基于單目視覺(jué)的車輛檢測(cè)與跟蹤算法研究.pdf

1、隨著社會(huì)的不斷進(jìn)步，汽車正為越來(lái)越多的人所使用，而相應(yīng)的，交通事故也越來(lái)越多。為解決這一問(wèn)題，越來(lái)越多國(guó)家開(kāi)始研究智能交通系統(tǒng)。而智能交通的核心基礎(chǔ)就是要檢測(cè)和跟蹤道路上的車輛，根據(jù)車輛位置信息來(lái)避免交通事故的發(fā)生。本文正是采用基于視覺(jué)的方法檢測(cè)和跟蹤前方車輛的。
　　車輛檢測(cè)通常分為兩個(gè)步驟。首先確定車輛可能存在的區(qū)域，這其中包括路旁樹(shù)木等留下的虛假車輛陰影。接下來(lái)就要剔除虛假的車輛陰影，確定車輛的具體位置。正常情況下最有可能會(huì)

2、與本車發(fā)生碰撞的前方車輛在本車道內(nèi)，所以本文首先檢測(cè)車道線，根據(jù)車道線縮小車輛檢測(cè)的范圍，提高檢測(cè)效率和精度。在提取車道線的基礎(chǔ)上，利用車輛底部在道路上的陰影與路面灰度值的對(duì)比度較大，確定車輛可能存在的區(qū)域。再融合圖像熵等紋理特征剔除虛假的車輛陰影，準(zhǔn)確檢測(cè)出前方車輛。
　　本文的主要工作如下：
　　1．改進(jìn)了基于 OTSU大津閾值法的自適應(yīng)二值化方法，采用通過(guò)統(tǒng)計(jì)道路樣本區(qū)域灰度值特性的方式來(lái)估算道路區(qū)域灰度值，這樣可以避

3、免傳統(tǒng)OTSU對(duì)整幅圖像統(tǒng)計(jì)灰度值時(shí)計(jì)算量大且有非路面區(qū)域干擾的缺點(diǎn)，提高算法實(shí)時(shí)性和準(zhǔn)確性。
　　2．在車道線檢測(cè)算法中，運(yùn)用了形態(tài)學(xué)方法和邊緣提取方法后，設(shè)計(jì)了搜索車道線內(nèi)側(cè)邊緣的掃描算法，并通過(guò)對(duì)比霍夫變換的算法性能，采用了最小二乘法的擬合車道線方法。為進(jìn)一步提高算法效率，本文采用了車道線跟蹤算法，在前一幀圖像的車道線位置左右各擴(kuò)展50像素范圍內(nèi)搜索，大大降低了車道線檢測(cè)算法時(shí)間。根據(jù)檢測(cè)到的車道線結(jié)果，本文計(jì)算了每幀圖像車

4、輛的偏航角，當(dāng)偏航角超過(guò)給定閾值時(shí)即表明車輛即將偏離本車道，此時(shí)可發(fā)出光聲等信號(hào)提醒司機(jī)采取措施。
　　3．在車輛檢測(cè)與跟蹤算法中，本文在基于陰影檢測(cè)的算法基礎(chǔ)上，結(jié)合圖像熵值和灰度圖像對(duì)稱性排除虛假車輛區(qū)域，檢測(cè)出車輛在圖像中位置信息，并采用基于卡爾曼濾波的跟蹤方法，在保證檢測(cè)精度的同時(shí)提高了檢測(cè)效率，增強(qiáng)了算法的實(shí)時(shí)性。
　　4．本文建立了安全車距的防碰撞模型，即相對(duì)車速與最大制動(dòng)距離之間的關(guān)系，并且給出了基于視覺(jué)的測(cè)距