论文部分内容阅读
随着机动车辆的剧增,交通事故率显著上升,道路交通安全已成为全社会高度关注的问题。旨在提高驾驶员视觉效能和汽车主动安全性能的辅助驾驶系统(Driver Assistance System，DAS)受到人们越来越多的关注。前方车辆和车距检测技术是DAS的重要组成部分,用于实时、鲁棒地完成前方车辆的检测与距离测量,并适时发出预警信号,提醒驾驶员前方潜在的威胁,保证行驶安全。基于视觉的车辆检测与距离测量系统具有信息量大、成本低、便于安装和维护、性能可靠等优良特性,且不需要对现有的基础设施进行改造,所以近年来已成为DAS研究的热点。本文对基于视觉的车辆检测与距离测量算法进行了深入研究,提出了基于双目视觉的前方车辆检测与距离测量系统的实现方案,并对车辆检测算法和双目测距算法进行了改进,使其更加适应本系统实时性、鲁棒性的要求。具体工作如下：(1)采用单边缘单像素宽车道线检测算法,实现了基于车道线的初始感兴趣区域提取。单边缘单像素宽车道线检测算法能够实时、鲁棒地检测出车道线,据此确定可能存在车辆的初始感兴趣区域。这样做的好处是,避免后续的车辆检测在整幅图像中搜索,节约了处理时间。(2)研究了车辆检测算法,提出了一种利用车底阴影和Haar分类器的前方车辆检测方法。在车道线确定的初始感兴趣区域内,本文利用阴影检测方法检测的阴影划定车辆候选区域,然后利用经过训练达到很高识别率的车辆Haar分类器对车辆候选区域进行识别、验证。实验结果表明,本文车辆检测算法在车辆检测速度和识别率方面满足设计要求。(3)研究了双目立体视觉测距原理,给出了一种基于特征提取与匹配的前方车辆测距方法。本文对SIFT(Scale Invariant Feature Transform)、SURF (Speeded Up Robust Features)、 ORB (Oriented Fast and Rotated Brief)三种特征提取与匹配算法进行了性能分析和比较。从特征提取速度和特征点的分布特性两个方面考虑,最终选择了ORB算法。本文利用极线约束去除误匹配,然后根据车辆处匹配点视差相同或相近的特点,求取匹配点的视差中值,并据此去除非车辆视差,使测距结果更加准确。实验表明,本文测距算法在测量精度和实时性方面满足设计要求。