[发明专利]一种基于视觉的多特征融合的前方车辆检测方法

说明书

本发明公开一种基于视觉的多特征融合的前方车辆检测方法，包括步骤1：获取前方车辆尾灯对轮廓信息，并确定各个尾灯的质心，以质心之间的中心点为参考点，根据尾灯标记区域图像宽度、高度确定尾灯标记区域Xsubgt;T/subgt;；步骤2：获取车辆阴影区域灰度值，根据车辆阴影区域灰度值获得车辆底部阴影图像区域；获取阴影标记区域高度：以车辆底部阴影图像区域下边缘线中心点为参考点，根据阴影标记区域图像宽度、高度确定阴影标记区域Xsubgt;S/subgt;；步骤3：获取前方车辆的目标检测区域：Xsubgt;w/subgt;＝ksubgt;s/subgt;Xsubgt;S/subgt;+ksubgt;T/subgt;Xsubgt;T/subgt;；式中，Xsubgt;w/subgt;为前方车辆的目标检测区域，ksubgt;s/subgt;、ksubgt;T/subgt;为权重系数。基于尾灯对与阴影复合特征检测的前方车辆的存在区域，提高检测精度，解决了单一特征漏检或不能检测的缺陷。

技术领域

本发明涉及汽车安全辅助驾驶控制领域，更具体的是，本发明涉及一种基于视觉的多特征融合的前方车辆检测方法。

背景技术

汽车安全辅助驾驶系统(ADAS)被广泛用于改善驾驶安全性，比如：车道保持辅助系统(LKAS)、前撞预警系统(FCW)、自动紧急避撞系统(AEB)及智能巡航系统(IACC)等。无论是哪一种辅助驾驶系统，其核心技术在于应用雷达或机器视觉快速且准确地提取系统前方车辆或障碍物等信息，能够及时提醒驾驶员避免碰撞危险或自动控制车辆实现避撞。

伴随高性价比图像传感器的普及和图像处理技术的日益成熟，基于机器视觉的车辆检测与识别方法被广泛用于辅助驾驶系统中。如利用车辆的线性几何特征信息、车辆的对称性，或者采用特殊的硬件，如彩色CCD和双目CCD的计算机视觉方法等。此外，还有基于光流的方法、模板匹配的方法、支持向量机方法、利用神经网络训练的方法以及多传感器信息融合的方法等。上述研究方法大都基于单一车辆特征，利用一些先验知识确定车辆存在的区域或判断是否有车辆存在。该方法对于外界环境的适应性较差，容易受到天气因素的制约而影响检测的精确度。

发明内容

本发明设计开发了一种基于视觉的多特征融合的前方车辆检测方法，基于尾灯对与阴影复合特征检测的前方车辆的存在区域，提高检测精度，解决了单一特征漏检或不能检测的缺陷。

本发明提供的技术方案为：

一种基于视觉的多特征融合的前方车辆检测方法，包括如下步骤：

步骤1：获取前方车辆尾灯对轮廓信息，并确定各个尾灯的质心，使其满足：

式中，为图像中尾灯对间的宽度；W_min与W_min分别为尾灯对间宽度的最小像素值与最大像素值；与分别为图像中左右尾灯的高度；h_c左右尾灯的高度差阈值；与分别为图像中左右尾灯的面积；a_l与a_r分别为图像中左右尾灯对面积比的最小值与最大值。

获取尾灯标记区域高度：

式中，f_w1为尾灯标记区域图像宽度；f_h1为尾灯标记区域图像高度；V_w为车辆实际宽度；V_h为车辆实际高度，α₁为尾灯标记区域图像的比例系数；

以质心之间的中心点为参考点，根据尾灯标记区域图像宽度、高度确定尾灯标记区域X_T；

步骤2：获取车辆阴影区域灰度值：