当前位置: 首页> 学位论文 >详情
原文传递 基于单目视觉的道路车辆识别
论文题名: 基于单目视觉的道路车辆识别
关键词: 车辆识别;单目视觉;车道线检测;目标跟踪;卡尔曼滤波
摘要: 车辆识别是道路环境感知技术中最重要的部分,也是自适应巡航、紧急制动等驾驶辅助系统的基础,因此基于视觉的道路车辆识别技术有着十分重要的应用前景和价值。论文的主要有以下研究内容:
  为了减少图像识别耗时问题,提出了利用摄像机相关知识和车道区域分割来缩小检测范围的方案。即利用摄像机模型计算图像中的消失线分离天空部分,再快速提取图像中的车道线分割道路区域,进一步减少车辆目标搜索范围。
  采用Canny边缘检测和Hough变换方法实现车道线检测。为保证边缘点提取的准确性,提出了一种利用灰度梯度分布自适应调整Canny算法高低阈值的方法。为了加快Hough变换的运算速度,利用摄像机模型结合车道宽度来约束车道线范围和Hough变换的投票区间。为保证约束的准确性,利用车道线交点结合聚类方法实时更新路面消失点位置,并利用消失点位置计算摄像机模型中参数的变化,从而更准确获得每一帧图像的相关约束。
  考虑到车辆识别准确性和稳定性的要求,利用HOG特征结合SVM方法训练车辆的前后向和侧向分类器模型,两类模型在测试样本中都获得97%以上的识别精度。为了完成车辆目标的识别,探讨了假设验证(HG&HV)两阶段的车辆识别方法和基于滑动窗口进行全面搜索(ES)的车辆识别方法。
  在HG&HV方法中利用车底阴影快速定位车辆候选区域,为了应对阴影提取过程中遭遇的路面光照不一致问题,提出了利用检测区域灰度分布和连通域细分路面区域的方法。同时,引入车辆的上边界和左右边界特征来解决单一阴影定位不准确的问题。在ES方法中采用固定大小的窗口遍历图像金子塔各层图片搜索车辆目标,为解决运算量大、实时性差的问题,结合摄像机模型、车辆宽度信息提出了一种缩减图像金字塔上每层图像检测范围的方法。
  最后,借助卡尔曼滤波实现车辆目标的跟踪。当在连续几帧图片短暂出现漏检时,利用卡尔曼滤波预测目标位置进行补充,从而减少车辆的漏检率。
作者: 卓厚坤
专业: 车辆工程
导师: 舒红;杨良义
授予学位: 硕士
授予学位单位: 重庆大学
学位年度: 2017
正文语种: 中文
检索历史
应用推荐