论文摘要
基于视觉的运动车辆检测是机器视觉技术在驾驶辅助系统中的重要应用。与其它非视觉传感器(如雷达传感器)相比,视觉传感器的优势是可以准确判断出运动目标的类型,但是却有检测速度慢的缺点。不过随着计算机硬件速度的不断提高和图像处理算法的不断改进,这些缺点得到了改善,而其优势则逐渐凸显出来。汽车后视镜盲区是造成许多交通事故的原因,尤其是车辆行驶中变换车道的时候,从盲区中突然出现的其它车辆往往令驾驶员措手不及。为了减少驾驶员的工作强度,提高行车安全性,本文针对该问题提出了基于视觉的解决方案。该盲区车辆探测系统利用图像处理技术对安装在本车后视镜位置的摄像机所捕捉的图像进行分析,若在图像中检测到车辆,则向驾驶员发出警告,同时应用单目视觉测距原理计算出目标车辆与本车的距离,给驾驶员提供更加直观的信息。首先,对位于盲区内的车辆进行探测。在该过程中,本文使用了车辆检测中广泛采用的两步法。第一步假设存在车辆,得到代表了该车辆所在位置的感兴趣区域,第二步验证该假设是否成立。该过程利用了车辆前脸特征的先验知识,先用Prewitt算子得到车辆前脸丰富的边缘信息,并将这些水平和竖直边缘分别累加,进而得到车辆的大概位置,然后利用车辆的水平对称性对其存在的真实性进行验证。期间,本文拓展了模板匹配的方法,根据车辆前脸的水平对称性特征提出了以车辆自身为模板的匹配方法,同时改进了模板匹配的算法。这样不但可以在尽量短的时间内得到有效的结果,而且无需使用模板库,更有利于盲区探测系统在嵌入式平台上的实现。而在探测车辆之前以车道线和道路边界的检测为预处理,目的是将道路边界以外的场景排除,降低随后车辆检测的复杂度。在PC机上的测试证明,该方法可以满足实时性要求。在确认了该区域存在车辆之后,利用单目视觉原理中的摄像机针孔成像模型进行车距测量。通过事先标定的实际距离与实验图像中像素距离的对应关系得到摄像机内部参数,进而测得本车与盲区车辆的车距。