基于单目视觉的车辆检测算法研究与实现

论文摘要

随着经济的发展,交通运输问题越来越突出,迫切要求采用现代化的管理方法来实现交通管理,这样就引发了对智能交通系统(ITS)的研究。车辆辅助驾驶是智能交通系统的重要组成部分,在提高汽车的主动安全性能和减少交通事故方面有着广阔的应用前景。基于视觉的车辆检测技术是车辆辅助驾驶系统中的重要组成部分,因此研究车辆检测技术对车载辅助驾驶系统具有重要的意义。本文采用单目鱼眼相机作为外界环境信息的获取手段,在分析和总结现有车辆检测算法适用性的基础上,对有关算法进行改进,提出并实现了适合鱼眼图像的车辆检测算法。该方法遵循两步法步骤：假设产生和假设验证。假设产生用于得到感兴趣区域(ROI, Region of Interest),假设验证用于对ROI进行车辆存在性验证。在进行假设产生之前,本文通过研究鱼眼图像校正的基本原理,提出将基于平面模型、基于柱面模型和基于球而模型的鱼眼图像校正算法应用于车辆检测算法中,通过实验效果对比后,选取基于柱面模型的鱼眼图像校正方法。针对校正后图像中的车辆不能很好的维持某些特征(如水平边缘有弯曲现象)这一情况：在假设产生阶段,本文对现有基于多特征融合的车辆分割和定位算法进行改进,提出了新的阴影区域融合方法；在假设验证阶段,本文对现有的基于类Haar特征的AdaBoost分类器进行改进,提出新的特征计算方法及使用改进后的弱分类器生成算法。实验结果表明,本文提出的算法能很好的检测出校正后图像中存在的车辆,具有较强的鲁棒性和适用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.1.1 智能交通系统（ITS）
• 1.1.2 辅助驾驶系统（DAS）
• 1.2 车辆检测的发展现状和存在问题
• 1.2.1 国外的发展现状
• 1.2.2 国内的发展现状
• 1.2.3 目前研究存在的问题
• 1.3 本课题的目的和意义
• 1.4 本文的主要工作
• 1.4.1 研究内容
• 1.4.2 本文的组织
• 第2章 车辆检测技术
• 2.1 车辆检测的理论基础
• 2.1.1 数字图像处理
• 2.1.2 模式识别
• 2.1.3 计算机视觉
• 2.2 摄像机镜头选择
• 2.2.1 常规镜头
• 2.2.2 鱼眼镜头
• 2.3 车辆检测算法概述
• 2.3.1 常用车辆检测方法
• 2.3.2 车辆存在假设
• 2.3.3 车辆存在验证
• 2.4 车辆检测系统描述
• 2.5 本章小结
• 第3章 基于鱼眼图像的车辆分割和定位算法的研究与实现
• 3.1 鱼眼图像校正算法
• 3.1.1 相机成像模型
• 3.1.2 鱼眼图像的成像原理
• 3.1.3 鱼眼图像校正的基本原理
• 3.1.4 鱼眼图像校正算法研究
• 3.1.5 鱼眼图像校正算法小结
• 3.2 车辆分割和定位算法的研究与实现
• 3.2.1 基于阴影的车辆分割算法研究与实现
• 3.2.2 属于多特征融合的车辆定位算法研究与实现
• 3.2.3 车辆分割和定位算法小结
• 3.3 本章小结
• 第4章 基于ADABOOST车辆识别算法研究与实现
• 4.1 集成机器学习
• 4.1.1 弱分类器
• 4.1.2 集成方法
• 4.2 AdaBoost算法
• 4.3 弱分类器构造
• 4.3.1 类Haar特征提取
• 4.3.2 弱分类器的形式
• 4.3.3 改进的弱分类器生成算法
• 4.4 算法实现
• 4.5 本章小结
• 第5章 算法评估
• 5.1 评估方法
• 5.2 AdaBoost算法实验评估
• 5.2.1 实验数据来源
• 5.2.2 实验结果及分析
• 5.3 系统评估
• 5.3.1 实验数据来源
• 5.3.2 实验结果及分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 本文的主要工作
• 6.2 进一步的工作
• 6.3 展望
• 参考文献
• 致谢