基于機(jī)器視覺(jué)技術(shù)的前方車輛檢測(cè)與車距測(cè)量算法設(shè)計(jì)

設(shè)置汽車安全輔助駕駛系統(tǒng)能夠提高駕駛員、車輛的安全性，促進(jìn)汽車技術(shù)的發(fā)展。對(duì)于周圍道路環(huán)境感知為實(shí)現(xiàn)汽車安全輔助駕駛功能的基礎(chǔ)，前方車輛深度信息為保證安全車距和安全換道超車的重點(diǎn)，所以對(duì)前方車距探測(cè)方法的研究對(duì)于汽車安全和輔助駕駛尤為重要

。

1 機(jī)器視覺(jué)技術(shù)的使用背景

計(jì)算機(jī)視覺(jué)領(lǐng)域核心能夠?qū)崿F(xiàn)圖像的檢索和分類，中國(guó)目前常用特征集能夠描述圖像。功能帶為BOF功能線，能夠?yàn)閳D像描述提供處理方案，整合特征為一個(gè)整體。其次，根據(jù)視覺(jué)代碼特征進(jìn)行標(biāo)記，創(chuàng)建新型視覺(jué)詞匯和收集。此種映射包括主要的頻率分布圖，BOF能夠結(jié)合圖像處理概念和文本語(yǔ)義，在車輛分類和檢索中尤為重要。通過(guò)車輛邊緣化實(shí)現(xiàn)BOF模型的結(jié)合，及時(shí)檢測(cè)前方車輛信息。在實(shí)際使用過(guò)程中，能夠?qū)崿F(xiàn)車輛假設(shè)存在區(qū)域和假定區(qū)域驗(yàn)證。首先，預(yù)處理現(xiàn)有圖像，然后根據(jù)邊緣檢測(cè)技術(shù)進(jìn)行處理，得出假定區(qū)域，之后使用邊緣檢測(cè)技術(shù)實(shí)現(xiàn)第二種處理，得到車輛假定存在區(qū)域。之后，將鄰域計(jì)算方法應(yīng)用到BOF附近，對(duì)假定存在區(qū)域進(jìn)行驗(yàn)證，以此將誤報(bào)目標(biāo)消除，使車輛檢測(cè)效率與準(zhǔn)確性得到提高

。

首先，將高度圖取反，獲得一張存儲(chǔ)了表面深度值的深度圖，并將深度值規(guī)范化到[0,1]的范圍內(nèi)。如圖4所示，多邊形表面的深度值為0，最大的位移深度值為1。輸入的紋理坐標(biāo)為t0，偏移后的紋理坐標(biāo)為toff，視差偏移向量為P（視差偏移向量的值決定了最大紋理坐標(biāo)偏移量和偏移方向）。

2 基于機(jī)器視覺(jué)的道路前方車輛初定位

利用車輛下部陰影對(duì)車輛識(shí)別，陰影為燈光下的主要特征，因?yàn)橐惶熘畠?nèi)陰影并不會(huì)被陽(yáng)光照射，所以區(qū)域在一天內(nèi)的亮度值并不會(huì)改變。車輛前后部結(jié)構(gòu)為水平結(jié)構(gòu)，比如車牌、保險(xiǎn)杠、車燈等，在圖像中為負(fù)階躍。假如被檢測(cè)目標(biāo)車輛與車輛距離比較遠(yuǎn)，以上水平結(jié)構(gòu)的聚類特征屬于目標(biāo)車輛檢測(cè)線索。

鎮(zhèn)痛效果較好,無(wú)牽拉反應(yīng)視為優(yōu)。鎮(zhèn)痛效果一般,有輕微疼痛視為良。鎮(zhèn)痛效果差,孕婦疼痛感明顯視為差。優(yōu)良率為優(yōu)秀率與良好率之和。

