0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

对于自身车辆前方车辆检测的常用方法的分析研究

tUM2_ADA 来源:djl 作者:ADAS 2019-08-08 16:24 次阅读

前方车辆检测,这里指的是基于车辆自身对象,而不是公路交通部分的车辆检测。

前方车辆检测,可以用于防碰撞系统、进而用于自动巡航(ACC)等功能,应用场景广泛,所以,此技术是一项比较基础的技术。而先前的ACC,只是基于正前方车辆的检测,对于侧面的车辆或环境的跟踪能力有限。但随着各种传感器和导航地图的应用,ACC的能力也会大大增强。ACC只用于高速行驶状态,但已有低速跟车系统的研究,某公司已计划未来两年内上市。

1. 传感器

前方车辆检测,常用的传感器有高频雷达(毫米波)、红外激光雷达、摄像头。

每种传感器都有各自的优缺点:

雷达:自己可选用的波段有限,常用24G(厘米波)、79G波段。对雨雾天气的适应能力好,探测距离大150米,但容易受电磁干扰影响。据传,79G雷达技术对国内有限制的。而欧盟和我国的工信部是建议24G作为车载雷达波段。而美国是推荐79G波段作为车载雷达的使用波段。

红外激光:抗干扰能力强,定向性。但对于雨雾天气的穿透能力弱。且成本高。

摄像头:基于视觉的探测。对距离的判断较弱(单目视觉情况下),易受雨雾天气的影响。

所以,想适应各种场景,厂商一般会采用多种传感器收集信息

这里重点总结下,基于单目视觉的车辆检测技术。

从视觉上来讲,车辆的形状、颜色和大小虽然限定在一定范围,但都是不固定的,而且,其外形会受到自身姿势和外部环境,如光照或旁边物体的影响。

2. 基于先验知识的特征检测

汽车有一些一些典型的特征, 如对称性、颜色、阴影、几何特征(如角点、边缘)、纹理、车灯。

1)对称性

汽车从前方和后方来看,无论是在区域面积还是边缘特征上,具有很好的对称性。

但是,对称性特征易受噪声的干扰,以及角度的影响。

2)颜色

颜色空间一般不直接使用在车辆上,而比较有效的手段是识别路面和车辆阴影。

3)阴影

车辆阴影是与车辆相关的一个重要的特征。因为车辆阴影一般比周围区域都要暗。但具体的参数指标,还与光照,即天气状况有关。

一般做法是采用两个阈值,一高、一低,低阈值用于确定阴影,而高阈值由阴影周围环境来确定,如局部分割算法,均值+方差。

4)角点

先检测出所有角点,然后再根据角点的空间关系,如汽车的四个角点会形成一个矩形,来筛选汽车。

5)垂直或水平边缘

一种方式,直接检测垂直边缘,利用类似直方图计算垂直投影。然后,车辆底盘下方阴影部分也是重要的水平边缘特征。

另外,也有采用多分辨率的方式,在每个层次都边缘只是作为一种初步的筛选/搜索手段。

6)纹理

熵、共生矩阵都可被作为基于纹理的图像分割的基础。

7)车灯

主要是用于夜间车辆的探测。因为,以上特征在晚上基本都无效了。

8)基于运动的方法

以上其中都是空间特征。而基于运动的方法是对图像连续序列的分析。如光流法。但光流法会消耗大量的计算资源,时间和空间。

3. 识别

无论是用遍历的方式,还是用特征筛选出的候选区域,对筛选出的子图像需要进一步识别,车辆还是非车辆。

1)基于模板的方法

采用简化过的车辆模板来筛选。

2)基于外观特征的方法

车辆VS非车辆 分类

二类分类问题,一般采用机器学习/模式识别的方法解决。

首先,需要大量的训练图片。

其次,选取合适的特征,如PCA,HOG,harris,haar wavelet feature, SIFT等

再次,选取分类器,如NN,svm等

4. 跟踪

车辆的跟踪的好处:

