基于视觉的车辆防碰撞系统-Toy模板网

这篇具有很好参考价值的文章主要介绍了基于视觉的车辆防碰撞系统。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

摘要
随着时代的变迁和科学技术的高速发展，汽车越来越融入到了人们的生活节奏中，然而由汽车所带来的交通安全问题也愈发严重，不容忽视。针对这个问题，如何避免道路上的其他车辆和障碍物碰撞而导致的交通事故成为了当今的研究热点之一。同时，基于视觉的技术相较于超声波、激光、雷达成本更低廉，且更符合人眼的信息捕捉习惯。因此，基于视觉的车辆防碰撞预警系统是解决上述问题的有效方案。
本文在分析和比较了各种算法研究的国内外智能车辆系统的基础上，设计了相应的车辆检测和跟踪算法。本文主要进行了如下的研究内容：
（1）预处理车辆的道路区域，首先采用消失点获取待检测区域，然后利用 Sobel边缘检测算法增强道路区域，突出车道线特征，并在此基础上使用改进的 Hough 变换完成车道线检测识别，得到初步确定的 ROI 区域。
（2）在 ROI 区域内用最大类间方差法与遗传算法相结合的改进算法完成目标车辆和道路背景的割，然后利用车辆底部阴影特征提取前方目标车辆，得到潜在的车辆目
标位置。
（3）结合目前现有的车辆特征，采用车辆的轮廓信息得到垂直、水平投影直方图，并通过车辆自身具有垂直边缘对称性的特征判断 ROI 区域是否为车辆区域，验证目标的真实性，排除虚假车辆。
（4）研究前方车辆测距原理，建立起不同维度坐标系之间的相互转换关系，然后对摄像机内、外参数标定。再通过几何关系投影结合摄像机标定的方法，依据摄像机模型推导测距公式，并把标定参数代入公式中，从而完成自车与前车之间的距离测量，最后构建系统界面和制定预警策略。

实验结果表明，本文选用的方法能够较好的检测、跟踪前方目标车辆，同时又能估计出自车与前车的距离，为交通安全问题提供了有力的保证。
关键词：智能车辆；车辆检测；阴影特征；摄像机标定；车辆防碰撞预警

Abstract
With the change of times and the rapid development of science and technology, cars are becoming more and more integrated into the rhythm of people's life. However, traffic security
problems what caused by the car also become more and more serious and can not be ignored.
In view of this problem, how to avoid the traffic accidents caused by other vehicles and obstacles on the road has become one of the hot spots in today's research. Comparing with ultrasonic, laser, radar, the technology based on vision is cheaper and more suitable for the human eye's information capture habits. Therefore, the technology of vehicle anti-collision warning system based on vision is an effective way to solve the above problems.
Through analyzing and comparing the various algorithms, the corresponding vehicle detection and tracking algorithms based on the domestic and foreign intelligent vehicle systems are designed. The main research contents are as follows:
(1) Through the study of vanishing point, obtain the region which to be detected; then in order to highlight the characteristics of the lane line, use the Sobel edge detection algorithm to enhance the road region. On the basis of this, adopt the improved Hough transform to detect the lane line, and finally obtain the ROI region.
(2) In the ROI region, put forward the OTSU algorithm combined with GA to segment the target vehicle and road background and then use the shadow feature of vehicle bottom to extract the front target vehicle to get the potential target location.
(3) Combined with the existing vehicle characteristics and contour information, obtain the vertical and horizontal projection histograms. On the basic of the characteristics of the vehicle itself with the vertical edge symmetry, verify the authenticity of the target and exclude false vehicles by judging whether the ROI is a vehicle region.
(4) Through the study of vehicle distance measurement, the conversion relation between different coordinate systems is established. And the internal and external parameters of the camera are also demarcated. The distance formula is derived based on geometric projection relation with the camera calibration method. Then the parameters are substituted into the formula to measure the distance between the car and the front car. Finally the system interface is constructed and the warning strategy is formulated.
Experimental results show that the proposed methods can detect and track the target vehicle in front, and also can estimate the distance from the vehicle and the vehicle ahead,which provides a powerful guarantee for the traffic security problems.
Key words: intelligent vehicle; vehicle detection; shadow characteristics; camera calibration; Vehicle anti-collision warning

