提供各種水平的車(chē)輛控制功能。它通過(guò)接收車(chē)輛控制方式選擇、車(chē)輛自檢、車(chē)輛自身及周邊車(chē)輛行駛狀態(tài)、車(chē)輛行駛環(huán)境等信息,為實(shí)現(xiàn)車(chē)道跟蹤、車(chē)距保持、換道、巡航、定位停車(chē)等功能提供各種必要的基本操作。 6. 智能車(chē)輛系統(tǒng)構(gòu)成示意圖五、智能車(chē)輛關(guān)健技術(shù)-Key technology 環(huán)境感知技術(shù)(Environment Perception) 路徑規(guī)劃技術(shù)(Path Plan) 導(dǎo)航控制技術(shù)(Navigation Control) 避障防撞技術(shù)(Obstacle Detection & Av

6、oidance) 信息通訊技術(shù)(Information Communication) 乘員安保技術(shù)(Passenger Safety) 人機(jī)交互技術(shù)(Human-machine Communication) 狀態(tài)監(jiān)測(cè)技術(shù)(Condition Monitoring) 調(diào)度管理技術(shù)(Accommodating & Management) 第二章 智能車(chē)輛環(huán)境感知技術(shù)概述Introduction to E.P.Technology一、環(huán)境感知目的-Purpose通過(guò)性:基于自身行駛性能和共識(shí)規(guī)則,能實(shí)時(shí)、可靠、 準(zhǔn)確識(shí)別并規(guī)劃出可保證規(guī)范、安全、迅速到達(dá)目的地 的行駛路徑;安全性:在行駛過(guò)程中,能夠

7、實(shí)時(shí)、準(zhǔn)確識(shí)別出行駛路 徑周邊對(duì)行駛安全可能存在安全隱患的物體,為自身采 取必要操作以避免發(fā)生交通安全事故;經(jīng)濟(jì)性:為提高車(chē)輛高效、經(jīng)濟(jì)地行駛提供參考依據(jù);平順性:為車(chē)輛平順行駛提供參考依據(jù);二、環(huán)境感知對(duì)象-Target行駛路徑:對(duì)于結(jié)構(gòu)化道路而言,包括行車(chē)線、道路邊緣、道路隔離物、惡劣路況的識(shí)別。對(duì)于非結(jié)構(gòu)化道路而言,包括車(chē)輛欲行駛前方路面環(huán)境狀況的識(shí)別和可行駛路徑的確認(rèn);周邊物體:包括車(chē)輛、行人、地面上可能影響車(chē)輛通過(guò)性、安全性的其它各種移動(dòng)或靜止物體的識(shí)別;各種交通標(biāo)志的識(shí)別;駕駛狀態(tài):包括駕駛員駕駛精神狀態(tài)、車(chē)輛自身行駛狀態(tài)的識(shí)別;駕駛環(huán)境:包括路面狀況、道路交通擁堵情況、天氣狀況的

8、識(shí)別。三、環(huán)境感知方法-Method1. 視覺(jué)傳感:基于機(jī)器視覺(jué)獲取車(chē)輛周邊環(huán)境兩維或三維 圖像信息,通過(guò)圖像分析識(shí)別技術(shù)對(duì)行駛環(huán)境進(jìn)行感知。車(chē)載單目視覺(jué)運(yùn)動(dòng)物體檢測(cè)優(yōu)點(diǎn):信息量豐富、實(shí)時(shí)性好、體積小 、能耗低。缺點(diǎn):易受光照環(huán)境影響、三維信息測(cè)量精度較低。車(chē)載雙目立體視覺(jué)越野環(huán)境感知2. 激光傳感:基于激光雷達(dá)獲取車(chē)輛周邊環(huán)境兩維或三維 距離信息,通過(guò)距離分析識(shí)別技術(shù)對(duì)行駛環(huán)境進(jìn)行感知。車(chē)載線掃描激光雷達(dá)檢測(cè)前方障礙物車(chē)載三維激光雷達(dá)環(huán)境感知優(yōu)點(diǎn):能夠直接獲取物體三維距離信息、測(cè)量精度高、 對(duì)光照環(huán)境變化不敏感。缺點(diǎn):無(wú)法感知無(wú)距離差異的平面內(nèi)目標(biāo)信息、體積 較 大、價(jià)格昂貴、不便于車(chē)載集成

9、。3. 微波傳感:基于微波雷達(dá)獲取車(chē)輛周邊環(huán)境兩維或三維 距離信息,通過(guò)距離分析識(shí)別技術(shù)對(duì)行駛環(huán)境進(jìn)行感知。優(yōu)點(diǎn):能夠以較高精度直接獲取物體三維距離信息、對(duì) 光照環(huán)境變化不敏感、實(shí)時(shí)性好、體積較小。缺點(diǎn):無(wú)法感知無(wú)距離差異的平面內(nèi)目標(biāo)信息、國(guó)外成 熟產(chǎn)品對(duì)我國(guó)禁運(yùn)而難以獲得。4. 通訊傳感:基于無(wú)線、網(wǎng)絡(luò)等近、遠(yuǎn)程通訊技術(shù)獲取車(chē) 輛行駛周邊環(huán)境信息。優(yōu)點(diǎn):能夠獲取其它傳感手段難以實(shí)現(xiàn)的宏觀行駛環(huán)境 信息、可實(shí)現(xiàn)車(chē)輛間信息共享、對(duì)環(huán)境干擾不敏 感。缺點(diǎn):可用于車(chē)輛自主導(dǎo)航控制的信息不夠直接、實(shí)時(shí) 性不高、無(wú)法感知周邊車(chē)輛外其它物體信息。5. 融合傳感:運(yùn)用多種不同傳感手段獲取車(chē)輛周邊環(huán)境多 種不

