智能車輛視覺感知中的目標檢測方法研究.pdf

1、基于機器視覺的智能車輛是智能交通系統(tǒng)的重要組成部分，其利用視覺傳感設備感知車輛周邊環(huán)境信息，對道路和目標進行檢測、跟蹤，從而為規(guī)劃決策提供依據。該技術在軍用和民用方面都有廣泛的應用價值，近年來，已成為機場場面移動目標主動監(jiān)視技術的重要研究組成部分。該論文對道路上的目標檢測與跟蹤這一智能車輛視覺感知系統(tǒng)中的關鍵技術進行了有針對性地研究，主要研究內容如下:
　　針對攝像機外部工作環(huán)境以及攝像機本身硬件的影響導致采集圖像存在噪聲的問題，

2、對圖像進行極值中值快速濾波去除噪聲點；針對輕微霧天、光照不足等情況下采集圖像對比度低導致道路邊緣檢測效果不佳的表現，采用自適應區(qū)域直方圖增強方法進行邊緣增強處理。
　　針對傳統(tǒng)Hough變換不能準確有效提取道路邊緣的問題，提出了基于分區(qū)域Hough變換的道路邊緣檢測方法。首先基于攝像機透視投影原理對道路圖像進行不等區(qū)域劃分；然后在邊緣檢測的基礎上對每一個區(qū)域進行獨立的Hough變換，提取該區(qū)域的道路邊緣；在提取的所有區(qū)域邊緣中道路

3、邊緣占有最大的比重，根據這一特征利用“窗口峰值”最終得到兩條道路邊緣。
　　針對動態(tài)背景下道路目標難以提取的問題，提出一種基于圖像分割和區(qū)域生長的道路目標檢測方法。在道路區(qū)域利用圖像分割算法完成道路目標初提取，融合RGB三通道分割圖像，獲得更加完整準確的目標區(qū)域；然后利用形態(tài)學去除噪聲點等非目標區(qū)域；接著對處理后孤立目標區(qū)域進行標識歸屬劃分；最后利用自適應區(qū)域生長算法生成完整的道路目標。
　　對基于Meanshift的視覺目