车辆后方障碍物检测算法设计

摘要

世界经济的平稳增长以及机动车价格的大幅度下跌导致了最近几年机动车的私人拥有量在不断的上升。而我们在享受机动车带来的便利的同时，交通事故的增加也在困扰着我们。故此，怎样最大程度的减少交通事故、降低交通事故所造成的损失成了我们关注的焦点。
　　本文以基于机器视觉的道路识别技术与障碍物检测技术为研究对象，综合分析并采用了各种图像预处理技术有效的为行驶中的机动车提供各种环境状态信息及各机动车行驶状态信息。并以单目视觉传感器作为机动车后方环境信息获取的主要手段，实现了运动车辆后方障碍物检测技术的研究。论文还对Harris角点检测进行了改进与实现，提出了一种基于亚像素级角点检测方法，克服了原Harris角点易受阈值设定的影响，使得角点的检测更加精确。另外论文还在两帧间差分的基础上提出了基于三帧间的差分方法，该方法利用相邻三帧图像两两差分，再将两个差分结果相“与”并进行二值化，最终确定运动目标在图像中的位置，该方法既延续了两帧间差分法的优点，又克服了它的缺点。
　　对于提出的三帧间差分法，证明了它的正确性，并选用Intel公司开发的开源项目OpenCV，在Microsoft Visual C++集成开发环境下给予了实现并得到比较满意的实验结果。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景

1．2 基于机器视觉的车辆后方障碍物检测技术

1．2．1 车辆后方障碍物检测特点

1．2．2 机器视觉的发展及应用

1．2．3 基于机器视觉的车辆后方障碍物检测算法

1．3 国内外研究现状

1．3．1 国内研究现状

1．3．2 国外研究现状

1．4 课题研究意义

1．5 论文研究的主要内容和章节安排

1．5．1 论文研究的主要内容

1．5．2 章节安排

1．6 本章小结

第2章 图像处理基础知识

2．1 图像处理技术在车辆后方障碍物检测技术中的应用

2．2 图像形态学处理

2．2．1 膨胀与腐蚀

2．2．2 开运算和闭运算

2．2．3 形态学梯度

2．3 图像分割算法

2．4 图像滤波处理

2．4．1 中值滤波

2．4．2 高斯滤波

2．4．3 双边滤波

2．5 图像的边缘检测

2．6 本章小结

第3章 摄像机成像模型及相关技术

3．1 计算机视觉简介

3．2 坐标系描述

3．3 摄像机成像几何模型

3．4 角点检测

3．4．1 角点的概念

3．4．2 Harris角点检测及其改进

3．5 目标的特征提取

3．5．1 基于结构特征的方法

3．5．2 基于像素分布的方法

3．6 本章小结

第4章 车辆后方障碍物检测算法设计

4．1 基于特征信息的障碍物检测算法

4．1．1 直线的特征

4．1．2 Hough直线检测

4．1．3 Hough直线检测步骤

4．2 基于光流的障碍物检测算法

4．2．1 光流的计算

4．2．2 基本等式的引入

4．2．3 Horn-Schunck方法

4．2．4 Lucas-Kanade方法

4．3 基于背景差分的方法

4．4 基于运动补偿的方法

4．4．1 运动估计方法

4．4．2 运动模型的建立

4．4．3 自运动估计基本原理

4．5 两帧间差分法

4．5．1 两帧间差分算法流程图

4．5．2 两帧间差分算法的优缺点

4．5．3 两帧间差分法实验结果

4．6 三帧间差分法

4．6．1 三帧间差分算法的原理

4．6．2 三帧间差分算法主要代码

4．6．3 三帧间差分算法的流程图

4．7 车辆后方障碍物检测系统平台设计

4．7．1 车辆视频采集

4．7．2 系统平台组成模块

4．8 本章小结

第5章 车辆后方障碍物检测算法的实现

5．1 算法运行实验平台

5．2 算法评估

5．3 三帧间差分法实验结果及分析

5．4 本章小结

第6章 总结与展望

6．1 工作总结

6．2 展望

参考文献

致谢