面向智能車輛的單目視覺(jué)行車安全信息檢測(cè)與識(shí)別方法研究.pdf

1、智能車輛技術(shù)已成為近十多年來(lái)的研究熱點(diǎn)，其原因是智能車輛不僅在軍事上可作為一種靈活的武器平臺(tái)，而且在生活中也是一種給人們提供便捷和安全的系統(tǒng)，比如無(wú)人駕駛汽車和高級(jí)駕駛員輔助系統(tǒng)(ADAS)。智能車輛是一個(gè)多領(lǐng)域交叉的學(xué)科方向，涉及機(jī)械、電子、控制、通訊、傳感器，信息處理等多個(gè)門類，其中，信息處理是體現(xiàn)智能化程度的關(guān)鍵，而基于單目視覺(jué)的行車安全信息檢測(cè)與識(shí)別問(wèn)題又是信息處理的核心問(wèn)題，也是瓶頸問(wèn)題之所在，因?yàn)榄h(huán)境的復(fù)雜性和多樣性給這一問(wèn)

2、題帶來(lái)了巨大的挑戰(zhàn)。本文針對(duì)這一問(wèn)題展開研究，具體分析、研究和解決其中的車道線檢測(cè)、道路檢測(cè)、盲區(qū)車輛檢測(cè)和車輛防撞方法中存在的問(wèn)題和不足，以期進(jìn)一步提升智能車輛的智能化程度和安全性。論文主要內(nèi)容包括:
　　針對(duì)結(jié)構(gòu)化和半結(jié)構(gòu)化道路中現(xiàn)有車道線檢測(cè)方法沒(méi)有專門考慮弱線檢測(cè)的問(wèn)題，提出了兩種模型，其中模糊LDA增強(qiáng)模型用于提升車道線區(qū)域的對(duì)比度，另一個(gè)亮度對(duì)比度顯著性模型可用于魯棒的車道線區(qū)域提取。然后，將兩種模型應(yīng)用于車道線檢測(cè)，

3、提出了一種兩階段的車道線檢測(cè)方法:第一階段使用亮度對(duì)比度顯著性模型提取車道線，并進(jìn)行車道線和道路樣本點(diǎn)的選取;第二階段利用模糊LDA增強(qiáng)模型對(duì)道路圖像進(jìn)行顏色空間轉(zhuǎn)換，得到一個(gè)突出車道線的高對(duì)比度增強(qiáng)圖像，并再次使用亮度對(duì)比度顯著性模型對(duì)增強(qiáng)后的圖像中進(jìn)行車道線提取，最后使用基于Hough與逆投影變換驗(yàn)證車道線的提取結(jié)果。實(shí)驗(yàn)結(jié)果表明，該方法能有效提高弱線的檢測(cè)率。
　　針對(duì)半結(jié)構(gòu)化和非結(jié)構(gòu)化道路檢測(cè)的魯棒性不高問(wèn)題，提出了一種基

4、于稀疏表示與方差鑒別性模型的道路檢測(cè)方法。該方法利用已標(biāo)記的道路圖像樣本，通過(guò)學(xué)習(xí)得到道路形狀字典，進(jìn)而使用稀疏表示獲得路面圖像的表示系數(shù);通過(guò)表示系數(shù)的參數(shù)分布獲得道路形狀先驗(yàn)信息;采用方差鑒別性模型分析非路區(qū)域和道路區(qū)域的顏色特征分布的鑒別性;通過(guò)基于方差最大化鑒別性準(zhǔn)則尋找易于道路區(qū)域分割的顏色通道，最后在該通道上實(shí)現(xiàn)道路的分割，在標(biāo)準(zhǔn)庫(kù)和自建庫(kù)上的實(shí)驗(yàn)證明了所提方法的準(zhǔn)確性和魯棒性。
　　針對(duì)盲區(qū)車輛檢測(cè)中存在的車型多樣、

5、形狀畸變、尺寸變化等難點(diǎn)問(wèn)題，提出了一種基于PCA-SOM-Net的盲區(qū)車輛檢測(cè)方法。該方法就PCANet產(chǎn)生的特征維數(shù)高的問(wèn)題，在PCANet中加入的自組織映射網(wǎng)絡(luò)(SOM)進(jìn)行特征聚類，并將第一層輸出也引入到最后的特征表示中，得到了改進(jìn)的PCANet模型—PCA-SOM-Net，該模型在有效減少PCANet特征維數(shù)的同時(shí)，保留了PCANet特征的有效性?；赑CA-SOM-Net模型，設(shè)計(jì)了一種盲區(qū)車輛檢測(cè)方法，該方法首先采用基于路

6、面灰度統(tǒng)計(jì)對(duì)車輛區(qū)域進(jìn)行粗提取;進(jìn)一步通過(guò)典型車輛特征進(jìn)行精篩選，最后利用PCA-SOM-Net提取出的特征和SVM分類器對(duì)候選區(qū)域進(jìn)行確認(rèn)。實(shí)驗(yàn)表明，所提方法能夠很好檢測(cè)盲區(qū)中的車輛，對(duì)車輛的形狀畸變、尺寸變化不敏感。
　　針對(duì)車輛的防撞預(yù)警問(wèn)題，提出了一種基于單目視覺(jué)的車輛碰撞模型。該模型通過(guò)提取多幀圖像中車輛底部到消失點(diǎn)的距離信息，刻畫幀間圖像的目標(biāo)尺寸變化規(guī)律，從而通過(guò)計(jì)算分析目標(biāo)車輛的運(yùn)動(dòng)規(guī)律，并估算出兩車間的碰撞時(shí)間，