目录
摘要.........................................................................................................................................I
Abstract ..................................................................................................................................... II
1 绪论........................................................................................................................................ 1
1.1 课题研究意义及背景.................................................................................................. 1
1.1.1 研究意义............................................................................................................ 1
1.1.2 研究背景............................................................................................................ 3
1.2 国内外研究现状.......................................................................................................... 3
1.2.1 国外研究现状.................................................................................................... 3
1.2.2 国内研究现状.................................................................................................... 5
1.3 智能车辆关键技术...................................................................................................... 6
1.3.1 声学.................................................................................................................... 6
1.3.2 雷达.................................................................................................................... 7
1.3.3 磁道钉................................................................................................................ 8
1.3.4 机器视觉............................................................................................................ 8
1.4 本文主要内容和章节安排.......................................................................................... 9
2 车辆检测与跟踪的图像理论.............................................................................................. 11
2.1 车辆检测算法的类型................................................................................................ 11
2.1.1 只包含检测算法的类型.................................................................................. 11
2.1.2 先检测后跟踪算法的类型.............................................................................. 11
2.2 常见的车辆检测算法................................................................................................ 12
2.2.1 基于特征的方法.............................................................................................. 12
2.2.2 基于机器学习的方法...................................................................................... 12
2.2.3 基于光流的方法.............................................................................................. 13
2.2.4 基于模型的方法.............................................................................................. 13
2.3 常见的车辆跟踪算法................................................................................................ 14
2.3.1 基于三维模型的方法...................................................................................... 14
2.3.2 基于 Kalman 滤波的方法 ............................................................................... 15
2.3.3 基于 Meanshift 的方法.................................................................................... 18
2.3.4 基于区域的方法.............................................................................................. 20
2.4 本章小结.................................................................................................................... 21
3 基于单目视觉的车辆检测与跟踪算法.............................................................................. 22
3.1 图像灰度化预处理.................................................................................................... 22

3.2 路面 ROI 区域的测定 ............................................................................................... 24
3.2.1 消失点与天空部分的划定.............................................................................. 24
3.2.2 路面区域的增强.............................................................................................. 25
3.3 霍夫变换.................................................................................................................... 28
3.4 目标车辆检测算法.................................................................................................... 31
3.4.1 目标区域阈值分割.......................................................................................... 31
3.4.2 目标车辆检测算法.......................................................................................... 35
3.4.3 验证目标车辆.................................................................................................. 39
3.5 目标车辆跟踪算法.................................................................................................... 42
3.5.1 Kalman 滤波跟踪算法 ..................................................................................... 42
3.5.2 Meanshift 跟踪算法.......................................................................................... 44
3.6 本章小结..................................................................................................................... 46
4 基于单目视觉的前方车辆测距算法.................................................................................. 47
4.1 摄像机成像原理........................................................................................................ 47
4.2 坐标系的定义............................................................................................................ 49
4.2.1 世界坐标系...................................................................................................... 49
4.2.2 摄像机坐标系.................................................................................................. 50
4.2.3 图像平面坐标系.............................................................................................. 51
4.2.4 成像平面坐标系.............................................................................................. 51
4.3 摄像机参数标定........................................................................................................ 52
4.3.1 常用标定方法.................................................................................................. 52
4.3.2 本文的标定方法.............................................................................................. 53
4.4 推导测距模型............................................................................................................ 54
4.5 构建系统界面............................................................................................................ 58
4.6 预警策略的制定........................................................................................................ 61
4.7 本章小结.................................................................................................................... 62
5 结论...................................................................................................................................... 63
5.1 结论............................................................................................................................ 63
5.2 展望............................................................................................................................. 63
参考文献..................................................................................................................................65
攻读硕士期间发表学术论文情况..........................................................................................68
致谢......................................................................................................................................69

