, ,, ,

(1.河南科技大学 车辆与交通工程学院,河南 洛阳 471003; 2.海军航空工程学院 电子信息工程系,山东 烟台 264001)

0 概述

基于计算机视觉的动态障碍物检测在汽车辅助驾驶系统中具有重要应用价值,其利用车载摄像机获取车前一定范围内的视频图像检测障碍物,从而估计出潜在的危险以便采取安全策略避免交通事故。但在行车过程中,车速和天气的变化以及开放的车行环境下视频背景的复杂多样性对障碍物检测的鲁棒性提出了较高的要求,同时由于摄像机随车体运行,因此运动背景下动态障碍物的检测以及检测的实时性要求进一步增加了算法的设计难度。

与背景差分法对背景模型的依赖和光流法的计算高复杂度相比,相邻帧间差分法用连续的2帧或者3帧图像逐像素差分消除背景的影响,对光线等环境因素有较强的适应性,对动态变化的场景非常有效。该方法包括背景全局运动补偿和目标检测2个主要步骤。文献[1]从理论上分析了全局背景补偿的优势,发现参数估计值直接决定帧间背景的配准精度,进而影响目标检测效果。

文献[2]方法采用图像灰度编码实现快速匹配,但对非线性变化的局部光照匹配容易发生错误。文献[3]方法基于块匹配减少计算量,但当摄像机有明显的非线性运动时,准确性受到影响。文献[4]采用固定阈值去除外点以提高参数估计的精度,但固定阈值在实际应用中受限。文献[5]提取残差均值代替固定阈值对文献[4]方法进行改进,但该方法不能准确地估计全局运动参数。……