基于單目視覺的車輛檢測與跟蹤算法研究.pdf

1、隨著社會的不斷進步，汽車正為越來越多的人所使用，而相應的，交通事故也越來越多。為解決這一問題，越來越多國家開始研究智能交通系統(tǒng)。而智能交通的核心基礎就是要檢測和跟蹤道路上的車輛，根據(jù)車輛位置信息來避免交通事故的發(fā)生。本文正是采用基于視覺的方法檢測和跟蹤前方車輛的。
　　車輛檢測通常分為兩個步驟。首先確定車輛可能存在的區(qū)域，這其中包括路旁樹木等留下的虛假車輛陰影。接下來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

2、與本車發(fā)生碰撞的前方車輛在本車道內(nèi)，所以本文首先檢測車道線，根據(jù)車道線縮小車輛檢測的范圍，提高檢測效率和精度。在提取車道線的基礎上，利用車輛底部在道路上的陰影與路面灰度值的對比度較大，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，準確檢測出前方車輛。
　　本文的主要工作如下：
　　1．改進了基于 OTSU大津閾值法的自適應二值化方法，采用通過統(tǒng)計道路樣本區(qū)域灰度值特性的方式來估算道路區(qū)域灰度值，這樣可以避

3、免傳統(tǒng)OTSU對整幅圖像統(tǒng)計灰度值時計算量大且有非路面區(qū)域干擾的缺點，提高算法實時性和準確性。
　　2．在車道線檢測算法中，運用了形態(tài)學方法和邊緣提取方法后，設計了搜索車道線內(nèi)側邊緣的掃描算法，并通過對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展50像素范圍內(nèi)搜索，大大降低了車道線檢測算法時間。根據(jù)檢測到的車道線結果，本文計算了每幀圖像車

4、輛的偏航角，當偏航角超過給定閾值時即表明車輛即將偏離本車道，此時可發(fā)出光聲等信號提醒司機采取措施。
　　3．在車輛檢測與跟蹤算法中，本文在基于陰影檢測的算法基礎上，結合圖像熵值和灰度圖像對稱性排除虛假車輛區(qū)域，檢測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，在保證檢測精度的同時提高了檢測效率，增強了算法的實時性。
　　4．本文建立了安全車距的防碰撞模型，即相對車速與最大制動距離之間的關系，并且給出了基于視覺的測距