假設(shè)道路內(nèi)部并沒(méi)有其他干擾信息，車輛范圍年內(nèi)部灰度值具有良好一致性。在存在相同夜間道路光照情況的時(shí)候，目標(biāo)車輛和車輛相聚比較遠(yuǎn)，路面灰度值比較大。因?yàn)槟繕?biāo)車輛在不斷的行駛，底部存在陰影，路面灰度值比陰影灰度值要高，所以目標(biāo)車輛底部位置的平均灰度具有負(fù)階躍。負(fù)階躍能夠?qū)η胺绞欠癯霈F(xiàn)障礙車輛和障礙車輛位置的條件進(jìn)行判斷，但是并不是唯一的條件。主要外在因素會(huì)導(dǎo)致行車道路平均灰度值存在以上負(fù)階躍，比如在路面存在修補(bǔ)痕跡與深色雜物的時(shí)候，也能夠存在負(fù)階躍。

在車輛存在對(duì)應(yīng)行駛的時(shí)候，平均灰度值變化比較明顯。圖像能夠?qū)⑿畔⒈磉_(dá)出來(lái)，所以要精準(zhǔn)掌握?qǐng)D像灰度值。假如灰度值的分布簡(jiǎn)單，表示圖像信息比較少，灰度值的分布比較復(fù)雜，表示圖像的信息比較多。利用熵值對(duì)圖像信息量進(jìn)行確定，在圖像區(qū)域灰度等級(jí)比較少的時(shí)候，也會(huì)降低熵值，提高灰度等級(jí)，增加熵值

。假設(shè)

指的是概率空間中的事情，平均信息量的計(jì)算公式為：

公式1

兩條車道線的區(qū)域就是感興趣區(qū)，也稱之為AOI。以此，基于區(qū)域增長(zhǎng)算法實(shí)現(xiàn)Hough變換，對(duì)行車道兩條邊緣線進(jìn)行確定。圖像在車輛前進(jìn)方向出現(xiàn)畸變，兩條實(shí)際平行的車道線在圖像中相交一點(diǎn)，也就是虛點(diǎn)或者銷售點(diǎn)。

以圖2可以看出來(lái)，車輛對(duì)應(yīng)灰度等級(jí)比較多，灰度變化也越來(lái)越明顯，因?yàn)檐囕v經(jīng)過(guò)底部車道比較寬，路面灰度范圍變化也比較快。所以，灰度等級(jí)也比較大，所以要利用路面單位像素灰度等級(jí)實(shí)現(xiàn)夜間道路前方車輛位置的判斷。以上述圖像表示：在分析的過(guò)程中，要通過(guò)圖像底邊，也就是圖像中的0行搜索，在路面平均灰度值曲線在波谷下邊緣，路面單位像素灰度等級(jí)曲線根據(jù)波峰上沿比某個(gè)閾值還要大的時(shí)候，說(shuō)明此坐標(biāo)指的是障礙物底邊坐標(biāo)，障礙物就是目標(biāo)車輛。通過(guò)其他研究表示，假如目標(biāo)車輛或者在行駛過(guò)程中的車輛據(jù)喲橋梁陰影和斑馬線等陰影，路面單位像素灰度等級(jí)曲線并不會(huì)根據(jù)波峰不斷的上沿，不能夠超過(guò)指定閾值，所以只能夠初步定位

。

3 前方車輛的探測(cè)和測(cè)距

3.1 確定感興趣區(qū)

障礙物探測(cè)為安全輔助駕駛的重點(diǎn)，本文假設(shè)：

其一，在標(biāo)準(zhǔn)高速公路中，路面中除了行駛的車輛并沒(méi)有其他的障礙物；

其二，車輛行駛在行車道中；

3.3.2 圖像自適應(yīng)閾值計(jì)算

公式中的

(

)指的是事件中各灰度級(jí)的概率，

(

)指的是平均信息量，圖1為路面單位像素灰度等級(jí)曲線，圖2為車輛路面灰度等級(jí)數(shù)變化曲線。

3.2 障礙物檢測(cè)

弘揚(yáng)50年治水興水精神 推進(jìn)海河水利事業(yè)新發(fā)展…………………………………………………… 任憲韶(22.11)

