用于重型卡車的夜間前方車輛檢測方法.pdf

1、隨著國家經濟的快速發(fā)展，汽車數量大幅度增多，這給我們的日常生活帶來了極大便利。但與此同時，發(fā)生交通事故的概率增大，如何提高汽車安全性成為汽車與自動化行業(yè)的重點研究內容，汽車輔助駕駛系統的研究隨之發(fā)展起來。汽車輔助駕駛系統是在汽車上安裝先進的傳感器（雷達、攝像機）、控制器和執(zhí)行器等裝置，通過車載傳感器和信息終端實現車與人、車和路等的智能信息交換。使汽車具備智能的環(huán)境感知能力，自動分析汽車的行駛狀態(tài)并按照人的意志達到目的地，最終實現完全自動

2、駕駛。
　　白天環(huán)境下，光照充足，前方汽車的顏色、形狀、紋理等特征顯而易見，很容易判斷出汽車位置。但是夜晚行駛時，光照不足，駕駛員不能快速準確地識別前方車輛的位置，實現智能夜間車輛檢測已成為研究熱點。相對于紅外線、雷達等傳統夜視技術，基于計算機視覺的汽車輔助駕駛系統具有硬件設備簡單、處理速度快、成本低等優(yōu)勢，更適用于普通用車。重型卡車具有速度快、體積大和慣性大的特點，對道路上其他車輛和行人造成威脅。尤其夜晚在高速公路上行駛時，由于

3、光照不足和司機疲勞駕駛，司機較難在短時間內估算出前方車輛位置，這使得重型卡車的危險性更大。在夜晚情況下重卡智能檢測前方車輛對提高道路安全性尤為重要。本文研究重型卡車在汽車試驗場和高速公路兩種路況下，在夜間檢測前方車輛問題。
　　夜間前方車輛的一對明亮的尾燈是其最明顯的特征，尾燈的對稱性常被用于檢測車輛。由于重型卡車前照燈強光影響，前方車輛尾燈往往不會呈現出完全對稱的形狀，并且前方車輛測距常用的雙目相機有時會出現同步漂移問題，本文使

4、用單目相機采集重卡行駛環(huán)境的灰度圖像。重卡前照燈較亮，易在路面、道路護欄或其他建筑物上產生干擾。本文特別針對重卡夜間行駛環(huán)境，提出一種改進的閾值處理方法，能夠開盡可能去除圖片中除車燈之外的其他干擾。提出將閾值處理算法與訓練分類器相結合的車輛檢測方法:使用改進的閾值算法處理圖片，從閾值處理后的圖片中截取訓練樣本用于訓練分類器，采用Haar-like和Adaboost算法訓練分類器，檢測過程中，使用改進的閾值處理算法處理當前幀圖片，在處理后

5、的圖片中檢測車輛并在原圖上標記檢測結果。
　　為實現本文提出的改進的檢測方法，本文首先詳細講述大津法、迭代法、直方圖法、最大熵閾值法、Kumar閾值算法，通過分析比較選擇適合本文研究圖片的閾值算法進行改進，去除圖片中的干擾信息。描述Haar-like特征含義、Haar-like模板及Haar-like特征值的快速求解方法。進一步介紹Adaboost算法，包括boosting算法背景、確定弱分類器方法、Adaboost訓練過程及分類

6、器級聯方法。設計實驗驗證本文提出改進的閾值算法及車輛檢測方法的有效性。拍攝汽車試驗場和高速公路兩種夜間行駛環(huán)境圖片，對比分析改進閾值算法和其他閾值算法對這些圖片的處理效果。使用汽車試驗場圖片制作訓練樣本，本別采用傳統訓練方法和改進的訓練方法訓練汽車試驗場樣本，分別制作汽車試驗場測試集合高速公路測試集，對比兩個分類器在兩類測試集上的檢測性能。在訓練集中加入高速公路訓練樣本，再次采用兩種方法訓練，對兩類測試樣本進行檢測，對比兩種方法在添加高