10、同形式信息,通過(guò)多信息融合對(duì)行駛環(huán)境進(jìn)行感知。優(yōu)點(diǎn):能夠獲取豐富的周邊環(huán)境信息、具有優(yōu)良的環(huán)境 適應(yīng)能力、為安全快速自主導(dǎo)航提供可靠保障。缺點(diǎn):感知系統(tǒng)過(guò)于復(fù)雜、難于集成、造價(jià)昂貴、實(shí)用 性差。第三章 視覺(jué)系統(tǒng)概述 Introductionto Vision System一、系統(tǒng)構(gòu)成-System configuration 一套完整的視覺(jué)系統(tǒng)通常包括CCD、鏡頭、圖像卡、計(jì)算機(jī)等,系統(tǒng)構(gòu)成如下圖所示。景物鏡頭CCD計(jì)算機(jī)圖像卡計(jì)算機(jī)視覺(jué)系統(tǒng)構(gòu)成構(gòu)成計(jì)算機(jī)視覺(jué)系統(tǒng)的主要部件二、成像原理-Imaging principle鏡頭經(jīng)過(guò)聚焦將目標(biāo)景物根據(jù)小孔成像原理投射到CCD電荷耦合靶面器件上;x0

11、EAGFHDCOyB智能車(chē)輛視覺(jué)成像原理示意圖CCD電荷耦合靶面由多個(gè)陣列式光電耦合元件構(gòu)成,其能根據(jù)光照強(qiáng)弱產(chǎn)生不同強(qiáng)度的電流,然后電流被轉(zhuǎn)換為當(dāng)量電壓;圖像采集卡能夠逐行逐列地將每個(gè)光電耦合元件產(chǎn)生的電壓模擬信號(hào)經(jīng)過(guò)A/D 轉(zhuǎn)換將其轉(zhuǎn)換成數(shù)字信號(hào)并傳輸給計(jì)算機(jī);CCD光電耦合元件及圖像采集卡計(jì)算機(jī)通過(guò)應(yīng)用軟件生成目標(biāo)景物的數(shù)字圖像,正是由于景物圖像的數(shù)字化,才使得計(jì)算機(jī)能夠進(jìn)行各種圖像處理、分析和識(shí)別。目標(biāo)景物的數(shù)字圖像三、主要參數(shù)-Key specification 像素點(diǎn):每個(gè)光電耦合元件產(chǎn)生的電壓信號(hào)經(jīng)過(guò)A/D 轉(zhuǎn)換將其轉(zhuǎn)換成數(shù)字信號(hào)形成一個(gè)像素,由于光電耦合元件按行列依次排列,其信

12、號(hào)的數(shù)字轉(zhuǎn)換也按相同順序依次進(jìn)行,轉(zhuǎn)換結(jié)果數(shù)據(jù)被計(jì)算機(jī)按兩維數(shù)組(x,y ) 形式加以存儲(chǔ),數(shù)組下標(biāo)值 x 代表該像素所在行位置, y 代表該像素所在列位置 ,因此一對(duì)數(shù)組(x,y )對(duì)應(yīng)一個(gè)像素點(diǎn) ;灰度值:景物明暗程度經(jīng)光電耦合元件產(chǎn)生電壓模擬信號(hào)并經(jīng)過(guò)A/D 轉(zhuǎn)換生成當(dāng)量數(shù)字信號(hào),通常CCD采用的是 8 bit A/D轉(zhuǎn)換,因此各像素點(diǎn)明暗程度分為0 - 225 共 256個(gè)等級(jí),0 代表該像素點(diǎn)最暗,255 代表該像素點(diǎn)最 亮,因此像素點(diǎn)(x ,y ) 的具體數(shù)值大小也稱為該像素點(diǎn) 的灰度值或灰度級(jí);像素點(diǎn)及灰度值概念示意圖分辨率:顯然,CCD電荷耦合靶面光電耦合元件構(gòu)成的行列多少直接

13、影響對(duì)景物成像的精細(xì)程度,通常將光電耦合元件構(gòu)成的行列多少稱為其成像分辨率。對(duì)相應(yīng)的數(shù)字圖像而言,圖像分辨率體現(xiàn)為在兩維數(shù)組(x ,y )的大小。 例如,1024(H)1024(V)CCD的分辨率顯然要高于512(H)584(V) CCD的分辨率。高分辨率CCD雖然可以獲取更為精細(xì)的圖像,但由于像素點(diǎn)的大量增加,也會(huì)嚴(yán)重降低圖像處理的實(shí)時(shí)性。對(duì)于智能車(chē)輛環(huán)境感知而言,通常640(H)480(V)的分辨率已能滿足要求。幀頻:CCD 在1s時(shí)間內(nèi)連續(xù)獲取數(shù)字圖像的幀數(shù),其直接表示出 CCD 獲取圖像的速度 , 是影響視覺(jué)環(huán)境感知?jiǎng)討B(tài)響應(yīng)能力的主要因素 。高速 CCD 能夠有效提高圖像處理實(shí)時(shí)性,但

