论文部分内容阅读
我国经济保持稳定增长,汽车数量持续增加,同时由于汽车引发的各类交通事故也呈增长趋势。为了提高道路交通安全性,减少交通事故,高级驾驶辅助系统(ADAS)应运而生。ADAS系统在汽车行驶过程中进行前方车辆的检测及跟踪,为驾驶员提供额外的行车环境辅助信息。对高级驾驶辅助系统而言,前车检测和防撞预警是两个非常重要的组成部分。本文以自动前车检测和防撞预警为目标,在分析和比较国内外各种算法的基础上,研究了基于计算机视觉的车辆检测技术和前车测距估计方法。在检测方面,本文提出一种基于类Haar特征和AdaBoost算法并结合高斯混合模型(GMM)的前车检测方法。该方法利用GMM算法对背景建模,过滤掉部分背景区域,避免对整个图像进行穷举扫描,消除复杂背景中干扰物对检测目标影响,可以减少扫描窗口的数量,从而达到节省扫描时间,提高检测效率的目的。利用AdaBoost算法选取类Haar特征生成用于前车检测的级联分类器,对检测到的目标进行验证,最终得到准确的车辆信息。测距方面,通过对摄像头内、外参数标定,利用视觉投影模型原理和几何测距的方法对前车的距离进行估计,从而预警可能的碰撞事件。ADAS作为主动安全技术的重要环节,能够有效提升驾驶安全性,提高道路安全,减少交通事故带来的损失,并为未来汽车工业的自动驾驶构建基础。作为该系统主要功能之一,自动前车检测和防撞预警的研究显得尤为重要。