针对现有视频车辆检测算法受光照、噪声等环境因素影响大,漏检和误检率高,难以同时满足鲁棒性及实时性的问题,提出了一种完整的前方车辆检测算法.该算法在改进的Hough变换提取车道线的基础上,首先对图像进行自适应二值化处理,通过腐蚀、膨胀法滤除干扰点;使用简洁有效的方法进行阴影线的合并及ROI区域的提取;算法利用目标区域内的信息熵、车尾对称性特征对感兴趣区域(region of interest,ROI)进行筛选和判别,降低了算法的漏检和误检率;使用改进的Robinson方向检测算子提取车辆边界,取得了较好的效果.结果表明:在处理分辨率为640×480的视频时,检测正确率89%,运算速度平均为17.6帧/s.
为了解决传统三车道检测过程中算法易受干扰、车道线拟合不准确、两侧车道误判等问题,提出了一种基于顶帽算法(Top Hat)分割和曲线模型的三车道检测方法.利用车道线的形状和颜色特征,在图像预处理阶段提出了一种变内核Top Hat的车道线分割算法.在车道线识别阶段,首先,提出了一种基于加权最小二乘法(weighted least squares,WLS)的消失点拟合方法以约束霍夫变换;其次,在极坐标中以DBSCAN(density-based spatial clustering of applications with noise)聚类法对直线聚类并匹配三车道模板;再次,以该模板为基础建立车道线感兴趣区,在每个感兴趣区内搜索并以三次曲线模型拟合车道线;最后,对于不确定的边侧车道,提出了一种基于随机投种法的边侧车道可行驶性判定方法.算法检测率以及漏检率结果显著优于传统三车道识别算法.实验结果表明:该算法具有良好的准确性及稳定性,更适用于三车道环境.
