一种基于单目视觉的车辆前方障碍物检测方法技术

本发明专利技术公开了一种基于单目视觉的车辆前方障碍物检测方法，将车辆前方环境划分为影响车辆安全行驶的障碍物和车辆能够安全行驶的自由驾驶空间两类，考虑到障碍物的多样性和相应检测算法的复杂性，首先将特征相对明显，更易于检测的自由驾驶空间作为重点检测对象，然后从非自由驾驶空间中进行车辆类障碍物和非车辆类障碍物的检测。本发明专利技术首先将环境分为四种情况，然后根据相应的情况选择合适的检测算法，增加了算法的环境适应性，能够适应不同光照条件的自由驾驶空间检测和车前障碍物检测，并且具有较高的实时性和准确性。

【技术实现步骤摘要】
一种基于单目视觉的车辆前方障碍物检测方法
本专利技术属于汽车安全辅助驾驶领域，涉及到一种车辆前方障碍物检测的方法，特别涉及到一种基于单目视觉系统，并能够适应不同光照条件的车辆前方障碍物检测方法。
技术介绍
汽车安全辅助驾驶技术作为提高车辆行驶安全性的有效途径，已经成为汽车安全领域的研究重点。在面向车辆前方环境信息获取的汽车安全辅助驾驶领域，主要通过各种传感器获得车辆前方的环境信息，并反馈给智能系统或者驾驶员，以辅助驾驶或者提供警报。而计算机视觉以其探测信息量大、应用范围广、智能化集成度高、易于安装等优点成为了该领域研究的重点。在基于视觉的车辆前方环境信息获取方面，单目视觉技术具有成本低、结构简单、探测范围广等优点，可被用于前方车辆、行人、道路边界等影响行车安全的目标的检测，涉及到的方法包括模板匹配、分类器训练、运动检测等。在现有的方法中，多数方法只针对环境中的某一单一目标进行二分类识别，如行人或非行人、车辆或非车辆等，无法适应车辆前方环境的多样性。此外，由于视觉传感器受光照变化的影响很大，许多方法只适用于光照条件良好、干扰因素较少的道路，针对复杂的道路状况适应性差。针对上述问题，需要整体考虑车辆前方环境的特点，提高算法对不同障碍物的适应能力，并分析光照变化对图像处理算法的影响，开发适应性高的车辆前方障碍物检测方法。
技术实现思路
为解决现有技术存在的上述问题，本专利技术要设计一种可以整体考虑车辆前方环境的特点，提高算法对不同障碍物的适应能力，并分析光照变化对图像处理算法的影响，开发适应性高的基于单目视觉的车辆前方车辆和障碍物检测方法。为了实现上述目的，本专利技术的技术方案如下：一种基于单目视觉的车辆前方障碍物检测方法，将车辆前方环境划分为影响车辆安全行驶的障碍物和车辆能够安全行驶的自由驾驶空间两类，考虑到障碍物的多样性和相应检测算法的复杂性，首先将特征相对明显，更易于检测的自由驾驶空间作为重点检测对象，然后从非自由驾驶空间中进行车辆类障碍物和非车辆类障碍物的检测。具体包括以下步骤：A、图像采集与行驶工况分类A1、将CCD图像传感器采集的原始彩色图像f0转换为像素为320×240的灰度图像f1；A2、截取图像f1的上部图像、中部图像和下部图像三个部分，分别记为ENVT、ENVM、ENVB；A3、求取下部图像ENVB的像素均值Pbottom和方差Vbottom，求取上部图像ENVT的像素均值Ptop和中部图像ENVM的像素均值Pmiddle。综合考虑Pbottom、Ptop和Pmiddle对行驶工况进行划分，将行驶工况分为强光照、正常光照、弱光照和夜间四种工况。B、自由驾驶空间检测B1、对图像f1进行Canny边缘提取得到边缘图像f2，针对不同行驶工况，采用的canny边缘提取的上下阈值参数如表1所示；表1canny边缘提取上下值选取表光照情况低阈值高阈值强光照50100正常光照4080弱光照3060夜间3060B2、对边缘提取后的图像f2进行形态学闭运算得到图像f3；B3、将形态学闭运算后的图像f3与图像f1叠加得到图像f4；B4、选择图像f4底部中央为种子点，判断其是否与周围像素相似，若不相似，左右移动。根据种子点对图像f4进行区域增长，得到图像f5；B5、自由驾驶空间检测，对区域增长后的图像f5进行孤立区域剔除得到图像f6，图像f6中像素为零的区域即为完整的自由驾驶空间。