不同光照条件下前方车辆识别方法(修改稿).docVIP

不同光照条件下前方车辆识别方法* 马雷 臧俊杰 张润生 （燕山大学车辆与能源学院，秦皇岛 066004；） [摘要]选取车辆底部水平方向特征车辆左右两侧垂直方向特征，提取出受全局灰度影响较小的局部灰度特征、局部梯度特征和局部特征应用加权证据理论将车辆水平和垂直方向的特征分别进行信息融合，并根据光强的不同调整各特征权重将人工鱼群算法应用于中根据人工鱼群的搜索结果，通过对称性特征进行进一步判定，实现前方车辆的准确定位。nder Different Lighting Ma Lei Zang Junjie Zhang Runsheng College of Vehicle and Energy, Yanshan University, Qinhuangdao 066004； ] The vehicle features of horizontal and vertical direction are selected, and the local features of gray, gradient and wave which are less affected by the global gray are extracted. Vehicle horizontal and vertical features are fused respectively by applying weighted evidential theory, and each weight of feature is adjusted according to different lighting. In order to enhance real-time quality, artificial fish algorithm is applied into reorganization，and vehicle reorganization module is put forward to enhance fish-swarm guiding ability. According to the searching results, vehicle is fixed position accurately by using symmetrical feature. Experiments show that frontal vehicles can be identified and fixed position accurately by applying this method with good adaptability, accuracy and real-time quality. Key words: Vehicle identification; Different lighting; Weight evidential theory; Fish-swarm algorithm 前言 智能车载系统关键技术是智能交通系统（ITS）研究领域的点之一，主要包括车辆精准定位与高可靠通信技术、车辆行驶安全状态及环境感知技术和车载一体化集成技术。智能车载系统关键技术研究领域的重点之一目前国内外对本车前方车辆识别通常采用基于机器视觉、基于激光雷达、基于热红外和利用多种传感器信息融合技术等识别方法[1]。由于机器视觉数据量大、冗余度高、成本低在车辆识别中应用较多，可作为信息融合识别传感器之一，根据边缘或纹理等信息对图像中的车辆进行分割和识别[2-4]，所提出的方法仅适用于路面条件较好、车辆目标明晰的环境。国外有基于模板匹配基于马尔科夫链-蒙特卡洛算法的方法，方法适应性好一些，但缺点是实时性差。由于传统的识别方法存在受环境制约大和实时性差等不足，提出灰度图像上车辆底部的灰度、梯度及方差特征构造车辆目标函数方法，存在以下点不足：第一灰度为全局特征，此特征易受光照条件的影响并且仅选取了车辆底部水平特征；第二目标函数的建立采用模式识别中线性分类器，虽然形式简单易于实现，但可靠性有待进一步提高；第算法的设计很难实现对前方车辆准确定位。 本文提出不同光照条件下前方车辆识别方法。首先选取车辆底部水平方向特征车辆左右两侧垂直方向特征，提取出受全局灰度影响较小的局部灰度特征、局部梯度特征和局部特征；其次应用加权证据理论将车辆水平和垂直方向的特征分别进行信息融合，并根据光强不同调整各特征的权重；再次将人工鱼群算法应用于中最后根据人工鱼群的搜索结果，通过对称性特征进行进一步判定，实现前方车辆的准确定位。 人工河流模型建立由于所识别前方车辆只可能出现在道路边界以内，因此利用道路边界位置信息可以将所识别车辆的存在区域范围大大缩小，这在程度上提高 识别实时性和准确性。识别与道路识