黄孝慈 舒方林 曹文冠

（上海工程技术大学，上海 201620）

主题词：双目视觉 车辆测距 Haar-like特征 特征匹配 平均视差

1 前言

前方碰撞预警（Forward Collision Warning，FCW）系统的应用可以有效减少交通事故，提高道路通行效率[1]。自车与前车间的距离计算是FCW 系统的核心组成部分，可为后续预警和控制提供依据。目前，距离计算方法主要分为基于主动传感器的方法和基于视觉的方法[2-4]。前者主要使用毫米波雷达和激光雷达等主动传感器，虽然可以准确计算车距，但高成本和目标车辆数据的采集阻碍了其广泛应用；后者通常使用单目视觉和双目视觉，以低成本的优势逐渐成为研究热点。单目视觉通过建立几何模型估计车距，精度低、远距离测量误差大[5-6]。双目视觉通过左、右图像的立体匹配生成目标车辆的视差图，根据三角测量法直接计算车距，因此计算过程更加直观、准确[7-8]。基于双目视觉的车距测量关键在于能否迅速提取车辆特征并实现准确的匹配。目前通常利用车辆的局部特征或全局特征进行车距测量，如车牌、车辆尾灯、车辆尾部标志、加速鲁棒特征（Speeded Up Robust Features，SURF）以及定向二进制描述符（Oriented FAST and Rotated BRIEF，ORB）特征等[9]。Zhang等人[10]根据车牌与车身颜色的差异提取车牌特征，利用车牌中心点坐标实现车辆的测距；Seo等人[11]采用方向梯度直方图特征检测前方车辆，通过提取左、右相机中车辆尾灯中心点特征进行立体匹配，从而计算车距；Hou 等人[12]提取车标作为左、右图像的匹配特征实现车辆测距。上述利用车辆局部特征进行车距测量的3种方法只适用于近距离车距测量，远距离的车辆局部特征难以精准提取，往往造成较大的测距误差。……