论文在吊车紧急制动方面展开了深入研究,提出了一种基于立体视觉的吊车碰撞预测算法,使吊车系统具有预测碰撞并实现紧急制动的能力,提高其自动化性能和安全性。并且还搭建了一套实验平台,用于验证上述碰撞预测算法的性能。论文的主要工作集中于以下几个方面：(1)搭建了基于立体视觉的吊车碰撞预测系统实验平台。在此基础上,开发了相关软件。该系统硬件部分主要由立体视觉设备、相机固定支架、计算机、研华USB设备以及光电触发电路组成。而软件部分是在Windows平台下的Matlab7.0环境和Visual C++6.0环境下开发而成。(2)论文设计并实现了一种基于全局代价函数优化的立体标定方法,用于标定立体视觉设备。该方法是以张正友的单目相机标定方法为基础,将左右相机的内参数、它们与标定板之间的外参数、镜头畸变系数,以及两个相机之间的外参数标定相互融合,在参数的优化过程中充分利用了左右相机之间外参数保持不变这一约束条件,使用一种约束性更强的全局代价函数作为优化目标,经过一次优化得到立体视觉系统的参数。(3)论文提出并实现了一种具有旋转不变性的高效边缘点匹配算法,用于重建吊车场景中的静态障碍物。该算法综合了SIFT算子的旋转不变性和传统边缘点匹配方法的特点,首先提取图像的边缘特征,并保存轮廓图像作为索引图；然后利用极线约束和邻域灰度信息,沿特征点的主方向建立描述符；同时通过“冗余角阈值”策略来选择合适的候选匹配点；最后,通过计算特征点与候选匹配点之间的相关度,得到正确的匹配点,并计算出三维坐标,重建静态障碍物的形貌特征。(4)论文提出并实现了一种基于Camshift (Continuously Adaptive Mean Shift)算法的多运动目标检测跟踪与尺寸估计算法,用于实现吊车场景中负载和动态障碍物的检测、跟踪、尺寸估计和速度估计。该算法使用背景差分法检测运动目标,经过二值化处理和形态学处理,得到运动目标的个数和颜色概率分布信息,完成跟踪初始化。然后使用Camshift算法对各个目标进行跟踪,得到各个目标搜索窗的信息,同时计算出目标的位置以及尺寸大小。最后使用Kalman滤波对目标的运动信息进行优化。(5)论文提出了一种基于包围盒的两级碰撞预测策略,用于预测负载与静态障碍物以及与动态障碍物之间的碰撞。该策略分为两个阶段：第一阶段的主要任务是实现障碍物的裁剪,只考虑负载周围安全距离范围内的障碍物。第二阶段的主要任务是对存在碰撞可能的负载与障碍物之间,采用基于相对速度的碰撞预测算法进行预测。依据所选择的包围盒模型,提出了不同的碰撞预测算法。针对球形包围盒模型,论文提出了基于相对速度的最近点碰撞预测算法。针对OBB(Oriented Bounding Box,有向包围盒)包围盒模型,论文提出了基于相对速度的"Point-to-Plane"碰撞预测算法。