视觉信息是交通环境中的主要信息,因而机器视觉技术是智能车辆系统(IVS,Intelligent Vehicle System)中不可缺少的组成部分,具有巨大的潜在应用价值。用机器视觉方法对交通环境信息进行提取和识别,获得的结果能够直接用于智能车辆的辅助驾驶或自动导航中。 本文主要研究以CCD为主要数据采集传感器、以机器视觉识别算法为主要算法、以集成DSP功能的嵌入式CPU为硬件处理平台的汽车前方路况视觉识别系统。该系统用于识别前方道路和目标车辆等动态变化信息,并对动态变化信息的变化速度等参数进行计算,计算处理的结果作为辅助驾驶的重要信息来源。 本文的视觉识别算法分为两个部分:结构化道路的检测与识别和目标车辆的检测与识别。基于序列化图像的统计特征,本文提出一种基于预测统计的车道线检测与识别算法,该算法首先利用动态预测确定检测区域,然后利用图像灰度统计特征在检测区域中检测识别车道线。对于目标车辆的检测识别,本文系统基于序列图像的时空连续性假设、目标灰度特征,提出基于统计特征的动态台阶快速搜索算法和U型框收缩算法来对目标车辆进行检测和识别。这种将搜索和收缩分开的两级算法设计可以大大提高目标车辆检测和识别的准确性。本文不仅实现了两部分算法,而且结合一些实际的特殊路况对算法进行优化设计,从而增强了算法的鲁棒性。 另外,在本文系统中引入嵌入式操作系统和一些嵌入软/硬件技术。比如,系统采用嵌入式CPU处理器和嵌入式Linux操作系统,并且引入嵌入式文件系统和PCI技术。这些技术的使用都将有效提升整个系统的稳定性和实时性。 通过对大量序列图像的处理,可以证明本文的视觉识别算法能够对道路车道线和目标车辆进行准确的检测和识别,并且算法具有较强的实时性和鲁棒性。另外,本文完成了该路况识别系统中嵌入子系统的部分设计开发工作。