基于视觉的车辆防碰撞系统

摘要
随着时代的变迁和科学技术的高速发展，汽车越来越融入到了人们的生活节奏中，
然而由汽车所带来的交通安全问题也愈发严重，不容忽视。针对这个问题，如何避免道
路上的其他车辆和障碍物碰撞而导致的交通事故成为了当今的研究热点之一。同时，基
于视觉的技术相较于超声波、激光、雷达成本更低廉，且更符合人眼的信息捕捉习惯。
因此，基于视觉的车辆防碰撞预警系统是解决上述问题的有效方案。
本文在分析和比较了各种算法研究的国内外智能车辆系统的基础上，设计了相应的
车辆检测和跟踪算法。本文主要进行了如下的研究内容：
（1）预处理车辆的道路区域，首先采用消失点获取待检测区域，然后利用 Sobel
边缘检测算法增强道路区域，突出车道线特征，并在此基础上使用改进的 Hough 变换完
成车道线检测识别，得到初步确定的 ROI 区域。
（2）在 ROI 区域内用最大类间方差法与遗传算法相结合的改进算法完成目标车辆
和道路背景的分割，然后利用车辆底部阴影特征提取前方目标车辆，得到潜在的车辆目
标位置。
（3）结合目前现有的车辆特征，采用车辆的轮廓信息得到垂直、水平投影直方图，
并通过车辆自身具有垂直边缘对称性的特征判断 ROI 区域是否为车辆区域，验证目标的
真实性，排除虚假车辆。
（4）研究前方车辆测距原理，建立起不同维度坐标系之间的相互转换关系，然后
对摄像机内、外参数标定。再通过几何关系投影结合摄像机标定的方法，依据摄像机模
型推导测距公式，并把标定参数代入公式中，从而完成自车与前车之间的距离测量，最
后构建系统界面和制定预警策略。
实验结果表明，本文选用的方法能够较好的检测、跟踪前方目标车辆，同时又能估
计出自车与前车的距离，为交通安全问题提供了有力的保证。
关键词：智能车辆；车辆检测；阴影特征；摄像机标定；车辆防碰撞预警

Abstract
With the change of times and the rapid development of science and technology, cars are
becoming more and more integrated into the rhythm of people's life. However, traffic security
problems what caused by the car also become more and more serious and can not be ignored.
In view of this problem, how to avoid the traffic accidents caused by other vehicles and
obstacles on the road has become one of the hot spots in today's research. Comparing with
ultrasonic, laser, radar, the technology based on vision is cheaper and more suitable for the
human eye's information capture habits. Therefore, the technology of vehicle anti-collision
warning system based on vision is an effective way to solve the above problems.
Through analyzing and comparing the various algorithms, the corresponding vehicle
detection and tracking algorithms based on the domestic and foreign intelligent vehicle
systems are designed. The main research contents are as follows:
(1) Through the study of vanishing point, obtain the region which to be detected; then in
order to highlight the characteristics of the lane line, use the Sobel edge detection algorithm to
enhance the road region. On the basis of this, adopt the improved Hough transform to detect
the lane line, and finally obtain the ROI region.
(2) In the ROI region, put forward the OTSU algorithm combined with GA to segment
the target vehicle and road background and then use the shadow feature of vehicle bottom to
extract the front target vehicle to get the potential target location.
(3) Combined with the existing vehicle characteristics and contour information, obtain
the vertical and horizontal projection histograms. On the basic of the characteristics of the
vehicle itself with the vertical edge symmetry, verify the authenticity of the target and exclude
false vehicles by judging whether the ROI is a vehicle region.
(4) Through the study of vehicle distance measurement, the conversion relation between
different coordinate systems is established. And the internal and external parameters of the
camera are also demarcated. The distance formula is derived based on geometric projection
relation with the camera calibration method. Then the parameters are substituted into the
formula to measure the distance between the car and the front car. Finally the system interface
is constructed and the warning strategy is formulated.
Experimental results show that the proposed methods can detect and track the target
vehicle in front, and also can estimate the distance from the vehicle and the vehicle ahead,
which provides a powerful guarantee for the traffic security problems.
Key words: intelligent vehicle; vehicle detection; shadow characteristics; camera
calibration; Vehicle anti-collision warning

