基于计算机视觉的车辆与前方车距检测

论文摘要

随着全球经济的发展,汽车拥有量的激增,交通事故发生率亦快速上升,汽车安全问题成为了现代社会所关注的一个重要研究课题,引起了社会和政府普遍关注。发展智能交通系统与智能车辆是解决我国交通安全问题的有效措施。车辆测距技术是智能交通系统和智能车辆系统的研究前沿和热点,也是解决交通事故频发的有效技术手段之一。本论文提出了一种基于计算机视觉的车辆检测与前方车距检测方法。它是采用单目CCD摄像机作为输入设备,用计算机对输入图像进行处理,检测出图像中的阴影部分作为假定的车辆区域,然后训练基于Adaboost算法的车辆分类器,对假定的车辆区域进行判别验证,从而检测出车辆在图像中的位置。同时,使用一种基于几何关系的车距模型,结合摄像机标定,建立图像上路面坐标和实际路面坐标的对应关系,进一步计算出两车之间的实际距离。使用开源的计算机视觉库OpenCV在VC++6.0下开发了一个基于计算机视觉的车辆与车距检测视频应用程序。使用OpenCV作为开发的视频应用程序的基础函数库,改写或调用其中的函数,即可根据需要用C或C++语言开发自己的视频应用程序,从而解决了视频应用程序开发周期长、效率低的缺点。为了试验所开发的系统,我们拍摄了实际的公路视频,让系统处理视频,并进行实时的车辆检测和前方车距检测。试验结果分析表明,本文所设计的车辆以及测距检测方法在一定程度下具有可行性和有效性。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 选题背景
• 1.1.1 计算机视觉技术
• 1.1.2 智能车辆的发展
• 1.2 车辆检测方法综述
• 1.3 车距检测方法综述
• 1.4 课题提出
• 1.5 国内外研究现状
• 1.6 本论文的研究内容及章节安排
• 1.6.1 研究内容
• 1.6.2 章节安排
• 第2章 基于OpenCV的计算机视觉技术
• 2.1 OpenCV计算机视觉库
• 2.1.1 OpenCV计算机视觉库的特点及组成
• 2.1.2 OpenCV的常用数据结构和图像读写,显示函数介绍
• 2.2 基于OpenCV的图像处理技术
• 2.2.1 彩色图像的灰度化
• 2.2.2 图像的二值化
• 2.2.3 边缘检测
• 2.2.4 图像平滑
• 2.2.5 形态学操作
• 2.2.6 区域生长
• 2.3 本章小结
• 第3章 前方车辆检测方法研究
• 3.1 基于阴影特征的前方车辆检测
• 3.1.1 阴影的提取
• 3.1.2 基于阴影的车辆检测
• 3.2 基于Adaboost算法的前方车辆检测
• 3.2.1 Adaboost算法
• 3.2.2 矩形特征
• 3.2.3 积分图
• 3.2.3 利用积分图计算矩形特征值
• 3.2.4 训练Adaboost分类器
• 3.2.5 基于Adaboost分类器的车辆检测
• 3.3 阴影检测与Adaboost方法相结合的车辆检测技术
• 3.4 本章小结
• 第4章 基于单目视觉的测距方法
• 4.1 计算机视觉测距的理论基础
• 4.2 基于OpenCV的摄像机标定
• 4.2.1 摄像机标定
• 4.2.2 对标定结果的验证
• 4.3 基于单目视觉的测距模型
• 4.3.1 基于几何关系的车距模型
• 4.3.2 本文的车距计算方法
• 4.4 本章小结
• 第5章 实验结果与分析
• 5.1 系统设计
• 5.1.1 系统框图
• 5.1.2 系统界面与功能
• 5.2 实验结果与数据分析
• 5.2.1 车辆检测结果与分析
• 5.2.2 车距检测结果与分析
• 5.3 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 攻读硕士学位期间发表的论文和参加的科研工作
• 致谢