基于視覺導(dǎo)航的智能車輛目標(biāo)檢測關(guān)鍵技術(shù)研究.pdf

1、智能車輛是智能交通系統(tǒng)的重要組成部分，是智能交通系統(tǒng)的主體。智能車輛是一個可以自主感知環(huán)境信息并進(jìn)行自主決策進(jìn)而實(shí)現(xiàn)自動化操作控制的綜合統(tǒng)一體，它的實(shí)現(xiàn)涉及模式識別、圖形圖像處理、自動控制、機(jī)器視覺等多個交叉學(xué)科的理論與技術(shù)，在智能車輛的各項關(guān)鍵技術(shù)中，導(dǎo)航是車輛感知外部環(huán)境進(jìn)而做出下一步?jīng)Q策的前提。由于視覺信息尤其是彩色圖像信息具有信息含量豐富、被動無污染和探測無損傷等優(yōu)點(diǎn)而倍受關(guān)注，是智能車輛實(shí)現(xiàn)自主導(dǎo)航的主要技術(shù)。其中，對于場景環(huán)

2、境中的目標(biāo)的檢測(包括道路檢測、交通標(biāo)志檢測以及障礙物檢測)又是不可缺少的功能，是預(yù)防危險、安全行駛的前提條件。但由于智能車輛所處的室外環(huán)境的復(fù)雜性和不可控性以及彩色場景圖像數(shù)據(jù)量大、運(yùn)算復(fù)雜度高等因素，導(dǎo)致視覺導(dǎo)航中目標(biāo)檢測的實(shí)時性、準(zhǔn)確性和魯棒性得不到滿足。為了減小數(shù)據(jù)量、提高檢測的實(shí)時性，提高視覺導(dǎo)航的效率，本文在分析現(xiàn)有目標(biāo)檢測技術(shù)特點(diǎn)與不足的基礎(chǔ)上，對以下關(guān)鍵技術(shù)進(jìn)行了深入而詳實(shí)的研究。
　　 1.為了降低彩色圖像處理

3、的復(fù)雜度、提高后續(xù)目標(biāo)檢測的速度，本文提出了一種智能車輛視覺導(dǎo)航彩色圖像的預(yù)處理算法。算法針對飽和度過低時H分量不穩(wěn)定的不足，在飽和度分量上選擇閾值T，把S分量劃分為高飽和度區(qū)域和低飽和度區(qū)域，在高飽和度區(qū)域中投影H分量，在低飽和度區(qū)域中投影V分量，并且對投影后的S分量進(jìn)行拉伸。這樣S分量即包含了必要的顏色信息又包含了灰度信息，而且圖像由原來的高維降到二維。克服了傳統(tǒng)預(yù)處理方法中顏色信息的丟失造成的分割不準(zhǔn)確問題，大大降低了后續(xù)處理的數(shù)

4、據(jù)量，提高了算法實(shí)時性，同時也對因光照和陰影等不確定因素造成的影響有較好的魯棒性。
　　 2.為了克服現(xiàn)有道路檢測算法在道路分割時依賴于道路模型、道路區(qū)域不完整及自適應(yīng)性差等缺點(diǎn)，本文提出了一種基于語義的多神經(jīng)網(wǎng)絡(luò)非結(jié)構(gòu)化道路自適應(yīng)檢測算法。算法用直方圖對道路圖像進(jìn)行多閾值粗分割，然后用多神經(jīng)網(wǎng)絡(luò)對分割區(qū)域進(jìn)行高層語義映射，可有效解決當(dāng)?shù)缆诽卣靼l(fā)生變化時的自適應(yīng)性和道路檢測過程中的實(shí)時性問題，實(shí)現(xiàn)非結(jié)構(gòu)化道路的完整提取。

5、　　 3.針對現(xiàn)有主動交通標(biāo)志檢測算法中存在運(yùn)算量大、復(fù)雜背景排除困難等問題，本文提出了一種被動的交通標(biāo)志快速檢測方法。算法對彩色圖像在HSV空間中預(yù)處理的基礎(chǔ)上，構(gòu)造待檢測區(qū)域中交通標(biāo)志中可能包含的顏色的粗糙度直方圖，根據(jù)顏色匹配表、背景顏色的粗糙度和前景顏色的粗糙度判斷圖像中是否有交通標(biāo)志出現(xiàn)，如果有可能出現(xiàn)交通標(biāo)志則根據(jù)粗糙度統(tǒng)計提取標(biāo)志區(qū)域，如果沒有則不進(jìn)行后續(xù)的分割，這樣減少了檢測中的盲目分割和重復(fù)判斷，大大提高了檢測算法的