目录
摘要.........................................................................................................................................I
Abstract ..................................................................................................................................... II
1 绪论........................................................................................................................................ 1
1.1 课题研究意义及背景.................................................................................................. 1
1.1.1 研究意义............................................................................................................ 1
1.1.2 研究背景............................................................................................................ 3
1.2 国内外研究现状.......................................................................................................... 3
1.2.1 国外研究现状.................................................................................................... 3
1.2.2 国内研究现状.................................................................................................... 5
1.3 智能车辆关键技术...................................................................................................... 6
1.3.1 声学.................................................................................................................... 6
1.3.2 雷达.................................................................................................................... 7
1.3.3 磁道钉................................................................................................................ 8
1.3.4 机器视觉............................................................................................................ 8
1.4 本文主要内容和章节安排.......................................................................................... 9
2 车辆检测与跟踪的图像理论.............................................................................................. 11
2.1 车辆检测算法的类型................................................................................................ 11
2.1.1 只包含检测算法的类型.................................................................................. 11
2.1.2 先检测后跟踪算法的类型.............................................................................. 11
2.2 常见的车辆检测算法................................................................................................ 12
2.2.1 基于特征的方法.............................................................................................. 12
2.2.2 基于机器学习的方法...................................................................................... 12
2.2.3 基于光流的方法.............................................................................................. 13
2.2.4 基于模型的方法.............................................................................................. 13
2.3 常见的车辆跟踪算法................................................................................................ 14
2.3.1 基于三维模型的方法...................................................................................... 14
2.3.2 基于 Kalman 滤波的方法 ............................................................................... 15
2.3.3 基于 Meanshift 的方法.................................................................................... 18
2.3.4 基于区域的方法.............................................................................................. 20
2.4 本章小结.................................................................................................................... 21
3 基于单目视觉的车辆检测与跟踪算法.............................................................................. 22
3.1 图像灰度化预处理.................................................................................................... 22

3.2 路面 ROI 区域的测定 ............................................................................................... 24
3.2.1 消失点与天空部分的划定.............................................................................. 24
3.2.2 路面区域的增强.............................................................................................. 25
3.3 霍夫变换.................................................................................................................... 28
3.4 目标车辆检测算法.................................................................................................... 31
3.4.1 目标区域阈值分割.......................................................................................... 31
3.4.2 目标车辆检测算法.......................................................................................... 35
3.4.3 验证目标车辆.................................................................................................. 39
3.5 目标车辆跟踪算法.................................................................................................... 42
3.5.1 Kalman 滤波跟踪算法 ..................................................................................... 42
3.5.2 Meanshift 跟踪算法.......................................................................................... 44
3.6 本章小结..................................................................................................................... 46
4 基于单目视觉的前方车辆测距算法.................................................................................. 47
4.1 摄像机成像原理........................................................................................................ 47
4.2 坐标系的定义............................................................................................................ 49
4.2.1 世界坐标系...................................................................................................... 49
4.2.2 摄像机坐标系.................................................................................................. 50
4.2.3 图像平面坐标系.............................................................................................. 51
4.2.4 成像平面坐标系.............................................................................................. 51
4.3 摄像机参数标定........................................................................................................ 52
4.3.1 常用标定方法.................................................................................................. 52
4.3.2 本文的标定方法.............................................................................................. 53
4.4 推导测距模型............................................................................................................ 54
4.5 构建系统界面............................................................................................................ 58
4.6 预警策略的制定........................................................................................................ 61
4.7 本章小结.................................................................................................................... 62
5 结论...................................................................................................................................... 63
5.1 结论............................................................................................................................ 63
5.2 展望............................................................................................................................. 63
参考文献..................................................................................................................................65
攻读硕士期间发表学术论文情况..........................................................................................68
致谢......................................................................................................................................69

