[发明专利]基于单目视觉的前车识别方法

摘要

本发明提供一种基于单目视觉的前车识别方法，通过（1）从车载摄像头中采集的原始图像，用Canny边缘提取方法提取图像的边缘，用形态学滤波消除噪声点的影响，并向水平方向进行投影，根据投影特征获得对前方车辆的感兴趣区域；（2）提取车底阴影区域，根据车底阴影的几何形状，判断出车底阴影区域，并叠加边缘特征，判断出车辆区域；（3）将不同形状类的候选车辆区域的彩色小图像进行灰度化，归一化及二元树复小波变换，得到其特征向量；（4）用二维独立分量分析算法降低特征向量的维数，送入径向基函数核的支持向量机中进行分类，判断是否为车辆区域，可实现对前方道路中的车辆准确检测，能为无人驾驶车提供实时可靠的道路环境信息。

主权项

1.一种基于单目视觉的前车识别方法，其特征在于包括以下步骤：/n(1)从车载摄像头中采集的原始图像，用Canny边缘提取方法提取图像的边缘，用形态学滤波消除噪声点的影响，并向水平方向进行投影，根据投影特征获得对前方车辆的感兴趣区域；设二维图像为f(x,y)，二维高斯函数为：/n /n其任一方向上的导数为：σ为高斯滤波器尺寸参数；/n /n为高斯函数的导数模值/n式中：为梯度的单位方向矢量；α为高斯滤波器梯度方向角；/n将图像与高斯函数卷积的梯度为：/n /n以点(x,y)的中心3×3子域中的边缘强度极大值小于一个限定阈值，来分割出图像中的边缘区域，然后将其中的连通区域进行填充，并向垂直和水平方向上进行投影，根据车辆的形态特征信息，获得对前方车辆的感兴趣区域；/n(2)提取车底阴影区域，形态学算子处理过后的图像的原始特征，根据车底阴影的几何形状，判断出车底阴影区域，并叠加边缘特征，判断出车辆区域；并叠加边缘特征，判断出车辆区域，判断车辆区域的算法具体为：将原图像进行灰度化，对其进行直方图统计，然后将其根据阈值t分为ξ₁，ξ₂两类，其分别出现的概率如下式所示：/n /n /n其中L为图像灰度级，设ξ₁，ξ₂两类的均值分别如下：/n /n设全局图像像素的均值μ₀表示整幅灰度图像素的值的均值，每一幅确定的图像其灰度均值是唯一确定的，P_i为当前像素值i出现的概率，用下式进行计算：/n /n计算ξ₁，ξ₂两类的方差/n /n 关于t的函数，可以通过遍历求得t′使最大，则t′即全局最优阈值，并用最优阈值分割图像，获得包含车底阴影的二值图像，并用下面的方法判断车底阴影区域：/n对二值图像中的区域标记为C_i，其外接矩形框的面积为w_i×h_i，面积为Area_i；设所占空间比ar_i和宽高比whr_i：/n /n /n满足下列条件的可以认为是车底阴影感兴趣区域C_i′：/n /n式子S_high和S_low分别代表车底阴影区域判断的面积上下限阈值；/nα_high和α_low分别代表车底阴影区域判断的空间比上下限阈值；/nβ_high和β_low分别代表车底阴影区域判断的宽高比上下限阈值；/n结合步骤(1)和步骤(2)的车辆定位结果，定位出车辆的感兴趣区域，并对其进行相应的判断；/n(3)将不同形状类的候选车辆区域的彩色小图像进行灰度化，归一化及二元树复小波变换，得到其特征向量；/n(4)用二维独立分量分析算法降低特征向量的维数，送入径向基函数核的支持向量机中进行分类，判断是否为车辆区域。/n