基于单目视觉的前方车辆检测与测距.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105488454A(43)申请公布日2016.04.13(21)申请号201510784048.0(22)申请日2015.11.17(71)申请人天津工业大学地址300160天津市河东区成林道63号(72)发明人耿磊李文杰肖志涛吴骏张芳李月龙邱玲(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G01C3/00(2006.01)权利要求书2页说明书6页附图4页(54)发明名称基于单目视觉的前方车辆检测与测距(57)摘要本发明属于智能交通技术领域，涉及一种基于单目视觉的前方车辆检测与测距方法，其实现过程是：(1)将车载摄像机采集的视频图像转换为灰度图像，(2)根据相机成像范围选择感兴趣区域进行直方图均衡化，(3)对均衡后的图像用分类器初检得到包含车辆信息的矩形区域，(4)利用先验知识对初检结果进行验证以去除误检，(5)利用车辆底部阴影计算轮胎与地面的交线获得车辆的准确位置，(6)将车辆位置与车道线检测结果作为先验信息进行车辆测距。本发明解决了单一利用基于先验知识的方法对光照敏感以及基于机器视觉的方法产生过多误检的问题，能够准确有效地检测出车辆且车距测量准确，可以满足智能车辆控制的实时性要求。CN105488454ACN105488454A权利要求书1/2页1.一种基于单目视觉的前方车辆检测与测距方法，包括下列步骤：(1)利用车载摄像机采集视频图像并进行灰度化；(2)根据相机成像范围提取感兴趣区域并进行直方图均衡化；(3)车辆分类器训练捕捉不同尺度的结构信息；(4)用训练完的车辆分类器初检实验视频；(5)基于水平边缘信息和灰度信息相结合的先验知识去除初检中的误检；(6)利用车辆底部阴影定位轮胎与地面交线准确获得车辆位置；(7)利用抽样扫描法进行车道线特征提取根据最小二乘拟合得到车道线方程获得车道消失点；(8)根据车辆位置与车道线消失点检测结果作为先验信息进行车辆测距。2.根据权利要求1所述的前方车辆检测与测距方法，其特征在于，步骤(3)中使用LBP的改进形式MB-LBP捕捉不同尺度的结构信息使测量稳定，中心子区域gc的MB-LBP特征为其中gi、gc为相应子区域的灰度均值，子区域大小为m×n(像素)；利用Adaboost级联分类器算法对归一化的正样本和非尺度归一化的负样本的MB-LBP特征向量进行分类学习，选择每阶段的最优弱分类器并级联成最终的强分类器。3.根据权利要求1所述的前方车辆检测与测距方法，其特征在于，步骤(5)中对初检结果进行Canny边缘检测统计矩形框内车辆水平边缘信息排除伪目标，矩形框内满足条件的水平边缘数N其中L为水平边缘长度，Kl为比例系数，WR为矩形框R的宽度；其中(NMIN，NMAX)为N的取值范围，F0为是否误检的标志，当矩形框内水平边缘数满足域值条件时，F0＝0保留矩形框。4.根据权利要求1所述的前方车辆检测与测距方法，其特征在于，步骤(5)中利用车辆轮胎与其邻域的灰度值关系进一步消除误检，对初检矩形框按比例kg(0＜kg＜1)截取一部分得到轮胎所在区域，统计其灰度信息：T1、T2分别表示左轮和右轮的区域，N1、N2分别是截取的两轮胎外侧与T1、T2同样大小的矩形框，B为与R同宽、与T1、T2等高的矩形框，GT为轮胎灰度均值，GB为相应矩形框灰度均值；2CN105488454A权利要求书2/2页F1为矩形框R是否误检的标志，为GT大于G*中任意两个元素，当F1＝1去除矩形框。5.根据权利要求1所述的前方车辆检测与测距方法，其特征在于，步骤(6)中在车辆初检的基础上利用Sobel水平边缘检测获得灰度渐变区域，利用孔洞填充算子去除孤立噪声点和细小片段并对孔洞进行填充，算子计算公式：m0～m4为孔洞填充算子中的值；以矩形框底部1/4的下边线为基准从左到右进行长度滤波，当线段长度L0满足L0≥ks·WR时线段有效标志Fs＝1，保留此线段并以该线段最上层边缘作为轮胎与地面交线IL。6.根据权利要求1所述的前方车辆检测与测距方法，其特征在于，步骤(7)中以图像底部1/2作为车道线感兴趣区域，依据OTSU方法使用双阈值对图像二值化，再依据车道宽度滤波二值化图像，利用抽样扫描法进行车道线特征提取，yi＝NZmin+i·INT[(NZmax-NZmin)/(SN-1)]γ＝|atank1-atank2|γ＜TANGyi为抽样扫描纵坐标，(NZmin，NZmax)为左半图像非零像素行纵坐标范围，INT表示取整，SN为(NZmin，NZmax)抽样数，i＝1，2...SN，pi(xi，yi)为车道线段中点，pi-1、pi+1为pi邻近两点，k1为pi-1、pi所在直线的斜率，k2为pi、pi+1所在直线的斜