1 绪论
智能交通系统（Intelligent Transportation System，简称 ITS）是一款目前广泛应用
于道路交通协调的系统，它不仅可以减少道路事故死亡率、提高交通运输效率，而且还
起到了环境保护的作用，因此它已成为全球各国学者研究的热点。同时，在智能交通系
统中，智能车辆的开发已延伸成为了其关键技术，越来越受到了关注和重视。此外，通
过对通信、控制等相关技术的有机结合，智能车辆将呈现更加和谐的道路规划，进而达
到安全、智能、环保的目标。
1.1 课题研究意义及背景
1.1.1 研究意义
自从汽车发明以来，它开始影响着人们的日常生活，并且为现代社会的发展不断做
出贡献。然而，随着车辆的逐年增加导致了油价上涨、道路堵塞以及越来越多的交通事
故发生的一系列社会矛盾和问题。因此，有些学者得出结论汽车的大幅增长是一把双刃
剑，它在给人们带来交通便利的同时，又给人们的人身安全造成了伤害、给自然环境造
成了污染等一系列问题。截止 2015 年 5 月，全国机动车保有量 269857309 辆，与上月
相比，增加 1233097 辆，增长 0.46%。从交通运输部官网公布知，2015 年上半年，我
国共发生公路交通事故 536278 起，死亡人数 425176 人，死亡率达 79.3%，可见交通事
故的危害性极大。
2009 年，据世界卫生组织（WHO）公布的数字：世界上每天死于公路交通事故
的大约有 3000 多人，其中还不包括成百上万的人在事故中受伤或残疾。2015 年初，依
据美国联邦公路管理总署（FHWA）显示的统计数据知，在过去的几年内美国超过有 4.2
万人死于公路交通事故中。同时，当年年底美国全国公路交通安全管理总署（NHTSA）
公布的数据也充分表明，全国公路交通已经严重影响着美国市民们的人身安全和财产安
全，并且公路交通事故平均死亡率在不同州也不一样，有的州死亡率反而会更高。然而，
引起道路事故的因素有许多，通过对事故发生的原因进行分析、研究，结果表明：在
调取的交通事故中，80%是由于驾驶员的反应不及时，这其中 65%的是由于汽车追尾碰
撞造成的。表 1.1 和表 1.2 给出了目前我国道路交通事故数据和变化趋势。随着改革开
放步入 21 世纪以来，我国经济实现了质的飞跃，人民生活水平也得到了较大幅度的提
升，同时也伴随着高速公路的快速发展和机动车辆的迅速增加，这样就导致了不断上升
趋势的公路交通事故。另外，据我国每年的道路管理有关部门统计资料显示，高速公路
交通事故发生率大约是非高速公路的 4 倍左右，城镇交通事故发生率大概是乡村的 6 倍
左右，尤其是在雨天、雪天等可见度较低的时候，而且往往会造成比较恶劣的交通拥堵
和交通事故死亡。

1.1.2 研究背景
目前全球的各国学者在基于图像处理的基础上不断地致力于开发防碰撞预警系统
且对市场需求有着十分迫切的调研。同时，他们也面临着如下的应用背景：
（1）道路交通事故的频发严重影响着人们的生命和财产损失，人们强烈渴望有这
样的一个安全系统来提高驾驶的安全性。
（2）由于最近几十年来数字图像处理技术的研究成果比较突出，这就给基于图像
的智能交通系统提供了一系列的可行的技术援助。
（3）随着电子产品的发展，人们可以快速、有效的实时运行视频图像的处理算法，
这为智能系统提供广阔的研究基础。
1.2 国内外研究现状
1.2.1 国外研究现状
上个世纪八十年代初期，世界各国开始大肆的致力于智能交通系统的发展研究，并
且也取得了不错的研究成果。1979 年，日本研制出了第一台智能车辆
。紧接着日本之
后，智能车辆的研发也扩展到了西方一些发达国家，其中包括美国、英国、德国、意大
利等。直至 21 世纪，随着网络时代的变迁以及各学科的快速发展，各国也开始把研究重心转向了智能车辆这一方向，同时投入了大量的人力、物力以及财力。目前，在世界
范围内，研究智能车辆最为成熟的国家当属美国。它早在 1989 年就自主研发出了智能
导航系统，并可以对路标进行识别导航，这款系统是由 Martin Marietta
公司众多学者
研发的。除此以外，智能车辆的研究领域也拓展到当地的一些研究机构和高校实验室，
这些研究机构和高校在智能车辆方面的科研也取得了卓越的成绩。
目前，全球范围内的基于视觉的车辆防碰撞预警系统 70%都是由来自以色列
Mobileye
公司发售的 Mobileye-AWS 系统。它的主要组成成分是 CCD 摄像头、车道识
别模块、车辆跟踪模块、车辆测距模块以及预警警报模块。此系统通过 CCD 摄像头采
集前方的连续多帧车辆图像，然后对这些图像进行预处理、识别和跟踪，同时计算与当
前车道线或相邻车道线的车辆距离来实现智能车辆的防碰撞预警和防偏离预警等。截止
2014 年底，日本国家交通部门已经在多条都、道、府国道上安装了智能交通探测仪。该
探测仪一般通过检测交叉路口、十字路口处是否有交通事故发生，然后通过控制界面向
后方行驶的车辆提供这条路段的道路信息，有效的减缓了交通拥堵和道路交通事故。
1.2.2 国内研究现状
2002 年，我国启动了以智能车辆开发与研究的“十五科技攻关计划项目”、“国家自
然科学研究基金”等
横纵项目。除此之外，各科研机构和知名高校也把智能车辆研究
作为发展的重心，并且制定相应的研究计划。随着我国经济的快速发展，越来越多的人
能够消费得起汽车，同时人们对汽车的安全性能也提出了较高的要求。因此，基于视觉
的车辆防碰撞预警系统具有较好的发展前景和研究理念，更多的研发人员开始着手这一
方向的科研。

