基于單目視覺的前方車輛檢測和測距方法研究.pdf

1、前方障礙物檢測是智能車輛技術(shù)的核心。其中，視覺探測技術(shù)相較于超聲波、激光、雷達等技術(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。因此，基于視覺的車輛檢測技術(shù)已經(jīng)成為當(dāng)今研究的熱點。
　　 論文基于機器視覺以車道檢測和障礙物檢測為研究對象，提出了一種有效的檢測算法。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)狀及用于檢測的不同傳感器類型。綜述道路及車輛檢測算法主要分類，詳細介紹各種方法優(yōu)缺點。由雷達、激光等傳感器測距方式的局限性突出機器視覺測距研究具有廣闊的發(fā)展空間，并介紹了多種攝像機標(biāo)定方法。
　　 2.通過研究大量數(shù)據(jù)，作者基于道路環(huán)境的先驗知識——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，使得檢測區(qū)域內(nèi)幾乎只有車輛和道路。因此，OTSU閾值分割錯分概率最小。最后，驗證潛在目標(biāo)的對稱性，將非對稱的虛假目標(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)于對比算法。
　　 4.研究攝像機成像原理，分