1)提前预测车辆出现的位置,减少车辆检测的搜索空间,节省计算时间。

2)区分多个车辆,每辆车都有各自的特征,如HOG,边缘,灰度密度等,使用这些特征,就可以区分不同类型的车辆。根据跟踪算法的结果,即使是同款车辆出现在同一场景,也能基本区分。

目前,常用的跟踪算法,有卡曼滤波算法。

5. 近几年热门的车辆检测方法

1)HOG 特征 + haar-like特征;SVM 或 adaboost 分类器; (HOG + SVM ; haar-like + adaboost 速度快)

2)光流法;或增加一个HMM分类器,或SVM分类器

前方车辆检测技术,常见问题:

1. 选取那种分辨率来计算?

mobileye采用的是640×480 或 752 * 480 彩色CMOS摄像头

2. 如何选取特征?

3. 如何跟踪?

4. 如何计算距离?

5. 如何计算前车速度?

6. 如何区分多个车辆?

基于Haar和HoG特征的前车检测方法,其特征在于,包括以下步骤:

步骤I)人工选取出大量车辆图片和非车辆图片作为训练集的正、负样本,并将正、负样本规格化到24 X 24像素下;

步骤2)使用Haar特征和HoG特征分别对规格化后的每一幅正、负样本进行表征,形成特征向量;

步骤3)针对Haar特征和HoG特征形成的两种特征向量分别构建弱分类器;

步骤4)利用级联的Adaboost算法对弱分类器进行训练,得到级联车辆强分类器;

步骤5)针对车载摄像头获得的前方道路视频图像,将其中各种尺寸、各种位置的子图像输入级联车辆强分类器中进行判断。

也有利用改进的HOG特征值,和SVM训练,来对车辆进行识别

harr特征、hog特征(大量的正、负样本图片训练),利用adboost算法 进行训练、级联,形成强分类器

HOG特征的计算及一些改进:

HOG:histogram of oriented gradient, 方向梯度直方图,就是描述物体的形状和边缘特征,并且不涉及尺度和旋转。

1. 将子图像灰度化,归一化(为了除去光照和阴影的影响)

2. 划分成小cells,如3*3个像素块或6*6个像素块。

3. 计算每个cell中每个pixel的gradient方向,或者说是边缘的方向。

4. 统计每个cell的梯度直方图(不同梯度的个数),即可形成每个cell的descriptor。

5. 连接所有cell形成一个子图像的特征描述子。

6. 子图像之间是一般是由重叠的区域的,这样一个cell影响的就不是一个子图像了。一个矩形子图像,一般有三个参数:每个子图像有多少方格、每个方格有几个像素、以及每个方格直方图有多少頻道(梯度方向)。

由于人体轮廓在局部HOG归一化特征上有良好的稳定性,最初是用于人体检测。

在Dalal和Triggs的人检测实验中,发现最优的单元块划分是3x3或6x6个像素,同时直方图是9通道。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 传感器
    +关注

    关注

    2550

    文章

    51046

    浏览量

    753119
  • 车辆检测
    +关注

    关注

    0

    文章

    29

    浏览量

    10856
收藏 人收藏

    评论

    相关推荐

    工程车辆自动变速技术研究

    工程车辆自动变速技术研究本文结合国家自然科学基金项目(59705005)“工程车辆液力机械传动系统的电子节能控制研究”及教育部骨干教师基金项目“提高工程
    发表于 04-16 13:46

    高速公路GPS车辆动态监控技术研究

    了具体的匹配准则和算法流程;对车载终端与监控中心交互数据的传输流程进行了详细分析,设计了监控中心数据库,并根据通信协议,解析了具体的数据包实例;最后,在对高速公路GPS 车辆动态监控技术研究的基础上
    发表于 04-16 13:47

    视频交通监控系统中运动车辆捕捉算法的研究

    。  (3)能够检测多种交通流信息,包括车速、饱和度、占有率等,并且可用于视频的电子警察系统。一个典型的视频车辆自动监控系统的工作流程图如图1所示。1  捕捉算法分析  车辆
    发表于 09-19 09:37

    车辆油耗快速检测系统的开发与试验

    时间、减小对车辆的损害,提高车辆检测速度。针对当前车辆燃油消耗量测量方法操作不便的问题,顺应车辆
    发表于 12-02 12:44

    如何设计一种基于DSP的车辆碰撞声检测装置?