1.3 智能车辆关键技术
为了减少交通事故的发生率，保障道路的畅通，越来越多的国内外学者开始着手研
究智能交通系统。这套系统包括车辆行驶过程中的车辆检测、车辆跟踪以及安全测距等。
经过对采集到的道路路面数据分析和研究，得到防碰撞预警系统的有用信息。目前，世
界各国研究机构提出了一系列的检测、测距的方法，这些传感器也是大有不同，其中包
括：毫米波雷达、超声波、声学、磁道钉、激光、双目 CCD、单目 CCD 等。不过常见
的传感器有以下 4 种类型。
1.4 本文主要内容和章节安排
本文主要以车辆主动安全为研究背景，实时的检测、跟踪目标车辆，最终完成前车
距离估计。当前车距离过近时，预警系统发出报警或座椅振动，提醒驾驶员减速慢行；
当距离适合时，该系统则时刻检测周边其他车辆的行车行为和驾驶环境，给道路驾驶带
来更好的安全性。其主要内容如下：
（1）基于单目视觉的前提下，分析车辆检测的不同算法。但是由于对抗干扰性的
要求和算法复杂冗余的问题，通过查阅大量的文献资料，本论文采用了基于特征的检测
算法，以车辆底部阴影特征和垂直边缘对称性的特征检测前方车辆。
（2）在确定了潜在的前方目标车辆后，如何快速、稳定、准确的跟踪目标车辆也
是本文研究的重点。根据车辆阴影灰度值小于图像中任何位置的灰度值，运用最大类间
方差法(OTSU)与遗传算法相结合的算法完成对目标车辆和道路背景的分离。然后针对不
同车辆的尾部具有对称性，通过对称性来验证潜在车辆位置，排除虚假目标，完成对车
辆的实时跟踪。
（3）目前车辆测距的方法有很多，如：激光测距、超声波测距以及红外线测距等，
但是这些方法的原理繁琐，计算复杂度大。本文选择了基于几何关系投影模型和摄像机
标定法为测距算法。这是当前学者研究的热点，也是本文有待突破的重点方向。
2 车辆检测与跟踪的图像理论
在基于单目视觉的防碰撞系统中，车辆检测与跟踪是智能交通系统的关键技术，它
们的优劣将直接影响着道路交通事故的发生率。为了深入了解智能交通系统，本章将介
绍车辆检测算法的基本类型和几种车辆检测、跟踪算法。具体的结构安排为：第一部分
介绍车辆检测算法的类型；第二部分介绍一些常见的车辆检测算法；第三部分介绍一些
常见的车辆跟踪算法。
2.1 车辆检测算法的类型
一般的车辆检测
包括检测和跟踪两个环节。检测是用来负责判定图像序列中的是
否有目标车辆以及车辆的潜在位置，跟踪是在检测的基础对周围较小的区域进行目标确
定的过程。检测一般需要对整幅图像进行遍历搜索，计算范围大，计算量繁琐，而跟踪
依据一系列的时间空间的约束条件，把搜索缩小到一个很小的范围内，正好弥补了检测
耗时长的缺点。
2.1.1 只包含检测算法的类型
只利用检测的方法而不采用后续的跟踪进行前方目标车辆识别一般需要确定图像
中的感兴趣区域(ROI)，缩小目标的搜寻范围，控制在 ROI 区域内可以有效的提高识别
的精确度。ROI 的确定一般是依据人为设定的，如一幅图像的上部三分之一仅包括天空、
标识牌、路灯等外界干扰，或者前方目标车辆总是出现在当前自车的车道线范围内，又
或在车载摄像头的采集范围内，再如车辆具有某一独特的特征，尾部的对称性、车底的
阴影等。在该算法中，确定 ROI 区域的方法主要有三类：
（1）根据车辆特征获取目标所在的位置，例如通过检测车底阴影特征或车尾的矩
形特征，从而确定 ROI 区域。
（2）根据道路边缘特征获取目标所在的位置，例如通过前方车辆的车道线的划分
来确定 ROI 区域。
