廣告
首頁 > 汽車行業(yè)資訊 > 正文
前方車輛檢測的常用方法
2018-10-03 23:27:37· 來源：智車科技
前方車輛檢測，可以用于防碰撞系統(tǒng)、進(jìn)而用于自動巡航（ACC）等功能，應(yīng)用場景廣泛，所以，此技術(shù)是一項比較基礎(chǔ)的技術(shù)。而先前的ACC，只是基于正前方車輛的檢測
前方車輛檢測，可以用于防碰撞系統(tǒng)、進(jìn)而用于自動巡航（ACC）等功能，應(yīng)用場景廣泛，所以，此技術(shù)是一項比較基礎(chǔ)的技術(shù)。而先前的ACC，只是基于正前方車輛的檢測，對于側(cè)面的車輛或環(huán)境的跟蹤能力有限。但隨著各種傳感器和導(dǎo)航地圖的應(yīng)用，ACC的能力也會大大增強(qiáng)。ACC只用于高速行駛狀態(tài)，但已有低速跟車系統(tǒng)的研究，某公司已計劃未來兩年內(nèi)上市。
傳感器
前方車輛檢測，常用的傳感器有高頻雷達(dá)（毫米波）、紅外激光雷達(dá)、攝像頭。
每種傳感器都有各自的優(yōu)缺點：
雷達(dá)：自己可選用的波段有限，常用24G（厘米波）、79G波段。對雨霧天氣的適應(yīng)能力好，探測距離大150米，但容易受電磁干擾影響。據(jù)傳，79G雷達(dá)技術(shù)對國內(nèi)有限制的。而歐盟和我國的工信部是建議24G作為車載雷達(dá)波段。而美國是推薦79G波段作為車載雷達(dá)的使用波段。
紅外激光：抗干擾能力強(qiáng)，定向性。但對于雨霧天氣的穿透能力弱。且成本高。
攝像頭：基于視覺的探測。對距離的判斷較弱（單目視覺情況下），易受雨霧天氣的影響。
所以，想適應(yīng)各種場景，廠商一般會采用多種傳感器收集信息。
這里重點總結(jié)下，基于單目視覺的車輛檢測技術(shù)。
從視覺上來講，車輛的形狀、顏色和大小雖然限定在一定范圍，但都是不固定的，而且，其外形會受到自身姿勢和外部環(huán)境，如光照或旁邊物體的影響。
基于先驗知識的特征檢測
汽車有一些一些典型的特征， 如對稱性、顏色、陰影、幾何特征（如角點、邊緣）、紋理、車燈。
1）對稱性：汽車從前方和后方來看，無論是在區(qū)域面積還是邊緣特征上，具有很好的對稱性。但是，對稱性特征易受噪聲的干擾，以及角度的影響。
2）顏色：顏色空間一般不直接使用在車輛上，而比較有效的手段是識別路面和車輛陰影。
3）陰影：車輛陰影是與車輛相關(guān)的一個重要的特征。因為車輛陰影一般比周圍區(qū)域都要暗。但具體的參數(shù)指標(biāo)，還與光照，即天氣狀況有關(guān)。
一般做法是采用兩個閾值，一高、一低，低閾值用于確定陰影，而高閾值由陰影周圍環(huán)境來確定，如局部分割算法，均值+方差。
4）角點：先檢測出所有角點，然后再根據(jù)角點的空間關(guān)系，如汽車的四個角點會形成一個矩形，來篩選汽車。
5）垂直或水平邊緣：一種方式，直接檢測垂直邊緣，利用類似直方圖計算垂直投影。然后，車輛底盤下方陰影部分也是重要的水平邊緣特征。另外，也有采用多分辨率的方式，在每個層次都邊緣只是作為一種初步的篩選/搜索手段。
6）紋理：熵、共生矩陣都可被作為基于紋理的圖像分割的基礎(chǔ)。
近幾年熱門的車輛檢測方法
1）HOG 特征 + haar-like特征；SVM 或 adaboost 分類器； （HOG + SVM ; haar-like + adaboost 速度快）
2）光流法；或增加一個HMM分類器，或SVM分類器
HOG特征的計算及一些改進(jìn)：
HOG：histogram of oriented gradient, 方向梯度直方圖，就是描述物體的形狀和邊緣特征，并且不涉及尺度和旋轉(zhuǎn)。
1. 將子圖像灰度化，歸一化（為了除去光照和陰影的影響）
2. 劃分成小cells，如3*3個像素塊或6*6個像素塊。
3. 計算每個cell中每個pixel的gradient方向，或者說是邊緣的方向。
4. 統(tǒng)計每個cell的梯度直方圖（不同梯度的個數(shù)），即可形成每個cell的descriptor。
5. 連接所有cell形成一個子圖像的特征描述子。
