用于重型卡車(chē)的夜間前方車(chē)輛檢測(cè)方法.pdf

1、隨著國(guó)家經(jīng)濟(jì)的快速發(fā)展，汽車(chē)數(shù)量大幅度增多，這給我們的日常生活帶來(lái)了極大便利。但與此同時(shí)，發(fā)生交通事故的概率增大，如何提高汽車(chē)安全性成為汽車(chē)與自動(dòng)化行業(yè)的重點(diǎn)研究?jī)?nèi)容，汽車(chē)輔助駕駛系統(tǒng)的研究隨之發(fā)展起來(lái)。汽車(chē)輔助駕駛系統(tǒng)是在汽車(chē)上安裝先進(jìn)的傳感器（雷達(dá)、攝像機(jī)）、控制器和執(zhí)行器等裝置，通過(guò)車(chē)載傳感器和信息終端實(shí)現(xiàn)車(chē)與人、車(chē)和路等的智能信息交換。使汽車(chē)具備智能的環(huán)境感知能力，自動(dòng)分析汽車(chē)的行駛狀態(tài)并按照人的意志達(dá)到目的地，最終實(shí)現(xiàn)完全自動(dòng)

2、駕駛。
　　白天環(huán)境下，光照充足，前方汽車(chē)的顏色、形狀、紋理等特征顯而易見(jiàn)，很容易判斷出汽車(chē)位置。但是夜晚行駛時(shí)，光照不足，駕駛員不能快速準(zhǔn)確地識(shí)別前方車(chē)輛的位置，實(shí)現(xiàn)智能夜間車(chē)輛檢測(cè)已成為研究熱點(diǎn)。相對(duì)于紅外線、雷達(dá)等傳統(tǒng)夜視技術(shù)，基于計(jì)算機(jī)視覺(jué)的汽車(chē)輔助駕駛系統(tǒng)具有硬件設(shè)備簡(jiǎn)單、處理速度快、成本低等優(yōu)勢(shì)，更適用于普通用車(chē)。重型卡車(chē)具有速度快、體積大和慣性大的特點(diǎn)，對(duì)道路上其他車(chē)輛和行人造成威脅。尤其夜晚在高速公路上行駛時(shí)，由于

3、光照不足和司機(jī)疲勞駕駛，司機(jī)較難在短時(shí)間內(nèi)估算出前方車(chē)輛位置，這使得重型卡車(chē)的危險(xiǎn)性更大。在夜晚情況下重卡智能檢測(cè)前方車(chē)輛對(duì)提高道路安全性尤為重要。本文研究重型卡車(chē)在汽車(chē)試驗(yàn)場(chǎng)和高速公路兩種路況下，在夜間檢測(cè)前方車(chē)輛問(wèn)題。
　　夜間前方車(chē)輛的一對(duì)明亮的尾燈是其最明顯的特征，尾燈的對(duì)稱性常被用于檢測(cè)車(chē)輛。由于重型卡車(chē)前照燈強(qiáng)光影響，前方車(chē)輛尾燈往往不會(huì)呈現(xiàn)出完全對(duì)稱的形狀，并且前方車(chē)輛測(cè)距常用的雙目相機(jī)有時(shí)會(huì)出現(xiàn)同步漂移問(wèn)題，本文使

4、用單目相機(jī)采集重卡行駛環(huán)境的灰度圖像。重卡前照燈較亮，易在路面、道路護(hù)欄或其他建筑物上產(chǎn)生干擾。本文特別針對(duì)重卡夜間行駛環(huán)境，提出一種改進(jìn)的閾值處理方法，能夠開(kāi)盡可能去除圖片中除車(chē)燈之外的其他干擾。提出將閾值處理算法與訓(xùn)練分類(lèi)器相結(jié)合的車(chē)輛檢測(cè)方法:使用改進(jìn)的閾值算法處理圖片，從閾值處理后的圖片中截取訓(xùn)練樣本用于訓(xùn)練分類(lèi)器，采用Haar-like和Adaboost算法訓(xùn)練分類(lèi)器，檢測(cè)過(guò)程中，使用改進(jìn)的閾值處理算法處理當(dāng)前幀圖片，在處理后

5、的圖片中檢測(cè)車(chē)輛并在原圖上標(biāo)記檢測(cè)結(jié)果。
　　為實(shí)現(xiàn)本文提出的改進(jìn)的檢測(cè)方法，本文首先詳細(xì)講述大津法、迭代法、直方圖法、最大熵閾值法、Kumar閾值算法，通過(guò)分析比較選擇適合本文研究圖片的閾值算法進(jìn)行改進(jìn)，去除圖片中的干擾信息。描述Haar-like特征含義、Haar-like模板及Haar-like特征值的快速求解方法。進(jìn)一步介紹Adaboost算法，包括boosting算法背景、確定弱分類(lèi)器方法、Adaboost訓(xùn)練過(guò)程及分類(lèi)

6、器級(jí)聯(lián)方法。設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證本文提出改進(jìn)的閾值算法及車(chē)輛檢測(cè)方法的有效性。拍攝汽車(chē)試驗(yàn)場(chǎng)和高速公路兩種夜間行駛環(huán)境圖片，對(duì)比分析改進(jìn)閾值算法和其他閾值算法對(duì)這些圖片的處理效果。使用汽車(chē)試驗(yàn)場(chǎng)圖片制作訓(xùn)練樣本，本別采用傳統(tǒng)訓(xùn)練方法和改進(jìn)的訓(xùn)練方法訓(xùn)練汽車(chē)試驗(yàn)場(chǎng)樣本，分別制作汽車(chē)試驗(yàn)場(chǎng)測(cè)試集合高速公路測(cè)試集，對(duì)比兩個(gè)分類(lèi)器在兩類(lèi)測(cè)試集上的檢測(cè)性能。在訓(xùn)練集中加入高速公路訓(xùn)練樣本，再次采用兩種方法訓(xùn)練，對(duì)兩類(lèi)測(cè)試樣本進(jìn)行檢測(cè)，對(duì)比兩種方法在添加高