Professional Documents
Culture Documents
基于图像处理技术的前方车辆识别系统 PDF
基于图像处理技术的前方车辆识别系统 PDF
DOI院10.19557/j.cnki.1001-9944.2019.09.012
基于图像处理技术的前方车辆识别系统
张 伟
渊临沂大学 自动化与电气工程学院袁临沂 276005冤
摘要院基于图像处理技术的前方车辆识别系统袁其需要的图像信息来自于安装在汽车上的
CCD摄像机遥 通过图像滤波能够使图像边缘比较清晰地呈现出来曰采用Sobel算子尧二值化
运算使边缘增强的作用袁把检测目标的边缘信息凸显出来袁使其更明显袁便于更好地识别
目标遥 文中采用基于特征模型驱动的前方车辆检测方法袁用Sobel算子对图片进行处理袁确定
前方有无车辆袁通过矩形AOI的建立来确定前方车辆遥 基于图像处理技术的前方车辆识别袁
可以帮助无人驾驶汽车时刻检测车辆前的道路情况袁为处理道路前方的安全隐患做准备遥
关键词院图像处理曰区域分割曰车辆识别曰图像滤波曰检测曰无人驾驶汽车
中图分类号院TP391.41曰U463.6 文献标志码院A 文章编号院员园园员鄄怨怨源源渊圆园19冤09鄄园园48鄄园4
ZHANG Wei
渊College of Automation and Electrical Engineering袁Linyi University袁Linyi 276005袁China冤
Abstract院The forward vehicle recognition system based on image processing technology needs image information from
the CCD camera installed on the vehicle. Through the image filtering袁the edge of the image can be displayed clear鄄
ly. Using Sobel operator袁binarization operation can enhance the edge of the target袁highlight the edge information of
the detected target袁make it more obvious袁and facilitate the recognition of the target. In this paper袁the forward vehicle
detection method based on feature model driving is used袁and the Sobel operator is used to process the picture to
determine whether there is a vehicle in front of the front袁and the forward vehicle is determined by the establishment
of rectangular AOI. The forward vehicle recognition based on image processing technology can help driverless vehi鄄
cles to detect the road situation in front of the vehicle at all times袁and prepare for dealing with the hidden danger
of safety in front of the road.
Key words院image processing曰area segmentation曰vehicle identification曰image filtering曰detection曰driverless vehicle
无人驾驶汽车利用车载传感器感知车辆周围 另外车辆所处的位置和周围环境也会影响它的外
环境袁并根据感知所获得的道路尧车辆位置和障碍 观袁这使得现有的光学传感器不能很好地应用到车
物信息袁控制车辆的转向和速度袁从而使车辆能够 辆检测的活动中遥
安全尧可靠地在道路上行驶遥 利用一些相关的传感 目前袁在车辆识别的研究中图像处理和模式识
器来获取汽车周围环境的信息袁利用智能算法把周 别技术得到了广泛的使用遥 由于现在的车辆行驶得
围环境中有用的信息保留下来袁 然后经过计算袁判 都特别快袁周围环境瞬息万变袁因此要求车辆检测
断周围环境中是否有车辆袁 确定该车与本车的距 的速度特别快袁准确率足够高遥 提高算法的运行速
离遥 由于车辆的种类有很多袁每种都有不同的车型袁 度与准确率成为人们的研究难点遥 故在此提出了基
收稿日期院2019-05-31曰修订日期院2019-07-20
作者简介院张伟渊1972要冤袁男袁硕士袁副教授袁研究方向为检测技术与仪表尧计算机控制等遥
于图像处理技术的前方车辆识别系统设计与实现遥 间的接近程度用数值表示出来袁一般情况下该值是
一个相对接近零的数值遥 车辆的灰度值与道路的灰
1 图像预处理 度值会有一定的不同袁Sobel 算子的作用就是突出
1.1 图像滤波 车辆与道路的交界处的像素差异袁 相比较路面
图像滤波可分为线性和非线性两种遥 均值滤波 与路 面之间的灰度差异而言袁路面与车辆的灰度差
