[发明专利]基于视觉的前方车辆检测方法

权利要求书

1.基于视觉的前方车辆检测方法，其特征在于，包括以下步骤：

S1：采集前方车辆视频图像，对图像进行自适应二值化处理，通过腐蚀、膨胀法滤除干扰点；

S2：进行阴影线的合并及ROI区域的提取；

S3：利用目标区域内的信息熵、车尾对称性特征对ROI区域进行筛选和判别；

S4：使用改进的Robinson方向检测算子提取车辆边界，从而实现前方车辆的检测。

2.根据权利要求1所述的前方车辆检测方法，其特征在于，所述自适应二值化处理的具体方法如下：

S1-1：对图像进行灰度化处理，采用如下公式：

；

S1-2：最大类间方差（OTSU）法：

计算灰度图像的特征参数，计算公式如下：

；

；

式中，分别为背景及目标区域像素点灰度值出现的概率；分别为背景及目标区域像素点的平均灰度值；为整体图像灰度的统计均值；为背景区域与目标区域的组间方差；在1，2，…，m之间改变K，求使方差取得最大值时的K，即时的K值为最优阈值；

S1-3：使用双OTSU法对图像进行分割，方法如下：

1）首先使用OTSU法计算图像整体的阈值T₁；

2）遍历图中的所有像素点，以阈值T₁进行分类，大于T₁的则归类为背景；

3）对2)中筛选过后保留的目标像素再次使用OTSU法，得到新阈值T₂；

4)以T₂为分割阈值对图像再次进行二值化，大于T₂的归类为背景，像素值设置为255，小于T₂的设置为目标像素，像素值设置为0；

S1-4：路面局部灰度值提取与双OTSU相结合的提取方法：

1）假设处理的视频图像分辨率为640*480，则在灰度图像上选取5个长宽均为25个像素的路面区域，统计5个路面区域的平均灰度值及标准差，去除大于180及大于90的区域；

2）设剩下的路面区域个数为N，经过计算可以求得这N个区域的平均灰度值，及平均方差，可得到最优阈值为：

；

3）当N过小时或T₃<0时，通过以下公式进行算法的选取：

。

3.根据权利要求1所述的前方车辆检测方法，其特征在于，所述阴影线的合并方法如下：

S2-1：首先从上至下、从左至右逐行搜索阴影线的起始位置和终止位置，从而确定其长度和位置，当满足下式则认为找到了阴影线的起点x_start；

当满足下式时，则认为找到了阴影线的终点x_end；

S2-2：为每行选取一个阈值，若检测到的阴影线长度length=x_end-x_start与此阈值相差过多，则可以滤除掉该阴影线的干扰，对应的关系式为：

，

式中：w为阴影线在图像中的长度标量（单位：像素）；wp为车辆实宽（单位：m）；H为摄像机光轴距地面的高度，取值1.6m；y为目标在图像纵轴方向上的所在行数（单位：像素）；h为图像的高度（单位：像素）；

S2-3：当满足下式时，则可认为此阴影线为车辆底部阴影；

；

S2-4：对y轴方向的相邻阴影线进行合并，逐行遍历获取的阴影直线，当满足|y1-y2|<T时，则对这2行进行合并，T值取为4个像素点，即可把独立的阴影线合并成了阴影区域。

4.根据权利要求1所述的前方车辆检测方法，其特征在于，所述ROI区域的提取方法具体如下：

S3-1：定义矩形度SQ为区域内面积与其外接矩形面积的比值，SQ越大则此区域愈呈矩形状；令四边形度量QM为阴影区域宽高比的量度，当QM=1时，可以近似认为四边形是等边的,利用SQ与QM对上述检测出的阴影区域进行筛选，方法如下：

S3-2：选取范围较大的RIO区域，具体方法为：

式中，为ROI区域左下角坐标点；为阴影区域左下角坐标点；分别为ROI区域的宽度和高度；为阴影区域的宽度；参数；

S3-3：令W=640，H=480，对ROI区域进行调整，调整方法如下：

；

即可提取到ROI区域。