[发明专利]一种夜间前向车辆检测及测距方法

说明书

本发明公开了一种夜间前向车辆检测及测距方法，包括：对测量车辆夜间采集的视频进行预处理，得到二值化图片，其中包含有车灯或疑似车灯的区域为前景区域；对前景区域进行匹配，定位潜在的前向车辆车灯对；通过道路检测进一步排除错误的车灯匹配，确定车辆底边搜索的范围，然后在该范围内进行底边搜索，确定前向车辆底边的位置；计算出前向车辆和测距车辆之间的车距；判断是否有发生碰撞的危险，据此发出预警信号。本发明相较于现有技术，对硬件传感器的要求低，且能够实现对车辆的精确检测和准确定位，提高了在夜间环境恶劣时车辆的识别率，能够及时发出预警信号，避免碰撞。

技术领域

本发明属于数字图像处理领域，尤其涉及一种夜间前向车辆检测和测距方法。

背景技术

随着安全驾驶的重要性提升，各种驾驶辅助产品也不断推陈出新。该类产品依靠摄像头、超声雷达、激光雷达等一种或多种传感器获取道路周边信息，包含车道线检测、车辆检测、车辆碰撞预警等。在各种传感器之中，摄像头传感器的成本较低，由摄像头结合图像识别算法的软件系统应用也最广泛。

主流的车辆检测技术是通过机器学习方法训练适合于目标的分类器进行检测，比如基于HOG(Histogram of Oriented Gradient)特征的SVM(Support Vector Machine)分类器或者是基于HAAR特征的CASCADE分类器。但是，如果在夜间，由于摄像头传感效果(即视频质量)较差，所以目前分类器检测的误报或漏报率较高，无法满足夜间车辆检测及预警的要求。误报或漏报率较高的具体原因有以下两点：第一，夜间光照弱，车辆特征不明显，可用信息少，增加了检测难度；第二，在夜间，视频清晰度受摄像头信噪比、最低照度、动态范围等参数的影响较大。此外，主流图像处理算法对样本和硬件的依赖性较强，换一种参数的摄像头，算法可能需要重新训练，需要耗费较长时间，更新复杂。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种基于普通摄像头的夜间前向车辆检测和测距方法，该方法可以在夜间准确高效的检测前向车辆，并精确测量车距。

为了实现上述目标，本发明采用如下的技术方案：

对测量车辆采集的夜间视频进行预处理，得到包含车灯和疑似车灯的前景区域二值化图片；

对前景区域进行两两匹配，定位潜在的前向车辆车灯对；

通过道路检测进一步排除错误的车灯匹配，确定车辆底边搜索的范围，然后在该范围内进行底边搜索，确定前向车辆底边的位置；

计算出前向车辆和测距车辆之间的车距。

优选地，对测量车辆采集的视频进行预处理的方法包括以下步骤：

对采集的视频进行帧提取；

将图像转换为单通道灰度图；

对灰度图进行畸变校正和噪声滤波；

对畸变校正和噪声滤波后的灰度图进行全局图片阈值分割，得到二值化图片。

优选地，对正畸滤波后的灰度图利用固定阈值进行全局图片阈值分割时，阈值为240～250，更优选为245。

优选地，对前景区域进行两两匹配，定位前向车辆的车灯对，包括以下步骤：利用位置信息匹配；根据车宽合理性匹配；根据车灯的像素数和车灯间距关系匹配；根据前景的最小外接矩形的边缘强度信息匹配。每一步可以将部分的非车灯对关联给排除，最终通过四步检验过的车灯对可以送入下一环节进行车辆底边的检测，极大地降低了单一匹配规则或多规则并联带来的高误报率或者是过拟合。

优选地，对前向车辆的底边进行搜索，确定车底边的位置，包括：道路区域检验和车辆底边搜索。

优选地，前向车辆和测距车辆之间的车距cardis的计算公式为：