14、其價(jià)格較高。對(duì)于能車(chē)輛環(huán)境感知應(yīng)用而言,通常30-100幀/秒速度的CCD性價(jià)比較高。物理光圈:光圈機(jī)構(gòu)設(shè)置在鏡頭上,通過(guò)手動(dòng)或電動(dòng)控制其開(kāi)閉程度,進(jìn)而控制外界光照投射到CCD電荷耦合鏡面的強(qiáng)度大小,顯然光圈設(shè)定的大小直接影響景物成像的明暗程度。鏡頭上設(shè)置的機(jī)械式光圈可稱之為物理光圈。通常物理光圈參數(shù)在1-16 之間,該值越小,代表光圈開(kāi)度越大,通常稱之為大光圈,反之亦然。因此當(dāng)景物光照很強(qiáng)時(shí),應(yīng)選擇數(shù)值大的小光圈;當(dāng)景物光照很暗時(shí),應(yīng)選擇數(shù)值小的大光圈。光圈選擇應(yīng)有利于增強(qiáng)目標(biāo)與背景的灰度對(duì)比度。光圈適中 光圈過(guò)大 光圈過(guò)小電子光圈:在CCD內(nèi)部,通過(guò)電路可以控制外界光照投射到CCD電荷耦合

15、鏡面的時(shí)間長(zhǎng)短,進(jìn)而達(dá)到光照強(qiáng)度大小的控制目的,通常也稱其為電子快門(mén)。電子光圈參數(shù)需經(jīng)過(guò)程序設(shè)定調(diào)節(jié)。電子光圈對(duì)于變光照條件下實(shí)現(xiàn)在線實(shí)時(shí)視覺(jué)環(huán)境感知具有重要應(yīng)用價(jià)值。需要提及的是,電子光圈的大小影響CCD圖像獲取速度。物理光圈相同、外界光照不同時(shí)電子光圈調(diào)節(jié)效果焦距:焦距是指鏡頭景物聚焦點(diǎn)到成像平面即透鏡中心 的距離 ,通常用 f 表示,單位為mm ,如8mm 、12mm、16mm、25mm等。焦距長(zhǎng)短與景物成像大小成正比,對(duì) 同一物體 ,焦距越長(zhǎng),其成像越大,焦距越短,成像越小 。 鏡頭焦距與視場(chǎng)角成反比 ,焦距越長(zhǎng) ,視場(chǎng)角越 小,焦距越短,視場(chǎng)角越大。鏡頭通常標(biāo)有焦距值 ,此 外,許多

16、CCD 用鏡頭也具有通過(guò)手動(dòng)微調(diào)焦距的功能。不同焦距功能示意圖視場(chǎng)角:視場(chǎng)角決定CCD成像視野范圍,其大小與鏡頭焦距和CCD成像靶面尺寸大小有關(guān),如前圖所示。通常成像靶面為長(zhǎng)寬比為4 : 3的矩形 ,所以可用該矩形對(duì)角 線長(zhǎng)度為底邊 、鏡頭焦距為高組成一等腰三角形,計(jì)算其頂角就是視場(chǎng)角,如前圖所示。如果分別用矩形的兩個(gè)邊計(jì)算該角,則有水平視場(chǎng)角和垂直視場(chǎng)角之分。鏡頭焦距和視場(chǎng)角是一一對(duì)應(yīng)的,而且是相互矛盾的。焦距小,則視場(chǎng)角大,視野范圍大,但距離遠(yuǎn)的物體成像不清晰;反之,焦距大,則視場(chǎng)角小,視野范圍小,但距離遠(yuǎn)的物體成像清晰。因此,應(yīng)根據(jù)環(huán)境感知目標(biāo)具體情況進(jìn)行折中估算選擇合適焦距和視場(chǎng)角的鏡

17、頭。俯仰角:智能車(chē)輛視覺(jué)系統(tǒng)性能除與前面所述各內(nèi)部參數(shù)相關(guān)外,還與其在車(chē)輛上安裝的俯仰角度、離地高度及相對(duì)車(chē)體位置等外部參數(shù)有關(guān)。俯仰角不僅使目標(biāo)圖像產(chǎn)生透視畸變,且影響視覺(jué)視野。俯仰角越大、圖像透視畸變?cè)絿?yán)重,視野越??;反之亦然,如下圖所示。視野梯形區(qū)路面 鏡頭俯仰角EABFGIDCO CCD 車(chē)輛 前進(jìn)方向俯仰角產(chǎn)生透視畸變示意圖 實(shí)際車(chē)道線狀態(tài) 象平面中車(chē)道線狀態(tài) 透視畸變使物體成像產(chǎn)生形變,有時(shí)需要通過(guò)比較繁瑣的重建方法才能恢復(fù)目標(biāo)真實(shí)形態(tài),往往會(huì)降低識(shí)別目標(biāo)的實(shí)時(shí)性,如下圖所示。安裝高度:智能車(chē)輛為保證行駛安全,需要對(duì)前方路面環(huán)境預(yù)前識(shí)別,這意味著視覺(jué)的視野中心與車(chē)輛應(yīng)具有一定距離,

18、通常將其稱為預(yù)瞄距離。智能車(chē)輛視覺(jué)系統(tǒng)的預(yù)瞄距離與行駛速度。車(chē)速越高,所需的預(yù)瞄距離越遠(yuǎn),車(chē)速與預(yù)瞄距離之間的關(guān)系: Dpreview=V(m/s)(1.2 1.4)(s) 當(dāng)車(chē)速100 km/h時(shí),約需40-80米。顯然、視覺(jué)系統(tǒng)安裝俯仰角和安裝高度影響預(yù)瞄距離。在俯仰角相同時(shí),安裝高度越高,視野范圍越大,預(yù)瞄距離越遠(yuǎn)。另外,安裝高度越高,圖像因車(chē)體振動(dòng)引起的失真越嚴(yán)重,常常給圖像識(shí)別帶來(lái)困難。有效視野:對(duì)一特定CCD,其分辨率是固定不變的。但如其安裝俯仰角、高度不同,其成像視野會(huì)不同,則所獲取圖像對(duì)同一景物分辨的精細(xì)程度也不同,該種描述真實(shí)景物精確程度的分辨能力可稱為其實(shí)際分辨率。具體而言

