智能车辆是智能交通系统的重要组成部分,其研究的主要目的在于降低日趋严重的交通事故发生率,提高现有道路交通安全和运输效率,在某种程度上缓解能源消耗和环境污染等问题。该技术的研究日益受到国内外学者的关注。本文针对智能车辆技术中的环境感知问题,对采用视觉技术的车道线检测、车辆检测与跟踪、以及行人检测问题进行了较深入的研究,具体研究内容归纳如下:(1)一种改进的自适应加权正则化迭代图像复原算法。该算法能够自适应地选择并自动修正正则化参数。在每一步迭代中,不断更新正则化参数并进行复原滤波,使复原结果能够快速趋向于最优,增强了复原过程对强噪声的适应性;一种基于信息测度和支持向量机的图像去噪方法。算法仅对图像中的退化象素进行复原滤波,而未退化的象素保持不变,能够在消除噪声的同时,保存尽可能多的图像细节。(2)一种面向结构化道路的单目视觉的车道线实时检测方法。首先用Canny边缘检测方法对给定图像进行边缘检测;然后用基于方向优先级的车道线搜索方法,分别对左、右车道独立完成搜索,在增强车道线特征的同时削弱其他边缘特征;接下来用霍夫变换计算每条线段的直线度,过滤具有复杂纹理的边缘;最后利用图像的亮度信息及其变换识别出车道线。对提出方法进行了实验验证,结果显示提出方法定位准确,在PIII 933MHz CPU上的处理速度达平均每秒13帧。(3)一种融合多种目标特征的单目视觉车辆检测与跟踪方法。首先利用车辆尾部的结构对称性提取出感兴趣区域,减少搜索范围;再利用车辆底部的阴影特征,在感兴趣区域中搜寻车辆可能出现的位置,找出假设目标;然后利用亮度和轮廓信息对假设目标进行对称性验证,排除虚假目标;融合颜色和梯度方向建立目标特征模型,利用均值平移算法在随后的图像序列中对目标进行快速跟踪定位;检测与跟踪联合工作在一种互动机制下,大幅改善了算法的有效性和实时性。实验结果显示提出方法的正确识别率为96%,平均处理速度达每秒24帧。(4)一种基于小波分形特征的行人检测方法。首先用哈尔小波基将图像分解为不同分辨率下的小波子模式;然后在小波域中选出适当分辨率的小波子模式,对每一个小波子模式都构造出相应尺度的小波分形特征,将这些由小波分形特征组成的特征向量用于训练支持向量机分类器。用戴姆勒克莱斯勒公司提供的测试平台进行了测试,实验结果显示:该方法较现有方法的特征表达简洁、识别效率高。(5)为配合实车试验工作的开展,试制了智能车辆辅助驾驶装置的原理性样机。设计了视频采集、处理与显示硬件电路,基于OpenCV设计了人机交互界面,用具有较强移植性的C/C++程序设计语言实现了本文所提出的算法。基于该样机,对所提出的车道线检测方法、车辆检测与跟踪方法进行了实车试验验证。综上所述,本文研究了图像复原、车道线检测、障碍物检测与跟踪,并在试制辅助驾驶装置原理性样机的基础上,对车道线检测、车辆检测与跟踪进行了实车试验,其研究结果在相关领域中有较重要的理论意义和工程应用价值。