论文部分内容阅读
在智能交通研究领域,车辆检测与驾驶员疲劳检测、车道线检测、行人检测一起构成智能车辅助驾驶安全防撞系统。前方车辆的检测预警是其中一项关键技术,用于准确的检测前方是否有车辆,并为主动安全系统提供有效地驾驶环境信息。本文主要研究单目视觉的前方车辆检测和预警算法,通过对比分析国内外的车辆检测和预警算法,提出了一种基于阴影假设和分层HOG对称特征验证的前车检测算法和障碍物的模糊预警算法,并实现了前方车辆的检测预警系统。主要研究内容有两点:(1)前方车辆的检测算法研究。本文提出了一种新型的分层HOG对称特征,并利用基于阴影假设和分层HOG对称特征验证的方法对前方车辆进行检测。检测过程分为假设阶段和验证阶段。在假设阶段,利用前方车辆车底阴影的特点,提取满足特点的图像子区域,并将此区域作为假设车辆图像。在验证阶段,首先利用多层低维HOG特征来代替高维HOG特征,并对HOG特征进行对称化处理,得到分层HOG对称特征;然后提取训练样本的分层HOG对称特征,并用于ELM(Extreme Learning Machine)分类器的训练;最后,用ELM分类器对假设车辆图像进行验证,得到检测结果。此算法避免了大量的多尺度变化运算,提高了检测速度和精度。(2)障碍物的模糊预警算法研究。本文采用模糊预警算法对前方障碍物进行预警,根据经验以障碍物的大小信息、位置信息和前后帧障碍物的位置变化信息为依据,来判断是否会出现危险,预警结果分为安全、注意、危险三个等级。模糊预警算法计算量小,预警速度快,能够满足实时预警的要求,不仅适用于前方车辆的预警,同时还可以对前方行人等其他障碍物进行预警。在系统实现中,硬件方面,本文设计了一个专门安装在车顶的相机支架,用于采集车辆周围环境信息;软件方面,本文采用Visual Studio 2008+OPENCV 2.3.1作为编程编译环境,开发语言选择C++,软件主要包括检测模块和预警模块。对实验结果分析表明:本文的车辆检测和预警算法能够准确的检测出前方车辆并做出相应预警判定,能够满足系统的实时性要求。