復(fù)雜環(huán)境下運(yùn)動車輛識別與測距方法研究.pdf

1、前方車距測量作為智能交通系統(tǒng)（Intelligent Transportation S yst em,ITS）的關(guān)鍵技術(shù)之一，對ITS的深入研究具有重要的理論意義和應(yīng)用價值?；诹Ⅲw視覺的車距測量技術(shù)由于其非接觸性，準(zhǔn)確度高等優(yōu)點(diǎn)而日益成為車距測量的主要技術(shù)手段。目前的動態(tài)車距測量技術(shù)易受環(huán)境等外部條件的影響，尤其當(dāng)車輛處于復(fù)雜多變的交通場景或者惡劣天氣環(huán)境中時難以獲得令人滿意的識別率和魯棒性。針對以上問題，本文借鑒人類的記憶機(jī)制建立了

2、選擇性視覺注意模型對動態(tài)車輛目標(biāo)進(jìn)行識別，并探討建立基于雙向改進(jìn)蝙蝠算法的車距測量系統(tǒng)對前方車輛進(jìn)行精確距離測量。論文的具體工作如下:
　　(1)借鑒人類記憶機(jī)制建立了車輛目標(biāo)顯著圖的識別模型(Memory-based Vehicle Recognition Model，MVRM)。該模型基于鷹眼的視覺注意模型并進(jìn)行了兩個方面的改進(jìn)，從而實(shí)現(xiàn)對動態(tài)車輛目標(biāo)的精確識別。一方面引入稀有運(yùn)動特征作為衡量視覺顯著性的一個重要因素，提高了視

3、覺注意機(jī)制檢測目標(biāo)的準(zhǔn)確度;另一方面，根據(jù)人類記憶機(jī)制進(jìn)行視覺信息處理時的認(rèn)知過程，建立了車輛目標(biāo)顯著區(qū)域的識別模型。該模型分別創(chuàng)建了瞬時記憶空間和長時記憶空間用來指導(dǎo)車輛目標(biāo)的識別過程，提高了車輛目標(biāo)識別模型的準(zhǔn)確度和魯棒性。
　　(2)針對傳統(tǒng)的局部匹配算法存在運(yùn)算精度不足的問題，提出了基于雙向改進(jìn)蝙蝠算法的自適應(yīng)權(quán)重立體匹配算法。該算法首先對經(jīng)過預(yù)處理過的圖像利用自適應(yīng)權(quán)重的立體匹配算法得到初始匹配結(jié)果，利用初始匹配結(jié)果得到

4、初始視差并給車輛提供及時的避障信息;然后以初始匹配結(jié)果為初始值對圖像進(jìn)行基于雙向改進(jìn)蝙蝠算法的匹配點(diǎn)優(yōu)化，生成更加精確的視差圖。結(jié)合提取到的運(yùn)動車輛目標(biāo)信息，得到與動態(tài)車輛目標(biāo)的精確車距信息。
　　仿真實(shí)驗(yàn)結(jié)果表明，結(jié)合人類記憶機(jī)制的MVRM模型的動態(tài)車輛識別率達(dá)到了77.10％,誤識別率只有4.5％,且在各種天氣環(huán)境、復(fù)雜道路交通環(huán)境下均有較好識別效果，抗噪性能良好。同時，采用雙向改進(jìn)蝙蝠算法的前方車輛測距算法與實(shí)際測量車距的最