C、车辆类障碍物检测C1、截取灰度图像f1下半区域构成图像f7，根据自由驾驶空间信息确定图像f7的感兴趣区域，计算感兴趣区域内像素熵的均值TD；C2、根据步骤C1计算出的像素熵的均值TD计算更加准确的分割阈值T2，然后根据T2和步骤B5得到的自由驾驶空间，对图像f1进行阴影分割，得到初始分割图像f8；C3、对阴影分割图像f8首先进行形态学闭运算，消除较小的分割干扰，然后进行形态学开运算，恢复面积较大的候选区域，形成图像f9；C4、采用轮廓跟踪算法从图像f9中提取并标记各个轮廓，获取各轮廓的参数，所述的参数包括轮廓面积S，区域外接矩形的四个顶点坐标(xi,yi)、i＝1、2、3、4，区域外接矩形的长L、宽W和周长C，根据车辆的尺寸约束、面积比约束和对称性约束，将车底阴影与不同类型的干扰区分出来，标记出车辆，形成图像f10。D、非车辆类障碍物检测D1、提取图像f10中已标记车辆在图像f7中的位置信息。D2、对图像f7，排除其中自由驾驶空间和车辆，对剩余的非自由驾驶空间进行标记；D3、引入尺寸约束和面积比约束，区分非车辆类障碍物和路面干扰，如标识符、车道线等。本专利技术的效果和益处是：在基于单目视觉的检测算法中，图像像素是检测的基础，而天气会对图像像素值产生明显的影响，由于不同光照下的图像像素值分布会有明显的不同，进而会影响像素阈值的选取。如在强光照下，图像像素值主要集中在高像素值，则此时要选择相对较高的阈值；在弱光照时图像像素主要集中在低像素值，在这种情况下就要选择较低阈值；而在正常光照下，图像像素值主要集中在两端，正常光照下的阈值就要选择的较高一些；在夜间，像素值主要集中在低像素值，并且极低像素值偏多，所以在夜间选择更低的阈值比较合适。所以本专利技术首先将环境分为四种情况，然后根据相应的情况选择合适的检测算法，增加了算法的环境适应性，能够适应不同光照条件的自由驾驶空间检测和车前障碍物检测，并且具有较高的实时性和准确性。附图说明图1为本专利技术的整体流程图。图2为工况划分图。图3为canny边缘提取的结果图。图4为形态学闭运算的结果图。图5为与灰度图像f1叠加后的结果图。图6为区域增长后的结果图。图7为自由驾驶空间检测结果图。图8为灰度图像f1下半区域示意图。图9为梯度分割算法示意图。图10为原始图像对应的阴影分割结果示意图。图11为形态学闭操作示意图图12为形态学开操作示意图图13为车辆检测结果示意图。图14为非车辆障碍物监测结果示意图。具体实施方式以下结合技术方案和附图详细叙述本专利技术的具体实施方式。实施例本专利技术自适应车辆检测算法总体流程图如图1所示，首先对采集的图像进行行驶工况分类，然后使用自由行驶空间检测算法检测车辆的自由行驶空间；之后根据自由行驶空间的检测结果得到感兴趣区域，进而根据多约束进行车辆检测；最后根据车辆检测的结果进行非车辆障碍物监测。下面结合附图，对本专利技术的实现方法做进一步阐述。A.图像采集与行驶工况分类A1.使用CCD图像传感器采集车辆前方路况原始图片f0，并将原始彩色图像f0转换为像素为320×240的彩色图像，并且备份为fd，处理原始图像f0为灰度图像f1。A2.将预处理后图片f1截取为分为上、中、下三部分，分别保存为图像ENVT、ENVM、ENVB。A3.分别计算ENVT、ENVM、ENVB的像素均值和底部像素的方差值。根据式(1)计算底部图像ENVB像素均值，并根据式(2)计算底部像素方差值。其中Pbottom为底部像素平均值，Hbottom为获取底部像素点的高度，Wbottom为获取底部像素点的宽度；Pv为底部像素方差值。中部图像ENVB像素均值计算公式如式(3)所示，其中Pmiddle为底部像素平均值，Hmiddle为获取底部像素点的高度，Wmiddle为获取底部像素点的宽度。最后，本专利技术通过式(4)计算顶部图像EN本文档来自技高网...

