基于阴影特征的前向车辆检测和测距方法研究

车辆检测要求具有较高的准确性、实时性和鲁棒性，同时兼备较低的误判率。随着图像处理分析理论的成熟和计算机硬件设备的更新，基于视觉的车辆检测技术发展迅速。目前该技术主要分为基于立体视觉、基于运动分析和基于目标特征的方法。基于立体视觉的车辆检测口1能获认精确的车距信息，但其对硬件要求较高，实时f生较差，且理论方面有待进-步完善。基于运动分析的检测3算法较为简单 ，实时性好，但对外部环境的变化敏感 ，准确性较差。基于目标特征的检测HL般用于检测特定的物体，算法简洁，处理速度快，能够满足车辆在行驶过程中检测系统对实时性和鲁棒性的要求，如车辆边缘与对称性特征，纹理特征等[51。所采用的车辆阴影检测也属于这类方法。

2车辆检测2.1图像的阈值分割车辆在 日间行驶的过程中，底部的阴影区域亮度明显低于周围路面的亮度。基于该现象可采用阈值分割的方法对阴影特征进行分割提龋受天气、环境等因素影响，路面灰度值的变化范围较大，无法得到固定的阈值。故提出-种基于路面灰度信息的统计方法来确定分割阈值的上限。

首先对视频图像进行加权平均法的灰度化和高斯滤波的平滑去噪。分析采集的道路视频图像，选取图像下半部分距离摄像机较近的区域为分析样本，该区域属于车辆安全驾驶范围，目标相对单-，适合作为分析样本。分析区域内包含的如车道线 ，车痕，油渍等非相关信息会干扰统计结果，对于该问题采取以下方法解决。

统计路面区域灰度信息的直方图，如图1所示。其灰度值服从正态分布，据式(1)求出路面灰度值的均值和标准差。

m ～ ∑∑厂( ，y)xy 0 y-O ， 、- - - ， - - - - (、1：I：、/ ∑∑ )-m] Vy 0 ：0式中：，广 路面灰度均值； 路面灰度标准差厂( ，y)-像素灰度值▲而设定阴影区域灰度值的动态阈值上限为：Tym-h(o") (2)式中： ( )-关于 f，的甬数，通常设 (f，)为 h( )n· (n 1 o来稿日期：2012-04-12作者简介：魏 凯，(1987-)，男，河北邢台，硕士研究生，主要研究方向：计算机图形学，工业设计；盛建平，(1960-)，男，副教授，硕士研究生导师，主要研究方向：工业设计、机构学 、计算机图形学No.2Feb.201 3 机械 设 计 与制 造 133NMI特征的基本原理是将物理学相关概念引入到灰度图像中，图像的归-化转动 量公式为：NMl： i ： m ∑∑厂( ， ) (5)式中：( -c )-图像的质心； cx，cr)- 图像的转动惯量。

对于某-帧图像，计算出感兴趣区域的NMI特征值，并与前- 帧图像中相应区域的NM1特征值进行比较，如果变化率小于某-正实数，则可验证该区域内存在车辆，即：fN二M I： e ～3车辆前向测距(6)基于计算机视觉的车距测量系统是通过单个摄像机实现的，可以近似看成将三维嘲中的物体通过单个针孔摄像机映射成二维图像 。

图6单目视觉测距模型Fig.6 Distance Measurement Model of Monocular Vision根据摄像机的凶成像模型 ，单目视觉的测距模型可以采用几何透视变换的原理进行描述，如图6所示。图中：产-摄像机的有效焦距；旷-摄像机光轴相对于路面的俯仰角度； -摄像机镜头中心到地面的高度；0厂镜头中心，O(x yo)-摄像机光轴与像平面的交点；为像平面坐标系的原点。

P是检测到的前方车辆底部阴影的下边界在路面上的位置，在摄像机图像平面和像素平面上的投影坐标分别为 ( ，v)和(u， )。根据几何关系可推导出P与镜头中心的水平距离 d之间的关系如下：诅ry t f 1l ， / - - - - - - - ，L- -- (7)t aarctan二 J 1，式中： (厂- 的像素坐标；d厂像 元尺寸。

4实验结果实验使用-台SONY DCR-SX21E摄像机水平安置在车前方，随机在公路上采集视频图像。实验软件在Windows 7操作系统下以 MATLAB R2009为平台编程实现。

所采集连续视频中不同帧图像的实验结果，如图7所示。实验结果表明，方法能有效检测到前方存在的车辆，并且准确测算出本车与前方车辆的距离，具有较好的抗干扰性和实时l生。

图7实验结果Fig.7 Experiment Result另-组采集图像的车辆测距实验结果，如表 1所示。摄像机的外参数为：摄像机光轴与路面保持平行，a0，摄像机镜头中心距离地面高度 1.5m。分析实验结果，当实际距离在60m范围以内时，计算得出的距离误差小于 3m，误差率不足 5%；在 80m范围以内，误差不超过 5m；当车距增大时，产生的误差和误差昔墨也进-步增大。鉴于我国道路上车速限制-般在 120knCh以下，在安全距离范围内，提出的车距测量方法能够满足计算机视觉车距测量系统的准确性要求。

表 1车距测量的实验结果Tab.1 Result of Vehicles Distance Measurement实际距离 m) 20 30 40 50 60 70 8O 90 100计算距离(n1)20.63 30.64 40.76 51.06 62.41 74.34 84.25 95.37 1O7.55误差距离(m)0.63 0.64 O.76 1.06 2.4 4.34 4.25 5.37 7.55误差率(%) 3.16 2.12 1.91 2.12 4.01 6.19 53l 5.97 7.555结论提出了-种基于阴影特征的车辆检测和测距方法，通过基于路面灰度信息的阈值分割方法分离出阴影区域，提韧检测阴影下边界从而构建车辆的感兴趣区域实现对前方车辆的检测，进-步通过基于摄像机的成像原理和几何变换原理得出的基于单目视觉的测距方法准确测算出了与前向车辆的车距。该方法满足实时性要求，可以有效实现对前方-定范同内的车辆检测和测距。