基于单目视觉的车辆防撞预警系统的技术研究

发布时间：2020-04-07 03:00

【摘要】：本文研究了基于单目视觉的车辆防撞预警系统,分别在白天车辆检测、夜间车辆检测和车辆跟踪三个技术领域对各种研究成果进行分析对比,并针对实际场景中遇到的问题设计了相应的改进算法。在白天车辆检测中,针对系统要求超高安全性的特点,提出了划分不同安全级的ROI区域,并在警报ROI区域中依次使用两种检测方法的机制。针对传统车道线检测算法灵活性低的缺点,设计了一种基于超像素的车道线检测算法,对车道线被遮挡的情况具有鲁棒性。针对SVM分类算法效率低的缺点,设计了基于PCANET的车辆分类器,提高了系统的准确性。在夜间车辆检测中,针对只检测前方汽车而不能对电动车进行预警的情况,设计了混合交通场景下的车辆检测机制。针对传统相机自动曝光时尾灯容易误检的缺点,设计了低曝光度的尾灯检测机制,建立了尾灯的HSV空间模型来分割尾灯,利用证据融合算法来验证尾灯。实验结果表明,新算法减少了车辆误检情况并提高了系统的安全性。在车辆跟踪过程中,针对白天和夜间图像的差异性而分别设计了对应的跟踪算法,白天场景下针对Meanshift算法易发生窗口漂移的缺点,设计了结合Meanshift和智能跟踪队列的方法。夜间场景下针对传统跟踪算法无法应用于低亮度图像的缺点,设计了结合夜间检测模型和跟踪队列的方法,提高了算法处理速度。通过对实际行车视频进行处理的结果表明,在Windows 10操作系统和2.4GHz CPU的环境下,采用本文设计的车辆检测与跟踪的方法能够准确的检出前车并且速度能达到20帧每秒,满足实时性的要求。
【图文】：

示意图,坐标系,示意图,相机

位论文逦基于单目视觉的车辆防撞预警系统道线分布在视野的两侧，并且沿着视线延伸方向这两条车道线的距离逐渐２．１邋ａ）和２．１邋ｂ）所示。逡逑ａ逡逑ａ）直线车道线示意图逦ｂ）曲线车道线示意图逡逑图２．１典型车道线类型示意图逡逑同一车道线可建立不同的坐标系统，如图２．２所示，其中ＯｗＸｗＹｗＺｗ为世ｗＸｗＺｗ平行于道路平面，尚度与相机一■致，ＯｗＸｗ轴穿过相机中心，ＯｗＹｗ相交点ＣＫ，ＯｗＺｗ平行于左车道线过ｃｙ的切线。ＯｃＸｃＹｃＺｃ为相机坐标系，图像坐标系（ＩＣＳ），即为单目相机的成像。逡逑

示意图,阈值分割,颜色,二次

为了使用颜色特征对车道线进行更加完整的预分割并且尽可能的减少路面图像的噪声，逡逑本文设计大小为ＳｉｚｅｘＳｉｚｅ，步长为Ｓｔｅｐ的滑动窗口进行车道线区域预提取，将区域颜逡逑色占比能满足式２．６的区域作为车道线检测候选区域，检测结果如图２．４所示，其中图逡逑２．４ａ）表示不同标定相机下的简单和复杂车道线的原图，图２．４邋ｂ）表示了进行区域颜色阈逡逑值分割后的结果图像，图中绿线表示地平线，红线表示Ｒ０丨的４／５分割线。逡逑ｖＲ邋？邋ｖＧ邋ａ邋？邋２５５逦（２．４）逡逑ｖＲ邋？邋ｖＧ邋？邋２５５，邋ｖＢ邋？邋２５５逦（２．５）逡逑Ｒａｔｉｏｎ邋＝逦＞邋Ｒａｔｉｏｎ逦（２．６）逡逑Ｓｉｚｅ邋ｘ邋Ｓｉｚｅ逡逑其中，巧？，心，叫分别为像素点在Ｒ，，邋Ｇ，邋Ｂ三个通道的分量值，为区域颜色占逡逑比，《为区域中满足黄色或者白色车道线阈值的像素点总数，Ｋａｔｉｏ％为预候选车道线区逡逑域的颜色占比阈值。逡逑逦逦逦…．逡逑——一７逡逑ａ）两种场景下的原图逦ｂ）基于区域的颜色分割结果示意图逡逑图２．４基于区域的颜色阈值分割结果示意图逡逑（３）基于ＯＴＳＵ算法的二次分割逡逑对图像进行预车道线候选区域提取后，图像被分割成几块连通域，由于车道线细小逡逑且延长，所以可以将连通域面积较小的区域去除，然后利用车道线与周围路面差异较大逡逑的特性分割出车道线
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6;TP391.41

【参考文献】