详情

原文传递夜间车辆检测算法研究及其应用

论文题名：	夜间车辆检测算法研究及其应用
关键词：	无人驾驶;夜间环境;车辆检测算法;单目视觉;关键车选择
摘要：	目前关于无人驾驶技术的话题讨论相当火热，车辆检测和关键车选择技术作为其中技术之一也吸引了大量该领域人员去研究。车辆检测技术已经得到显著的提高。然而夜间车辆检测在低光照环境下，车身轮廓模糊，使用车辆检测的手段存在一定局限性。同时夜间疲劳驾驶以及超速驾驶情况更为严重，夜间交通事故发生率远高于白天。此外关键车的选择是建立在车辆检测基础之上的，车辆检测性能的好坏会影响后续工作。针对以上问题，本文提出基于单目视觉的夜间车辆检测算法研究及其应用-关键车选择，主要包括三个方面:(1)夜间车灯检测。车灯信息对于环境光照变化具有较强的鲁棒性，尤其在低光照环境下。首先基于上述想法提出使用车尾灯信息进行夜间车辆检测。采用Haar特征来描述两个车尾灯所构成的矩形区域，结合AdaBoost算法进行分类器的构造，然后使用分类器去检测车辆尾灯，以此来确定车辆目标。(2)夜间车辆检测。利用COHOG及LBP特征对夜间车辆的整个车辆进行特征的提取，再结合AdaBoost算法进行车辆分类器的构建，并与车灯检测进行对比分析。然后利用分治策略分别对道路上的其它车辆进行相关的训练检测，以整体提升夜间车辆检测的精度。(3)关键车选择方法研究。当前向道路上出现多辆车辆时，系统需要识别出与本车碰撞危险程度最高的车辆进行碰撞预警。本文提出一种关键车选择的方法，在车辆检测的基础上，利用本车所在车道信息、前车与本车所在车道重合度及图像金字塔ROI有效选择出关键车辆。　　经过实验验证，上述夜间车辆检测所使用的方法取得了良好的性能，同时有效选取前向关键车辆。
作者：	董雪雪
专业：	电子与通信工程
导师：	闫胜业;刘国清
授予学位：	硕士
授予学位单位：	南京信息工程大学
学位年度：	2017
正文语种：	中文