在雙目視覺(jué)測(cè)距算法應(yīng)用到圖像采集過(guò)程中，利用兩個(gè)攝像頭獲取信息。其中的問(wèn)題就是圖像匹配問(wèn)題，對(duì)于同個(gè)位置匹配兩幅圖像。在匹配過(guò)程中要對(duì)圖像矩形框的中心點(diǎn)定位，之后選擇車輛中距離中心點(diǎn)最近圖像測(cè)量，兩幅圖像視差和車輛最終距離相關(guān)，測(cè)量過(guò)程中使用三角形測(cè)距方式測(cè)量。

公式2

圖像采集指的是三維世界坐標(biāo)在二維像平面中映射，能夠通過(guò)幾何變換對(duì)映射進(jìn)行描述。以小孔成像模型使單目視覺(jué)系統(tǒng)簡(jiǎn)化成為你攝像機(jī)投影模型，圖3為攝像機(jī)攝影模型。

3.3 前方車距測(cè)量

3.3.1 測(cè)距模型

公式中的

(

)指的是第

行左坐標(biāo)，

(

)為

行的右坐標(biāo)，

(

,

)為像素灰度值，

(

)為灰度平均值。

(

)的改變是因?yàn)檐囕v底部陰影導(dǎo)致的，表示已經(jīng)檢測(cè)前方車輛。

本文中障礙物檢測(cè)是將灰度梯度原則作為基礎(chǔ)，在標(biāo)準(zhǔn)路面中作為本車和前車的AOI區(qū)域中灰度平緩變化，但是在路面與車輛相交的地方，因?yàn)閮蓚€(gè)后輪存在陰影，導(dǎo)致灰度從亮到暗的水平邊緣，檢測(cè)邊緣也就是車輛下邊緣。通過(guò)AOI中從下到上根據(jù)水平線逐行掃描，對(duì)每行灰度平均值進(jìn)行計(jì)算：

圖3中的平面ABU指的是路平面，ABCD指的是道路平面中射線機(jī)照射的梯形區(qū)域，O點(diǎn)指的是鏡頭中心點(diǎn)，G點(diǎn)指的是道路平面和光軸的交點(diǎn)，OG指的是光軸，I點(diǎn)指的是O點(diǎn)在路平面中垂直投影。將G點(diǎn)在路平面中定義坐標(biāo)原點(diǎn)，Y軸方向?yàn)檐囕v前進(jìn)的方向。

其三，道路為水平直線。

數(shù)據(jù)應(yīng)用SPSS 20.0軟件分析，計(jì)量資料以表示，多組比較使用單因素分析，不同時(shí)間點(diǎn)相關(guān)指標(biāo)采用重復(fù)測(cè)量方差分析，P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

在車輛行駛過(guò)程中能夠?qū)⒉糠止庠凑诒?，?dǎo)致車身底部陰影存在。對(duì)于整體圖像來(lái)說(shuō)，車身底部處于最低灰度值的區(qū)域中。但是車輛陰影會(huì)隨著周圍環(huán)境改變，出現(xiàn)相應(yīng)灰度值區(qū)域改變。所以，檢測(cè)車身底部陰影前方車輛，利用自適應(yīng)閾值圖像分割實(shí)現(xiàn)。因?yàn)檐囕v在行駛過(guò)程中具有建筑物、樹(shù)木等遮蔽情況，所以使用多次自適應(yīng)閾值分割的方法，將行進(jìn)過(guò)程中的動(dòng)態(tài)目標(biāo)進(jìn)行提取。實(shí)現(xiàn)兩次自適應(yīng)閾值分割，實(shí)現(xiàn)采集圖像的灰度處理，并且掃描圖像灰度值，對(duì)不同灰度區(qū)域方差、均值的確定。在實(shí)現(xiàn)第一次圖像自適應(yīng)閾值分割之后，計(jì)算圖像灰度臨界值。然后，基于第一次圖像自適應(yīng)閾值分割對(duì)圖像數(shù)據(jù)信息進(jìn)行過(guò)濾信息，并且對(duì)灰度區(qū)域均值和方差再次計(jì)算。一般，第一次圖像自適應(yīng)閾值分割之后得出明顯車底陰影。通過(guò)兩次圖像自適應(yīng)閾值分割之后，得出更加精準(zhǔn)的計(jì)算效果。第一次圖像自適應(yīng)閾值分割得出均值和方差，過(guò)濾圖像中的高亮像素和光線比較強(qiáng)的圖像部分。另外，自適應(yīng)閾值也會(huì)隨著周圍環(huán)境亮度出現(xiàn)改變，改變陰影部分。第一次圖像自適應(yīng)閾值分割會(huì)分割建筑物、樹(shù)木，導(dǎo)致底陰影的出現(xiàn)。所以，第二次圖像自適應(yīng)閾值分割，能夠?qū)⒌谝淮畏指顚?dǎo)致的陰影干擾排除。所以，在處理采集圖像的過(guò)程中，要實(shí)現(xiàn)圖像的灰度處理，之后實(shí)現(xiàn)兩次圖像自適應(yīng)閾值分割，得出處理效果。

