[发明专利]车前方运动车辆的检测方法

说明书

技术领域

本发明具体涉及一种车前方运动车辆的检测方法。

背景技术

随着车辆交通与汽车工业的快速发展，全世界高速公路里程数及汽车保有量均在迅速增长，道路交通事故发生率急剧上升，由此造成了重大人员伤亡和经济损失，以上问题的存在引发了新的研究与应用热点。

近年来，随着智能车辆进入了深入、系统、大规模研究阶段。汽车智能辅助驾驶系统是智能交通系统的重要组成部分，前方运动车辆检测时只能车辆安全驾驶及交通系统研究领域的热点，系统有利于减少伤亡、节约时间和降低污染。由于光强及周边环境会对车辆特征产生较大干扰，大车辆下方的阴影区域在整个图像中较暗，是一种较为鲁棒的特征，阴影检测已成为运动目标检测的研究热点之一。

通过阴影特征检测车辆不能有效的排除非车辆的阴影，且实时性差；利用车底阴影确定边缘线，但由天桥对路面的投影却无法较好排除；用阴影和边缘特征检测车辆，若图像过亮或过暗，阴影区域均无法被检测到。

发明内容

本发明要解决的技术问题是提供一种车前方运动车辆的检测方法。

车前方运动车辆的检测方法，包括以下步骤：

1）采集车前视频图像，对已知视频图像的一帧RGB图像,进行灰度化，得到灰度图像；

2）对灰度图像进行人为限定区域，划出AQI区域，对划出AOI区域进行Ostu阈值分割，提取出车道线；

3）根据提取出的车道线，进一步确定前方车辆所在的区域，较精确地判定AOI区域；

4）对上步骤确定的区域进行两次自适应阈值分割；

5）判断并寻找阴影线的起点、终点及所在行位置；

6）选择最大长度的阴影线作为车底与路面交线边缘，并在原图像上标注出车辆位置。

进一步的，两次自适应阈值分割方法如下：

1）根据均值方差公式计算灰度图像的均值与方差：

，

，

式中，f(x,y)为灰度图像在（x,y）点处的亮度值，M，N分别为图像的宽和高，、分别为灰度图像均值和方差；

2）第一次自适应阈值为：

；

；

3）对整幅灰度图像中统计低于的像素点，并对低于的像素点利用均值方差公式计算均值和：

；

。

进一步的，判断并寻找阴影线的起点、终点及所在行位置的具体方法如下：

对阴影分割后的图像搜索阴影起始位置、终点位置，按照从上往下、从左往右的顺序，当符合以下公式时，记为起点；

；

继续扫描连续黑点，当符合以下公式时，记为终点；

；

阴影线长度表面目标宽度，记录满足下式的阴影线起点、终点及行位置，反之剔除阴影线；

。

本发明的有益效果是：

本发明有效解决周边环境的干扰，并实时准确地检测出前方车辆，本发明方法在提取车道线的基础上提取车底阴影线，可以减少运算量，提高系统的效率。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。

车前方运动车辆的检测方法，包括以下步骤：

1）采集车前视频图像，对已知视频图像的一帧RGB图像,进行灰度化，得到灰度图像；

2）对灰度图像进行人为限定区域，划出AQI区域，对划出AOI区域进行Ostu阈值分割，提取出车道线；

3）根据提取出的车道线，进一步确定前方车辆所在的区域，较精确地判定AOI区域；

4）对上步骤确定的区域进行两次自适应阈值分割；

5）判断并寻找阴影线的起点、终点及所在行位置；

6）选择最大长度的阴影线作为车底与路面交线边缘，并在原图像上标注出车辆位置。

两次自适应阈值分割方法如下：

1）根据均值方差公式计算灰度图像的均值与方差：

，

，

式中，f(x,y)为灰度图像在（x,y）点处的亮度值，M，N分别为图像的宽和高，、分别为灰度图像均值和方差；

2）第一次自适应阈值为：

；

；

3）对整幅灰度图像中统计低于的像素点，并对低于的像素点利用均值方差公式计算均值和：

；

。

判断并寻找阴影线的起点、终点及所在行位置的具体方法如下：

对阴影分割后的图像搜索阴影起始位置、终点位置，按照从上往下、从左往右的顺序，当符合以下公式时，记为起点；

；