[发明专利]一种智能车前方运动车辆的检测方法

说明书

本发明公开了一种智能车前方运动车辆的检测方法，包括以下步骤：S1：采集前方道路视频图像，对图像进行预处理，包括图像剪裁、图像灰度化、图像滤波和图像二值化；S2：采用Canny边缘算子强化道路图像边缘信息；S3：采用改进的Hough变换法对车道线进行检测；S4：对车辆底部阴影进行分割，并进行形态学修正，修正后图像中仅剩一系列的阴影水平线段区域；S5：在这些阴影水平线段上建立可能存在车辆的矩形框，即感兴趣区域(RIO)；S6：根据车辆纹理特征和车辆对称特征融合，对前方车辆进行假设验证，即可实现车辆的精确检测。

技术领域

本发明涉及一种智能车前方运动车辆的检测方法。

背景技术

在智能汽车行驶过程中，由于道路环境比较复杂，想要让其完全无人自主行驶，许多工作还需要我们进行深入的研究。目前基于机器视觉的智能车辆障碍物检测技术以及围绕其展开的其它相关技术是发展较快的关键技术，该项技术通过安装在智能车辆上的视觉传感器获取周围环境信息，利用获得的环境信息对车辆前方是否存在障碍物进行实时、准确地检测，而对障碍物检测的成功与否直接关系到智能车辆能否顺利躲避障碍并安全行驶。研究基于机器视觉的智能车辆前方障碍物检测技术，可以对当前行驶车辆的周围环境进行实时有效的监测，这样可以减轻驾驶人员的压力，环节疲劳程度，辅助驾驶人员更好的驾驶车辆，增强了行驶的安全性，还能够很大程度的减少交通事故的发生，提高道路通行率。

基于机器视觉的智能车辆前方障碍物检测技术中，车道线检测是前方障碍物检测的基础，Hough变换法是车道线检测中比较常见的方法，具有良好的鲁棒性和抗干扰能力，但由于检测过程需要对图像空间采用穷尽式搜索，所以计算量非常大，占用内存非常多，时期算法性能大为降低。

基于机器视觉的智能车辆前方障碍物检测技术中，通常需要结合车辆的一些特征对感兴趣区域进行验证，从而得到准确的检测结果。车辆的许多部位均会呈现出比较丰富的纹理特征，如果感兴趣区域中含有车辆，那么该感兴趣区域的纹理特征会很明显，我们可以通过分析感兴趣区域内的纹理特征来排除一些不具有明显纹理特征的伪车辆区域。通过纹理特征验证，可以找到更加精确的感兴趣区域，但是不能把干扰全部排除。

车辆是一种人造刚体，具有明显的对称性，我们可以利用这一重要特征作为验证前方车辆是否存在的一个依据。由于环境、光照等因素的影响，可能会对前方车辆的轮廓对称性产生干扰，使其边缘出现模糊、粘连等，又或者道路上其它垂直或水平边缘对称物体的存在，都会在使用轮廓对称性进行车辆验证时导致漏检、误检情况的发生。

发明内容

本发明要解决的技术问题是提供一种智能车前方运动车辆的检测方法。

一种智能车前方运动车辆的检测方法，包括以下步骤：

S1：采集前方道路视频图像，对图像进行预处理，包括图像剪裁、图像灰度化、图像滤波和图像二值化；

S2：采用Canny边缘算子强化道路图像边缘信息；

S3：采用改进的Hough变换法对车道线进行检测；

S4：对车辆底部阴影进行分割，并进行形态学修正，修正后图像中仅剩一系列的阴影水平线段区域；

S5：在这些阴影水平线段上建立可能存在车辆的矩形框，即感兴趣区域(RIO)；

S6：根据车辆纹理特征和车辆对称特征融合，对前方车辆进行假设验证，即可实现车辆的精确检测。

进一步的，所述改进的Hough变换法具体如下：

1)假设图像空间内的一条直线方程为y＝kx+b；

2)在参数空间中利用直线的极坐标方程进行Hough变化，即：

ρ＝x cosθ+y sinθ；