對(duì)于萬(wàn)能軋機(jī)的重軌生產(chǎn)，軋機(jī)對(duì)型鋼斷面的軋制要高于普通軋面20 m左右。在離鋼軌尾部10 m的范圍內(nèi)，會(huì)存在一個(gè)高于正常軌道0.5 mm以上的“高點(diǎn)”，該“高點(diǎn)”會(huì)在鋼軌有0.5 m左右的持續(xù)長(zhǎng)度。對(duì)于這些影響列車運(yùn)行的“高點(diǎn)”，傳統(tǒng)“高點(diǎn)”處理方式為器具打磨，但器具打磨會(huì)嚴(yán)重影響鋼體的質(zhì)量與壽命。而使用全軋程熱力耦合數(shù)值模擬系統(tǒng)，能夠完成E孔型和UF孔型的連軋工作。其中UF孔型屬于半封閉的軌道孔型，軋件在離開(kāi)E軋機(jī)進(jìn)入U(xiǎn)F軋機(jī)的過(guò)程中，會(huì)由于半封閉孔型而發(fā)生“甩尾”現(xiàn)象，軋件尾部會(huì)明顯高于脫離軋機(jī)時(shí)的軌高。

霧化吸入治療過(guò)程中,確?；純翰扇∽换蛘甙胱P位,使膈肌下移,便于霧化吸入后肺部充分?jǐn)U展,增加氣體的交換量。

4 測(cè)距試驗(yàn)和校正

4.1 系統(tǒng)的設(shè)計(jì)

利用VC++設(shè)計(jì)平臺(tái)，使用計(jì)算機(jī)視覺(jué)庫(kù)OpenCV實(shí)現(xiàn)功能，圖4為系統(tǒng)的整體流程。

4.2 測(cè)距試驗(yàn)和數(shù)據(jù)校正

實(shí)現(xiàn)靜態(tài)試驗(yàn)，安裝攝像機(jī)的高度為1.2m，車牌和地面的距離為55cm，公路安全測(cè)距超過(guò)30m，城市安全距離超過(guò)20m，根據(jù)測(cè)量試驗(yàn)中的距離，通過(guò)計(jì)算得出攝像機(jī)傾角設(shè)置為19.2°，表1為靜態(tài)試驗(yàn)結(jié)果。

通過(guò)表1可以看出來(lái)，總體誤差為2%-4%，距離在10-22m之間，主要是因?yàn)閿z像機(jī)誤差、人工測(cè)量誤差導(dǎo)致誤差。修正試驗(yàn)數(shù)據(jù)，根據(jù)計(jì)算距離與測(cè)量距離作為縱橫坐標(biāo)創(chuàng)建直角坐標(biāo)系，利用最小二乘法對(duì)回歸曲線擬合，根據(jù)校正之后的數(shù)據(jù)詳見(jiàn)表2。通過(guò)修正后，能夠提高計(jì)算距離精度。