19、,實(shí)際分辨率是指實(shí)際景物空間中的每單位長(zhǎng)度對(duì)應(yīng)圖像中的像素點(diǎn)個(gè)數(shù)。視野范圍越大,實(shí)際分辨率越低。有時(shí),實(shí)際分辨率并不是越高越好,實(shí)際分辨率越高,對(duì)噪聲的敏感性也越強(qiáng)。因此,實(shí)際分辨率的選擇要根據(jù)實(shí)際情況經(jīng)試驗(yàn)加以確定。以下圖為例,左圖實(shí)際分辨率遠(yuǎn)高于右圖,但對(duì)于道路邊界識(shí)別而言,右圖像有利于識(shí)別道路邊界,左圖像卻易導(dǎo)致誤識(shí)別。究其原因,道路邊界是宏觀、大視野內(nèi)道路特征。當(dāng)視野較小時(shí),道路自然邊界特征反而不明顯,易受其它非邊界信息干擾而產(chǎn)生誤檢。“高”分辨率道路圖像“低”分辨率道路圖像顏色:CCD圖像有黑白和彩色之分。黑白CCD圖像各像素點(diǎn)僅反映成像景物的明暗即灰度特征,而彩色CCD圖像各像素點(diǎn)

20、則能反映成像景物的紅、綠、藍(lán)三色強(qiáng)度信息。對(duì)智能車(chē)輛環(huán)境感知而言,在某些特定環(huán)境下,利用彩色圖像有利于目標(biāo)物體的感知識(shí)別,如下圖所示。利用唇色特征識(shí)別說(shuō)話狀態(tài) 利用植物顏色特征識(shí)別路徑第四章 視覺(jué)圖像預(yù)處理技術(shù)簡(jiǎn)介Image Pre-processing Technology 一、圖像獲取-Image grab 對(duì)于智能車(chē)輛視覺(jué)環(huán)境感知而言,圖像獲取應(yīng)通過(guò)合理選擇和確定前章所述各種視覺(jué)系統(tǒng)內(nèi)外部參數(shù),以便為目標(biāo)圖像的有效可靠感知辨識(shí)提供有利條件。由于有些參數(shù)在一些性能上的相互制約性,針對(duì)不同環(huán)境景物,相關(guān)參數(shù)的確定并沒(méi)有統(tǒng)一的的標(biāo)準(zhǔn),通常需要經(jīng)過(guò)試驗(yàn)或依賴已有經(jīng)驗(yàn),但應(yīng)遵循以下幾點(diǎn)共性原則:所

21、獲取圖像中的被辨識(shí)目標(biāo)應(yīng)盡可能清晰、直觀;盡可能提高被辨識(shí)目標(biāo)與整幅圖像像素點(diǎn)的比例;圖像應(yīng)盡可能增強(qiáng)被辨識(shí)目標(biāo)與背景的灰度反差;圖像獲取速度應(yīng)能滿足車(chē)輛控制的動(dòng)態(tài)響應(yīng)能力;馬路邊界反差不強(qiáng) 石塊邊界反差不強(qiáng) 比較理想 汽車(chē)像素過(guò)少 眼部像素過(guò)少 比較理想車(chē)輛尾部結(jié)構(gòu)模糊 直線產(chǎn)生彎曲失真 比較理想二、圖像預(yù)處理-Image pre-process 為了實(shí)現(xiàn)對(duì)視覺(jué)圖像中的目標(biāo)進(jìn)行有效、準(zhǔn)確識(shí)別,通常需要對(duì)圖像進(jìn)行預(yù)處理。圖像預(yù)處理包括圖像去噪、邊緣增強(qiáng)、灰度拉伸、圖像分割、形態(tài)學(xué)處理等。預(yù)處理技術(shù)應(yīng)用是否正確,在很大程度上影響圖像識(shí)別效果。1. 圖像去噪(Noise reduction) 圖像

22、在生成和傳輸過(guò)程中,受輸入轉(zhuǎn)換器件及周?chē)h(huán)境影響,常含有各種各樣的噪聲。為盡可能減少噪聲干擾,常需要對(duì)圖像先進(jìn)行去噪處理。圖像噪聲濾除可在空間域?qū)D像像素灰度值直接進(jìn)行平滑運(yùn)算處理,算法比較簡(jiǎn)單,實(shí)時(shí)性好,常用的方法有圖像平均法、鄰域平均法、自適應(yīng)平滑濾波、高斯濾波和中值濾波等。 中值濾波屬于一種非線性處理技術(shù),濾波器選取一個(gè)含有奇數(shù)個(gè)像素點(diǎn)的移動(dòng)窗口,在圖象上從左到右、從上到下逐行移動(dòng),用窗口內(nèi)各像素點(diǎn)的灰度均值取代窗口的中心像素點(diǎn)的灰度值,從而完成整幅圖像的中值濾波。中值濾波的數(shù)學(xué)表達(dá)式如下,其中Sf(x, y)為當(dāng)前像素點(diǎn)f(x, y)的鄰域。 例如,若一個(gè)3*3窗口內(nèi)的各像 素點(diǎn)的灰度

