[发明专利]基于单目视觉的前车识别方法

说明书

本发明提供一种基于单目视觉的前车识别方法，通过（1）从车载摄像头中采集的原始图像，用Canny边缘提取方法提取图像的边缘，用形态学滤波消除噪声点的影响，并向水平方向进行投影，根据投影特征获得对前方车辆的感兴趣区域；（2）提取车底阴影区域，根据车底阴影的几何形状，判断出车底阴影区域，并叠加边缘特征，判断出车辆区域；（3）将不同形状类的候选车辆区域的彩色小图像进行灰度化，归一化及二元树复小波变换，得到其特征向量；（4）用二维独立分量分析算法降低特征向量的维数，送入径向基函数核的支持向量机中进行分类，判断是否为车辆区域，可实现对前方道路中的车辆准确检测，能为无人驾驶车提供实时可靠的道路环境信息。

技术领域

本发明属于智能交通领域，具体涉及前方是否有车辆的判断方法。

背景技术

行车环境的实时感知与识别是车辆无人驾驶和主动安全的核心问题之一，前方道路上常有距离本车较近的车辆，容易引起追尾事故。本发明研究动态场景中前方车辆的快速定位与判断方法，在车辆行驶过程中，对前方出现的车辆信息进行检测和分析，可为无人驾驶车或司机提供及时的道路环境信息，以遵守交通规则。通过借鉴人类的视觉认知机理、计算机视觉以及模式识别理论的最新研究成果，研究和设计快速、自动、鲁棒的前方车辆判定系统，为无人驾驶车的相关理论与应用发展提供有力的支持，具有重要的理论意义和实用价值。

发明内容

本发明公开了一种根据采集的前方道路上动态环境图像，根据车辆特征判断车辆区域和非车辆区域，其解决了前方车辆的动态定位问题。

本发明为解决上述技术问题所采用的技术方案是：

提供一种基于单目视觉的前车识别方法，包括以下步骤：

（1）从车载摄像头中采集的原始图像，用Canny边缘提取方法提取图像的边缘，用形态学滤波消除噪声点的影响，并向水平方向进行投影，根据投影特征获得对前方车辆的感兴趣区域；

（2）提取车底阴影区域，形态学算子处理过后的图像的原始特征，根据车底阴影的几何形状，判断出车底阴影区域，并叠加边缘特征，判断出车辆区域；

（3）将不同形状类的候选车辆区域的彩色小图像进行灰度化，归一化及二元树复小波变换，得到其特征向量；

（4）用二维独立分量分析算法降低特征向量的维数，送入径向基函数核的支持向量机中进行分类，判断是否为车辆区域。

步骤（1）所述Canny边缘提取方法具体为：设二维图像为f(x,y)，二维高斯函数为

其任一方向上的导数为

式中：为梯度的单位方向矢量；

为高斯函数的导数模值。将图像与高斯函数卷积的梯度为：

梯度模值为

以点(x,y)的中心3×3子域中的边缘强度极大值小于一个限定阈值，来分割出图像中的边缘区域，然后将其中的连通区域进行填充，并向垂直和水平方向上进行投影，根据车辆的形态特征信息，获得对前方车辆的感兴趣区域。

步骤（2）所述判断车辆区域的算法具体为：将原图像进行灰度化，对其进行直方图统计，然后将其根据阈值t分为ξ₁，ξ₂两类，其分别出现的概率如下式所示：

其中L为灰度图灰度级，设ξ₁，ξ₂两类的均值分别为和：