基于車載視覺的車輛檢測算法研究.pdf

1、車輛檢測是車輛輔助駕駛系統(tǒng)中的一項重點內容，在實際的交通場景中，行駛中的車輛對于駕駛人員來說是最大的潛在威脅，及時準確地檢測出對駕駛者周圍的車輛并對駕駛者進行提醒能夠在很大程度上減少交通事故的發(fā)生。由于行駛中的車輛在形狀、顏色、視角、光照強度等方面的特征變化很大，因此對車輛的檢測和定位帶來了巨大的挑戰(zhàn)。
　　本文利用單目視覺進行車輛檢測系統(tǒng)的研究，提出了一種基于車輛假設生成和車輛假設驗證兩個步驟的車輛檢測方法。車輛假設生成階段，本

2、文利用車底陰影生成車輛假設區(qū)域。車底陰影是路面上行駛車輛的一個重要特征，由于光線照射不到，在車輛底部的一片區(qū)域的灰度值相對于路面的其他區(qū)域會更低。本文提出利用消失點的位置提取感興趣區(qū)域，首先計算消失點得到感興趣區(qū)域，然后利用圖像的邊緣特征提取自由駕駛區(qū)域，通過統(tǒng)計自由駕駛區(qū)域的灰度直方圖，自適應地確定路面與陰影間的閾值提取陰影，該方法可以在多種光照條件下完成陰影提取，增強系統(tǒng)的魯棒性。通過分析車輛圖像的幾何模型，確定車輛寬度與其在圖像中

3、位置的關系進一步篩選出過大過小的陰影，然后利用陰影的位置生成車輛假設區(qū)域。在車輛假設驗證階段，本文提出了兩種改進的方向梯度直方圖(HOG)特征描述子進行車輛圖像特征提取。由于車輛本身的結構特點，圖像中的車輛具有大量的水平和垂直梯度信息，將兩種特征結合形成最終的特征向量，利用大量的特征樣本訓練AdaBoost分類器，最后利用訓練好的分類器對第一步生成的假設區(qū)域進行驗證。改進的HOG特征在保證了較高識別精度的同時在特征提取速度上有了很大的提