智能驾驶车辆在社会进步和科技发展中成为主要话题,为传统的汽车解决许多棘手的安全问题。因此,智能车辆障碍检测技术的研究越来越受到重视,而可靠地检测前方车辆对于智能驾驶具有重大的研究意义。本文是通过在电动车前方架设CCD摄像头来获取道路信息,信息处理过程包括图像处理、车道线检测、感兴趣区域划分,对称性及几何特征识别前方车辆。基于CCD摄像头的前方车辆检测便可以时刻监测道路前方环境,对构成潜在安全隐患的前方进行检测。论文主要研究内容包括四个方面:1.单目视频流的采集及图像预处理。介绍了经CCD摄像头采集到的视频流是由连续的静态帧组成的,并在检测前方车辆前需要对图像预处理。图像预处理过程主要包括图像的灰度化及二值化、图像滤波、图像的边缘检测,其中选择基于Canny算子检测图像边缘,实验表明二阶微分算子在边缘检测中可以有效提取图像中边缘信息。2.感兴趣区域的提取。对前方车辆进行检测与识别时,首先需要确定前方车辆的候选区域,本文针对改进的Hough变换对车道线进行识别和标注,利用区域分割方法标注感兴趣区域,即感兴趣区域含有待检测的前方车辆,并通过划分结果验证系统车道线检测的结果。3.车辆检测识别。在前方车辆检测的算法中,本文论述了基于对称性及提取车辆特征点等算法,重点在于特征点提取中的改进的Harris角点检测,在实时性取得突破,在除去边界点检测方面加以创新并作为改进算法的核心思想,为下文对称性及几何特征匹配车辆阶段奠定基础,确保了车辆检测结果的准确性。4.基于时空上下文的视频流车辆跟踪。确定静态帧的车辆检测结果后,需要对视频流中的车辆进行跟踪,以此作为智能驾驶系统中保持安全距离必不可少的部分。本文用时空上下文算法在视频流序列中的车辆追踪,满足了围绕视频序列前后帧的空间上下文特性。前方车辆检测技术可以有效减少交通事故并保障车辆安全驾驶,障碍检测不仅应用于交通领域,同时在工业应用、科学探测、救灾抢险、国防军事等领域也有着广泛的应用前景。