視覺導(dǎo)航智能車的道路識(shí)別及障礙物檢測(cè)算法研究.pdf

1、視覺信息是交通環(huán)境中最重要的信息，機(jī)器視覺技術(shù)是智能車輛中不可缺少的部分。本論文的主要內(nèi)容就是基于Hough變換進(jìn)行道路邊界檢測(cè)技術(shù)和利用基于Haar-like特征進(jìn)行訓(xùn)練的道路上的其他車輛的識(shí)別方法。
　　本文對(duì)攝像頭進(jìn)行了建模。采用色彩空間轉(zhuǎn)換、直方圖均衡化的方式對(duì)道路圖像進(jìn)行處理。采用了臨域平均法對(duì)圖像進(jìn)行去噪處理。運(yùn)用Canny算子得到二值化圖像。對(duì)二值化的圖像進(jìn)行 Hough變換會(huì)得到很多直線，通過分組求最大值的方式找到

2、所需的到路邊界。利用得到的道路邊界求出圖像的感興趣區(qū)域。對(duì)圖像的感興趣區(qū)域進(jìn)行隨機(jī)Hough變換，對(duì)道路邊界進(jìn)行跟蹤。
　　道路障礙物檢測(cè)主要就是道路上其他車輛的檢測(cè)。本文提出了基于圖像特征和基于訓(xùn)練的兩種算法。在基于汽車外形特征的算法中綜合運(yùn)用到了以下三種方法。一是灰度空間的閾值分割進(jìn)行汽車底部陰影的識(shí)別，二是利用對(duì)稱性度量函數(shù)來驗(yàn)證圖像區(qū)域是否是汽車，三是利用HSI空間的閾值分割和形態(tài)學(xué)操作來進(jìn)行汽車尾燈的識(shí)別然后用圖像的不變

3、矩進(jìn)行驗(yàn)證。在基于訓(xùn)練的汽車識(shí)別算法中，使用了基于Haar-like特征的進(jìn)行訓(xùn)練的方法。通過大量樣本的訓(xùn)練，最后得到由若干個(gè)弱分類器組成的級(jí)聯(lián)分類器。在得到分類器之后進(jìn)行檢測(cè)時(shí)，首先將待檢圖像轉(zhuǎn)換為積分圖，然后利用不同縮放比例的分類器窗口掃描整幅圖像，得到包含汽車的不同大小的圖像區(qū)域，最后通過一定的合并算法將重復(fù)檢測(cè)的區(qū)域合并，得到最終的檢測(cè)結(jié)果。最后對(duì)這兩種方法進(jìn)行了比較。
　　通過以上研究，初步實(shí)現(xiàn)了智能車的道路識(shí)別和障礙物