【技术实现步骤摘要】
本专利技术属于图像处理领域，具体涉及一种在高速公路或快速公路场景下，能够实时识别汽车前方行驶车辆的检测方法，主要适用于智能交通领域中的智能车辆辅助驾驶系统，属于汽车主动安全
技术介绍
对交通事故的统计分析显示，汽车追尾在交通事故中占到了 30% -40%，而追尾事故所造成的财产损失和人员伤亡更是占到了总损失的60%。驾驶员所面临的主要危险是路面前方的车辆。根据美国的一项研究结果显示，只要给驾驶者增加O. 555秒的反应时间，就能够减少60%的交叉路口汽车碰撞事故和30%的汽车追尾事故。另一项研究表明，仅提 前I秒就可以防止90%的汽车追尾事故和60%的汽车正面对撞事故。因此，作为智能车辆系统的关键技术之一，前方车辆检测以及在其基础上发展起来的车距预警系统已经成为相关科研机构以及汽车生产公司研发的焦点。目前，智能车辆辅助驾驶系统中车辆检测的技术主要分为两类一类是基于雷达传感器的超声波检测、微波检测、红外线检测、激光检测等。这类传感器虽然能够较好的完成对实体目标的检测，但无法准确的判断目标的类别，而且普遍价格较高；另一类是基于视觉传感器的单目视觉检测、双目...
【技术保护点】
【技术特征摘要】
1.ー种基于单目视觉的前方车辆检测方法，包括下列步骤 步骤I:采集车辆前方路况原始图像I，截取作为当前帧的原始图像I中包括两侧边界的下部区域，得到子图像Ipart,并复制子图像Ipart得到图像Ipartl ； 步骤2 :对子图像Ipart进行直方图均衡化； 步骤3 :从经过直方图均衡化的子图像Ipart中获取车辆前方路面平均灰度阈值Tr ； 步骤4 :采用OTSU法对经过直方图均衡化的子图像Ipart提取灰度阈值t，从而将整个灰度范围划分为两部分和[t，255]，然后在的灰度范围内，再次使用OTSU法，得到灰度阈值To ； 步骤5 :设H为图像竖直方向的分辨率，f (i，j)为第i行第j列的像素点的灰度值，Thi为第 i 行ニ值化阈值，计算 Thi = α ΧΤο+β XTr，其中，a = i/H, β = (H_i)/H; 步骤6 :对ニ值化结果进行评估，由评估结果判决最終用于提取目标的图像分割阈值，步骤如下 1)将子图像Ipart划分为Ifar、Inear两个区域，Ifar区域位于Inear区域的上面，设Ifar区域的ニ值化评估上限值为EvaluFarUp、下限值为EvaluFarLow, Inear区域的ニ值化评估限值为EvaluNear ； 2)分别求出区域Ifar、Inear中满足f(i, j) < Thi的像素点，即分割为目标的像素点的个数 NumFar 和 NumNear ； 3)对于车辆前方路面平均灰度阈值Tr和灰度阈值To，定义计算各自的预备阈值的方法如下 ①如果上一帧的阈值小于当前帧阈值，则采用上一帧阈值作为预备阈值； ②如果上一帧阈值大于或等于当前帧阈值，则减小当前帧分割阈值，作为预备阈值； 4)如果NumFar> EvaluFarUp,则利用车辆前方路面平均灰度阈值Tr和灰度阈值To的预备阈值替代相应的当前帧阈值，并重新计算Thi ； 5)如果NumFar< EvaluFarUp并且NumNear > EvaluNear,则计算车辆前方路面平均灰度阈值Tr和灰度阈值To的预备阈值,利用各自预备阈值重新计算Thi ； 6)如果NumFar< EvaluFarLow并且NumNear < EvaluNear,则对路面平均灰度阈值Tr做一定程度的调整，扩大分割范围； 步骤7 :根据步骤6的判决结果对经过直方图均衡化的图像进行ニ值化，实现目标分害1]，得到ニ值图像Ibinary ； 如果 NumFar < EvaluFarUp 或者 NumFar < EvaluFarLow,则对区域 Ifar 中，目标点之间小于hXw的背景区域予以填充，实现目标的增强处理，h代表垂直方向像素点个数，w代表水平方向像素点个数； 步骤8 :在图像Ipartl上，设定检测阈值G，以给定步长St移动窗ロ(StXSt)，计算窗口中的图像的灰度梯度向量模，并将灰度梯度模值大于或等于G的窗口中的像素点的灰度值全部置...
【专利技术属性】
技术研发人员：肖志涛，耿磊，张芳，吴骏，谭琦，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。