当前位置: 首页> 学位论文 >详情
原文传递 基于多视觉特征融合的后方车辆检测技术研究
论文题名: 基于多视觉特征融合的后方车辆检测技术研究
关键词: 智能交通;车辆监测;机器视觉;图像识别
摘要: 智能交通系统(ITS)是以提高道路交通系统的安全性、高效性与舒适性为目标,采用传感器、图像处理、模式识别和人工智能等多种技术手段,通过对现有道路基础设施资源的充分利用,解决交通拥塞、事故频发、环境污染等问题。其中,车辆辅助驾驶系统(DAS)是ITS当前需求较为迫切、应用比较广泛的一个重要部分。后方车辆的实时检测技术是车辆辅助驾驶系统中的关键内容,对于实现停车辅助、车道变线辅助、碰撞避免等辅助驾驶应用具有十分重要的意义,因而成为了智能交通系统中的研究热点。特别是,随着计算机视觉技术的发展,基于视觉特征的后方车辆检测由于具有安装维护简单、实时性好、易于推广的特点已经引起了国内外厂商的广泛关注。然而,目前基于视觉特征的后方车辆检测方法大都容易受到复杂光线、天气、背景等环境因素的影响,方法的鲁棒性较差。为此,需要在分析车辆和背景各种视觉特征的基础上,综合利用各种特征和方法,提高后方车辆检测的鲁棒性。同时,目前大多数后方车辆检测方法仍然处于实验室研究阶段,方法的实用性普偏不高。为此,需要重点考虑检测方法在识别精度与实时性的折衷问题,以达到产业化应用的要求。本文针对于目前基于视觉特征的后方车辆检测鲁棒性差、实时性差的问题,以可产业化应用的后方车辆检测为驱动,提出了一套基于多视觉特征融合的后方车辆检测技术,并将所提出的技术应用到东软汽车电子先行技术研究中心车辆识别引擎的实现中,取得了很好的效果。本文完成的主要研究工作有:
   ⑴针对于白天环境下感兴趣区域分割的准确性保证问题,提出了白天环境下改进的基于车底阴影特征的感兴趣区域分割方法。给出了该方法的感兴趣区域分割处理过程,建立了阴影灰度阈值计算模型、候选阴影聚类规则和投射阴影判断规则,并在此基础上给出了基于道路边缘特征的阴影阈值计算算法、基于3D几何约束的阴影候选聚类算法和基于颜色特征的路面投射阴影处理算法,降低了路面投射阴影对车底阴影检测准确性的影响;
   ⑵针对于白天环境下车辆定位的准确性保证问题,提出了白天环境下基于多视觉特征融合的车辆定位技术。给出了白天环境车辆定位的过程,并且通过对车辆的二值轮廓对称特征、灰度对称特征、HSV色彩空间的S分量对称特征、垂直边缘特征、车底阴影的左右边界、车体颜色特征、背景的垂直和水平特征、长度特征的综合利用,给出了基于多视觉特征融合的车辆对称轴定位、左右边缘定位和上边缘定位方法,降低了背景因素对车辆定位准确性的影响;
   ⑶针对于夜晚环境下车辆定位的准确性保证问题,提出了夜晚环境下改进的基于车灯特征的车辆定位技术。给出了夜晚环境车辆定位过程,建立了单灯识别规则、灯对可组合规则和头灯灯对判定规则,并在此基础上给出了基于单灯特征的单灯识别方法和基于灯对相似性和可组合性特征的车辆头灯灯对定位方法,降低了道路上的地面反光对单独识别准确性的影响,保证了灯对的可组合性和车辆定位的准确性;
   ⑷针对于车辆检测区域中车辆存在性验证的准确性保证问题,提出了基于知识和特征统计的车辆存在性验证机制。该机制是通过基于知识的方法对背景进行过滤,然后再用基于统计的方法对过滤后的结果进一步进行车辆存在性的检测。为了实现该机制,建立了基于Gabor滤波器的车辆特征提取、基于高斯径向核函数的分类器训练和基于多视觉知识的背景过滤方法,避免了单独使用一种方法而难以有效保证验证准确性的问题;
   ⑸以对本文所提出的技术、方法和机制的应用为目标,在分析汽车电子先行技术研究中心车辆识别引擎原型系统总体结构的基础上,给出了车辆识别引擎中基于多视觉特征融合的后方车辆检测过程。设计并建立了车辆检测性能评估的实验方案,给出了评估图像采集、评价指标确定以及评价方案建立的相关方法和实施步骤。实验及系统初步应用表明,本文所提出的后方车辆检测方法具有很好的鲁棒性和实用性。
作者: 王楠
专业: 计算机应用技术
导师: 刘积仁
授予学位: 博士
授予学位单位: 东北大学
学位年度: 2009
正文语种: 中文
检索历史
应用推荐