23、值為 10 ,10,10,10,20, 10,10,10,10, 它們的灰度均值是 11 , 中心像素點(diǎn)原灰度值為20, 濾波后則變成11 。 中值濾波可 以有效平滑單脈沖噪聲 , 而對(duì) 其它圖 形 則能保持其原有形狀。階梯形信號(hào)輸入漸變形信號(hào)輸入單脈沖信號(hào)輸入三脈沖信號(hào)輸入中值濾波輸入圖像 原 始 圖 象 經(jīng)過(guò)平滑濾波后的圖像 中值濾波對(duì)圖像細(xì)節(jié)辨識(shí)作用明顯,但會(huì)降低圖像處理速度,對(duì)車(chē)輛導(dǎo)航快速環(huán)境感知而言,常忽略此項(xiàng)環(huán)節(jié)。2. 邊緣增強(qiáng)(Edge enhancement) 由于許多景物具有明顯的的邊緣特征,因此在處理該類圖像時(shí),常常希望能突出其邊緣信息,由此產(chǎn)生了各種邊緣增強(qiáng)圖像預(yù)處理算法

24、。常用的邊緣增強(qiáng)算子有Robert 算子、Sobel算子、Prewitt 算子等。以比較經(jīng)典的 Sobel 算子為例,其算法的本質(zhì)是采用了一階差分算子 ,離散 Sobel算子定義為下式: 梯度值大小可通過(guò)下式得到: 梯度方向是在灰度值變化最大的方向上,計(jì)算公式為: Sobel 算子的本質(zhì)是反映了相鄰或相距一定距離的像素點(diǎn)的灰度差異特征。以車(chē)道線圖像為例,路面像素點(diǎn)的灰度值比較接近 ,經(jīng)過(guò) Sobel 算子 ,這種接近程度轉(zhuǎn)化成近似零的很小值。車(chē)道線邊界與道路其它部分應(yīng)該具有一定灰度差異,經(jīng) Sobel 算子處理,這種差異被放大強(qiáng)化 ,使邊界特征更為明顯,從而有利于排除噪聲干擾,實(shí)現(xiàn)車(chē)道線的有效

25、、可靠識(shí)別。換言之,只有當(dāng)像素點(diǎn)灰度值具有階越或近似階越變化趨勢(shì)時(shí) ,Sobel 算子才具有實(shí)際應(yīng)用意義。 原 始 圖 象 Sobel 算子邊緣增強(qiáng)效果3. 對(duì)比度增強(qiáng)(Gray ratio enlargement) 在一些數(shù)字圖像中,感興趣目標(biāo)的灰度特征值變化范圍很小,與背景灰度值難以區(qū)分。通過(guò)擴(kuò)展感興趣目標(biāo)灰度特征的對(duì)比度,可以提高目標(biāo)識(shí)別準(zhǔn)確性,該種圖像預(yù)處理方法稱為對(duì)比度增強(qiáng),也稱為灰度拉伸。對(duì)比度增強(qiáng)常采用直方圖錐形拉伸算法。 灰度直方圖是灰度值的函數(shù),其橫坐標(biāo)表示像素的灰度級(jí)別,縱坐標(biāo)是該灰度級(jí)出現(xiàn)的概率即像素點(diǎn)個(gè)數(shù)。直方圖錐形拉伸算法的基本思想是將圖像直方圖均勻的灰度軸按灰度分布

26、不均勻插值,即在灰度分布高的區(qū)域插值較多,灰度分布低的區(qū)域插值較少,然后對(duì)插值后的灰度軸按插值點(diǎn)均勻化,從而實(shí)現(xiàn)直方圖非均勻拉伸。由于大多數(shù)圖像的直方圖呈單峰或多峰狀,這樣在直方圖峰值處拉伸幅度會(huì)比其它區(qū)域大,拉伸幅度分布呈錐形,因此稱為直方圖錐形拉伸,如下圖所示。 拉伸后圖像的直方圖 插值后圖像直方圖 原圖像直方圖 P(t) t t P(t) tP(t) 如果一幅圖像灰度整體較暗或較亮而導(dǎo)致目標(biāo)難以分割,可以采用灰度拉伸功能來(lái)改善圖像品質(zhì),如以下應(yīng)用案例。 原始圖像 對(duì)比度增強(qiáng)后圖像 例如前左圖,整體灰度值較高,即灰度值較高的像素點(diǎn)較多,它們分布在一個(gè)較窄的灰度級(jí)范圍內(nèi)。例如,圖像中車(chē)道線和

27、附近路面灰度很接近,假設(shè)車(chē)道線灰度值為245 255之間,而附近路面灰度值在235 245之間,這樣我們很難確定出一個(gè)合適的閾值將車(chē)道線和路面有效分離。因?yàn)?,在灰度值間隔為10的區(qū)間內(nèi)有很多車(chē)道線與附近路面像素點(diǎn),稍有不慎,就有可能誤分很多點(diǎn)。為此,可將按灰度值10間隔內(nèi)分布的點(diǎn)分散到例如 40 的間隔內(nèi),比如將245-255間隔內(nèi)的像素點(diǎn)變?yōu)?215-255 區(qū)間分布,這相當(dāng)于把原區(qū)間各像素點(diǎn)灰度值進(jìn)行范圍擴(kuò)展即進(jìn)行拉伸。同樣 235-24 5區(qū)間各像素點(diǎn)灰度值拉伸至 175-215 區(qū)間。由于分布區(qū)間擴(kuò)大,當(dāng)選擇閾值分割時(shí),會(huì)大大減少閾值選擇不夠精確時(shí)誤分割點(diǎn)的數(shù)量,提高分割的準(zhǔn)確性。例如

