基于雙目攝像頭的路況信息處理方法

本文主要通過(guò)使用圖像算法編程實(shí)現(xiàn)，完成道路和障礙物檢測(cè)任務(wù)，指導(dǎo)車(chē)輛在道路上安全行駛。設(shè)備上將采用攝像頭獲取圖像，對(duì)圖像信息進(jìn)行處理以獲得車(chē)輛及車(chē)道線的相關(guān)信息，從而為駕駛員的駕車(chē)行為進(jìn)行輔助以及對(duì)危險(xiǎn)情況進(jìn)行預(yù)警，為提高駕駛安全性提供綜合解決方案。

感興趣區(qū)域提取

感興趣區(qū)域是只選取整幅圖像中有利于減少圖像處理復(fù)雜度，減少其他外物影響的區(qū)域，針對(duì)感興趣區(qū)域的圖像處理，可以提高處理的速度，也可以提高檢測(cè)的準(zhǔn)確率。感興趣區(qū)域的選取可以是人為的也可以是系統(tǒng)自適應(yīng)的選取，例如檢測(cè)車(chē)輛的陰影時(shí)，由于公路的顏色與車(chē)輛陰影具有一定的差別，所以我們可以人為的選擇公路上一個(gè)固定的位置作為感興趣區(qū)域，這個(gè)區(qū)域可以比較靠近圖像底部，保證選取區(qū)域不會(huì)出現(xiàn)除公路外的其他外物，根據(jù)我們選取的感興趣區(qū)域，可以利用圖像分割，將圖像二值化，從而提取出車(chē)輛陰影。而自適應(yīng)的感興趣區(qū)域可以是在檢測(cè)出車(chē)道線之后，將感興趣區(qū)域設(shè)置為車(chē)道線兩側(cè)內(nèi)，再在感興趣區(qū)域內(nèi)檢測(cè)障礙物，從而減少車(chē)道周?chē)h(huán)境的干擾。

本文針對(duì)的環(huán)境主要是行駛在結(jié)構(gòu)化道路上的車(chē)輛的前方障礙物，對(duì)于固定于車(chē)上的攝像頭而言，獲取的視頻中的每幀圖像中出現(xiàn)在車(chē)道上的障礙物的部分多為圖像的下半部分，而偏上部分的圖像均為背景較多，為了減少檢測(cè)的干擾，以及提高檢測(cè)的精度，我們決定只檢測(cè)圖像中包含有用信息的部分，所以對(duì)圖像進(jìn)行截取。對(duì)于車(chē)道障礙物的檢測(cè)，我們只需研究道路區(qū)域內(nèi)的目標(biāo)，因此利用檢測(cè)出的道路邊界的直線方程對(duì)推向進(jìn)行截取，得到我們的感興趣區(qū)域。

車(chē)輛后視特征分析

一般利用視覺(jué)圖像進(jìn)行車(chē)輛檢測(cè)識(shí)別的方法有以下幾種：基于模版匹配的方法，這種方法利用大量的預(yù)先做好的車(chē)輛模版（基于灰度信息或小波特征等），與實(shí)時(shí)采集的圖像進(jìn)行匹配，尋找相關(guān)性最大的匹配區(qū)域作為車(chē)輛存在區(qū)域。這種方法有較好的魯棒性，但是實(shí)時(shí)性較差；基于學(xué)習(xí)的方法，這種方法的本質(zhì)是利用神經(jīng)網(wǎng)絡(luò)，對(duì)大量車(chē)輛圖像進(jìn)行訓(xùn)練，然后通過(guò)分類(lèi)器進(jìn)行分類(lèi)，這種方法一般用來(lái)對(duì)已檢測(cè)出來(lái)的車(chē)輛進(jìn)行驗(yàn)證；基于車(chē)輛特征的方法，該方法是利用圖像中車(chē)輛存在的特征：紋理，邊緣，對(duì)稱性以及陰影等進(jìn)行目標(biāo)分割和識(shí)別，如果單獨(dú)的采用一種特征時(shí)，經(jīng)常會(huì)因?yàn)榄h(huán)境或光照的變化，導(dǎo)致特征信息量不足，容易出現(xiàn)誤判或者漏判的現(xiàn)象。因此本方案采用同時(shí)考慮車(chē)輛的多種信息特征，使用多特征信息融合的方法來(lái)檢查車(chē)輛，這樣能夠克服一些環(huán)境的影響，提高檢測(cè)準(zhǔn)確率和實(shí)時(shí)性。