（3）根据人为因素直接确定 ROI 区域，例如通过自身划定图像中目标车辆可能出
现的范围，范围外的区域不对自车的行驶构成任何威胁。
2.1.2 先检测后跟踪算法的类型
当检测车辆耗时过长时，上述算法将不再适用，此时可以采用先检测前方目标后再
进行跟踪的算法。这种算法是通过预测下一帧车辆可能出现的位置，把搜索空间限制在
很小的范围之内，然后在这种空间内进行检测得到目标车辆的准确位置，能够实现较好
的时效性。同时采用先检测后跟踪的算法相比之前的算法在实时性上也得到了明显的提
高，但是对于道路不平整、光照变化剧烈、前方车辆驾驶速度较快等情形下，这种算法
不能适应，无法准确跟踪目标车辆。2.2 常见的车辆检测算法
由于前方行驶的车辆一直处于动态变化中，无法有效的捕获其背景，更无法对其进
行跟踪，而且其周围环境也在不断的变化，因此为了克服这种干扰和困难，车辆检测显
得意义非常重大。若能检测到当前车道线的目标车辆，就能对其进行后续跟踪以及安全
测距。目前常见的车辆检测算法有 4 种，它们分别为基于特征的方法、基于机器学习的
方法、基于光流的方法、基于模型的方法。
2.2.1 基于特征的方法
基于特征的方法又名基于知识的方法
（Knowledge-Based Methods），它通过前方
车辆的颜色背景、车型轮廓以及车底阴影等特征将背景与外界环境区别开来。这种方法
的缺点是，某些特征只能在特定的环境下才能显现出来，例如，当光照太强或者前方车
辆被遮挡，那么检测到的序列图像中的特征就会忽而消失，忽而出现，这样极容易出现
漏检的情况，使得检测结果不完整。目前常见的基于特征的方法如下：
（1）形状特征。待检测的前方车辆一般尾部呈现矩形或者梯形这样的四边形，而
且比较满足一定的比例特性。尾部的四个顶点即是这个车的显著特征，它不同于其他顶
点，这四个顶点是规则的，通过寻找车辆的四个顶点来进行车辆识别和检测是可行的方
案。同时，定义一个顶点模板，经过对每一帧图像的搜索匹配来找到这四个顶点的位置
实现车辆的检测。
（2）边缘特征。由于前方车辆的两侧水平、垂直方向、保险杠、后车窗等都具有
明显的、规则的边缘特征。通过利用这些潜在的边缘变化对检测车辆进行识别，然后结
合车辆的几何特性。通常采用 Sobel 检测算法得到垂直、水平边缘，再利用垂直投影直
方图
得到潜在的车辆区域，进而得到感兴趣区域。
（3）对称性特征。灰度对称是统计意义上的对称性特征，而轮廓对称指的是几何
规则上的对称性特征。但是由于前方车辆的不停行驶，所检测到的图像上也有着它们较
为明显的运动轨迹变化。
（4）车底阴影特征。在白天光照条件较好的情况下，前方目标车辆的底部会出现
明显的区别于其他道路位置的阴影，它的灰度值较小。常见的处理方法
是依据前方目
标车辆的底部阴影特征得到潜在区域，然后再利用对称性特征进行验证，得到潜在的车
辆位置，排除虚假目标。目前，大多学者在利用阴影特征检测车辆时，一般是将阴影和
边缘结合起来，这样可以得到良好的检测结果。
2.2.2 基于机器学习的方法
基于机器学习的方法
一般需要从正样本集和负样本集提取目标特征，汇集成一个
存储大的样本空间。它的检测过程就是对一系列的原始图像进行缩放，然后找到与之前
模板相匹配的样本区域，再依据分类器来判断这些区域是否为潜在的目标区域。若是目标区域，则获取这些区域的完整信息，并完成检索，否则再进行相关匹配。这种方法需
要大量的实验样本，且目标物种具有多样性，从而导致很难获得一组全面的目标。
但是基于机器学习的方法无法判断局部的潜在信息，只能进行全局搜索，也就是说
