原文传递
基于双目视觉的结构化道路前方车辆检测与距离测量
| 论文题名： | 基于双目视觉的结构化道路前方车辆检测与距离测量 |
| 关键词： | 双目立体视觉;车辆检测;距离测量;Haar分类器;辅助驾驶系统;特征提取 |
| 摘要： | 随着机动车辆的剧增，交通事故率显著上升，道路交通安全已成为全社会高度关注的问题。旨在提高驾驶员视觉效能和汽车主动安全性能的辅助驾驶系统(DriverAssistance System，DAS)受到人们越来越多的关注。前方车辆和车距检测技术是DAS的重要组成部分，用于实时、鲁棒地完成前方车辆的检测与距离测量，并适时发出预警信号，提醒驾驶员前方潜在的威胁，保证行驶安全。基于视觉的车辆检测与距离测量系统具有信息量大、成本低、便于安装和维护、性能可靠等优良特性，且不需要对现有的基础设施进行改造，所以近年来已成为DAS研究的热点。 本文对基于视觉的车辆检测与距离测量算法进行了深入研究，提出了基于双目视觉的前方车辆检测与距离测量系统的实现方案，并对车辆检测算法和双目测距算法进行了改进，使其更加适应本系统实时性、鲁棒性的要求。具体工作如下: (1)采用单边缘单像素宽车道线检测算法，实现了基于车道线的初始感兴趣区域提取。单边缘单像素宽车道线检测算法能够实时、鲁棒地检测出车道线，据此确定可能存在车辆的初始感兴趣区域。这样做的好处是，避免后续的车辆检测在整幅图像中搜索，节约了处理时间。 (2)研究了车辆检测算法，提出了一种利用车底阴影和Haar分类器的前方车辆检测方法。在车道线确定的初始感兴趣区域内，本文利用阴影检测方法检测的阴影划定车辆候选区域，然后利用经过训练达到很高识别率的车辆Haar分类器对车辆候选区域进行识别、验证。实验结果表明，本文车辆检测算法在车辆检测速度和识别率方面满足设计要求。 (3)研究了双目立体视觉测距原理，给出了一种基于特征提取与匹配的前方车辆测距方法。本文对SIFT(Scale Invariant Feature Transform)、SURF(Speeded Up RobustFeatures)、ORB(Oriented Fast and Rotated Brief)三种特征提取与匹配算法进行了性能分析和比较。从特征提取速度和特征点的分布特性两个方面考虑，最终选择了ORB算法。本文利用极线约束去除误匹配，然后根据车辆处匹配点视差相同或相近的特点，求取匹配点的视差中值，并据此去除非车辆视差，使测距结果更加准确。实验表明，本文测距算法在测量精度和实时性方面满足设计要求。 |
| 作者： | 汪云龙 |
| 专业： | 电子与通信工程 |
| 导师： | 龚晓峰;林秋华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连理工大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