在結(jié)構(gòu)化道路的交通環(huán)境下，車(chē)輛作為一種相對(duì)運(yùn)動(dòng)著的人造物體，區(qū)別于大自然的景物以及交通標(biāo)志、山、樹(shù)木等高速公路上其他交通因素，具有豐富的后視特征。前車(chē)的后視特征正是車(chē)輛相關(guān)處理步驟的主要研究對(duì)象，同時(shí)也是將車(chē)輛從圖像背景中分割出來(lái)并在此基礎(chǔ)上進(jìn)行后續(xù)處理的主要依據(jù)。

一般的視覺(jué)圖像中，車(chē)輛會(huì)具有許多區(qū)別于周?chē)h(huán)境的一些特征，如存在許多相對(duì)密集的水平邊緣；垂直邊緣和水平邊緣往往會(huì)組成一個(gè)矩形或者U型；車(chē)輛具有一定的灰度對(duì)稱性；車(chē)輛存在陰影區(qū)域；車(chē)輛具有一定的紋理（如粗糙度、對(duì)比度）等，在以上這幾個(gè)特征中，如果光照條件不同，則車(chē)輛的邊緣特征和灰度信息也不同，因此每個(gè)特征對(duì)車(chē)輛判斷的貢獻(xiàn)也是變化的。如果單獨(dú)采用上面提到的任何一種特征進(jìn)行車(chē)輛識(shí)別，則很難提高識(shí)別的準(zhǔn)確性，因此本方案同時(shí)采用了車(chē)輛的陰影和邊緣兩種特征的相結(jié)合來(lái)實(shí)現(xiàn)車(chē)輛的識(shí)別和定位。首先利用車(chē)輛邊緣信息初步確定車(chē)輛存在的感興趣區(qū)域，然后，在上述區(qū)域中進(jìn)行灰度差和車(chē)底陰影特征的分析，從而實(shí)現(xiàn)車(chē)輛的定位。

檢測(cè)準(zhǔn)確性評(píng)價(jià)

設(shè)車(chē)輛實(shí)際的位置與大小，矩形框的對(duì)角線坐標(biāo)為（a1，b1），（a2，b2）；檢測(cè)得到的車(chē)輛位置與大小， 矩形框的對(duì)角線坐標(biāo)為（x1，y1），（x2，y2）；圖片的寬度為w，高度為h。

對(duì)準(zhǔn)確率的判斷可以考慮兩個(gè)因素

（1）車(chē)定位框的大小

設(shè)實(shí)際定位框的為（a2-a1）（b2-b1），算法結(jié)果為（x2-x1）（y2-y1）；則誤差為錯(cuò)誤率為P1=error1/（w· h）；

（2）車(chē)定位框的偏移計(jì)算

結(jié)束語(yǔ)

上述方案適用于一般情況，但障礙物存在遮擋，或者并行等情況，檢測(cè)結(jié)果會(huì)受到比較大的干擾，同時(shí)對(duì)于大部分操作，還未能實(shí)現(xiàn)自適應(yīng)，不能很好的應(yīng)用于各種不同的環(huán)境，穩(wěn)健性仍需加強(qiáng)。

解決這些問(wèn)題的思路是可以根據(jù)車(chē)道線將物體隔離開(kāi)，前提是需要做好分道線的檢測(cè)工作，需要改進(jìn)算法提高自適應(yīng)能力。

10.3969/j.issn.1001- 8972.2016.15.020