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；

。