基于机器视觉的智能车辆障碍物检测方法研究

《基于机器视觉的智能车辆障碍物检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Vol119No14公路交通科技2002年8月JOURNALOFHIGHWAYANDTRANSPORTATIONRESEARCHANDDEVELOPMENT文章编号:1002O0268(2002)04O0126O04基于机器视觉的智能车辆障碍物检测方法研究李斌,王荣本,郭克友(吉林大学交通学院,吉林长春130025)摘要:着重阐述基于机器视觉的前方车辆障碍物检测方法。首先根据公路上前方车辆的先验特征模型,建立障碍物探测的感兴趣区,以缩小搜索区域;随后提出一种新的对称变换算子,用于检测障碍物车辆的对称轴,并确定障碍物车辆的矩形轮廓。为进一步提高障碍物检测的实时性,采用递归模板匹

2、配法对障碍物进行跟踪。试验表明上述方法是有效的。关键词:智能车辆;机器视觉;对称变换中图分类号:U49116文献标识码:AStudyonMachineVisionBasedObstacleDetectionandRecognitionMethodforIntelligentVehicleLIBin,WANGRongOben,GUOKeOyou(TransportationCollegeofJilinUniversity,JilinChangchun130025,China)Abstract:Aleadingvehicledetectionandrecognitionmetho

3、dbasedonmachinevisionismainlydescribedinthispaper.Firstly,inor-dertoreducethesearchingarea,anareaofinterest(AOI)fortheobstacleisgottenbasedontheimagecontourdetectionandtheprioriknowledgeoftheleadingvehicleontheroad.Secondly,anewsymmetrytransformoperatorusedtosearchforthesymmetryaxisofthelea

4、dingvehicleintheimageisproposed,anditstherectanglecontourisobtainedusingthehoughtransform.Thentheconceptofsym-metrydistanceisintroducedtovalidatetheleadingvehicle.Furthermore,inordertoimproverealtimeobstacledetection,arecursivetemplatematchingmethodisestablishedtotracktheleadingvehiclecsloc

5、ationintheimage.Theexperimentresultsindicateitsvalidity.Keywords:Intelligentvehicle;Machinevision;Symmetrytransform探测障碍物和预测危险是智能车辆不可缺少的重别方法。试验验证了它的有效性。要功能。对前方车辆进行实时自动探测和识别对于保1基于先验知识的车辆特征模型持安全车距、防止发生碰撞事故具有十分重要的意义,也是安全行驶的前提条件。通常,人们对待识别和定位的目标都具有先验知视觉是人类观察世界、认识世界的重要功能手识,人类视觉系统之所以能识别和分辨千差万别的目段,驾

6、驶员驾驶车辆过程中所需要信息的90%来自标,也是长期积累先验知识或者说是训练学习的结果。[1]视觉。而从图像处理与模式识别发展起来的计算机公路上行驶的前方车辆在灰度图像中主要呈现以视觉(也称机器视觉),能够利用图像和图像序列来下后视特征:识别和认知三维世界,使计算机实现人的视觉系统的11形状特征。大体为矩形,而且满足特殊的形状某些功能。因此机器视觉已成为目前智能车辆及安全比例,宽一般在1~2m之间,高一般在1~3m之间。辅助驾驶中信息获取手段的主要途径。本文立足机器21边界特征。底部水平线、左右两侧的垂直边、视觉技术,提出了一种比较系统的障碍物实时探测识后车窗、保险杠、车牌在

7、图像中呈明显的边界特征。收稿日期:2001O08O06基金项目:教育部科学技术研究重点项目(00037)作者简介:李斌(1973-),男,山东临朐人,吉林大学交通学院博士研究生,主要从事车辆安全与辅助驾驶、车载传感器数据融合等方面的研究.基于机器视觉的智能车辆障碍物检测方法研究李斌等31灰度特征。一般情况下,车辆在图像中与背2障碍物探测及感兴趣区的建立景灰度有显著差异。可考虑离线建立背景的灰度特征模型,以便在线时和车辆的灰度进行比较。211障碍物搜索区域的缩小41对称性特征。车辆的对称特征包括灰度对称、