1 绪论
智能交通系统（Intelligent Transportation System，简称 ITS）是一款目前广泛应用于道路交通调的系统，它不仅可以减少道路事故死亡率、提高交通运输效率，而且还起到了环境保护的作用，因此它已成为全球各国学者研究的热点。同时，在智能交通系统中，智能车辆的开发已延伸成为了其关键技术，越来越受到了关注和重视。此外，通过对通信、控制等相关技术的有机结合，智能车辆将呈现更加和谐的道路规划，进而达到安全、智能、环保的目标。
1.1 课题研究意义及背景
1.1.1 研究意义
自从汽车发明以来，它开始影响着人们的日常生活，并且为现代社会的发展不断做出贡献。然而，随着车辆的逐年增加导致了油价上涨、道路堵塞以及越来越多的交通事故发生的一系列社会矛盾和问题。因此，有些学者得出结论汽车的大幅增长是一把双刃剑，它在给人们带来交通便利的同时，又给人们的人身安全造成了伤害、给自然环境造成了污染等一系列问题。截止 2015 年 5 月，全国机动车保有量 269857309 辆，与上月相比，增加 1233097 辆，增长 0.46%。从交通运输部官网公布知，2015 年上半年，我国共发生公路交通事故 536278 起，死亡人数 425176 人，死亡率达 79.3%，可见交通事故的危害性极大。
2009 年，据世界卫生组织（WHO）公布的数字：世界上每天死于公路交通事故的大约有 3000 多人，其中还不包括成百上万的人在事故中受伤或残疾。2015 年初，依据美国联邦公路管理总署（FHWA）显示的统计数据知，在过去的几年内美国超过有 4.2万人死于公路交通事故中。同时，当年年底美国全国公路交通安全管理总署（NHTSA）公布的数据也充分表明，全国公路交通已经严重影响着美国市民们的人身安全和财产安全，并且公路交通事故平均死亡率在不同州也不一样，有的州死亡率反而会更高。然而，引起道路事故的因素有许多，通过对事故发生的原因进行分析、研究，结果表明：在调取的交通事故中，80%是由于驾驶员的反应不及时，这其中 65%的是由于汽车追尾碰撞造成的。表 1.1 和表 1.2 给出了目前我国道路交通事故数据和变化趋势。随着改革开放步入 21 世纪以来，我国经济实现了质的飞跃，人民生活水平也得到了较大幅度的提升，同时也伴随着高速公路的快速发展和机动车辆的迅速增加，这样就导致了不断上升趋势的公路交通事故。另外，据我国每年的道路管理有关部门统计资料显示，高速公路交通事故发生率大约是非高速公路的 4 倍左右，城镇交通事故发生率大概是乡村的 6 倍左右，尤其是在雨天、雪天等可见度较低的时候，而且往往会造成比较恶劣的交通拥堵和交通事故死亡。