和高斯滤波是最常用的线性滤波袁它们的主要问题 异会 更大袁并 且还能 获 得 边 界 的 梯 度 方 向 数 据 遥
是可能使图像边缘模糊遥 而中值滤波作为常用的非 Sobel 算子在水平和垂直方向的边缘增强作用 [3] 如
线性滤波袁可以较好地过滤脉冲噪声袁其问题在于 图 1 所示遥
相应地使图像中的线条细节变得模糊不清遥 在此选
用了边缘保持滤波器遥 这是以均值滤波器和中值滤
波器作为基础进行创新和改造地新一代滤波器袁不
仅可以滤除噪声 [1]袁还能使图像边缘比较清晰地呈
现出来遥
边缘保持滤波器的算法流程如下院以灰度图像
的每个像素为基点袁选取一个比较合适的邻域渊如 渊a冤水平方向边缘增强
3伊3冤袁再计算邻域的灰度分布均匀度袁该邻域是每
个像素点的 4 个角上的邻域曰选取 4 个子邻域中灰
度分布均匀度最低的邻域的灰度平均值袁作为这个
像素点的灰度数值遥 灰度均匀度为
V = 蓘 移 f 2渊i袁 j冤- 蓸 移 f渊i袁 j冤 蔀 蓡 /n 渊1冤
2
1.2 边缘增强
边缘增强的作用是将检测目标的边缘信息凸 渊b冤垂直方向边缘增强
强的方式来削弱遥 常使用的边缘增强算子有 3 种院
Robert 算子袁Sobel 算子 [2]
袁Prewitt 算子遥 在此采用 2 前方车辆初步检测
Sobel 算子遥 前方车辆的前进方向与获得的图像平面几乎
离散 Sobel 算子定义为 垂直袁图像获取频率非常高袁前方车辆在环境中的
扇 x f 渊x袁y冤=咱 f渊x-1袁y+1冤+2 f渊x袁y+1冤+ f渊x+1袁y+1冤暂- 形状等特性十分突出袁因此选用基于特征模型驱动
设
设
设 咱 f渊x-1袁y-1冤+2 f渊x袁y-1冤+ f渊x+1袁y-1冤暂 的前方车辆检测方法遥
缮
设y f 渊x袁y冤=咱 f渊x-1袁y-1冤+2 f渊x-1袁y冤+ f渊x-1袁y+1冤暂- 目标在灰度图像中呈现的特征主要有形状特
设
墒设 咱 f渊x+1袁y-1冤+2 f渊x+1袁y冤+ f渊x+1袁y+1冤暂 征尧边界特征尧对称特征尧灰度特征尧动态变化特征遥
渊2冤 所提出的模型驱动的前方车辆检测算法袁就是根据
梯度值大小为 上述内容选择有用的特征袁 再根据许多先验知识袁
G渊x袁y冤越 姨 x f 2+ y f2 渊3冤 检测前方是否存在车辆遥 检测过程可以分为 3 个阶
灰度值变化最大的方向即所谓的梯度方向袁计 段 院 淤 目 标 的 初 步 探 测 袁 建 立 目 标 感 兴 趣 区 AOI
算公式为 渊area of interest冤曰于在感兴趣区域中找出需要的车
f 渊x袁y冤 体曰盂在不间断的图像序列中袁一直寻找车辆目标遥
tan琢=
渊4冤 y
圆园19,34穴9雪 49
检测技术与数据处理
有可能表明本车所在车道线的前方存在车辆遥 信息
k时刻场景
量的大小在信息论中可以用熵来表达袁即概率空间
序列图像 中每个事件 xk 的存在概率不同时的均匀度为
灶
E渊xk冤=-移p渊xk冤log p渊xk冤
Y 车辆 N
已存在钥 渊6冤
k越员
位置跟踪 初始搜索
首先袁以灰度均值发生阶跃变化的一行的下方
AOI 第 k 行作为矩形 AOI 的下部边缘袁计算该边缘与两
侧车道线的交点遥 然后以所得交点向上做垂直于下
k-1时刻 模型驱动
位置信息 部边缘的引线袁这样就可以得到一个矩形 AOI[5]遥 矩
前方车辆
检测
形的高度应根据先验知识来确定袁要把车辆整体包
延时 裹到矩形 AOI 中遥
预测
图 2 前方车辆检测流程 3 前方车辆目标的识别确认
Fig.2 Flow chart of forward vehicle detection 3.1 对称性测度与对称轴求取
特征明显的平直边沿袁 因此采用 Sobel 算子对图片 建立以对称轴 xs 为原点的尧新的对称坐标系 u袁
进行水平计算袁使图片中的平直边沿更加地突出和 渊-w/2冤臆u臆渊w/2冤袁则 u 与 x 的坐标变换关系为
明显遥 在感兴趣区 AOI 内袁把每一行的像素灰度值 u越x-xs 渊7冤
相加再取其平均值 袁将图片中从下向上每一行都
[4]
对于一定的 xs 和 w袁函数 g渊x冤=g渊xs +u冤的偶函
进行计算遥 其计算公式为 数尧奇函数为
c=b R渊r冤
g渊xs +u冤+g渊xs -u冤
G渊r冤= 员
b R渊r冤-b L渊r冤+1
移 g渊r袁c冤
c=b L渊r冤
渊5冤 e渊u袁xs袁w冤=
圆
渊8冤
经过计算袁奇函数与偶函数的均值可得前一个
均值为 0袁后一个均值为正数袁这样就无法比较奇函
数与偶函数谁更重要了遥 在此袁采用归一化处理的
G渊r冤 计算方法袁将偶函数的均值化为 0[6]院
渊a冤可能的目标车辆 渊b冤灰度均值阶跃变化 w/2
图 3 前方车辆的初步探测 e忆渊u袁xs袁w冤越e渊u袁xs袁w冤- 员
w
移 e渊v袁x 袁w冤
s 渊13冤
Fig.3 Preliminary detection of forward vehicle v越-w/2
由图可见袁以灰度均值突变行为界限袁把车道 相应地有
w/2
Ee忆渊xs袁w冤越 移 e忆2渊u袁xs袁w冤
分为上下两部分袁下面部分为道路袁而上面部分区
渊14冤
域存在车体的可能性极大遥 如果图像中数据比较繁 u越-w/2
图 4 寻找前方车辆的对称轴 参考文献院
Fig.4 Finding the symmetrical axis of the vehicle ahead [1] 门蓬涛袁张秀彬.基于 NMI 特征的目标识别与跟踪[J].微计算机
圆园19,34穴9雪 51