基于視覺的車輛檢測與跟蹤技術(shù)研究.pdf

1、基于視覺的實(shí)時車輛檢測與跟蹤是智能交通領(lǐng)域的一個重要研究課題，是解決交通安全問題的一種重要手段，在車輛輔助駕駛、危險報(bào)警等方面有著很好的應(yīng)用前景。本文以高速公路上車輛輔助駕駛為應(yīng)用背景，提出了一個基于道路區(qū)域分析的目標(biāo)檢測和跟蹤的整體框架，并在此基礎(chǔ)上提出了相應(yīng)的車輛檢測和跟蹤算法。 論文首先介紹了智能車輛在國內(nèi)外的發(fā)展情況，并介紹了相關(guān)研究機(jī)構(gòu)在智能車輛開發(fā)方面的成果和產(chǎn)品。介紹了機(jī)器視覺在輔助導(dǎo)航系統(tǒng)、自適應(yīng)巡航控制系統(tǒng)等智

2、能車輛中的應(yīng)用。 論文討論了基于Hough變換法的道路識別技術(shù)。綜合分析了各種圖像預(yù)處理技術(shù)，并通過實(shí)驗(yàn)對比分析，選用適合應(yīng)用要求的預(yù)處理算法；最后著重分析了概率Hough變換原理，及其在道路邊界檢測中的優(yōu)勢，并給出了試驗(yàn)仿真。試驗(yàn)結(jié)果表明文中該算法具有良好的魯棒性。 論文提出了基于陰影提取、車輛紋理與灰度對稱性相結(jié)合的車輛檢測方案。首先在車道范圍內(nèi)，用自適應(yīng)閾值分割車輛底部陰影，構(gòu)建車輛可能存在的候選區(qū)域；其次，對候選

3、區(qū)域應(yīng)用紋理特征加以過濾；最后，用車輛尾部的灰度對稱性確認(rèn)車輛存在。 在車輛檢測算法的基礎(chǔ)上，論文著重分析了車輛跟蹤算法，并將Camshift算法與Kalman濾波分別應(yīng)用于車輛跟蹤。通過試驗(yàn)驗(yàn)證，指出了各自的優(yōu)勢與不足。最后提出一種可相互補(bǔ)充的Camshift算法結(jié)合Kalman預(yù)測的車輛跟蹤架構(gòu)。大量試驗(yàn)表明，文章所提的算法可以取得較好的跟蹤效果。 本文結(jié)合實(shí)驗(yàn)室開展的汽車視覺防撞系統(tǒng)的研究，研究了汽車前方道路識別與