1. 研究目的与意义（文献综述）

随着生活水平的不断提高和技术的快速进步，特别是无人驾驶汽车的出现，人们对于汽车性能的要求越来越高，这促进了智能车的研究和发展。智能车在诸多领域都有着广阔的应用前景。例如：在军事上，智能车可以代替人类完成侦查，携带武器打击敌人甚至自爆；在工业上，智能车能够代替工人完成搬运货物，对环境进行检测等工作；在农业方面，智能车可以代替人类完成喷洒农药、收割作业、中耕除草等工作；在物流领域，智能车可以快速的实现快递的分拣，极大地提高了效率^[1]。然而这些都离不开智能车的定位与导航，其中最为基础的技术就是智能车的实时检测与跟踪。在智能车实时检测与跟踪技术研究中，机器视觉技术引起了人们的广泛关注。

机器视觉技术也称为计算机视觉技术，是指通过计算机来实现人的视觉功能，也就是用计算机实现对客观三维世界的识别。简言之，机器视觉就是用机器代替人眼来做测量和判断^[2]。在国外，从机器视觉的底层开发到机器视觉应用，积累了大量的技术基础，成熟的技术将机器人视觉系统应用在半导体和电子行业。20世纪50年代机器视觉主要用于二维图像的研究，60年代ＭＩＴ的roberts开创了三维场景为目的的视觉研究,70年代提出了较为完整的机器视觉理论：Ｍarr视觉理论，20世纪80年代视觉技术快速发展，进入发展正轨，90年代至今进入最活跃的阶段，广泛应用于多个领域^[3]。

目前，欧美、日本等发达国家机器视觉技术发展较快，相应应用较为成熟，主要集中在电子行业、半导体行业和工业测量方面^[4]。比如，s.trika等研究了一种基于机器视觉的多面体零件特征提取技术，获得了零件的特征；j.merlet等将机器视觉技术应用于部件装配，极大降低了误差；du-ming tsai等机器视觉与神经网络技术相结合，实现了对机械零件表面粗糙度的非接触测量^[5]；由马里兰大学和ibm公司共同研发的w智能监视系统，该系统通过单目灰度或者红外摄像机对目标进行信息的采集，然后通过目标跟踪技术对采集的信息进行分析，从而实现对目标的定位检测与跟踪，为了提高系统的跟踪性能，在检测跟踪到目标的同时会对目标的外观进行建模，这样，即使发生目标遮挡或者有相似于目标干扰的情况时该系统仍能够对目标进行准确跟踪^[6]，苏黎世工业大学计算机视觉实验室研制了一种手指跟踪系统，利用机器视觉可以精确测出手指与摄像头的距离，配合另一个摄像头，能对手指进行空间定位并实时跟踪^[10]。

2. 研究的基本内容与方案

设计基于卡尔曼算法的小车控制系统目的是为了在小车运行的过程中，通过相机系统，采用卡尔曼算法来检测小车的实时位置、速度、加速度等信息，以便能够对小车进行检测与跟踪。

基于卡尔曼算法的小车控制系统设计的基本内容和技术方案包括以下三部分：

1.智能小车的总体设计：以51单片机为控制核心，采用模块化设计，包括电源模块、驱动模块，蓝牙通信模块、红外led模块等，电源模块和驱动模块能驱动小车运行，51单片机控制小车运行状态，红外led灯能被wiimote相机感知并进行定位和状态检测，蓝牙通信模块可以与电脑进行通信。

3. 研究计划与安排

第1周：熟悉课题，搜集整理相关资料，查阅文献；

第2周：查阅外文文献，并开始文献翻译；

第3周：撰写开题报告初稿，完成资料翻译工作；

4. 参考文献（12篇以上）

[1]易礼智.基于机器视觉的避障智能小车系统研究[d].中南大学.2012

[2]兰海军，文友先.机器视觉技术的发展和应用[j].湖北农机化.2007

[3]陈亚新.基于视觉定位的机器人控制技术研究[d].安徽工程大学.2017