一种基于视觉的多特征融合的前方车辆检测方法技术

本发明专利技术公开一种基于视觉的多特征融合的前方车辆检测方法，包括步骤1：获取前方车辆尾灯对轮廓信息，并确定各个尾灯的质心，以质心之间的中心点为参考点，根据尾灯标记区域图像宽度、高度确定尾灯标记区域X

【技术实现步骤摘要】
一种基于视觉的多特征融合的前方车辆检测方法
本专利技术涉及汽车安全辅助驾驶控制领域，更具体的是，本专利技术涉及一种基于视觉的多特征融合的前方车辆检测方法。
技术介绍
汽车安全辅助驾驶系统(ADAS)被广泛用于改善驾驶安全性，比如：车道保持辅助系统(LKAS)、前撞预警系统(FCW)、自动紧急避撞系统(AEB)及智能巡航系统(IACC)等。无论是哪一种辅助驾驶系统，其核心技术在于应用雷达或机器视觉快速且准确地提取系统前方车辆或障碍物等信息，能够及时提醒驾驶员避免碰撞危险或自动控制车辆实现避撞。伴随高性价比图像传感器的普及和图像处理技术的日益成熟，基于机器视觉的车辆检测与识别方法被广泛用于辅助驾驶系统中。如利用车辆的线性几何特征信息、车辆的对称性，或者采用特殊的硬件，如彩色CCD和双目CCD的计算机视觉方法等。此外，还有基于光流的方法、模板匹配的方法、支持向量机方法、利用神经网络训练的方法以及多传感器信息融合的方法等。上述研究方法大都基于单一车辆特征，利用一些先验知识确定车辆存在的区域或判断是否有车辆存在。该方法对于外界环境的适应性较差，容易受到天气因素的制约而影响检测的精确度。
技术实现思路
本专利技术设计开发了一种基于视觉的多特征融合的前方车辆检测方法，基于尾灯对与阴影复合特征检测的前方车辆的存在区域，提高检测精度，解决了单一特征漏检或不能检测的缺陷。本专利技术提供的技术方案为：一种基于视觉的多特征融合的前方车辆检测方法，包括如下步骤：步骤1：获取前方车辆尾灯对轮廓信息，并确定各个尾灯的质心，使其满足：式中，为图像中尾灯对间的宽度；Wmin与Wmin分别为尾灯对间宽度的最小像素值与最大像素值；与分别为图像中左右尾灯的高度；hc左右尾灯的高度差阈值；与分别为图像中左右尾灯的面积；al与ar分别为图像中左右尾灯对面积比的最小值与最大值。获取尾灯标记区域高度：式中，fw1为尾灯标记区域图像宽度；fh1为尾灯标记区域图像高度；Vw为车辆实际宽度；Vh为车辆实际高度，α1为尾灯标记区域图像的比例系数；以质心之间的中心点为参考点，根据尾灯标记区域图像宽度、高度确定尾灯标记区域XT；步骤2：获取车辆阴影区域灰度值：STH＝Gμmin-kσGσmin；式中，STH为车辆阴影区域灰度值；kσ为方差比例系数，Gμmin为路面像素最小灰度值均值，Gσmin为最小灰度值均值对应的最小均方差，M、N为图像的长度与宽度；根据车辆阴影区域灰度值获得车辆底部阴影图像区域；获取阴影标记区域高度：式中，fw2为阴影标记区域图像宽度；fh2为阴影标记区域图像高度；α2为阴影标记区域图像的比例系数；以车辆底部阴影图像区域下边缘线中心点为参考点，根据阴影标记区域图像宽度、高度确定阴影标记区域XS；步骤3：获取前方车辆的目标检测区域：Xw＝ksXS+kTXT；式中，Xw为前方车辆的目标检测区域，ks、kT为权重系数。优选的是。还包括：根据目标检测区域确定与前方车辆的纵向距离：式中，Z为与前方车辆的纵向距离，f为视觉相机的有效焦距，fω为目标检测区域的宽度。优选的是，在所述步骤1中，通过Canny边缘检测获取包含前方车辆尾灯对轮廓信息的检测图像，并通过形态学闭运算确定前方车辆尾灯对轮廓信息。优选的是，在所述步骤2中，根据所述车辆阴影区域灰度值进行图像分割，获得二值化图像，并进行开与闭运算处理，获得车辆底部阴影图像区域。优选的是，所述阴影标记区域图像宽度和所述尾灯标记区域图像宽度均为尾灯宽度。优选的是，所述前方车辆尾灯对轮廓信息采用6×6的正方形结构元素进行形态学闭运算确定。优选的是，所述车辆底部阴影图像区域由车辆在地面上的阴影、车辆左右后轮轮胎以及车辆的后保险杠组成。本专利技术所述的有益效果：本专利技术设计开发的基于视觉的多特征融合的前方车辆检测方法，基于尾灯对与阴影复合特征检测的前方车辆的存在区域，提高检测精度，解决了单一特征漏检或不能检测的缺陷。附图说明图1为前方车辆的后部尾灯对结构图。图2为单目视觉测距几何模型图。图3为基于像平面车辆宽度确定纵向距离示意图。具体实施方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。本专利技术设计开发了一种基于视觉的多特征融合的前方车辆检测方法，包括如下步骤：步骤1：车辆尾灯对信息获取车辆区域通常存在许多明显的边缘特征，如后风窗玻璃、后保险杠、后尾灯对及车牌等边缘。这些边缘特征对于车辆区域的定位和作为判决依据是非常有用的。经过Canny边缘检测后，车辆尾灯轮廓信息就会包含在检测图像中，需要从中将尾灯对轮廓提取出来。采用6×6的正方形结构元素进行形态学闭运算，消除噪声点。图1为前方车辆的后部尾灯对结构图。从图1中可以看出，尾灯对轮廓信息可以用以下约束条件进行提取：根据公式(1)至公式(3)的约束条件就可以确定尾灯区域的质心，将质点连线并求其距离，进而确定图中车辆的左右边缘(即车宽)，这里取一个尾灯的宽度加上左右尾灯质心连线距离。步骤2：车辆阴影区域获取车辆阴影区域是由车辆在地面上的阴影、车辆左右后轮轮胎以及车辆的后保险杠等部分组成。通常，车辆阴影区域的灰度值在整个路面图像中处于最小值范围。对于待检测的图像，计算路面像素灰度值均值Gμ与均方差Gσ，如公式(4)与公式(5)所示。式中：M、N为图像的长度与宽度。最终选取的阈值由最小的灰度均值和对应的均方差确定，具体计算公式如下：STH＝Gμmin-kσGσmin(6)式中，STH为车辆阴影区域灰度值；kσ为方差比例系数，Gμmin为路面像素最小灰度值均值，Gσmin为最小灰度值均值对应的最小均方差，M、N为图像的长度与宽度根据所述车辆阴影区域灰度值进行图像分割，在分割后的车辆底部阴影区域二值化图像中，对于车辆底部阴影区域周围出现的连为一体的噪声或者车辆底部阴影区域有不连续的情况以及非车辆底部阴影区域，需要将分割后的底部阴影区域与背景噪声及非车辆底部阴影区域尽可能分离出来，对其进行了开与闭运算处理，得到车辆底部阴影图像区域。步骤3：基于尾灯与阴影特征的车辆检测区域整合基于阴影特征得到了目标车辆底部的阴影区域，根据该区域在图像中标定车辆存在区域的坐标点，这里以阴影区域下边缘线中心点为基础参考点，结合车辆尾灯宽度确定出标记框的宽度区域，再结合车辆的实际结构尺寸与图像尺寸间的比例关系(如公式7所示)，可以得到图中车辆高度坐标点，进而以车辆底部阴影图像区域下边缘线中心点为参考点，根据阴影标记区域图像宽度、高度获得目标车辆的矩形标记区域XS(阴影标记区域)。<本文档来自技高网...

