前方车辆检测是判断安全车距的前提,车辆检测的准确与否不仅决定了测距的准确性,而且决定了是否能够及时发现一些潜在的交通事故。 识别算法用于确定图像序列中是否存在车辆,并获得其基本信息,如大小、位置等。摄像机跟随车辆在道路上运动时,所获取道路图像中车辆的大小、位置和亮度等是在不断变化的。根据车辆识别的初始结果,对车辆大小、位置和亮度的变化进行跟踪。由于车辆识别时需要对所有图像进行搜索,所以算法的耗时较大。而跟踪算法可以在一定的时间和空间条件约束下进行目标搜索,还可以借助些先验知识,因此计算量较小,一般可以满足预警系统的实时性要求目前用于识别前方运动车辆的方法主要有基于特征的识别方法、基于机器学习的识别方法、基于光流场的识别方法和基于模型的识别方法等。 1.基于特征的识别方法基于特征的方法是在车辆识别中最常使用的方法之一,又叫作基于先验知识的方法。 对于行驶在前方的车辆,其颜色、轮廓、对称性等特征都可以用来将车辆与
周围背景区别开来。因此,基于特征的车辆检测方法就以这些车辆的外形特征为基础从图像中检测前方行驶的车辆。当前常用的基于特征的方法主要有使用阴影特征的方法、使用边缘特征的方法、使用对称特征的方法、使用位置特征的方法和使用车辆尾灯特征的方法等。
(1)使用阴影特征的方法 前方运动车辆底部的阴影是一个非常明显的特征。
通常的做法是先使用阴影找到车辆的候选区域,再利用其他特征或者方法对候选区域进行下一步验证。
(2)使用边缘特征的方法 前方运动车辆无论是水平方向上还是垂直方向上都有着显著的边缘特征,边缘特征通常与车辆所符合的几何规则结合起来运用。
(3)使用对称特征的方法 前方运动车辆在灰度化的图像中表现出较为明显的对称特征。一般来说对称特征分为灰度对称和轮廓对称这两类特征。灰度对称特征般指统计意义上的对称特征,而轮廓对称特征指的是几何规则上的对称特征。
(4)使用位置特征的方法 一般情况下,前方运动车辆存在于车道区域之内,所以在定位出车道区域的前提下,将检测范围限制在车道区域之内,不但可以减少计算量,还能够提高检测的准确率。而在车道区域内如果检测到不属于车道的物体,一般都是车辆或者障碍物,对于驾驶员来说都是需要注意的目标物体。
(5)使用车辆尾灯特征的方法 在夜间驾驶场景中前方运动车辆的尾灯是将车辆与背景区别出来的显著且稳定的特征。夜间车辆尾灯在图像中呈现的是高亮度、高对称性的红白色车灯对。利用空间以及几何规则能够判断前方是否存在车辆及其所在的位置。
因为周围环境的干扰和光照条件的多样性,如果仅仅使用一个特征实现对车辆的检测难以达到良好的稳定性和准确性。所以如果想获得较好的检测效果,目前都是使用多个特征相结合的方法完成对前方运动车辆的检测。
2.基于机器学习的识别方法
前方运动车辆的检测其实是对图像中车辆区域与非车辆区域的定位与判断的问题。基于机器学习的检测方法一般需要从正样本集和负样本集提取目标特征,再训练出识别车辆区域与非车辆区域的决策边界,最后使用分类器判断目标。通常的检测过程是对原始图像进行不同比例的缩放,得到一系列的缩放图像,然后在这些缩放图像中全局搜索所有与训练样本尺度相同的区域,再由分类器判断这些区域是否为目标区域,最后确定目标区域并获取目标区域的信息。
机器学习的方法无法预先定位车辆可能存在的区域,因此只能对图像进行全局搜索,这样造成检测过程的计算复杂度高,无法保证检测的实时性。
3.基于光流场的识别方法光流场是指图像中所有像素点构成的一种二维瞬时速度场,其中的二维速度
矢量是景物中可见点的三维速度矢量在成像表面的投影。通常光流场是由于摄像机、运动目标或两者在同时运动的过程中产生的。在存在独立运动目标的场景中,通过分析光流可以检测目标数量、目标运动速度、目标相对距离以及目标表面结构等。
光流分析的常用方法有特征光流法和连续光流法。特征光流法是在求解特征点处光流时,利用图像角点和边缘等进行特征匹配。特征光流法的主要优点是能够处理帧间位移较大的目标,对于帧间运动限制很小;降低了对于噪声的敏感性;所用特征点较少,计算量较小。主要缺点是:难以从得到的稀疏光流场中提取运动目标的精确形状;不能很好地解决特征匹配问题。连续光流法大多采用基于帧间图像强度守恒的梯度算法,其中最为经典的算法是L-K法和H-S法光流场在进行运动背景下的目标识别时效果较好,但是也存在计算量较大、对噪声敏感等缺点。在对前方车辆进行识别尤其是当车辆距离较远时,目标车辆在两帧之间的位移非常小,有时候仅移动一个像素,因此这种情况下不能使用连续光流法。另外车辆在道路上运动时,车与车之间的相对运动较小,而车与背景之间的相对运动较大,这就导致了图像中的光流包含了较多的背景光流,而目标车辆光流相对较少,因此特征光流法也不适用于前方车辆识别。但是在进行从旁边超过的车辆识别时,由于超越车辆和摄像机之间的相对运动速度较大,所以在识别从旁边超过的车辆时采用基于光流的方法效果较好4.基于模型的识别方法基于模型的方法是根据前方运动车辆的参数来建立二维或三维模型,然后利用指定的搜索算法来匹配査找前方车辆。这种方法对建立的模型依赖度高,但是车辆外部形状各异,难以通过仅建立一种或者少数几种模型的方法来对车辆实施有效的检测,如果为每种车辆外形都建立精确的模型又将大幅增加检测过程中的计算量。
多传感器融合技术是未来车辆检测技术的发展方向。目前,在车辆检测中主要有两种融合技术,即视觉和激光雷达传感器的融合技术以及视觉和毫米波雷达传感器的融合。
