基于机器视觉的前方车辆检测与测距研究

发布时间：2020-05-05 17:58

【摘要】：汽车工业经过近百年的发展,已经越来越融入到人们的生活当中,同时交通事故的频发给人们的生命财产安全带来了极大的威胁,汽车的安全行驶成为了一个亟待解决的问题。随着科技的进步发展,智能驾驶越来越成为一个重要的发展领域,基于视觉的前方车辆检测成为了这一领域的研究重点,目的是通过检测前方车辆保障车辆通过的安全性。本文提出了利用车辆的边缘特征和阴影特征结合的方法完成对前方车辆的检测,通过摄像机参数的标定以及不同维度坐标关系的转换获得前后车辆的距离,最后根据车辆安全行驶距离制定防撞预警策略。本文在分析研究了国内外的车辆检测算法和技术的基础上,提出了相应的车辆检测方法,本文的主要研究内容如下:(1)图像的预处理。对一幅完整的图像检测消耗时间长,为了提高检测效率,选取图像下方3/5的有效区域进行处理。选用与人眼视觉最为接近的加权平均法对有效区域进行灰度化处理;最后采用中值滤波的方式滤除采集的数据图像中的随机噪声。(2)利用了一种基于车辆边缘特征识别车辆的方法。该方法考虑了道路上车辆尾部的不同形状特征,通过Prewitt边缘检测算子提取车辆的车尾轮廓,利用车辆尾部边缘的对称性以及长度特征确定可能存在车辆的区域。(3)基于车辆阴影特征的车辆验证。两次运用大津阈值算法能够有效的分割出车辆阴影,然后利用膨胀、腐蚀等形态学处理方法,得出车辆候选区域。利用车辆阴影形状特征以及与车辆的位置关系进行车辆的精确验证。(4)根据单目视觉的测距原理,建立起不同维度坐标系之间的相互转换关系,然后对摄像机内外参数进行标定。通过坐标关系的转换以及摄像机标定的参数,结合摄像机模型推导的测距公式,完成自车与前车的距离测量,最后制定预警策略。通过大量的实验验证,能够有效的识别前方车辆,并且通过测距实验得到了较好的数据结果,说明了本文的测距方法能够满足预警要求,并且具有一定的实时性和稳定性。
【图文】：

后视图,车辆,图像

从不同的角度看去，车辆底部总是会存在阴影，阴影区域在图像中会显得比其他区域要暗。如图2-1所示:图 2-1 各种车辆图像（2）在外型上看，车辆的形状大体可以看做是矩形结构，并且车辆的尺寸（宽度、高度）在一定的比例范围内。（3）从后方看去，车辆尾部的车顶、后车窗、车厢、保险杠，车牌等部分都具有水平结构，这些水平边缘在图像中均是平行的，，同时车辆纵向的两条边界轮廓还具有边缘垂直特性。（4）车辆的后视图像中，车辆关于一条垂直线对称。基于特征检测车辆的方法，通常是利用车辆本身拥有的边缘特征[34]、垂直对称性特征、车辆的阴影特征或者其他的特征来完成车辆的检测[35]。由后方拍摄的车辆图像中，除了车辆目标外，还会存在交通标识牌、建筑物以及其他的对称性物体，这些物体的存在会对车辆的识别造成干扰。另外，在灰度图像中，利用车辆的对称性检测车辆，由于存在灰度均匀的区域会造成车辆的错误检测。当采用车辆的阴影特征进行车辆的检测时，需要精确的分割阈值对图像进行分割，但是分割阈值又需要根据外部天气或者背景环境做出调整

基于机器视觉的前方车辆检测与测距研究

原始图像
【学位授予单位】：重庆交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6

【参考文献】