28、,原車(chē)道線上灰度值為 245的像素點(diǎn)為100個(gè),如果采用 246 閾值分割,這100個(gè)點(diǎn)將被誤認(rèn)為是路面?;叶壤旌?,灰度為 215 的點(diǎn)可能會(huì)減少到25個(gè),這時(shí)采用 216 分割閾值,則誤分點(diǎn)數(shù)會(huì)大為降低。4. 圖像分割(Image segmentation)圖像分割:在視覺(jué)環(huán)境感知中,圖像處理的根本目的是將感興趣的目標(biāo)與背景有效分割 ,從而實(shí)現(xiàn)目標(biāo)物體辨識(shí)。因此,圖像分割是圖像理解與分析的基礎(chǔ) 。圖像分割方法有很多種 ,如灰度閾值法、邊緣檢測(cè)法、像素分類法、神經(jīng)網(wǎng)絡(luò)法、模糊集合法等 ?;谠趫D像中同一種性質(zhì)物體具有相同或相似的灰度概率最大原理 ,因此可采用灰度級(jí)的差別來(lái)分割圖像中的各個(gè)物體

29、 ,這類分割方法稱為閾值法。利用閾值對(duì)圖像進(jìn)行分割時(shí) ,關(guān)鍵是找到能將物體和背景有效分割的閾值 。閾值法計(jì)算簡(jiǎn)單,運(yùn)算效率高,在圖像分割中被廣泛應(yīng)用。二值化:通過(guò)閾值分割,可將圖像二值化。二值化后圖像各像素只有兩個(gè)灰度級(jí)(0,1)。 圖像二值化能去除一些無(wú)用信息,進(jìn)一步突出目標(biāo)特征,有利于目標(biāo)的辨識(shí)。 原圖 110 閾值 150 閾值 190 閾值 230 閾值 250 閾值 設(shè)圖象灰度級(jí) G (0, 1, 2, ), 二值化可表示為: 選擇不同的閾值 t ,將會(huì)產(chǎn)生不同的二值化圖象。固定全局閾值:當(dāng)背景與目標(biāo)灰度相差較大但各自比較均勻時(shí) ,設(shè)定一合適的全局固定閾值即可獲得滿意分割效果。 原始

30、圖像 分割后二值化圖像動(dòng)態(tài)全局閾值:通常,圖像背景與目標(biāo)的各自灰度值并不一定均勻恒定 ,且它們間的灰度反差強(qiáng)度對(duì)整個(gè)圖像而言也不一定固定不變 ,因此采用固定全局閾值在圖像中某一區(qū)域分割效果可能良好 ,但在其它區(qū)域分割效果不一定理想。另外,對(duì)于多變環(huán)境下的動(dòng)態(tài)圖像處理來(lái)說(shuō) ,這些不確定性可能會(huì)變得更為明顯。顯然 ,對(duì)智能車(chē)輛視覺(jué)環(huán)境感知,由于光照、背景的多變性,即使是識(shí)別跟蹤同一目標(biāo) ,也不可能始終采用一個(gè)固定不變的全局閾值實(shí)現(xiàn)目標(biāo)與背景的有效分割 ,必須考慮采用合適動(dòng)態(tài)閾值自動(dòng)在線選取算法 ,才能提高其自主導(dǎo)航環(huán)境感知的魯棒性。全局自動(dòng)閾值選取方法主要有 :直方圖法、類間方差法、矩不變法、最佳

31、熵法、極小誤差法等 。在諸多該類算法的應(yīng)用過(guò)程中, 應(yīng)注意每種算法都并非盡善盡美,它們均各自具有其局限性,應(yīng)用前只有通過(guò)實(shí)際工況應(yīng)用試驗(yàn)才能確認(rèn)所選算法的合理性。原始圖像 圖像灰度直方圖a. 直方圖法: 下面左圖是一幅在亮度不均勻但相對(duì)較暗的背景上存在有很亮物體的圖像,右圖是表示其灰度分布特征的直方圖。 從上面的直方圖中可以看出,接近最高灰度值255的像素點(diǎn)個(gè)數(shù)和接近次高灰度值150的像素點(diǎn)個(gè)數(shù)形成了圖像像素點(diǎn)分布的兩個(gè)峰值,兩峰間谷底處的灰度值約為240。 對(duì)前述案例,顯然用灰度值 240 即可將目標(biāo)與背景有效分離。因此,采用直方圖法分割的關(guān)鍵是設(shè)法在直方圖中找到兩峰值間的谷底所對(duì)應(yīng)的灰度值

32、做為圖像分割的閾值。從統(tǒng)計(jì)學(xué)的角度出發(fā),目標(biāo)和背景各自的灰度物理特性接近且相應(yīng)的像素點(diǎn)個(gè)數(shù)在圖像中的分布概率應(yīng)該最高,因此形成直方圖中的兩個(gè)峰值點(diǎn),即不屬于目標(biāo)也不屬于背景的像素點(diǎn)其分布概率應(yīng)最低,理論上應(yīng)為零。因此,直方圖法常以概率密度分布函數(shù)作為分析工具。 在實(shí)際應(yīng)用中,由于圖像的復(fù)雜性,圖像的直方圖常會(huì)出現(xiàn)多峰多谷現(xiàn)象,這給該方法的應(yīng)用帶來(lái)一定局限性。因?yàn)椴磺‘?dāng)?shù)墓鹊渍J(rèn)定,可能造成要么將目標(biāo)點(diǎn)歸為背景,要么將背景點(diǎn)認(rèn)定為目標(biāo)。由于分割閾值選取不當(dāng),其結(jié)果必然是要么損失掉有用的部分目標(biāo)信息,要么在目標(biāo)信息中增加了有害的噪聲。因此,當(dāng)出現(xiàn)多峰多谷現(xiàn)象時(shí),通常要采取分段插值和濾波等方法進(jìn)行必要

