機(jī)器視覺感知下的車輛主動(dòng)安全技術(shù)若干問(wèn)題研究.pdf

1、車輛主動(dòng)安全技術(shù)是汽車實(shí)現(xiàn)智能化的關(guān)鍵技術(shù)之一，已經(jīng)成為智能汽車開發(fā)的重要研究領(lǐng)域，而基于機(jī)器視覺感知下的車輛主動(dòng)安全技術(shù)是近年來(lái)該領(lǐng)域的一個(gè)前沿?zé)狳c(diǎn)和重要研究?jī)?nèi)容。研究和開發(fā)機(jī)器視覺感知下的車輛主動(dòng)安全技術(shù)對(duì)于提高交通安全，降低交通事故發(fā)生率等具有重要的社會(huì)意義和應(yīng)用價(jià)值。本文在汽車仿真與控制國(guó)家重點(diǎn)實(shí)驗(yàn)室開放基金《駕駛員視覺分散與疲勞數(shù)學(xué)模型建立及預(yù)警關(guān)鍵技術(shù)研究》(NO.20121107)的資助下，采用機(jī)器視覺感知技術(shù)，對(duì)車輛主動(dòng)

2、安全技術(shù)中的駕駛員疲勞檢測(cè)和車道偏離檢測(cè)進(jìn)行了深入研究。
　　論文的主要工作及研究成果如下：
　　(1)研究車載視覺系統(tǒng)圖像增強(qiáng)算法。分析光照不均對(duì)圖像質(zhì)量的影響，提出一種基于Retinex理論的圖像增強(qiáng)算法。算法提取光照?qǐng)D像低頻部分，采用多尺度Retinex(MSR)算法進(jìn)行光照補(bǔ)償，然后再與其梯度圖像合成新的圖像。該算法能夠?qū)Ⅰ{駛員面部特征以及道路特征清晰顯示出來(lái)，可為后續(xù)圖像處理奠定基礎(chǔ)。
　　(2)研究紅外圖像

3、眼睛檢測(cè)算法。分析夜間紅外圖像面部特征特點(diǎn)，提出一種夜間紅外圖像眼睛檢測(cè)方法。根據(jù)夜間紅外圖像特點(diǎn)，采用局部自適應(yīng)閾值分割臉部區(qū)域;根據(jù)人臉器官分布規(guī)律，確定眼睛感興趣區(qū)域;經(jīng)形態(tài)學(xué)圖像處理后，計(jì)算和比較眼睛感興趣區(qū)域的紋理特征差異確定眼睛位置;根據(jù)黑斑橢圓擬合方法計(jì)算眼睛睜開程度?？紤]白天駕駛室復(fù)雜環(huán)境，基于眼睛特征檢測(cè)算法難以實(shí)際應(yīng)用的問(wèn)題，提出一種白天紅外圖像眼睛檢測(cè)方法。根據(jù)實(shí)車駕駛視頻，選擇大量眼睛樣本和非眼睛樣本，為減少眼睛

4、分類器訓(xùn)練時(shí)間，采用一種改進(jìn)的Adaboost算法離線訓(xùn)練眼睛分類器，并進(jìn)行眼睛在線檢測(cè)。
　　(3)研究紅外圖像眼睛跟蹤算法。提出一種基于梯度特征和紋理特征相結(jié)合的改進(jìn)遺傳粒子濾波眼睛跟蹤算法。針對(duì)傳統(tǒng)粒子濾波算法存在粒子退化和計(jì)算量過(guò)大問(wèn)題，將遺傳算法中的選擇、交叉、變異操作代替重采樣，提出改進(jìn)的遺傳粒子濾波算法;根據(jù)紅外圖像中眼睛梯度和紋理特征，建立基于梯度特征相似性度量和紋理特征相似性度量的復(fù)合觀測(cè)模型，進(jìn)行眼睛非線性跟蹤

5、。
　　(4)研究駕駛員頭部姿態(tài)參數(shù)估計(jì)方法。在檢測(cè)出眼睛和嘴巴之后，通過(guò)提取眼睛和嘴巴坐標(biāo)，構(gòu)建人臉特征三角形，建立和推導(dǎo)三種頭部姿勢(shì)數(shù)學(xué)模型，根據(jù)特征三角形的位置變化進(jìn)行紅外圖像駕駛員頭部姿態(tài)參數(shù)估計(jì)。
　　(5)研究復(fù)雜環(huán)境下的結(jié)構(gòu)化道路彎道車道線檢測(cè)方法。針對(duì)復(fù)雜環(huán)境下的結(jié)構(gòu)化道路彎道車道線難以檢測(cè)問(wèn)題，提出一種基于人工魚群算法的彎道車道線檢測(cè)方法。采用OTSU算法進(jìn)行車道線區(qū)域分割;根據(jù)道路區(qū)域車道線灰度特征確定目

6、標(biāo)函數(shù)，采用拋物線模型擬合車道線，并設(shè)定拋物線參數(shù)變化范圍;采用人工魚群算法，通過(guò)人工魚的覓食、聚群、追尾等行為，搜索滿足目標(biāo)函數(shù)值最大的小塊區(qū)域，確定拋物線參數(shù)。
　　(6)研究夜間結(jié)構(gòu)化道路車道線檢測(cè)方法。針對(duì)夜間結(jié)構(gòu)化道路光照條件復(fù)雜造成車道線難以準(zhǔn)確檢測(cè)的問(wèn)題，提出一種夜間車道線檢測(cè)方法。提取車道線ROI，并對(duì)ROI圖像進(jìn)行濾波處理，根據(jù)Retinex理論，采用“Sobel”算子進(jìn)行邊緣檢測(cè);利用Hough變換檢測(cè)左右車道

7、線，針對(duì)多條直線分別取其中線作為左右車道線，根據(jù)ROI左右車道線計(jì)算夜間道路圖像車道線“消失點(diǎn)”坐標(biāo)，并擬合出完整車道線方程;采用基于感興趣區(qū)域方法對(duì)車道線進(jìn)行跟蹤。
　　(7)研究非結(jié)構(gòu)化道路邊界檢測(cè)方法。為實(shí)現(xiàn)完全非結(jié)構(gòu)化道路邊界檢測(cè)，提出一種基于改進(jìn)的模糊C-均值聚類(FCM)和Hough變換相結(jié)合的非結(jié)構(gòu)化道路邊界檢測(cè)方法。在HIS顏色空間采用“爬山法”尋找圖像飽和度分量直方圖極值，確定初始聚類中心;利用改進(jìn)的FCM聚類方

8、法對(duì)圖像飽和度分量進(jìn)行道路分割;經(jīng)過(guò)形態(tài)學(xué)圖像處理，采用Hough變換進(jìn)行道路邊界檢測(cè)。
　　(8)設(shè)計(jì)車輛主動(dòng)安全系統(tǒng)。根據(jù)粗糙集理論進(jìn)行疲勞檢測(cè)條件屬性分析，并制定相關(guān)決策規(guī)則表。基于OpenCV和MFC軟件平臺(tái)進(jìn)行駕駛員疲勞檢測(cè)預(yù)警系統(tǒng)設(shè)計(jì)，并進(jìn)行相關(guān)實(shí)驗(yàn)驗(yàn)證。根據(jù)實(shí)際道路車輛行駛情況，提出一種基于車道線角度變化的車道偏離數(shù)學(xué)模型(LAC)。基于OpenCV和MFC軟件平臺(tái)進(jìn)行車道偏離預(yù)警系統(tǒng)設(shè)計(jì)，并進(jìn)行道路實(shí)驗(yàn)驗(yàn)證。