基于單目視覺的前方車輛檢測(cè)和測(cè)距方法研究.pdf

1、前方障礙物檢測(cè)是智能車輛技術(shù)的核心。其中，視覺探測(cè)技術(shù)相較于超聲波、激光、雷達(dá)等技術(shù)，具有更大的信息量、更符合人眼捕捉信息的習(xí)慣、成本更低廉等優(yōu)點(diǎn)。因此，基于視覺的車輛檢測(cè)技術(shù)已經(jīng)成為當(dāng)今研究的熱點(diǎn)。
　　 論文基于機(jī)器視覺以車道檢測(cè)和障礙物檢測(cè)為研究對(duì)象，提出了一種有效的檢測(cè)算法。用靜態(tài)圖像處理技術(shù)結(jié)合車輛行駛過程中車輛及道路特征，為駕駛員提供準(zhǔn)確輔助駕駛信息。
　　 論文主要研究內(nèi)容及研究成果如下:
　　 1

2、.介紹國內(nèi)外智能車輛研究現(xiàn)狀及用于檢測(cè)的不同傳感器類型。綜述道路及車輛檢測(cè)算法主要分類，詳細(xì)介紹各種方法優(yōu)缺點(diǎn)。由雷達(dá)、激光等傳感器測(cè)距方式的局限性突出機(jī)器視覺測(cè)距研究具有廣闊的發(fā)展空間，并介紹了多種攝像機(jī)標(biāo)定方法。
　　 2.通過研究大量數(shù)據(jù)，作者基于道路環(huán)境的先驗(yàn)知識(shí)——車輛位于道路范圍內(nèi)、且車道線大部分為直線，利用Hough變換法初步確定感興趣區(qū)域(Region of Interest，ROI)。再通過道路灰度漸變的特征將

3、興趣區(qū)域進(jìn)一步精確。
　　 3.在興趣區(qū)域范圍內(nèi)執(zhí)行最大類間方差法閾值分割(OTSU)，通過車輛的黑色輪胎和陰影等深色特征將目標(biāo)有效提取，得到潛在車輛位置。由于論文提出的確定ROI算法良好，使得檢測(cè)區(qū)域內(nèi)幾乎只有車輛和道路。因此，OTSU閾值分割錯(cuò)分概率最小。最后，驗(yàn)證潛在目標(biāo)的對(duì)稱性，將非對(duì)稱的虛假目標(biāo)排除。將本文方法與兩種基于特征的前沿算法比較，準(zhǔn)確率、誤檢率、漏檢率均優(yōu)于對(duì)比算法。
　　 4.研究攝像機(jī)成像原理，分