33、的數(shù)據(jù)處理以保證分割閾值獲取的有效性。暗背景目標(biāo)亮多峰多谷直方圖閾值法示意圖原始圖像 直方圖法分割結(jié)果b. 類間方差法: 通常,圖像中同類物體像素點(diǎn)灰度特性差異不大,但不同類物體間灰度差異則比較明顯。方差是灰度分布均勻性的一種度量,方差值越大,說(shuō)明構(gòu)成圖像的兩部分差別越大,當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo),都會(huì)導(dǎo)致兩部分差別變小。如果將各種不同閾值分割后形成的背景和目標(biāo)方差差值進(jìn)行比較,顯然該值最大的分割是錯(cuò)分概率最小的分割,該方差即為類間最大方差。 一維最大類間方差分割法具有較好的實(shí)時(shí)性,在圖像質(zhì)量較好和背景變化比較穩(wěn)定的情況下,采用該種方法通常都會(huì)取得較令人滿意的分割效果。具體而言

34、,如果圖像基于其直方圖的灰度分為1-L 級(jí),在1-L級(jí)間選擇一分割閾值K,這樣目標(biāo)圖像各像素點(diǎn)的灰度級(jí)為 C0 = K -L級(jí) ,背景圖像各像素點(diǎn)的灰度級(jí)為C11-K。在各個(gè)灰度級(jí)內(nèi) ,分別計(jì)算目標(biāo)和背景灰度方差并求取二者差值。然后,求取方差差值的最大值 ,則對(duì)應(yīng)該最大值的灰度級(jí)K即可作為目標(biāo)和背景分割的最佳閾值 K* 。 相關(guān)各計(jì)算公式如下:= = 類間方差法是建立在圖像僅有明 、 暗兩類構(gòu)成基礎(chǔ)之上,因此該方法除應(yīng)考慮方差因素外 ,還應(yīng)考慮目標(biāo)和背景的產(chǎn)生概率即目標(biāo)與背景在整幅圖像中所占比例 ,并應(yīng)將其作為加權(quán)系數(shù) 。為此 ,可考慮采用多次迭代分割方法,即首先將圖像的最暗區(qū)域分割掉 , 然

35、后在剩余的區(qū)域進(jìn)行二次分割 ,直到完全分割出目標(biāo) ,比較每次的分割的閾值選擇函數(shù) ,其值最大的分割即為最佳的分割。式中, 為灰度值的像素?cái)?shù); 為圖像總像素?cái)?shù); 為灰度值概率; 、 、 分別為目標(biāo)和背景概率; 、 、 分別為目標(biāo)、背景、圖像的灰度均值; 、 、 分別為目標(biāo)、背景、圖像的方差; 為閾值選擇函數(shù); 為類間方差; K*為最終獲取的最佳分割閾值。最大類間方差圖像分割效果圖原始圖像c. 最大熵法: 熵是信息能量的一種度量形式。對(duì)于圖像而言,其熵值可以體現(xiàn)灰度分布狀態(tài)。最大熵圖像分割方法主要是通過(guò)計(jì)算包含灰度信息的最大熵值,標(biāo)記所對(duì)應(yīng)的灰度值,將之作為圖像分割的最佳全局閾值。對(duì)于給定的圖像,

36、設(shè) T 為分割閾值,則目標(biāo)和背景的灰度分布概率為: 則目標(biāo)區(qū)域和背景區(qū)域的一維熵分別可用下式定義: 整幅圖像的一維熵定義為: 使得 最大時(shí)的 T 值 ,就是根據(jù)一維熵最大化原理求取得到的全局分割閾值?;陟刈畲蠡淼膱D像分割算法的根本出發(fā)點(diǎn)是使圖像中目標(biāo)和背景分布的信息量最大。采用該方法不需要先驗(yàn)知識(shí),對(duì)于非理想雙峰直方圖圖像也可以進(jìn)行有效分割。T原始圖像最大熵圖像分割效果圖d. Fisher準(zhǔn)則法: 在模式識(shí)別理論中, Fisher 評(píng)價(jià)函數(shù)是類別分離程度的良好判據(jù),因此可以考慮將 Fisher 評(píng)價(jià)函數(shù)引入到圖像分割中。 Fisher 準(zhǔn)則函數(shù)的基本數(shù)學(xué)表達(dá)式如下: 上式表述的基本含義是

37、:對(duì)于兩類物體,如果表征其物理特征的參數(shù)均值差越大,但其各自的方差都很小時(shí),所定義的 Fisher 準(zhǔn)則函數(shù)J(Y)有最大值 。對(duì)于圖像分割而言,我們可以按照不同灰度等級(jí)人為將圖像分割成目標(biāo)和背景兩類子圖像,分別計(jì)算子圖像的灰度均值和方差,并進(jìn)而按上式求取準(zhǔn)則函數(shù)值。當(dāng)計(jì)算遍歷了所規(guī)定的各灰度級(jí)后,使得該函數(shù)值最大的那個(gè)灰度級(jí)值即可作為最佳全局分割閾值。具體計(jì)算公式如下:原始圖像最大熵圖像分割效果圖5. 形態(tài)學(xué)處理: 形態(tài)學(xué)用集合論方法定量描述幾何結(jié)構(gòu),最基本的形態(tài)學(xué)運(yùn)算有:膨脹、腐蝕、開(kāi)運(yùn)算、閉運(yùn)算。膨脹和腐蝕運(yùn)算常被應(yīng)用于分割后圖像的進(jìn)一步處理,以便為下一步目標(biāo)的特征和識(shí)別創(chuàng)造更為有利的條

