[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>=

本發明公開了一種基于單目前視相機的前車檢測與跟蹤方法。該方法包括以下步驟：S1：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，去除車輛檢測ROI區域中未含顯著紋理特征的區域，利用級聯分類器，搜索特定尺度范圍內的車輛位置；S2：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：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。本發明能夠最大程度減少搜索范圍，提升搜索效率，有效實現全距離范圍車輛快速有效跟蹤。

技術領域

本發明涉及車輛檢測技術領域，尤其涉及一種基于單目前視相機的前車檢測與跟蹤方法。

背景技術

高級輔助駕駛系統(ADAS)是車輛主動安全發展的重要技術之一，已經逐步成為各國NCAP評價車輛安全等級的重要參考依據。前防撞預警(FCW)、車道偏離預警(LDW)等ADAS功能已經成為現有的中高端車型的標準配置。對于針對前方車輛的ADAS系統如FCW以及自動緊急制動系統(AEB)，不僅要求感知系統能夠及時準確的檢測出前方車輛，還要求系統能夠準確的測量與預測前車相對于自身車輛的運動狀態，以保證預警與輔助駕駛系統效果。此外，自動駕駛系統的實現要求車輛具備對周圍環境的高度感知能力，包括對其他交通參與者的相對運動信息的判斷。因此，感知系統不僅需要基于單幀圖像準確的檢測與計算前方車輛的相對位置，還需要基于時序圖像準確計算該車輛的相對于自身車輛的運動狀態。此外，ADAS系統對于感知算法的準確性以及實時性要求均較高，因此算法的設計與優化需要綜合考慮空間與時間兩個域度的因素。

現有FCW以及AEB系統大多基于視覺或毫米波雷達以及激光雷達傳感器對前方車輛進行檢測、跟蹤并采取相應預警與輔助操作。毫米波雷達多目標區分度較差，激光雷達成本較高，刷新率低且對惡劣天氣魯棒性差。視覺系統相對成本較低，且系統適用工況較廣。現有基于視覺傳感的ADAS系統大多利用車輛邊緣紋理、車輛對稱性或底部陰影等特征定位車輛檢測感興趣區域(ROI)，之后利用基于梯度、直方圖等圖像特征訓練的車輛檢測分類器對此ROI區域內進行滑窗搜索車輛位置，并利用Kalman濾波對搜索結果進行跟蹤。此類方法搜索耗時較久，并且無法檢測與跟蹤近距離輪廓不完整車輛。

發明內容

本發明為了解決上述技術問題，提供了一種基于單目前視相機的前車檢測與跟蹤方法，其利用先驗信息，最大程度減少搜索范圍提升搜索效率，此外還利用車道模型對正前方車輛采用基于圖像特征點光流信息的跟蹤方法，對于非正前方車輛采用基于運動學模型的卡爾曼濾波進行跟蹤，可以有效實現全距離范圍車輛快速有效跟蹤。

為了解決上述問題，本發明采用以下技術方案予以實現：

本發明的一種基于單目前視相機的前車檢測與跟蹤方法，包括以下步驟：

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。