论文部分内容阅读
随着我国人民对美好生活需要的日益增长,汽车的普及给道路交通安全带来严峻挑战。行车中利用车载辅助驾驶设备对前方车辆进行检测和测距是预防追尾事故、提高行车安全的有效方法。随着Kinect的兴起,其集彩色相机与深度相机于一体的优势使这种方法更为简单、集成、高效,更具广泛应用前景。本文研究利用Kinect实现车辆检测和测距功能的技术算法。将其作为图像信息获取设备,开发软件应用程序,对视野范围内车辆目标进行检测,获取其到相机平面的深度距离信息。相机标定是车辆检测和测距的重要基础。利用张正友标定法得到非线性畸变下的相机内参及畸变系数。利用二次重投影标定法对标定结果中Harries角点提取不准确的问题进行有效优化,获取优化后相机内部参数,在此基础上开展具体算法研究。车辆检测技术是测距的前提。研究线性滤波和形态学滤波方法,提出使用线性滤波降低彩色图像噪点、使用形态学滤波降低深度图像噪点的实验方法;对比分析Canny、Sobel和Laplacian三种图像分割算子的特点,得到Canny和Sobel算子在检测实验中更具优势的结果;提出基于直线的Hough变换进行车辆模型尾部形状拟合的方法,编制软件实现了对前方目标车辆的有效检测。深度测距是系统核心功能。基于Kinect深度相机工作原理,研究Kinect获取深度距离算法,开发深度测距程序,在不同光照条件下对检测到的车辆尾部中心位置进行测距实验,结果表明Kinect测距具有抗光照不足的优势。为解决测量误差随物体到传感器的距离增大而增大的问题,分析了误差的成因,利用像素三维欧氏距离与对应深度补偿值的权重占比关系,建立了的深度误差补偿模型,将测量误差降低至±10 mm,验证了误差补偿的有效性。行车安全是永恒的主题,研究Kinect在车辆检测与测距的应用技术为其提供了解决方案。同时也为新时代智能汽车、无人汽车的发展提供了现实理论和技术支撑,具有显著的社会和经济效益。