【技术保护点】
1.一种基于视觉的多特征融合的前方车辆检测方法，其特征在于，包括如下步骤：/n步骤1：获取前方车辆尾灯对轮廓信息，并确定各个尾灯的质心，使其满足：/n

【技术特征摘要】
1.一种基于视觉的多特征融合的前方车辆检测方法，其特征在于，包括如下步骤：
步骤1：获取前方车辆尾灯对轮廓信息，并确定各个尾灯的质心，使其满足：









式中，为图像中尾灯对间的宽度；Wmin与Wmin分别为尾灯对间宽度的最小像素值与最大像素值；与分别为图像中左右尾灯的高度；hc左右尾灯的高度差阈值；与分别为图像中左右尾灯的面积；al与ar分别为图像中左右尾灯对面积比的最小值与最大值；
获取尾灯标记区域高度：



式中，fw1为尾灯标记区域图像宽度；fh1为尾灯标记区域图像高度；Vw为车辆实际宽度；Vh为车辆实际高度，α1为尾灯标记区域图像的比例系数；
以质心之间的中心点为参考点，根据尾灯标记区域图像宽度、高度确定尾灯标记区域XT；
步骤2：获取车辆阴影区域灰度值：
STH＝Gμmin-kσGσmin；






式中，STH为车辆阴影区域灰度值；kσ为方差比例系数，Gμmin为路面像素最小灰度值均值，Gσmin为最小灰度值均值对应的最小均方差，M、N为图像的长度与宽度；
根据车辆阴影区域灰度值获得车辆底部阴影图像区域；
获取阴影标记区域高度：



式中，fw2为阴影标记区域图像宽度；fh2为阴影标记区域图像高度；α2为阴影标记区域图像的比例系数；
以车辆底部阴影图像区域下边缘线中心点为参考点，根据阴影标记区域图像宽度、高度确定阴影标记区域XS；

【专利技术属性】
技术研发人员：陈学文，裴月莹，李亚盼，蓝富琪，马天放，于添，佟佳颖，
申请(专利权)人：辽宁工业大学，
类型：发明
国别省市：辽宁;21