基于机器视觉的前碰撞预警系统车辆检测方法研究

摘要

随着道路交通事业的发展和汽车保有量的增加，道路交通事故，特别是追尾事故发生率居高不下，交通安全问题日益突出。前碰撞预警系统通过机器视觉、雷达等技术检测前方车辆，当危险出现时预警，防止追尾事故发生，而前方车辆检测技术是该系统的重要组成部分。本文在分析总结现有车辆检测技术的基础上，重点研究了日间道路前方车辆检测、夜间道路前方车辆检测和车辆跟踪检测，并提出了相应的改进方法。完成的主要工作如下:
　　(1)日间道路前方车辆检测
　　将日间前方车辆检测方法分为产生车辆假设和车辆假设验证两个步骤。在产生车辆假设步骤，探索了多种方法，最终利用车底阴影信息来产生车辆假设，针对阴影分割易受光照和路面灰度突变的影响，提出了直方图峰谷分析法（HVAM）来获得自适应阴影分割阈值;然后在车辆假设验证步骤对产生的车辆假设进行验证，改进传统HOG特征，提出了V-HOG特征，将一维梯度信息映射到二维，提升背景与前景的区分度。
　　(2)夜间道路前方车辆检测
　　有效利用车辆尾灯信息来检测夜间车辆，针对现有车辆尾灯提取依赖经验设置阂值的不足之处，通过收集大量尾灯图像，在多种颜色空间对尾灯图像各颜色分量进行统计，通过试验的方法获得尾灯分割阈值，提取尾灯区域。在此基础上，考虑车辆尾灯区域中间亮度较高，外围有一圈红色光晕，结合图像中高亮度区域检测，对车辆尾灯的提取进一步完善。最后依据车辆尾灯先验几何特征建立约束，对分割出的尾灯区域进行筛选关联，从而定位图像中车辆位置。
　　(3)车辆跟踪检测
　　设计一种基于卡尔曼滤波的车辆跟踪方法，以车辆的位置和外接矩形框大小作为跟踪分量，对车辆运动状态进行预测。针对车辆在跟踪过程中易受光照、遮挡、变形等影响，提出了在线学习的车辆观测方法，通过在线建立样本库，训练分类器，对车辆目标进行观测，从而保证跟踪的准确性。并且还提出了对多个目标进行轮流观测和跟踪队列更新的策略，提高跟踪实时性和确保新驶入的车辆能够被检测到。
　　(4)利用车辆检测和跟踪结果，对前车运动参数进行提取及行为分析，为前碰撞预警系统预警机制的建立提供有效理论依据。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 研究背景与意义

1．2 先进驾驶辅助系统国内外研究进展和应用现状

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 机器视觉车辆检测技术

1．3．1 基于外观的车辆检测方法

1．3．2 基于运动的车辆检测方法

1．3．3 车辆跟踪检测方法

1．4 主要研究内容和组织结构

1．4．1 研究的主要内容

1．4．2 组织结构安排

第2章 日间道路前方车辆检测方法研究

2．1 图像预处理

2．1．1 灰度线性变换

2．1．2 灰度幂次变换

2．1．3 直方图均衡化

2．2 产生车辆假设区域

2．2．1 HVAM车辆阴影检测

2．2．2 多尺度扫描线对称区域检测

2．2．3 变步长滑窗法

2．2．4 产生车辆假设试验对比

2．3 车辆假设区域验证

2．3．1 传统HOG特征

2．3．2 级联自适应提升学习分类器

2．3．3 基于改进HOG特征车辆假设区域验证

2．4 日间车辆检测结果分析

2．5 本章小结

第3章 夜间道路前方车辆检测研究

3．1 夜间车辆检测方法概述

3．2 夜间车辆尾灯提取

3．2．1 RGB颜色空间

3．2．2 Lab颜色空间

3．2．3 HSV颜色空间

3．3 车辆尾灯筛选关联

3．4 本章小结

第4章 车辆跟踪检测方法研究

4．1 卡尔曼滤波原理

4．2 基于在线学习和卡尔曼滤波的车辆跟踪

4．2．1 卡尔曼滤波车辆跟踪模型

4．2．2 在线学习车辆状态观测

4．2．3 基于航迹推算的多车辆目标跟踪实现

4．3 跟踪结果分析

4．4 本章小结

第5章 前车运动参数提取及行为分析

5．1 前方车距测量

5．2 主车车速和主车与前车相对速度提取

5．3 前车运动轨迹获取

5．4 道路场景映射

5．5 本章小结

结论与展望

参考文献

致谢

攻读学位期间发表的论文