    本文采用小波分析和模式识别方法分析车辆噪声信号,设计了一种基于DSP的车辆碰撞声检测装置,该装置
    发表于 05-12 06:32

    求大佬分享一种基于毫米波雷达和机器视觉的前方车辆检测方法

    研究夜间追尾事故中本车智能防撞预警方法,本文提出了一种基于毫米波雷达和机器视觉的前方车辆检测方法
    发表于 06-10 10:23

    车辆轮对踏面缺陷的光电检测方法研究

    车辆轮对踏面缺陷的光电检测方法研究 铁路车辆轮对踏面的擦伤与剥离是车辆在运行过程中形成的一种常
    发表于 02-22 11:46 10次下载

    EMI抑制方法分析研究

    EMI抑制方法分析研究 研究方向: * 四种抑制开关管及二极管EMI的方法 解决方案: * 并联RC吸收电路和串联可饱和磁芯线圈主要抑制
    发表于 03-26 12:19 1135次阅读
    EMI抑制<b class='flag-5'>方法</b><b class='flag-5'>分析研究</b>

    基于磁偏角的车辆检测研究

    地磁车辆检测器是一种基于车辆对地磁场的扰动效应实现的交通信息采集设备,本内容提供了基于磁偏角的 车辆检测
    发表于 07-26 15:49 31次下载
    基于磁偏角的<b class='flag-5'>车辆</b><b class='flag-5'>检测</b>的<b class='flag-5'>研究</b>

    基于地磁感应的无线车辆检测系统设计

    为提高 车辆检测 准确度和系统抗干扰能力,降低系统成本,减少对路面的破坏,提出了基于地磁感应的无线车辆检测系统的设计研究
    发表于 08-01 14:38 118次下载
    基于地磁感应的无线<b class='flag-5'>车辆</b><b class='flag-5'>检测</b>系统设计

    基于DSP的车辆碰撞声检测装置的设计

    本文采用小波分析和模式识别方法分析车辆噪声信号,设计了一种基于DSP的车辆碰撞声检测装置,该装置
    发表于 09-06 15:03 3次下载
    基于DSP的<b class='flag-5'>车辆</b>碰撞声<b class='flag-5'>检测</b>装置的设计

    基于毫米波雷达和机器视觉的夜间前方车辆检测方案

    研究夜间追尾事故中本车智能防撞预警方法,本文提出了一种基于 毫米波雷达 和 机器视觉 的前方车辆检测
    的头像 发表于 03-31 09:23 6115次阅读
    基于毫米波雷达和机器视觉的夜间<b class='flag-5'>前方</b><b class='flag-5'>车辆</b><b class='flag-5'>检测</b>方案

    基于R-CNN模型的车辆检测方法

    车辆检测是智能交通系统中一个不可或缺的重要环节,它能够为道路交通控制、高速公路管理和紧急事件管理等诸多后续交通环节提供强有力的信息支撑,因此得到了研究者的广泛关注。传统的基于机器学习的车辆
    发表于 04-17 14:11 0次下载
    基于R-CNN模型的<b class='flag-5'>车辆</b><b class='flag-5'>检测</b><b class='flag-5'>方法</b>

    分享关于检测前方车辆方法

    前方车辆检测,可以用于防碰撞系统、进而用于自动巡航(ACC)等功能,应用场景广泛,所以,此技术是一项比较基础的技术。而先前的ACC,只是基于正前方
    的头像 发表于 08-08 10:32 4293次阅读

    基于毫米波雷达和机器视觉的夜间前方车辆检测

    夜间由于光线强度不够,大部分白天的车辆特征信息已经不可用,因此用于白天的车辆检测算法基本失效。车辆尾灯是夜间车辆的明显特征,目前,
    的头像 发表于 03-15 14:12 2575次阅读