基于單目視覺的路面車輛檢測與跟蹤.pdf

1、在對國內(nèi)外研究現(xiàn)狀調(diào)研基礎(chǔ)上，本文圍繞基于單目視覺的車輛檢測算法展開研究，利用該系統(tǒng)可以在連續(xù)視頻序列中魯棒的檢測并跟蹤前方運動車輛，具體研究內(nèi)容如下:
　　(1)研究了路面區(qū)域識別技術(shù)，利用圖像灰度化、高斯濾波、Canny邊緣檢測完成圖像預(yù)處理工作，過濾圖像冗余信息并降低噪聲干擾。利用概率Hough變換提取車道識別線，并結(jié)合一些先驗知識過濾掉干擾直線粗略的建立起路面有效區(qū)域，使得接下來的車輛檢測工作限定在路面區(qū)域內(nèi)，排除路面區(qū)域

2、以外物體的干擾并且縮減后續(xù)過程運算量。
　　(2)研究了一種改進的對稱性檢測方法并且結(jié)合邊緣特征快速檢測出圖像中所有可能車輛。該方法充分利用大多數(shù)車輛后視圖沿豎直中心線高度水平鏡像對稱的特點，利用大小可隨車輛變化的對稱性搜索窗口沿若干條掃描線搜索對稱性區(qū)域，隨后對稱度高的點進行聚類，取每個聚類的平均位置作為潛在車輛假設(shè)存在的位置，并且結(jié)合車輛的邊緣特征計算邊緣圖像的水平和豎直投影得到車輛邊界框?qū)僭O(shè)車輛進一步確認，同時生成的邊界框

3、作為Kalman濾波器的跟蹤窗口。
　　(3)研究了一種Kalman濾波與模板匹配結(jié)合的方法對潛在車輛進一步確認，移除假設(shè)產(chǎn)生階段的誤檢車輛。由Kalman濾波器的估計得出車輛視頻在序列中可能出現(xiàn)的車輛的位置（車輛中心點坐標）以及面積大小，利用這些信息預(yù)測車輛在下一幀出現(xiàn)的位置，縮小模板匹配的搜索范圍從而縮短運算時間?？紤]到車輛外形上存在巨大差異，使用固定模板方法難以適應(yīng)車輛形態(tài)的變化，采用在跟蹤窗口中生成動態(tài)模板的方式進行模板匹