基于單目視覺(jué)的道路車(chē)輛識(shí)別.pdf

1、車(chē)輛識(shí)別是道路環(huán)境感知技術(shù)中最重要的部分，也是自適應(yīng)巡航、緊急制動(dòng)等駕駛輔助系統(tǒng)的基礎(chǔ)，因此基于視覺(jué)的道路車(chē)輛識(shí)別技術(shù)有著十分重要的應(yīng)用前景和價(jià)值。論文的主要有以下研究?jī)?nèi)容：
　　為了減少圖像識(shí)別耗時(shí)問(wèn)題，提出了利用攝像機(jī)相關(guān)知識(shí)和車(chē)道區(qū)域分割來(lái)縮小檢測(cè)范圍的方案。即利用攝像機(jī)模型計(jì)算圖像中的消失線分離天空部分，再快速提取圖像中的車(chē)道線分割道路區(qū)域，進(jìn)一步減少車(chē)輛目標(biāo)搜索范圍。
　　采用Canny邊緣檢測(cè)和Hough變換方法

2、實(shí)現(xiàn)車(chē)道線檢測(cè)。為保證邊緣點(diǎn)提取的準(zhǔn)確性，提出了一種利用灰度梯度分布自適應(yīng)調(diào)整Canny算法高低閾值的方法。為了加快Hough變換的運(yùn)算速度，利用攝像機(jī)模型結(jié)合車(chē)道寬度來(lái)約束車(chē)道線范圍和Hough變換的投票區(qū)間。為保證約束的準(zhǔn)確性，利用車(chē)道線交點(diǎn)結(jié)合聚類(lèi)方法實(shí)時(shí)更新路面消失點(diǎn)位置，并利用消失點(diǎn)位置計(jì)算攝像機(jī)模型中參數(shù)的變化，從而更準(zhǔn)確獲得每一幀圖像的相關(guān)約束。
　　考慮到車(chē)輛識(shí)別準(zhǔn)確性和穩(wěn)定性的要求，利用HOG特征結(jié)合SVM方法訓(xùn)

3、練車(chē)輛的前后向和側(cè)向分類(lèi)器模型，兩類(lèi)模型在測(cè)試樣本中都獲得97%以上的識(shí)別精度。為了完成車(chē)輛目標(biāo)的識(shí)別，探討了假設(shè)驗(yàn)證（HG&HV）兩階段的車(chē)輛識(shí)別方法和基于滑動(dòng)窗口進(jìn)行全面搜索（ES）的車(chē)輛識(shí)別方法。
　　在HG&HV方法中利用車(chē)底陰影快速定位車(chē)輛候選區(qū)域，為了應(yīng)對(duì)陰影提取過(guò)程中遭遇的路面光照不一致問(wèn)題，提出了利用檢測(cè)區(qū)域灰度分布和連通域細(xì)分路面區(qū)域的方法。同時(shí)，引入車(chē)輛的上邊界和左右邊界特征來(lái)解決單一陰影定位不準(zhǔn)確的問(wèn)題。在E