基于虛擬車道模型的前方車輛圖像檢測(cè)方法研究.pdf

1、目前，前方車輛檢測(cè)方法可以分為基于車輛特征的方法、基于學(xué)習(xí)的方法以及基于光流場(chǎng)的方法等?；趯W(xué)習(xí)的方法魯棒性較強(qiáng)，但需要選擇大量的車輛和非車輛樣本對(duì)分類器進(jìn)行訓(xùn)練;基于光流場(chǎng)的方法計(jì)算量大、實(shí)時(shí)性差，并且對(duì)噪聲、光線等較為敏感;基于車輛特征的方法因其執(zhí)行速度快、魯棒性強(qiáng)、能夠適應(yīng)單目視覺系統(tǒng)的使用需要等優(yōu)點(diǎn)，成為了應(yīng)用最為廣泛的一種車輛檢測(cè)方法，本文即采用這種方法完成前方車輛的檢測(cè)。
　　為了減少運(yùn)算量，提高處理速度，更有效地將車

2、輛特征與非車輛特征區(qū)分開，人們提出了許多方法，例如，劃分預(yù)處理區(qū)域，改進(jìn)圖像閾值分割方法以及綜合利用車輛的多個(gè)特征進(jìn)行檢測(cè)等。
　　人們大多采用檢測(cè)車道線的方式來劃分出預(yù)處理區(qū)域。但是，這種方法僅僅適用于高速公路、城市主干道等標(biāo)準(zhǔn)化道路，具有一定的局限性。為了能適用于任意道路，本文提出與研究一種基于虛擬車道模型的預(yù)處理區(qū)域確定方法。該方法先在道路空間構(gòu)建一個(gè)具有一定長(zhǎng)、寬、高的虛擬車道，然后根據(jù)小孔成像原理建立虛擬車道模型，最后根

3、據(jù)圖像坐標(biāo)系與攝像機(jī)坐標(biāo)系之間的坐標(biāo)轉(zhuǎn)換關(guān)系在圖像中劃分出虛擬車道確定的預(yù)處理區(qū)域。該方法進(jìn)一步縮小了預(yù)處理區(qū)域的范圍，減少了無用信息對(duì)車輛特征提取的干擾，縮短了處理時(shí)間。
　　在圖像閾值化處理時(shí)，本文針對(duì)迭代選擇閾值分割法的不足，在計(jì)算迭代閾值時(shí)引入一個(gè)權(quán)重系數(shù)，增強(qiáng)低灰度值像素點(diǎn)對(duì)迭代閾值計(jì)算的影響，削弱高灰度值像素點(diǎn)對(duì)迭代閾值計(jì)算所起的作用，使分割閾值更加接近車底陰影區(qū)域的灰度值，以達(dá)到降低最終分割閨值的目的。
　　針

4、對(duì)單獨(dú)利用某一個(gè)特征對(duì)車輛進(jìn)行檢測(cè)發(fā)生誤檢和漏檢的概率比較高的問題，本文采用車底陰影特征、邊緣特征、紋理特征、灰度對(duì)稱性特征等多特征融合的方法實(shí)現(xiàn)前方車輛的檢測(cè)。
　　最后，在Windows7和VisualStudio2008環(huán)境下，采用OpenCV2.4.3和MFC設(shè)計(jì)了一款前方車輛檢測(cè)軟件，并利用該軟件對(duì)采集到的具有不同道路狀況的一段視頻進(jìn)行離線測(cè)試，測(cè)試結(jié)果表明，本文提出的車輛檢測(cè)算法的準(zhǔn)確檢測(cè)率高達(dá)90％，平均每幀耗時(shí)53