论文部分内容阅读
随着各国汽车保有量的增加和交通状况的日益复杂化,每年都会因为公路交通事故给各个国家的国民经济和人民生命财产带来巨大的损失。随着主动安全概念的提出,特别是高级驾驶辅助系统(ADAS)的提出,为提高公路交通安全提供了新的方向,已经成为公路交通安全领域的研究重点。道路车辆检测是ADAS的重要组成部分,本文在分析国内外前方车辆检测研究成果的基础上,提出了一种基于嵌入式视觉系统的道路车辆检测技术。首先,本文开发了以TI的ARM+DSP双核处理器OMAP3530作为核心处理器的车载嵌入式视觉系统硬件平台,并设计了相应的图像采集和显示模块,同时配置和编写了系统的软件开发环境,为车辆检测算法的移植提供了基础平台。其次,本文综合算法执行效率和环境适应性两个方面,面向高速或高等级公路环境,提出一种能够适应全天工作的车辆检测算法。通过设计环境分类器,将车辆的行驶环境分为强光照,正常光照,弱光照和夜间四类工况；为了有效提取车辆候选区域,提出基于边缘增强的区域增长方法,将环境图像划分为道路和非道路区域；在此基础上,针对日间和夜间这两类具有很大差异的环境类型,分别提出了两种基于多特征融合的道路车辆检测算法。然后,通过分析OpenCV代码特点以及DSP结构特点,采用代码缩减、函数替换、函数改写等措施研究将OpenCV移植到DSP内核中的方法,在保留OpenCV图像处理函数准确性和多样性的同时,完成所提出车辆检测算法在嵌入式视觉系统中的代码实现。最后,对本文提出的算法按照强光照、正常光照、弱光照和夜间四种工况进行长途道路试验,并分别统计每种工况的算法漏检率和误检率。试验结果表明,本文所提出算法具有良好的环境适应能力,能够准确、有效的检测出前方行驶的车辆。