论文部分内容阅读
辅助驾驶系统通过感知车辆行驶时的周边环境和监测驾驶员的驾驶状态来实现辅助驾驶功能。灯语是车辆在行驶过程中制定驾驶决策的重要依据之一,准确识别前方车辆的灯语信息能够使辅助驾驶系统充分发挥其辅助功能,对于提高行车安全性和车辆的智能化水平有重要意义。灯语识别可分为日间和夜间两种情况,本文对全天候的灯语识别问题展开深入研究,主要工作内容如下:1.针对日间行车情况下的车辆检测问题,研究对比了两种基于机器学习的车辆检测方式,并选择卷积神经网络作为车辆检测方法。首先分别使用Haar特征结合Adaboost级联分类器的检测方式和卷积神经网络的车辆检测方式对数据集中的车辆进行检测,然后对比两种检测方式的检测性能。实验表明,卷积神经网络的车辆检测方式检虽然检测效率较低,但是测精度更高,为此后续使用卷积神经网络实现车辆检测。2.针对夜间行车时行车记录仪采集的图像中存在眩光问题展开深入研究,并提出了一种眩光去除方法以有效去除白色眩光和红色眩光。首先采用暗通道先验去雾方法去除白色眩光,并提出加速计算方法以保证算法实时性,然后提出了去除特定颜色眩光的方法,能够有效去除图像中的红色眩光。3.针对夜间行车情况下的车辆检测问题,使用成对出现的示廓灯作为检测车辆的方法。首先根据颜色特征检测可能的车灯区域,然后根据车灯的位置关系建立约束以匹配车灯并建立跟踪,从而实现夜间车辆的定位。4.针对日间和夜间两种行车情况提出了相应的灯语识别方法。对于日间行车情况,首先进行车辆检测,然后划分车灯的感兴趣区域并使用颜色分割和形态学处理检测尾灯位置,同时结合亮度特征判断尾灯状态,最后制定灯语识别规则,从而实现日间行车情况下的灯语识别。对于夜间行车情况,首先通过匹配高位灯方式检测刹车灯,然后通过颜色分割方法并结合历史信息以判断转向灯,从而实现夜间行车情况下的灯语识别。