基于视觉的车辆相对距离与速度检测方法

摘要

随着生活的高速智能化，辅助驾驶已经演变为交通行驶中不可忽视的一部分，若车辆在行驶过程中能自动检测本车与前方车辆的车距、相对车速的变化情况，并及时提醒驾驶员，这样能极大程度降低事故的发生概率，尤其对于长途行驶而产生疲劳状态的驾驶员显得更为重要。本文提出通过两车辆的相对车速以及车辆行驶过程中的相对距离变化情况判断车辆在驾驶时的安全性。　　本论文中包含的主要工作和创新点如下:　　1.本文中主要把车道线的检测过程分为两部分，包括图像预处理和车道线检测。传统的图像预处理是将获取的图像先截取其感兴趣区域，以缩小其处理空间，本文在此基础上改进为获取其动态感兴趣区域(Dynamic Region of Interest，DROI),利用栅格法划分其初始感兴趣区域，对像素点进行保留和剔除，实时动态的获取少量窗口，将图像进行多帧叠加，并将每一次的输出作为下一帧的输入，这样可以进一步缩小其处理空间。提出了结合Hough变换和Catmull-Rom样条曲线的车道线检测算法，克服了传统车道线检测法不能有效检测弯曲车道线的缺点。　　2.针对传统车辆识别在光照弱以及有干扰物遮挡的情况下检测效果不佳的问题，文中提出了改进后的基于Haar特征与AdaBoost分类器的车辆识别方法，提出了扩展后的Haar特征，并对Haar特征进行了特征压缩，提高了AdaBoost分类器中弱分类器的检测准确率，进而增强AdaBoost分类器中的强分类器。　　3.根据建立的各种坐标系之间的关系，分析了理想状态下车距的测量方法，车辆行驶过程中摄像头因抖动或人工安装原因导致摄像机产生俯仰角的解决办法，实际情况下本车制动后两车车距变化的计算方法，并根据帧差法与多帧图像叠加的方法求取车辆的相对速度，分析了可能导致实验误差的几种情况。　　4.建立了改进后的车辆安全避撞模型，并根据两车车距的变化与相对速度分析了不同环境下车辆在行驶过程中的安全性。

目录

声明

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 车道线检测方法的研究现状

1.2.2车辆识别方法的研究现状

1.2.3车距测量方法研究现状

1.2.4车辆相对速度测量方法的研究现状

1.3本文内容总览与章节安排

第二章 车道线检测

2.1摄像机标定

2.1.1各坐标系之间的关系

2.1.2相机作用原理

2.1.3相机的畸变

2.1.4相机标定方法

2.1.5标定实验

2.2车道线图像预处理

2.2.1确定感兴趣区域

2.2.2基于Ostu算法的阈值分割

2.3车道线的逆透视变换

2.4车道线的识别

2.4.1传统的车道线识别方法

2.4.2基于Hough变换与Catmull-Rom算法的车道线检测

2.5本章小结

第三章 基于Haar特征的前方车辆识别

3.1车辆特征

3.2基于方向梯度直方图HOG特征的训练集

3.2.1颜色空间的标准化

3.2.2计算像素梯度

3.2.3统计每个单元的梯度直方图

3.2.4收集HOG特征并制作训练集

3.3基于Haar特征的前方车辆识别

3.3.1改进后的基于Haar特征提取方法

3.3.2 AdaBoost分类器

3.3.3车辆检测结果

3.4本章小结

第四章 基于视觉的车辆相对车距与速度检测

4.1测距模型的建立

4.2基于多帧图像叠加的相对车距与速度检测算法

4.3汽车安全避撞模型

4.4实验与结果分析

4.5本章小结

总结与展望

参考文献

致谢