1.一种基于单目视觉的夜间前方车辆检测方法,其特征在于,包括以下步骤:
步骤1,采集图像,基于CenSurE算子对夜间前方车辆进行车灯检测,得到强角点;
步骤2,基于车灯颜色信息进行夜间前方车辆的分割,得到分割区域;
步骤3,选择步骤2的分割区域中占有步骤1的强角点最多的区域,得到检测区域;
步骤4,对步骤3中的检测区域进行车灯配对,确定目标车辆的位置。
2.根据权利要求1所述的一种基于单目视觉的夜间前方车辆检测方法,其特征在于,所述的步骤1的操作步骤具体为:
步骤1.1,拍照采集图像,根据采集图像计算对应的积分图的值,积分图中任一点I(x,y)的值均为原图像中对应位置左上角区域所有值的总和,如式(1),
步骤1.2,构造CenSurE滤波器对积分图进行对数尺度采样,
将任一点I(x,y)的值表示的尺度空间分成三组,其中,第一组中每层的CenSurE滤波器内核大小依次增加2,第二组中每层的CenSurE滤波器内核大小依次增加4,第三组中每层的CenSurE滤波器内核大小依次增加8,每一组中均选择5层尺度图像,CenSurE滤波器外核大小也按照上述方式进行计算;
即CenSurE滤波器的内核尺寸应满足(2n+1)×(2n+1),外核尺寸应满足(4n+1)×(4n+1),为了使滤波器的DC响应为零,对尺度空间归一化,则内核的权重系数In应满足式(2),
外核的权重系数On应满足式(3)
当外核包含的像素值总和为out_value,内核包含的像素值总和为in_value,则像素滤波响应值L满足式(4),
L=On·out_value-In·in_value, (4)
步骤1.3,对步骤1.2中的尺度空间进行极值检测,
将经过步骤1.2处理的图像,按照式(4)计算图像中每个尺度空间的像素滤波响应值,然后在尺度空间上进行非极大值抑制,并记录极值点;
步骤1.4,对步骤1.3中的极值点进行滤除不稳定特征点,
Lx和Ly为像素滤波响应值L在x和y方向的偏导,对Lx、Ly、LxLy进行高斯滤波,获得Harris矩阵特征值,如果较小的特征值大于自适应阈值t,则得到强角点。
3.根据权利要求1所述的一种基于单目视觉的夜间前方车辆检测方法,其特征在于,所述的步骤2的操作步骤具体为,将步骤1采集的图像由RGB空间转换到HSV颜色空间,使用红色阈值分割出的所有区域,使用白色阈值分割出的所有区域中位于左侧1/3的区域,共同作为HSV颜色空间分割的结果,
H表示色调,其中红色阈值的H≥340°或H≤30°,白色阈值的H为0°~360°;S表示饱和度,红色阈值的S≤30,白色阈值的S≤20;V表示色彩的明度,红色阈值和白色阈值均取80≤V≤100。
4.根据权利要求1所述的一种基于单目视觉的夜间前方车辆检测方法,其特征在于,所述的步骤4的车灯配对的操作步骤具体为,假设Li、Lj为两候选车灯,面积分别为Ai、Aj,车灯中心的图像坐标为(xi,yi)、(xj,yj),配对约束条件如下:
a.当两候选车灯高度一致,既两车灯纵坐标应满足式(5)
|yi-yj|<Δh, (5)
b.当两候选车灯水平方向距离在一定范围内,应满足式(6)
Δw1<|xi-xj|<Δw2, (6)
c.当两候选车灯面积一致,应满足式(7)
|Ai-Aj|<ΔA, (7)
式(5)中Δh为高度差阈值,式(6)中Δw1和Δw2为水平差阈值,式(7)中ΔA为面积差阈值,满足配对约束条件,配对完成后得到车灯对应的外接矩形框应满足宽高比在一定范围内,满足式(8),
其中,xi,left、xj,right分别为区域的最左边和最右边坐标,yi,top、yj,bottom为区域的最上边和最下边坐标,Δration为框的宽高比阈值。
5.根据权利要求2所述的一种基于单目视觉的夜间前方车辆检测方法,其特征在于,步骤1.3中的非极大值抑制的具体步骤为:尺度空间中的每个点与其26个相邻点,其中26个相邻点包括位于中间的检测点和其同尺度的8个相邻点,以及上下相邻尺度对应的9×2个点进行比较,然后记录极值点。
6.根据权利要求2所述的一种基于单目视觉的夜间前方车辆检测方法,其特征在于,所述的步骤1.4中的自适应阈值使用多级Otsu方法获取,其具体步骤为:
在灰度直方图中,设fi为灰度级为i的像素点个数,N为像素点总数,则N满足式(9)
N=f0+f1+…+fl-1, (9)
其中l为直方图个数,l=1,2,3,4……,
则灰度级为i的像素点个数fi的分布概率Pi为式(10),
使用k个阈值T={t1,…,tn,…,tk},将图像分为k+1个类别,类间方差VBC(T)为式(11)
其中,式(11)μn为k=n时的灰度均值,μT为总体的灰度均值,wn和μn的值如式(12),
类内方差vWC(T)为式(13)
其中,式(13)中σn为k=n时的灰度方差,wn和σn的值如式(14)
将式(9)~式(14)联合,得出图像的总方差vT和图像的总均值μT,为式(15)
定义图像的分割因子SF为式(16),
当SF>0.9时,停止分类,取此时的tk为自适应阈值。