【技术保护点】
一种基于单目视觉的车辆前方障碍物检测方法，其特征在于：将车辆前方环境划分为影响车辆安全行驶的障碍物和车辆能够安全行驶的自由驾驶空间两类，考虑到障碍物的多样性和相应检测算法的复杂性，首先将特征相对明显，更易于检测的自由驾驶空间作为重点检测对象，然后从非自由驾驶空间中进行车辆类障碍物和非车辆类障碍物的检测；具体包括以下步骤：A、图像采集与行驶工况分类A1、将CCD图像传感器采集的原始彩色图像f0转换为像素为320×240的灰度图像f1；A2、截取图像f1的上部图像、中部图像和下部图像三个部分，分别记为ENVT、ENVM、ENVB；A3、求取下部图像ENVB的像素均值Pbottom和方差Vbottom，求取上部图像ENVT的像素均值Ptop和中部图像ENVM的像素均值Pmiddle；综合考虑Pbottom、Ptop和Pmiddle对行驶工况进行划分，将行驶工况分为强光照、正常光照、弱光照和夜间四种工况；B、自由驾驶空间检测B1、对图像f1进行Canny边缘提取得到边缘图像f2，针对不同行驶工况，采用的canny边缘提取的上下阈值参数如表1所示；表1canny边缘提取上下值选取表光照情况低阈值高阈值强光照50100正常光照4080弱光照3060夜间3060B2、对边缘提取后的图像f2进行形态学闭运算得到图像f3；B3、将形态学闭运算后的图像f3与图像f1叠加得到图像f4；B4、选择图像f4底部中央为种子点，判断其是否与周围像素相似，若不相似，左右移动；根据种子点对图像f4进行区域增长，得到图像f5；B5、自由驾驶空间检测，对区域增长后的图像f5进行孤立区域剔除得到图像f6，图像f6中像素为零的区域即为完整的自由驾驶空间；C、车辆类障碍物检测C1、截取灰度图像f1下半区域构成图像f7，根据自由驾驶空间信息确定图像f7的感兴趣区域，计算感兴趣区域内像素熵的均值TD；C2、根据步骤C1计算出的像素熵的均值TD计算更加准确的分割阈值T2，然后根据T2和步骤B5得到的自由驾驶空间，对图像f1进行阴影分割，得到初始分割图像f8；C3、对阴影分割图像f8首先进行形态学闭运算，消除较小的分割干扰，然后进行形态学开运算，恢复面积较大的候选区域，形成图像f9；C4、采用轮廓跟踪算法从图像f9中提取并标记各个轮廓，获取各轮廓的参数，所述的参数包括轮廓面积S，区域外接矩形的四个顶点坐标(xi,yi)、i＝1、2、3、4，区域外接矩形的长L、宽W和周长C，根据车辆的尺寸约束、面积比约束和对称性约束，将车底阴影与不同类型的干扰区分出来，标记出车辆，形成图像f10；D、非车辆类障碍物检测D1、提取图像f10中已标记车辆在图像f7中的位置信息；D2、对图像f7，排除其中自由驾驶空间和车辆，对剩余的非自由驾驶空间进行标记；D3、引入尺寸约束和面积比约束，区分非车辆类障碍物和路面干扰。...

【技术特征摘要】
1.一种基于单目视觉的车辆前方障碍物检测方法，其特征在于：将车辆前方环境划分为影响车辆安全行驶的障碍物和车辆能够安全行驶的自由驾驶空间两类，考虑到障碍物的多样性和相应检测算法的复杂性，首先将特征相对明显，更易于检测的自由驾驶空间作为重点检测对象，然后从非自由驾驶空间中进行车辆类障碍物和非车辆类障碍物的检测；具体包括以下步骤：A、图像采集与行驶工况分类A1、将CCD图像传感器采集的原始彩色图像f0转换为像素为320×240的灰度图像f1；A2、截取图像f1的上部图像、中部图像和下部图像三个部分，分别记为ENVT、ENVM、ENVB；A3、求取下部图像ENVB的像素均值Pbottom和方差Vbottom，求取上部图像ENVT的像素均值Ptop和中部图像ENVM的像素均值Pmiddle；综合考虑Pbottom、Ptop和Pmiddle对行驶工况进行划分，将行驶工况分为强光照、正常光照、弱光照和夜间四种工况；B、自由驾驶空间检测B1、对图像f1进行Canny边缘提取得到边缘图像f2，针对不同行驶工况，采用的canny边缘提取的上下阈值参数如下：当行驶工况分为强光照时，上阈值为100、下阈值为50；当行驶工况分为正常光照时，上阈值为80、下阈值为40；当行驶工况分为弱光照时，上阈值为60、下阈值为30；当行驶工况分为夜间时，上阈值为60、下阈值为30；B2、对边缘提取后的图像f2进行形态学闭运算得到图像f3；B3、将形态学闭运算后...

【专利技术属性】
技术研发人员：李琳辉，连静，宗云鹏，周雅夫，黄海洋，范悟明，袁鲁山，伦智梅，杨帆，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21