6. 子圖像之間是一般是由重疊的區(qū)域的，這樣一個cell影響的就不是一個子圖像了。一個矩形子圖像，一般有三個參數(shù)：每個子圖像有多少方格、每個方格有幾個像素、以及每個方格直方圖有多少頻道（梯度方向）。
傳感器
前方車輛檢測，常用的傳感器有高頻雷達(dá)（毫米波）、紅外激光雷達(dá)、攝像頭。
每種傳感器都有各自的優(yōu)缺點：
雷達(dá)：自己可選用的波段有限，常用24G（厘米波）、79G波段。對雨霧天氣的適應(yīng)能力好，探測距離大150米，但容易受電磁干擾影響。據(jù)傳，79G雷達(dá)技術(shù)對國內(nèi)有限制的。而歐盟和我國的工信部是建議24G作為車載雷達(dá)波段。而美國是推薦79G波段作為車載雷達(dá)的使用波段。
紅外激光：抗干擾能力強(qiáng)，定向性。但對于雨霧天氣的穿透能力弱。且成本高。
攝像頭：基于視覺的探測。對距離的判斷較弱（單目視覺情況下），易受雨霧天氣的影響。
所以，想適應(yīng)各種場景，廠商一般會采用多種傳感器收集信息。
這里重點總結(jié)下，基于單目視覺的車輛檢測技術(shù)。
從視覺上來講，車輛的形狀、顏色和大小雖然限定在一定范圍，但都是不固定的，而且，其外形會受到自身姿勢和外部環(huán)境，如光照或旁邊物體的影響。
基于先驗知識的特征檢測
汽車有一些一些典型的特征， 如對稱性、顏色、陰影、幾何特征（如角點、邊緣）、紋理、車燈。
1）對稱性：汽車從前方和后方來看，無論是在區(qū)域面積還是邊緣特征上，具有很好的對稱性。但是，對稱性特征易受噪聲的干擾，以及角度的影響。
2）顏色：顏色空間一般不直接使用在車輛上，而比較有效的手段是識別路面和車輛陰影。
3）陰影：車輛陰影是與車輛相關(guān)的一個重要的特征。因為車輛陰影一般比周圍區(qū)域都要暗。但具體的參數(shù)指標(biāo)，還與光照，即天氣狀況有關(guān)。
一般做法是采用兩個閾值，一高、一低，低閾值用于確定陰影，而高閾值由陰影周圍環(huán)境來確定，如局部分割算法，均值+方差。
4）角點：先檢測出所有角點，然后再根據(jù)角點的空間關(guān)系，如汽車的四個角點會形成一個矩形，來篩選汽車。
5）垂直或水平邊緣：一種方式，直接檢測垂直邊緣，利用類似直方圖計算垂直投影。然后，車輛底盤下方陰影部分也是重要的水平邊緣特征。另外，也有采用多分辨率的方式，在每個層次都邊緣只是作為一種初步的篩選/搜索手段。
6）紋理：熵、共生矩陣都可被作為基于紋理的圖像分割的基礎(chǔ)。
近幾年熱門的車輛檢測方法
1）HOG 特征 + haar-like特征；SVM 或 adaboost 分類器； （HOG + SVM ; haar-like + adaboost 速度快）
2）光流法；或增加一個HMM分類器，或SVM分類器
HOG特征的計算及一些改進(jìn)：
HOG：histogram of oriented gradient, 方向梯度直方圖，就是描述物體的形狀和邊緣特征，并且不涉及尺度和旋轉(zhuǎn)。
1. 將子圖像灰度化，歸一化（為了除去光照和陰影的影響）
2. 劃分成小cells，如3*3個像素塊或6*6個像素塊。
3. 計算每個cell中每個pixel的gradient方向，或者說是邊緣的方向。
4. 統(tǒng)計每個cell的梯度直方圖（不同梯度的個數(shù)），即可形成每個cell的descriptor。
5. 連接所有cell形成一個子圖像的特征描述子。
6. 子圖像之間是一般是由重疊的區(qū)域的，這樣一個cell影響的就不是一個子圖像了。一個矩形子圖像，一般有三個參數(shù)：每個子圖像有多少方格、每個方格有幾個像素、以及每個方格直方圖有多少頻道（梯度方向）。
廣告 編輯推薦
最新資訊
-
“汽車爬坡試驗方法”將有國家標(biāo)準(zhǔn)
2026-03-03 12:44
-
十年耐久監(jiān)管時代：電池系統(tǒng)開發(fā)策略將如何
2026-03-03 12:44
-
聯(lián)合國法規(guī)R59對機(jī)動車備用消聲系統(tǒng)的工程
2026-03-03 12:08
-
聯(lián)合國法規(guī)R58對后下部防護(hù)裝置的工程化約
2026-03-03 12:07
-
聯(lián)合國法規(guī)R57對摩托車前照燈配光性能的工
2026-03-03 12:07
