基于单目视觉的智能车辆视觉导航系统设计
2.2 车辆检测
图像中包含车辆前方很大视野内的物体,如道路、树木、护栏、标牌以及其他车辆,要从中准确检测出前方车辆是一项困难的工作,而本文的车辆检测模块会根据图像背景自动改变设置参数,以适应不断变化的道路场景和光照条件。
要实现车辆的快速检测,首先需要根据车辆的基本特征进行初步检测,将所有可能的疑似车辆区域从图像中提取出来,然后再根据其他特征对疑似区域进行筛选排除。
2.2.1 车辆初步检测
初步检测采用的特征是车辆阴影,即一块位于目标车辆底部、灰度值明显比附近路面区域低的区域。在一般环境条件下,大部分车辆都具有这一显著特征。
车辆初步检测的流程如图1所示。车辆阴影和车道一样具有灰度突变的特点,因此可以调用车道检测算法对图2(a)中的原始图像做二值化处理,得到图2(b)中的边缘二值化图像。同时还要对原始图像进行灰度二值化,得到图2(c)中的灰度二值化图像。为提高检测实时性,以本车附近路面区域的平均灰度作为二值化阈值。由于边缘二值化图像和灰度二值化图像都包括了车辆的下底边,将这两幅图像进行“或”运算,就可以得到如图2(d)所示的车辆阴影图像。
在阴影图像中由下至上逐行搜索,寻找连续阴影点超过一定阈值的线段,并以此线段为底边划出一个矩形区域作为疑似车辆区域。为保证疑似区域包含车辆整体,矩形的宽度比线段稍宽,高度由宽度按比例给出。为避免重复搜索,将已搜索到的疑似区域内阴影完全抹去。由于同一车辆的各个部分可能分别被检测为疑似目标,因此还需要对各个相交的疑似区域进行合并。由于前方车辆的遮挡,可能会将多个目标认定为一个目标,但是对本车的安全无影响。
2.2.2 筛选验证
如果单纯采用阴影特征进行车辆检测,在保证较低“漏警”率的同时,也造成了较高的“虚警”率,因此还需要对疑似区域进行筛选和验证。
对于结构化道路,车辆宽度与车道宽度的比值应该是大致固定的,那么当摄像机的焦距、俯仰角等参数固定后,图像上车道宽度(像素数)与车辆宽度(像素数)也满足这个比例。根据之前检测的车道方程,就可以计算出感兴趣区域内任意纵坐标上车辆图像宽度的范围,并剔除宽度不在此范围内的疑似区域。
评论