基于机器视觉的智能车辆跟踪方法研究与应用

摘要

随着智能车辆的飞速发展，目标跟踪成为车辆智能化的主要研究内容之一。由于机器视觉技术越来越成熟，使用成本逐渐降低，所以广大学者在机器视觉的基础上进一步研究目标跟踪这一问题。本文依托山西省科技攻关项目(20130321005-04)，提出了基于机器视觉的智能车辆跟踪方法这一研究方向，对实时路况中的车辆进行检测和跟踪。
　　对车辆跟踪过程中，程序处理对象为视频中的每一帧，即一幅图像，本文首先从图像预处理方向着手，选择适合本文运行环境的预处理方法，通过对比各灰度化处理方法对采集的实时路况视频图像的处理结果，最终选择加权平均法，并利用中值滤波完成原始图像中噪声的滤除，最后采用Sobel边缘检测算子完成对图像信息的边缘检测。该方法为后期目标检测提供了简单而有效的图像信息。
　　为了保证摄像机拍摄的车辆道路信息的准确性，本文对实验相机进行了标定，采用张正友标定法，通过自制8*10棋盘标定板，得出了摄像机的内部参数，校正了摄像机的畸变。
　　由于车辆运行环境较为复杂，传统Camshift跟踪方法不能满足复杂环境下的跟踪要求，当被跟踪车辆颜色与外界环境颜色相近时，该跟踪方法失效。针对这一问题，本文提出交比不变量的Camshift跟踪方法，利用亚像素角点检测方法，检测出所选目标区域的特征角点。然后利用交比不变原理求解各特征角点之间的位置关系，利用这些位置关系对所选目标区域进行约束，通过理论及实验的方法验证本文算法。通过标准视频库的测试，得出本文算法的可行性和优先性，通过实时路况的测试，证明了本文算法的可行性。
　　本文编译环境为VS2013，并利用OpenCV视频处理库对本文跟踪方法进行算法编译，分别对标准视频库中以及现实环境中的车辆信息进行跟踪实验，实验结果表明，本文通过添加约束改进的跟踪方法具有可行性和实时性，且具有较高的跟踪效率。

目录

声明

摘要

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 智能车辆的研究现状

1．2．2 目标跟踪方法研究现状

1．3 本文主要研究内容

2 车辆图像预处理方法分析

2．1 车辆图像灰度化方法分析

2．2 车辆图像平滑处理方法分析

2．2．1 低通滤波

2．2．2 同态滤波

2．3 车辆图像分割方法分析

2．3．1 边缘检测梯度算子

2．3．2 边缘检测二阶导数算子

2．3．3 其他典型边缘检测算子

2．3．4 边缘检测算子结果分析

2．4 本章小结

3 摄像机的标定

3．1 摄像机标定坐标系

3．2 摄像机标定方法

3．2．1 线性模型摄像机标定原理

3．2．2 非线性模型摄像机标定

3．3 摄像机标定实验

3．3．1 摄像机标定方法可靠性分析

3．3．2 实验摄像机标定

3．4 本章小结

4 基于交比不变的目标跟踪方法研究

4．1．1 Camshift跟踪算法研究

4．1．2 交比不变量方法

4．1．3 亚像素级角点检测方法

4．1．4 基于交比不变量的目标跟踪方法

4．2 交比不变特征点检测实验及分析

4．3 本章小结

5 目标跟踪实验结果及分析

5．1 标准测试视频目标跟踪实验及分析

5．2 实际路况目标跟踪实验及分析

5．2．2 目标跟踪实验及分析

5．3 本章小结

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间所取得的研究成果

致谢