智能网联汽车装配与调试 教学课件4.3 车辆和车道线识别技术.pdf

四机器视觉系统装配与调试

《智能网联汽车装配与调试》

目录

Contents

01视觉传感器的结构

02摄像头内参标定

03车辆和车道线识别技术

04深度学习技术

车辆和车道线识别技术

03

车辆和车道线识别技术

一车辆识别技术

二车道线识别技术

一、车辆识别技术

概念

识别算法用于确定图像序列中是否存在车辆，并获得其基本信息，如

大小、位置等。摄像头跟随车辆在道路上运动时，所获得道路图像中车辆

的大小、位置和亮度等是在不断变化的。根据车辆识别的初始结果，对车

辆大小、位置和亮度的变化进行跟踪。由于车辆识别时需要对所有图像进

行搜索，所以算法的耗时较大。而跟踪算法可以在一定的时间和空间条件

约束下进行目标搜索，还可以借助一些先验知识，因此计算量较小，一般

可以满足预警系统的实时性要求。

一、车辆识别技术

目前用于识别前方运动车辆的方法主要有：

基于特征的识别基于机器学习的

方法识别方法

基于光流场的识基于模型的识别

别方法方法

一、车辆识别技术

1.基于特征的识别方法

基于特征的识别方法是在车辆识别中最常使用的方法之一，又称为基于先验知识的识别

方法。

对于行驶在前方的车辆，其颜色、轮廓、对称性等特征都可以用来将车辆与周围背景区

别开来。因此，基于特征的车辆识别方法就以这些车辆的外形特征为基础从图像中识别前方

行驶的车辆。当前常用的基于特征的方法有使用阴影特征的方法、使用边缘特征的方法、使

用对称性特征的方法、使用位置特征的方法和使用车辆尾灯特征的方法等。

一、车辆识别技术

2.基于机器学习的识别方法

前方运动车辆识别其实是对图像中车辆区域与非车辆区域的定位与判断的问题。基于机

器学习的识别方法一般需要从正样本集和负样本集提取目标特征，再训练出识别车辆区域与

非车辆区域的决策边界，最后使用分类器判断目标。通常的识别过程是对原始图像进行不同

比例的缩放，得到一系列的缩放图像，然后在这些缩放图像中全局搜索所有与训练样本尺度

相同的区域，再由分类器判断这些区域是否为目标区域，最后确定目标区域并获取目标区域

的信息。

机器学习的方法无法预先定位车辆可能存在的区域，因此只能对图像进行全局搜索，这

样造成识别过程的计算复杂度高，无法保证识别的实时性。

一、车辆识别技术

3.基于光

流场的识

别方法

光流场是指图像中所有像素点构成的一种二维瞬时速度场，其中

的二维速度矢量是景物中可见点的三维速度矢量在成像表面的投影。

通常流光场是由于摄像头、运动目标、或二者在同时运动的过程中产

生的。在存在独立运动目标的场景中，通过分析光流可以检测目标数

量、目标运动速度、目标相对距离以及目标表