38、件。 圖像膨脹:膨脹運(yùn)算就是將目標(biāo)周 圍背景點(diǎn)合并 到自身中。如果兩個(gè)目標(biāo)物體之間距離比較近,那么膨脹可能會(huì)使這兩個(gè)物體連通在一起。膨脹對(duì)填補(bǔ)圖像分割后邊緣的不連續(xù)和物體中的空穴有很好的效果。其具體運(yùn)算過(guò)程為:假設(shè)有一個(gè)圖像結(jié)構(gòu)元素 S 中共包括三個(gè)點(diǎn),即S1(0,0)、S2(1,0)、S3 (0,1) ,如下圖所示。對(duì)已有圖像X作膨脹運(yùn)算的實(shí)質(zhì)是將X中的每一個(gè)點(diǎn)擴(kuò)大為Sx。下圖顯示出 X 被 S1、S2和S3平移結(jié)果 ,其中XS1和X重合 ,XS2 相當(dāng)于X向右平移一個(gè)單位,XS3 相當(dāng)于X向上平移一個(gè)單位。將 XS1 、XS2、XS3 “重疊合并” 在一起可得到一幅新的圖像 ,該過(guò)程就是X

39、 被 S 膨脹的過(guò)程。膨脹前圖像膨脹后圖像膨脹后圖像中物體的輪廓和噪聲被放大,有時(shí)影響目標(biāo)識(shí)別定位,這時(shí)可進(jìn)行形態(tài)學(xué)腐蝕處理。腐蝕可以把小于結(jié)構(gòu)元素的物體去除,這樣選取不同大小的結(jié)構(gòu)元素,就可以去掉不同大小的物體。如果兩個(gè)物體之間有細(xì)小的連通,那么當(dāng)結(jié)構(gòu)元素足夠大時(shí),腐蝕運(yùn)算可以將兩個(gè)物體分開(kāi)。和膨脹運(yùn)算相反,腐蝕可看作是將圖像 X 中每一個(gè)與結(jié)構(gòu)元素S全等的子集Sx收縮為點(diǎn)x。腐蝕前圖像 腐蝕后圖像三、特征提取-Feature extraction 為了實(shí)現(xiàn)對(duì)視覺(jué)圖像中的目標(biāo)進(jìn)行有效、準(zhǔn)確識(shí)別,通常需要對(duì)目標(biāo)典型特征進(jìn)行提取,以便為目標(biāo)的識(shí)別提供必要依據(jù)。就特征提取而言,首先是要確定目標(biāo)具有

40、何種典型圖像信息特征,這通?;谙闰?yàn)知識(shí),另外就是采用何種方法能夠獲取相應(yīng)的典型特征。1. 特征類別(Feature types) 各種物體間存在差異且能過(guò)被識(shí)別區(qū)分,主要是它們具有各自不同的典型特征。對(duì)于智能車(chē)輛環(huán)境感知需要識(shí)別的物體,通常形狀、面積、體積、顏色、運(yùn)動(dòng)狀態(tài)、對(duì)稱性、表面粗糙度、聲光反射性、穿透性等常是被提取的典型特征。(b)(b) 形狀特征:物體的形狀通??捎善溥吘夁M(jìn)行描繪。對(duì)于變形不大的兩維圖像,物體主體邊緣可能具有線形、弧形、矩形、圓形、梯形、三角形等各種不同特征。車(chē)道線直線特征 馬路邊緣直線特征 車(chē)輛后部邊緣直線特征車(chē)輛尾部矩形特征 汽車(chē)車(chē)牌矩形特征 石塊矩形特征彎道線

41、曲線特征 土路邊界曲線特征 土坑邊界曲線特征標(biāo)示牌圓形特征汽車(chē)尾燈圓形特征人臉橢圓形特征尾燈車(chē)牌對(duì)稱性 車(chē)輛尾部邊緣對(duì)稱性 臉部器官對(duì)稱性 對(duì)稱特征:有些物體具有對(duì)稱性特征,這種對(duì)稱性可能表現(xiàn)形式不同,但可作為對(duì)目標(biāo)進(jìn)行識(shí)別的一種有效手段。pplpr 平行特征:有些物體邊界具有平行特征,這種特性有時(shí)可作為對(duì)目標(biāo)進(jìn)行有效識(shí)別的一種判據(jù)。目標(biāo)邊緣的平行特征 面積特征:根據(jù)分割圖像中可能存在多個(gè)目標(biāo)現(xiàn)象,有時(shí)可根據(jù)面積約束條件,有效減少其它疑似目標(biāo)的干擾,有利于實(shí)現(xiàn)真正目標(biāo)的識(shí)別。面積特征在車(chē)道線及土坑識(shí)別中去噪干擾應(yīng)用 顏色特征:有些物體具有特殊顏色特征,這種特性在有些特定環(huán)境下對(duì)目標(biāo)識(shí)別具有重要應(yīng)用價(jià)值。土路顏色特征 人臉皮膚顏色特征 嘴唇顏色特征 紋理特征:不同物體表面的紋理可能不同,紋理通??捎帽砻娲植诙冗M(jìn)行度量。紋理特征也可在特定環(huán)境下用來(lái)對(duì)目標(biāo)進(jìn)行識(shí)別。水面紋理特征 道路紋理特征 車(chē)輛紋

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論