1.1.2 研究背景
目前全球的各国学者在基于图像处理的基础上不断地致力于开发防碰撞预警系统且对市场需求有着十分迫切的调研。同时，他们也面临着如下的应用背景：
（1）道路交通事故的频发严重影响着人们的生命和财产损失，人们强烈渴望有这样的一个安全系统来提高驾驶的安全性。
（2）由于最近几十年来数字图像处理技术的研究成果比较突出，这就给基于图像的智能交通系统提供了一系列的可行的技术援助。
（3）随着电子产品的发展，人们可以快速、有效的实时运行视频图像的处理算法，这为智能系统提供广阔的研究基础。
1.2 国内外研究现状
1.2.1 国外研究现状
上个世纪八十年代初期，世界各国开始大肆的致力于智能交通系统的发展研究，并且也取得了不错的研究成果。1979 年，日本研制出了第一台智能车辆。紧接着日本之后，智能车辆的研发也扩展到了西方一些发达国家，其中包括美国、英国、德国、意大利等。直至 21 世纪，随着网络时代的变迁以及各学科的快速发展，各国也开始把研究重心转向了智能车辆这一方向，同时投入了大量的人力、物力以及财力。目前，在世界范围内，研究智能车辆最为成熟的国家当属美国。它早在 1989 年就自主研发出了智能导航系统，并可以对路标进行识别导航，这款系统是由 Martin Marietta公司众多学者研发的。除此以外，智能车辆的研究领域也拓展到当地的一些研究机构和高校实验室，这些研究机构和高校在智能车辆方面的科研也取得了卓越的成绩。目前，全球范围内的基于视觉的车辆防碰撞预警系统 70%都是由来自以色列Mobileye公司发售的 Mobileye-AWS 系统。它的主要组成成分是 CCD 摄像头、车道识别模块、车辆跟踪模块、车辆测距模块以及预警警报模块。此系统通过 CCD 摄像头采集前方的连续多帧车辆图像，然后对这些图像进行预处理、识别和跟踪，同时计算与当前车道线或相邻车道线的车辆距离来实现智能车辆的防碰撞预警和防偏离预警等。截止2014 年底，日本国家交通部门已经在多条都、道、府国道上安装了智能交通探测仪。该探测仪一般通过检测交叉路口、十字路口处是否有交通事故发生，然后通过控制界面向后方行驶的车辆提供这条路段的道路信息，有效的减缓了交通拥堵和道路交通事故。
1.2.2 国内研究现状
2002 年，我国启动了以智能车辆开发与研究的“十五科技攻关计划项目”、“国家自然科学研究基金”等横纵项目。除此之外，各科研机构和知名高校也把智能车辆研究作为发展的重心，并且制定相应的研究计划。随着我国经济的快速发展，越来越多的人能够消费得起汽车，同时人们对汽车的安全性能也提出了较高的要求。因此，基于视觉的车辆防碰撞预警系统具有较好的发展前景和研究理念，更多的研发人员开始着手这一方向的科研。

1.3 智能车辆关键技术
为了减少交通事故的发生率，保障道路的畅通，越来越多的国内外学者开始着手研究智能交通系统。这套系统包括车辆行驶过程中的车辆检测、车辆跟踪以及安全测距等。
经过对采集到的道路路面数据分析和研究，得到防碰撞预警系统的有用信息。目前，世
界各国研究机构提出了一系列的检测、测距的方法，这些传感器也是大有不同，其中包
括：毫米波雷达、超声波、声学、磁道钉、激光、双目 CCD、单目 CCD 等。不过常见
的传感器有以下 4 种类型。
1.4 本文主要内容和章节安排
本文主要以车辆主动安全为研究背景，实时的检测、跟踪目标车辆，最终完成前车
距离估计。当前车距离过近时，预警系统发出报警或座椅振动，提醒驾驶员减速慢行；
当距离适合时，该系统则时刻检测周边其他车辆的行车行为和驾驶环境，给道路驾驶带
来更好的安全性。其主要内容如下：
（1）基于单目视觉的前提下，分析车辆检测的不同算法。但是由于对抗干扰性的
要求和算法复杂冗余的问题，通过查阅大量的文献资料，本论文采用了基于特征的检测
算法，以车辆底部阴影特征和垂直边缘对称性的特征检测前方车辆。
（2）在确定了潜在的前方目标车辆后，如何快速、稳定、准确的跟踪目标车辆也
是本文研究的重点。根据车辆阴影灰度值小于图像中任何位置的灰度值，运用最大类间
方差法(OTSU)与遗传算法相结合的算法完成对目标车辆和道路背景的分离。然后针对不
同车辆的尾部具有对称性，通过对称性来验证潜在车辆位置，排除虚假目标，完成对车
辆的实时跟踪。
（3）目前车辆测距的方法有很多，如：激光测距、超声波测距以及红外线测距等，
但是这些方法的原理繁琐，计算复杂度大。本文选择了基于几何关系投影模型和摄像机
标定法为测距算法。这是当前学者研究的热点，也是本文有待突破的重点方向。