車前方運動車輛的檢測方法與流程
2023-04-26 11:46:21
本發明具體涉及一種車前方運動車輛的檢測方法。
背景技術:
隨著車輛交通與汽車工業的快速發展,全世界高速公路裡程數及汽車保有量均在迅速增長,道路交通事故發生率急劇上升,由此造成了重大人員傷亡和經濟損失,以上問題的存在引發了新的研究與應用熱點。
近年來,隨著智能車輛進入了深入、系統、大規模研究階段。汽車智能輔助駕駛系統是智能交通系統的重要組成部分,前方運動車輛檢測時只能車輛安全駕駛及交通系統研究領域的熱點,系統有利於減少傷亡、節約時間和降低汙染。由於光強及周邊環境會對車輛特徵產生較大幹擾,大車輛下方的陰影區域在整個圖像中較暗,是一種較為魯棒的特徵,陰影檢測已成為運動目標檢測的研究熱點之一。
通過陰影特徵檢測車輛不能有效的排除非車輛的陰影,且實時性差;利用車底陰影確定邊緣線,但由天橋對路面的投影卻無法較好排除;用陰影和邊緣特徵檢測車輛,若圖像過亮或過暗,陰影區域均無法被檢測到。
技術實現要素:
本發明要解決的技術問題是提供一種車前方運動車輛的檢測方法。
車前方運動車輛的檢測方法,包括以下步驟:
1)採集車前視頻圖像,對已知視頻圖像的一幀rgb圖像,進行灰度化,得到灰度圖像;
2)對灰度圖像進行人為限定區域,劃出aqi區域,對劃出aoi區域進行ostu閾值分割,提取出車道線;
3)根據提取出的車道線,進一步確定前方車輛所在的區域,較精確地判定aoi區域;
4)對上步驟確定的區域進行兩次自適應閾值分割;
5)判斷並尋找陰影線的起點、終點及所在行位置;
6)選擇最大長度的陰影線作為車底與路面交線邊緣,並在原圖像上標註出車輛位置。
進一步的,兩次自適應閾值分割方法如下:
1)根據均值方差公式計算灰度圖像的均值與方差:
,
,
式中,f(x,y)為灰度圖像在(x,y)點處的亮度值,m,n分別為圖像的寬和高,、分別為灰度圖像均值和方差;
2)第一次自適應閾值為:
;
;
3)對整幅灰度圖像中統計低於的像素點,並對低於的像素點利用均值方差公式計算均值和:
;
。
進一步的,判斷並尋找陰影線的起點、終點及所在行位置的具體方法如下:
對陰影分割後的圖像搜索陰影起始位置、終點位置,按照從上往下、從左往右的順序,當符合以下公式時,記為起點;
;
繼續掃描連續黑點,當符合以下公式時,記為終點;
;
陰影線長度表面目標寬度,記錄滿足下式的陰影線起點、終點及行位置,反之剔除陰影線;
。
本發明的有益效果是:
本發明有效解決周邊環境的幹擾,並實時準確地檢測出前方車輛,本發明方法在提取車道線的基礎上提取車底陰影線,可以減少運算量,提高系統的效率。
具體實施方式
以下具體實施例對本發明作進一步闡述,但不作為對本發明的限定。
車前方運動車輛的檢測方法,包括以下步驟:
1)採集車前視頻圖像,對已知視頻圖像的一幀rgb圖像,進行灰度化,得到灰度圖像;
2)對灰度圖像進行人為限定區域,劃出aqi區域,對劃出aoi區域進行ostu閾值分割,提取出車道線;
3)根據提取出的車道線,進一步確定前方車輛所在的區域,較精確地判定aoi區域;
4)對上步驟確定的區域進行兩次自適應閾值分割;
5)判斷並尋找陰影線的起點、終點及所在行位置;
6)選擇最大長度的陰影線作為車底與路面交線邊緣,並在原圖像上標註出車輛位置。
兩次自適應閾值分割方法如下:
1)根據均值方差公式計算灰度圖像的均值與方差:
,
,
式中,f(x,y)為灰度圖像在(x,y)點處的亮度值,m,n分別為圖像的寬和高,、分別為灰度圖像均值和方差;
2)第一次自適應閾值為:
;
;
3)對整幅灰度圖像中統計低於的像素點,並對低於的像素點利用均值方差公式計算均值和:
;
。
判斷並尋找陰影線的起點、終點及所在行位置的具體方法如下:
對陰影分割後的圖像搜索陰影起始位置、終點位置,按照從上往下、從左往右的順序,當符合以下公式時,記為起點;
;
繼續掃描連續黑點,當符合以下公式時,記為終點;
;
陰影線長度表面目標寬度,記錄滿足下式的陰影線起點、終點及行位置,反之剔除陰影線;
。