它无法事先检测某一部分区域或者缩小待检测区域，这样就会造成搜索时间长、计算复
杂度高，无法给智能交通系统提供一个较好的实时性效果。
2.2.3 基于光流的方法
光流法
是图像处理和分析的重要方法，它一般是由摄像机和运动目标中的一方面
或者两方面相互运动而产生的。它包含了运动目标的速度、3D 表面结构、灰度值等重
要信息。光流在前方车辆检测中也起到至关重要的作用，经过光流分析确定目标的潜在
区域。不过对于易震动的场合（如高速公路），光流法也会产生误检和漏检的结果。在
这样的情况下，摄像机拍摄的图像将会出现模糊不清，噪点多等问题。此外，光流法的
计算量非常大，难以保证车辆检测的实时性。
目前，基于光流的方法主要有两种：连续光流法和特征光流法，其中最经典的连续
光流法是 L-K（Lucas&Kanade）算法和 H-S（Horn&Schunck）算法。同样，特征
光流法是指通过图像的角点特征匹配获得光流，但是该方法获取到的光流较稀疏，这样
易导致对运动目标的外形提取不够清晰准确。
光流法对运动目标背景的处理具有较好的效果，但它对噪声以及光强变换等较敏
感，同时计算量大、实时性差。在车辆检测中，由于车载摄像头与行驶的车辆保持相对
静止的状态，产生的光流也就相对较小，所以使用光流法进行前方车辆检测往往得不到
理想的结果。因此，基于光流的方法一般用在检测从旁边超车的车辆。
2.2.4 基于模型的方法
基于模型的方法是通过前期预先采集的大量车辆数据建立二维或三维的模型，然
后把待检测的图像与所有模型进行匹配来搜寻前方目标车辆，若匹配成功，则为目标车
辆，否则排除。这种方法常和基于特征的方法结合起来使用，通过基于特征的方法先确
定潜在的前方目标车辆，然后利用基于模型的方法来验证，排除虚假目标。目前，基于
Hausdorff 距离的匹配方法是最常用的模型方法。但是该方法无法给前方待检测车辆
提供较好的实时性。
2.3 常见的车辆跟踪算法
在机器视觉研究领域里，车辆跟踪算法是指依据检测到的潜在目标车辆的某一特
征对其路线进行跟踪，计算出每一帧图像中车辆的三维坐标，得到连续的运动轨迹，从
而跟踪前方车辆。车辆跟踪的目的在于：一是提高车辆搜寻的实时性；二是完成对不断
更替车辆的定位；三是解决车辆遮挡或信号突然中断的情况。目前，主要使用的车辆跟
踪算法有 4 种，分别为基于三维模型的方法、基于 Kalman 滤波的方法、基于 Meanshift
的方法、基于区域的方法。
2.3.1 基于三维模型的方法
基于三维模型的方法是指事先根据先验条件测量 CAD 模型或利用其它计算机视觉
技术建立起目标的三维模型。该模型是根据摄像机与实际环境之间的位置相互转变而
标定的。同时，在不断的跟踪过程中，前方目标车辆的位置也会不断变化，这些已有的
模型要进行持续的更新。其中，最具有代表性的三维模型是由 Kass 等人提出的基于活
动轮廓模型。在这个方法中，构造了多种能力函数来控制和约束轮廓模型。
基于活动轮廓的模型基本思想是先识别出目标车辆的外形轮廓，然后在后续采集的
帧图像中不断更新目标轮廓，从而达到跟踪的目的。但是，这个方法易受到背景中的噪
声和强边缘的干扰，会出现目标跟踪的脱离，它常使用在背景较简单的环境下，如在临
床医学、主动安全等方面应用非常广泛。
基于三维模型的车辆跟踪方法对前方车辆的遮挡具有较好的适应性，且对光照条件
的要求相对较低。但是，它却过度的依赖车辆模型，需要大量的先验条件，计算量较为
复杂，无法得到跟踪所需求的实时性。

