[發明專利]一種基于單目前視相機的前車檢測與跟蹤方法

有效

• 申請號: 201710617541.2
• 申請日: 2017-07-20
• 公開（公告）號: CN107463890B
• 公開（公告）日: 2019-11-29
• 發明（設計）人: 繆其恒;孫焱標;王江明;許煒
• 申請（專利權）人: 浙江零跑科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06T7/246;G06T7/277
• 代理公司: 33109 杭州杭誠專利事務所有限公司
• 代理人: 尉偉敏;占宇<國際申請>=<國際公布>=

1.一種基于單目前視相機的前車檢測與跟蹤方法，其特征在于，包括：

S1：車輛位置檢測：根據先驗知識確定車輛檢測ROI區域以及車輛檢測ROI區域內滑窗搜索尺度范圍，先驗知識包括道路模型、車輛寬度范圍、車輛高寬比范圍，在設定的車輛檢測ROI區域內，先利用顯著性特征，去除車輛檢測ROI區域中未含顯著紋理特征的區域，得到車輛圖像候選區域，再利用級聯分類器，搜索特定尺度范圍內的車輛位置；

S2：車輛位置跟蹤：根據車輛檢測結果判斷前方車輛是否位于自身車輛正前方，對于自身車輛正前方的車輛，在車輛圖像候選區域內，提取角點特征并利用光流算法跟蹤此系列角點，對前車位置進行跟蹤；對于自身車輛非正前方的車輛，采用基于運動學模型的卡爾曼濾波對前車位置進行跟蹤；

S3：車輛位置檢測與跟蹤結果融合：根據車輛位置檢測結果與車輛位置跟蹤結果，計算當前時刻前方車輛位置置信度；

所述步驟S1包括以下步驟：

S11：基于平面縱向道路模型假設，利用相機內外部參數，確定車輛檢測ROI區域；

S12：利用邊緣濾波，對車輛檢測ROI區域進行邊緣檢測，利用閾值對邊緣檢測結果進行二值化，利用二值化結果生成感興趣區域ROI mask，從ROI區域中去除邊緣特征顯著性較差區域，得到車輛圖像候選區域；

S13：對ROI區域，根據道路模型與車輛寬度范圍、車輛高寬比范圍的先驗知識，生成ROI區域滑窗搜索列表，利用預先生成的級聯分類器，對滑窗搜索列表的圖像內容進行二分類，確定滑窗搜索列表中車輛的相應圖像位置；

S14：基于平面縱向道路模型假設，利用相機內外部參數，將車輛圖像候選區域底部圖像坐標逆透視變換至路面坐標系。

2.根據權利要求1所述的一種基于單目前視相機的前車檢測與跟蹤方法，其特征在于，所述步驟S13還包括以下步驟：利用車輛底部陰影信息對車輛圖像候選區域下邊緣進行優化。

3.根據權利要求1所述的一種基于單目前視相機的前車檢測與跟蹤方法，其特征在于，所述相機內外部參數包括焦距、相機高度h、相機相對車輛中軸線偏移量d以及相機俯仰角θ。

4.根據權利要求1所述的一種基于單目前視相機的前車檢測與跟蹤方法，其特征在于，所述ROI區域滑窗搜索列表的內容包括滑窗的左下角點坐標，滑窗寬度以及滑窗高寬比。

5.根據權利要求1或2或3或4所述的一種基于單目前視相機的前車檢測與跟蹤方法，其特征在于，所述級聯分類器的生成方法包括以下步驟：

利用adaboost分類器，每一級弱分類器的訓練過程為：初始化訓練數據的權值分布，每個樣本賦予同樣的權重系數，訓練過程中，若該樣本被準確的分類，則降低該樣本的權重系數，反之，則提高相應權重系數；反復迭代上述過程，產生若干弱分類器，最后級聯各弱分類器生成最終強分類器。

6.根據權利要求1或2或3或4所述的一種基于單目前視相機的前車檢測與跟蹤方法，其特征在于，所述步驟S2包括以下步驟：

S21：根據車輛檢測結果判斷前方車輛是否位于自身車輛正前方，如果位于自身車輛正前方，則執行步驟S22，否則執行步驟S23；

S22：對正前方車輛圖像候選區域提取角點特征，利用Lucas-Kanade光流方法計算角點特征的運動信息，并且更新角點特征位置；根據相鄰兩幀角點特征跟蹤結果，基于區域相似性假設，利用RANSAC方法計算被檢測車輛投影變換矩陣，更新車輛滑窗位置；

S23：基于勻速運動學模型，利用卡爾曼濾波對非正前方車輛進行跟蹤，所使用的狀態空間方程如下：

x_t+1＝Ax_t+Bu_t+ω_t

y_t+1＝Cx_t+ρ_t

其中，x為系統狀態量，包括車輛的位置與位置變化信息，即[X，Y，dX，dY]^T；y為系統觀測量，包括車輛的位置信息，即[X，Y]^T；ω，ρ分別為過程噪聲和測量噪聲；A、B、C是系統狀態空間矩陣；t是離散時間步長序號。