论文部分内容阅读
基于视觉的车辆前方运动目标检测与测距是智能交通系统和汽车辅助驾驶技术研究的关键内容,意在通过测量不可控且运动多变的车辆前方目标的距离,使辅助驾驶系统适时给出碰撞预警信号,提醒驾驶人员安全驾驶。但目前仍然存在以下问题:1道路场景无关干扰多,计算量大,难以满足实时性要求。2运动目标检测精度低,目标跟踪易受遮挡,难以识别出目标。3多目标时,匹配的准确性不高,导致测距失败。本文针对上述问题,提出了基于双目视觉的道路前方车辆及行人等多目标跟踪与测距方法,具体研究内容如下:(1)为了减少计算量和排除不必要的干扰,首先对采集到的道路场景视频帧图像进行感兴趣区域(Region of Interest,ROI)的划分。本研究采用基于改进Hough变换结合双曲线车道模型进行直-曲车道线检测,根据车道线交点确定道路消失点和道路水平线并将此构成的封闭空间作为分割出的ROI区域。(2)针对现有的运动目标检测与跟踪算法有效性和实时性不高的问题,本文采用基于局部自适应敏感度的多目标检测算法,采用LBSP算子和RGB颜色特征来表征像素特征,并且将背景描述进行更新引入学习机制,使得算法的自适应性和准确度保持较高水平,并通过实验验证了该算法具有较高的检测精度。针对道路场景中目标易受遮挡问题,提出一种改进特征分布更新方式的压缩跟踪算法。通过实验证明了改进后的算法对目标遮挡问题有明显改善,提高了跟踪的鲁棒性。(3)针对左右相机出现多目标时,现有的特征描述和匹配算法存在效率低和误匹配的问题,本文研究了运动目标的运动特征和形状特征,对描述运动目标的Hu矩、质心、速度3个运动特征及紧密度、外接矩形宽高变化2个形状特征进行匹配,并在此基础上只利用目标的质心坐标进行测距,简化计算。实验结果表明,这些特征能有效的对多目标进行描述,匹配准确,而且提高了实时测距的效率。