智能車(chē)輛視覺(jué)導(dǎo)航中運(yùn)動(dòng)車(chē)輛的檢測(cè).pdf

1、本文主要研究了智能車(chē)輛視覺(jué)導(dǎo)航中前方車(chē)輛的檢測(cè)問(wèn)題。 首先，視頻圖像是從正在行進(jìn)過(guò)程中的車(chē)上采集的，攝像機(jī)安裝在車(chē)的前面朝向前方。這些視頻序列包含了不同的交通狀況和可視情況。 其次，系統(tǒng)的算法主要由兩部分組成：道路的分割和基于對(duì)稱(chēng)性特征的前方車(chē)輛檢測(cè)。道路的分割主要是為進(jìn)一步檢測(cè)車(chē)輛做的準(zhǔn)備工作，道路的檢測(cè)首先是利用圖像的直方圖計(jì)算出最優(yōu)閾值，采用最優(yōu)閾值將圖像閾值化；然后，利用線(xiàn)段增長(zhǎng)法分割出道路區(qū)域。運(yùn)動(dòng)車(chē)輛的檢測(cè)主

2、要是在檢測(cè)出道路的基礎(chǔ)上，對(duì)道路區(qū)域以?xún)?nèi)生成的ROI區(qū)域檢測(cè)其是否具有對(duì)稱(chēng)性特征，最終確定前方有無(wú)行駛車(chē)輛。 最后，用VisualC++6.0對(duì)本文的算法進(jìn)行了實(shí)現(xiàn)，在動(dòng)態(tài)背景下分別以晴天天氣條件和陰天天氣條件，完成了對(duì)運(yùn)動(dòng)車(chē)輛的檢測(cè)。實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)⑶胺杰?chē)輛目標(biāo)從其伴隨的復(fù)雜場(chǎng)景中有效的分割出來(lái)，并具有一定的魯棒性。 本文研究工作的創(chuàng)新點(diǎn)包括以下兩個(gè)方面： 1.在道路檢測(cè)中，本文提出了一種改進(jìn)的基于線(xiàn)