(2) 盾構(gòu)隧道管片收斂整治微擾動(dòng)注漿施工的影響范圍：水平位移和道床沉降為10環(huán)，水平收斂和豎直收斂為20環(huán)。

4.3 動(dòng)態(tài)車距測(cè)量試驗(yàn)

對(duì)坐標(biāo)系與目標(biāo)點(diǎn)的轉(zhuǎn)換關(guān)系明確之后，實(shí)現(xiàn)攝像機(jī)內(nèi)外參數(shù)標(biāo)定，保證攝像標(biāo)定過(guò)程中攝像頭有固定的位置。首先，設(shè)置平面作為參考面板，利用灰度像素對(duì)圖像優(yōu)化，實(shí)現(xiàn)攝像機(jī)內(nèi)外參數(shù)矩陣標(biāo)定。通過(guò)攝像機(jī)自身決定攝像機(jī)內(nèi)參數(shù)，通過(guò)坐標(biāo)系轉(zhuǎn)換外參數(shù)，所以如果出現(xiàn)轉(zhuǎn)變就回重新標(biāo)定。為了在車輛測(cè)距過(guò)程中得到精準(zhǔn)數(shù)據(jù)，還要使用雷達(dá)等附屬設(shè)備印證距離精準(zhǔn)性。在動(dòng)態(tài)檢測(cè)車距的過(guò)程中，在路況良好的高速路和城市外環(huán)路中測(cè)試，前后兩輛車行駛距離為60-80km/h，相對(duì)速度為[1,3]km/h。首先，檢測(cè)行駛方向是否有車輛，利用攝像頭采集圖像，根據(jù)視覺(jué)算法計(jì)算車距，表3為車距檢測(cè)的試驗(yàn)數(shù)據(jù)。通過(guò)表3可以看出來(lái)，在車輛處于前方80m之內(nèi)的時(shí)候，測(cè)量誤差為4m時(shí)可以接受的；在超過(guò)80m的時(shí)候，就會(huì)增加誤差。在測(cè)距為10-50m的時(shí)候，誤差范圍不超過(guò)2m。根據(jù)以上試驗(yàn)數(shù)據(jù)表示，車輛距離范圍為10-80m，能夠保證測(cè)距精準(zhǔn)性。

5 結(jié)束語(yǔ)

本文所提出的道路前方車輛檢測(cè)方法能夠?qū)⒈尘案蓴_進(jìn)行去除，利用圖像預(yù)測(cè)對(duì)車輛運(yùn)行軌跡進(jìn)行分析，使檢測(cè)精準(zhǔn)性得到提高。根據(jù)定位、預(yù)定位與實(shí)時(shí)追蹤對(duì)前方車輛運(yùn)行軌跡進(jìn)行追蹤，對(duì)同個(gè)車道車輛位置進(jìn)行檢測(cè)，還能夠在同個(gè)車道車輛位置中進(jìn)行檢測(cè)。本文研究能夠促進(jìn)車道信息檢測(cè)，保證道路交通的安全性。

[1]劉羅仁. 基于機(jī)器視覺(jué)的前方車輛檢測(cè)和車距測(cè)量算法研究[J]. 電子測(cè)試, 2020(19):2.

[2]楊宏偉, 武志斐, 徐光釗. 基于機(jī)器視覺(jué)的夜間道路前方車輛目標(biāo)檢測(cè)技術(shù)[J]. 電子設(shè)計(jì)工程, 2020(17).

[3]程瑤, 趙雷, 成珊,等. 基于機(jī)器視覺(jué)的車距檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 計(jì)量學(xué)報(bào), 2020, 41(1):5.

[4]王彤. 基于機(jī)器視覺(jué)技術(shù)的艦船行駛軌跡自動(dòng)檢測(cè)算法[J]. 艦船科學(xué)技術(shù), 2020, v.42(16):56-58.