论文部分内容阅读
随着城市车辆增多、驾驶员驾驶行为不规范,城市交通事故频发,造成巨大的人员伤亡及经济损失。统计结果表明,车辆驾驶员驾驶未能及时全面察觉所处环境的危险因素是各类交通事故的主要成因。车辆主动安全技术可以实时监控车辆行驶过程中的道路环境信息,遇到可能存在危险的情况时,预警系统会给出相应的预警信号提醒驾驶员,以避免交通事故的发生。本文利用计算机视觉技术,研究了车辆主动安全预警系统中车道检测算法、车道障碍物检测算法等关键技术,并利用运动模型给出了一种预警决策算法。本文的主要工作可总结如下:提出了一种基于方向和颜色显著性的车道检测方法。结合结构化车道固有的方向和颜色特征,在车道检测过程中融合了方向特征显著图以及基于白色和黄色颜色加权的显著图。该算法对车道线的方向、颜色更为敏感,对道路强光照、阴影等情况下的车道线检测有较好的鲁棒性。提出了一种基于光流场的车道障碍物检测方法。建立感兴趣区域图像图样掩膜划分主要检测区域,以消除非本车道的运动目标的干扰,同时提高算法的实时性,并根据车辆、背景、摄像头三者同时运动的特性,使用光流运动场进行运动特征分析,对于车辆检测,具有一定的有效性和通用性。制定了一个结合个性化参数的预警决策。通过建立不同运动状态下车辆位移、速度、加速度等相关参数的运动模型,推导出两车相对距离减少情况下、避免碰撞的最小跟车距离,并引入驾驶员反应时间和路面情况对于速度变化的相关参数,给出了一个个性化参数可变的预警决策模型,使预警模型更为人性化、可信度更高。通过测试常用的车道检测算法、车道障碍物检测算法,并进行仿真对比,本文所设计的车道检测算法、障碍物检测算法鲁棒性更高、适应性更强,预警决策模型也更为可靠。