1、環(huán)境感知作為車輛主動(dòng)安全領(lǐng)域關(guān)鍵技術(shù),在過去二十年間得到了極大關(guān)注和快速發(fā)展。城市環(huán)境中道路結(jié)構(gòu)多變、車輛類型眾多、環(huán)境背景復(fù)雜,同時(shí)近年來環(huán)境污染導(dǎo)致霧霾天氣頻發(fā),這都給智能車輛環(huán)境感知技術(shù)帶來挑戰(zhàn)。針對(duì)這些問題,本文將探討城市環(huán)境中,如何通過機(jī)器視覺和多車通信技術(shù),實(shí)現(xiàn)智能車輛對(duì)周圍環(huán)境高效、魯棒感知,提高車輛在途行駛安全性。
　　從車載視頻圖像處理方法入手,針對(duì)霧霾環(huán)境下場景能見度低,圖像顏色和對(duì)比度特征衰減嚴(yán)重等情況,提出

2、基于亮度通道引導(dǎo)濾波的視頻圖像去霧方法。對(duì)大氣衰減模型進(jìn)行簡化,使用暗原色先驗(yàn)理論估計(jì)當(dāng)前霧氣濃度。采用基于亮度引導(dǎo)濾波的大氣覆蓋估計(jì)方法,獲取當(dāng)前大氣覆蓋參數(shù),進(jìn)一步得到清晰化后的復(fù)原圖像。通過將高耗時(shí)的霧氣濃度估計(jì),集中到初始化階段完成,實(shí)現(xiàn)退化圖像的快速修復(fù)。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效改善霧霾圖像對(duì)比度和清晰度,計(jì)算效率比直方圖均衡化方法和多維Retinex方法均有大幅提高,滿足視頻圖像去霧需求。
　　研究了城市道路檢測(cè)算

3、法。城市半結(jié)構(gòu)化道路交通環(huán)境中,為了提高道路模型對(duì)復(fù)雜環(huán)境的適應(yīng)性,解決算法難以在效率和魯棒性間達(dá)到平衡的問題,提出基于不定Bezier變形模板的城市道路檢測(cè)算法。首先,算法對(duì)輸入圖像進(jìn)行逆透視變換,根據(jù)相機(jī)內(nèi)外參數(shù)和車輛狀態(tài)自適應(yīng)設(shè)置靜態(tài)和動(dòng)態(tài)兩層感興趣區(qū)域,利用透視圖中道路標(biāo)識(shí)線平行延伸特點(diǎn),提出混合高斯方向異性濾波器,對(duì)圖像進(jìn)行預(yù)處理。然后,引入Bezier樣條曲線,構(gòu)造不定道路變形模板,將道路識(shí)別問題轉(zhuǎn)化為模板參數(shù)假設(shè)檢驗(yàn)問題,

4、使用改進(jìn)RANSAC算法求解模板參數(shù)。為了提高求解速度,提出層次搜索優(yōu)化算法,建立期望區(qū)域和解集空間,采用粗搜索與精搜索相結(jié)合方法,實(shí)現(xiàn)模板參數(shù)快速搜索。試驗(yàn)結(jié)果表明,該方法在城市道路環(huán)境中可以快速準(zhǔn)確提取車道線,并對(duì)典型道路干擾具有較好免疫作用。
　　研究了前方車輛識(shí)別與跟蹤方法。提出路面約束下車輛分層級(jí)聯(lián)識(shí)別與多目標(biāo)跟蹤算法。在路面區(qū)域分割階段,使用隨機(jī)點(diǎn)自生長算法獲取路面區(qū)域,并以此作為先驗(yàn)知識(shí),獲取后續(xù)模塊的感興趣區(qū)域。在

5、車輛識(shí)別階段,以LBP特征和Haar特征作為目標(biāo)描述方法,采用Adaboost機(jī)器學(xué)習(xí)算法訓(xùn)練分類器,分別構(gòu)建了檢測(cè)級(jí)和驗(yàn)證級(jí)分類器。在車輛跟蹤階段,針對(duì)粒子濾波方法面臨的多目標(biāo)跟蹤問題,提出基于車輛信任計(jì)數(shù)器的多目標(biāo)跟蹤方法,使用狀態(tài)管理機(jī)制解決了車輛進(jìn)入和離開視野時(shí)的跟蹤問題。算法能夠?qū)Τ鞘薪煌ōh(huán)境中多目標(biāo)車輛進(jìn)行較好識(shí)別,對(duì)車輛類型、環(huán)境等非確定性變化,具有較強(qiáng)適應(yīng)能力。
　　研究了尾隨運(yùn)動(dòng)車輛識(shí)別與超車檢測(cè)方法。針對(duì)尾隨車

6、輛由于不確定因素變化,容易導(dǎo)致識(shí)別算法不穩(wěn)定、不可靠等問題,使用低成本單目后視方法,從車輛共性、底層特征著手,提出基于時(shí)空域縱向投影跟蹤濾波和相對(duì)運(yùn)動(dòng)檢測(cè)的車輛識(shí)別和超車監(jiān)控算法。采用車輛信任函數(shù)對(duì)識(shí)別框架內(nèi)不確定目標(biāo)進(jìn)行驗(yàn)證判斷,通過在決策級(jí)對(duì)兩種方法所得結(jié)果進(jìn)行有效融合,提高算法魯棒性。試驗(yàn)結(jié)果表明,該方法能夠快速準(zhǔn)確提取近視場中尾隨運(yùn)動(dòng)車輛,對(duì)環(huán)境干擾和目標(biāo)車輛類型變化具有較好適應(yīng)性。
　　研究了車輛偏離預(yù)警方法和霧霾環(huán)境下

7、協(xié)作超車輔助方法。一方面,針對(duì)傳統(tǒng)偏離預(yù)警方法難以給出準(zhǔn)確預(yù)警時(shí)間,容易發(fā)生漏檢等問題,采用時(shí)空聯(lián)合預(yù)警方法進(jìn)行車道偏離預(yù)警決策,降低了系統(tǒng)虛警率和漏檢率。另一方面,為了保證霧霾環(huán)境下車輛超車安全,對(duì)車聯(lián)網(wǎng)背景下車輛輔助駕駛方法進(jìn)行了初步探索,提出基于車間通信的車輛協(xié)作超車輔助方法。在車輛超車啟動(dòng)前,綜合利用當(dāng)前車輛相對(duì)位置、相對(duì)速度和相對(duì)橫擺角等信息,采用基于常速假設(shè)的TTC估計(jì)方法,給出超車啟動(dòng)預(yù)警輔助方法。超車過程中,采用多變量高

8、斯分布建立車輛沖突勢(shì)場,提出基于沖突概率估計(jì)的超車危險(xiǎn)評(píng)估方法。試驗(yàn)結(jié)果表明,所提出的車輛駕駛輔助方法能夠有效地根據(jù)車輛當(dāng)前狀態(tài)給出危險(xiǎn)預(yù)警信息,保證超車過程安全,具有較好的魯棒性和實(shí)時(shí)性,能夠滿足系統(tǒng)要求。
　　綜上所述,環(huán)境感知作為智能車輛技術(shù)的核心和難點(diǎn),仍然面臨眾多挑戰(zhàn)。在此背景下,本文對(duì)城市交通環(huán)境中,智能車輛環(huán)境感知方法進(jìn)行研究,分別討論了霧霾視頻修復(fù)方法、道路檢測(cè)方法、前方車輛識(shí)別方法、尾隨車輛識(shí)別方法、車道偏離預(yù)警