[发明专利]一种基于图像处理的车辆自动跟踪驾驶方法

说明书

本发明涉及一种基于图像处理的车辆自动跟踪驾驶方法，包括以下步骤：将目标车辆图像区域设定为感兴趣区域；将当前帧图像中的感兴趣区域的RGB颜色空间转换为HSV颜色空间；对HSV颜色空间进行直方图统计得到直方图向量；采集下一帧图像并根据直方图向量匹配进行粒子滤波得到目标车辆的位置；根据下一帧与当前帧图像中的目标车辆的位移差控制本车辆跟随目标车辆。本发明基于图像处理技术，基于多车同时远距离长途行驶，可以缓解后车驾驶员的长途疲劳，降低车辆事故的情况，同时携带设备简单，只需要前方的前置摄像头和车载智能终端，即可轻松实现后车的自动驾驶。

技术领域

本发明涉及一种车辆半自动驾驶方法，具体说是一种基于图像处理的车辆自动跟踪驾驶方法。

背景技术

以探测搜索、捕获跟踪、激光瞄准为技术依托的机载光电稳定跟踪系统已成为发展新一代光电装备的战略基点之一，对于现代化生产和生活有着非常重要的意义。在机载光电稳定跟踪系统中，图像跟踪是一个关键技术，直接决定了跟踪系统的性能。同时，图像跟踪也是计算机视觉领域的一个热点研究问题，在视觉监控、人机互动、机器人导航等领域有着广泛的应用。

图像跟踪方法大致可分为两大类：概率跟踪方法和确定性跟踪方法。概率跟踪方法由于跟踪性能稳定、可靠，已成为图像跟踪的主流方法，卡尔曼滤波和粒子滤波是这类方法的典型代表。

卡尔曼滤波对系统模型和后验分布有严格限制，只能处理线性、高斯、单模态的情况，而在图像跟踪应用中，后验概率的分布往往是非线性、非高斯、多模态的，因此卡尔曼滤波的应用受到一定的限制。与卡尔曼滤波不同，粒子滤波对于系统模型没有特殊要求，而且能够保持状态的多模态分布，不易受杂波的影响，在跟踪领域得到了很大发展。但常规粒子滤波跟踪算法存在计算量大、采样效率低等问题，而且由于实际跟踪场景的复杂性，给常规粒子滤波跟踪算法提出了很大的挑战。

发明内容

针对上述技术不足，本发明的目的提供一种基于图像处理的车辆自动跟踪驾驶方法。

本发明解决其技术问题所采用的技术方案是：一种基于图像处理的车辆自动跟踪驾驶方法，包括以下步骤：

将目标车辆图像区域设定为感兴趣区域；

将当前帧图像中的感兴趣区域的RGB颜色空间转换为HSV颜色空间；

对HSV颜色空间进行直方图统计得到直方图向量；

采集下一帧图像并根据直方图向量匹配进行粒子滤波得到目标车辆的位置；

根据下一帧与当前帧图像中的目标车辆的位移差控制本车辆跟随目标车辆。

所述将当前帧图像中的感兴趣区域的RGB颜色空间转换为HSV颜色空间通过以下公式实现：

其中，R、G、B为当前帧图像的RGB空间中的信息，max为RGB中的最大值，min为RGB中的最小值。

所述根据直方图向量匹配进行粒子滤波跟踪感兴趣区域中的目标车辆包括以下步骤：

1)预先设定目标车辆模板并提取直方图向量作为目标特征向量V；

2)采用高斯分布设置与目标区域相同尺寸的搜索粒子，对下一帧图像进行搜索得到所有搜索粒子的直方图向量Vi与目标特征向量V的相似度；

3)对各搜索粒子获取的相似度加权得到目标车辆的位置。

采用高斯分布设置与目标区域相同尺寸的搜索粒子具体为：将当前帧的感兴趣区域作为下一帧图像的感兴趣区域，在下一帧图像中感兴趣区域的若干倍范围内设置总搜索粒子的80％，若干倍范围以外的区域放置其余20％搜索粒子。

所述对当前图像进行搜索得到所有搜索粒子的直方图向量Vi与目标特征向量V的相似度包括以下步骤：