基于视觉的车辆防碰撞系统相关推荐

基于单片机的车辆防碰撞及自动刹车系统（完整代码）
博主福利:100G+电子设计学习资源包! http://mp.weixin.qq.com/mp/homepage?__biz=MzU3OTczMzk5Mg==&hid=7&sn=ad5 ...
基于单片机的车辆防碰撞及自动刹车系统（STC89C52RC芯片+超声波传感器HC-SR04+液晶屏1602+继电器+蜂鸣器）...
基于单片机的车辆防碰撞及自动刹车系统(STC89C52RC芯片+超声波传感器HC-SR04+液晶屏1602+继电器+蜂鸣器) 本系统的目的是设计一个基于单片机的车辆防碰撞及自动刹车系统,系统通过对汽车 ...
基于单片机的车辆防碰撞及自动刹车系统（STC89C52RC芯片+超声波传感器HC-SR04+液晶屏1602+继电器+蜂鸣器）
本系统的目的是设计一个基于单片机的车辆防碰撞及自动刹车系统,系统通过对汽车行进过程中前后车距离的实时检测与过近声光报警功能有效的解决当前汽车行驶过程中由于驾驶员反应不及时导致跟车距离过近引发汽车追尾的 ...
JAVA实现查询系统_基于jsp的车辆查询系统-JavaEE实现车辆查询系统 - java项目源码...
基于jsp+servlet+pojo+mysql实现一个javaee/javaweb的车辆查询系统, 该项目可用各类java课程设计大作业中, 车辆查询系统的系统架构分为前后台两部分, 最终实现在线上 ...
【信息技术】【2012.12】基于视觉的车辆计数检测跟踪监控系统框架
本文为美国乔治亚理工学院(作者:Keitaro Kamiya)的硕士论文,共136页. 本文提出了一个车辆检测跟踪监控系统的框架.给出了一个优化的目标检测模板,并考虑了该方法在车辆计数应用中的可行性和 ...
基于SSM的车辆出入系统
博主主页:猫头鹰源码博主简介:Java领域优质创作者.CSDN博客专家.公司架构师.全网粉丝5万+.专注Java技术领域和毕业设计项目实战主要内容:毕业设计(Javaweb项目|小程序等).简历模 ...
基于php工厂车辆登记系统
本系统采用phpstudy开发平台,后端采用PHP和MySQL数据库进行开发,开发工具为HBuilder. 前端采用html+javascript/jq+css 进行设计,并配合photoshop等绘 ...
基于MATLAB车辆防碰撞系统仿真
摘要近年来,汽车行业的飞速发展使得我国的汽车保有量快速增长,但由此引发的交通事故导致的人员伤亡数量仍居高不下.从保护人身安全和降低交通事故发生的可能性的角度出发,车辆防碰撞系统能够使驾驶员在没注意到 ...
基于智能和视觉的火灾检测系统:调查（论文翻译）
英文版论文原文:英文版论文链接地址基于智能和视觉的火灾检测系统:调查 Intelligent and Vision-based Fire Detection Systems: a Survey Fe ...

基于视觉的车辆防碰撞系统

基于视觉的车辆防碰撞系统相关推荐

最新文章

热门文章