基于視覺導航的智能車輛目標檢測關(guān)鍵技術(shù)研究.pdf

1、智能車輛是智能交通系統(tǒng)的重要組成部分，是智能交通系統(tǒng)的主體。智能車輛是一個可以自主感知環(huán)境信息并進行自主決策進而實現(xiàn)自動化操作控制的綜合統(tǒng)一體，它的實現(xiàn)涉及模式識別、圖形圖像處理、自動控制、機器視覺等多個交叉學科的理論與技術(shù)，在智能車輛的各項關(guān)鍵技術(shù)中，導航是車輛感知外部環(huán)境進而做出下一步?jīng)Q策的前提。由于視覺信息尤其是彩色圖像信息具有信息含量豐富、被動無污染和探測無損傷等優(yōu)點而倍受關(guān)注，是智能車輛實現(xiàn)自主導航的主要技術(shù)。其中，對于場景環(huán)

2、境中的目標的檢測(包括道路檢測、交通標志檢測以及障礙物檢測)又是不可缺少的功能，是預防危險、安全行駛的前提條件。但由于智能車輛所處的室外環(huán)境的復雜性和不可控性以及彩色場景圖像數(shù)據(jù)量大、運算復雜度高等因素，導致視覺導航中目標檢測的實時性、準確性和魯棒性得不到滿足。為了減小數(shù)據(jù)量、提高檢測的實時性，提高視覺導航的效率，本文在分析現(xiàn)有目標檢測技術(shù)特點與不足的基礎上，對以下關(guān)鍵技術(shù)進行了深入而詳實的研究。
　　 1.為了降低彩色圖像處理

3、的復雜度、提高后續(xù)目標檢測的速度，本文提出了一種智能車輛視覺導航彩色圖像的預處理算法。算法針對飽和度過低時H分量不穩(wěn)定的不足，在飽和度分量上選擇閾值T，把S分量劃分為高飽和度區(qū)域和低飽和度區(qū)域，在高飽和度區(qū)域中投影H分量，在低飽和度區(qū)域中投影V分量，并且對投影后的S分量進行拉伸。這樣S分量即包含了必要的顏色信息又包含了灰度信息，而且圖像由原來的高維降到二維。克服了傳統(tǒng)預處理方法中顏色信息的丟失造成的分割不準確問題，大大降低了后續(xù)處理的數(shù)

4、據(jù)量，提高了算法實時性，同時也對因光照和陰影等不確定因素造成的影響有較好的魯棒性。
　　 2.為了克服現(xiàn)有道路檢測算法在道路分割時依賴于道路模型、道路區(qū)域不完整及自適應性差等缺點，本文提出了一種基于語義的多神經(jīng)網(wǎng)絡非結(jié)構(gòu)化道路自適應檢測算法。算法用直方圖對道路圖像進行多閾值粗分割，然后用多神經(jīng)網(wǎng)絡對分割區(qū)域進行高層語義映射，可有效解決當?shù)缆诽卣靼l(fā)生變化時的自適應性和道路檢測過程中的實時性問題，實現(xiàn)非結(jié)構(gòu)化道路的完整提取。

5、　　 3.針對現(xiàn)有主動交通標志檢測算法中存在運算量大、復雜背景排除困難等問題，本文提出了一種被動的交通標志快速檢測方法。算法對彩色圖像在HSV空間中預處理的基礎上，構(gòu)造待檢測區(qū)域中交通標志中可能包含的顏色的粗糙度直方圖，根據(jù)顏色匹配表、背景顏色的粗糙度和前景顏色的粗糙度判斷圖像中是否有交通標志出現(xiàn)，如果有可能出現(xiàn)交通標志則根據(jù)粗糙度統(tǒng)計提取標志區(qū)域，如果沒有則不進行后續(xù)的分割，這樣減少了檢測中的盲目分割和重復判斷，大大提高了檢測算法的