（载运工具运用工程专业论文）基于数字图像处理的车辆测距技术研究.pdf

摘要 以运用现代科技手段解决交通安全问题为出发点，在研究智能交通系统发展 状况和国内外智能车辆测距技术的基础上，应用数字图像处理理论与方法，研究 分析了数字图像预处理方式、行车道与障碍物检测技术和测距模型建立方法，构 建了一种基于数字图像处理的前方车辆测距方案。目的在于通过对单目摄像机捕 获的图像进行一系列处理，获得前方车辆距离信息。该方案结合空间域边缘增强 与数学形态学开闭运算进行图像预处理；采用阈值图像分割的方法检测道路范 围：应用判别树模式识别对障碍物实施检测；使用反转透视测距模型实现距离的 测量；利用计算机语言搭建测距试验程序，通过测距试验程序对捕获图像进行处 理获得测距计算结果并与实际距离进行了比较与分析。试验结果分析表明，该测 距方法简洁有效，能满足智能车辆测距工程需要，是一种可行的车间距离测量方 法。 关键词：车距测量；数字图像处理；形态学变换；障碍物检测 a b s t r a c t f o c u s i n go nt h er e q u i r e m e n to ft h et r a f f i cs a f e t yi nc h i n a ，a n db a s i n go nt h e a p p l i c a t i o ns i t u a t i o ni nc h i n aa n da b r o a d ，s y n t h e s i z i n gp r i n c i p l e sa n dm e t h o d so f d i g i t a li m a g ep r o c e s s i n g ，am e t h o do fm e a s u r i n gt h el e a d i n gv e h i c l ed i s t a n c ei s p r o p o s e di nt h i sp a p e r t h em e t h o da d o p t sm o n o c u l a rc c dv i d e oa si n p u td e v i c ea n dp r o c e s s e st h e i n p u ti m a g eu s i n gt h em e t h o do f e d g ee n h a n c e m e n ta n dm o r p h o l o g i c a lt r a n s f o r m a t i o n i tg e t st h er e s u l to fl a n ed e t e c t i o nb ys e g m e n t a t i o na n dg e t st h er e s u l to fo b s t a c l e d e t e c t i o nu s i n gt h em e t h o do fd e c i s i o nt r e e a tl a s t ，i tm e a s u r e st h el e a d i n gv e h i c l e d i s t a n c eb a s e do nt h ec a l c u l a t i n gm o d e lo fi n v e r s ep e r s p e c t i v e m a p p i n g f i n a l l y ，t h ee x p e r i m e n tr e s u l tp r o v et h a tt h em e t h o do fm e a s u r i n gt h el e a d i n g v e h i c l ed i s t a n c eb ym o n o c u l a rc a m e r ac a nw o r kr e l i a b l y j u d g i n gt h ed e v e l o p m e n t t r e n do fi n t e l l i g e n tt r a n s p o r t a t i o ns y s t e ma n di n t e l l i g e n tv e h i c l et e c h n o l o g i e s i ti sa v i a b l em e t h o dt oc a l c u l a t et h el e a d i n gv e h i c l ed i s t a n c e k e yw o r d s ：l e a d i n gv e h i c l ed i s t a n c e ；d i g i t a li m a g ep r o c e s s i n g ；m o r p h o l o g i c a l t r a n s f o r m a t i o n ；o b s t a c l ed e t e c t i o n 论文独创性声明 木人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工作 所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重要贡 j 献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何未加明 确注明的其他个人或集体已经公开发表的成果。 本声明的法律责任由本人承担。 论文作者签名： 舡船加。( 年j 月“日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学 校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。 本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时， 署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 沙占年丁月“n w g 年亭月彩n 1 1 选题背景 第一章绪论 1 1 1 交通问题及解决方案 近年来，我国公路交通运输基础设施得到了迅速的发展。公路交通运输和汽 车工业发展对国民经济的作用勿庸置疑，但公路建设水平提高与汽车保有量增加 也带来一些不良影响。其中，道路交通事故造成了众多的人员伤亡和巨大的经济 损失，表1 1 和表1 2 是我国部分年份交通事故数据和高速公路交通事故统计“i 2 1 。 表1 1我国部分年份交通事故数据 年份 1 9 9 71 9 9 81 9 9 92 0 0 02 0 0 l2 0 0 22 0 0 3 交通事故次数( 7 i 起) 3 0 o3 4 6 4 1 36 1 77 6 o7 7 36 6 8 死亡人数( 万人) 7 47 88 49 31 0 61 0 91 0 4 万车死亡率( ) 1 7 51 7 31 5 51 5 61 5 51 3 71 0 8 表1 2 我国部分年份高速公路交通事故统计 高速公路里程事故次数 死亡人数直接经济损失 年份 ( 公里)( 起)( 人)( 亿元) 1 9 9 74 7 7 19 0 3 51 1 8 21 7 0 1 9 9 88 7 3 31 0 5 7 4 1 4 8 71 7 7 1 9 9 91 1 6 0 51 2 6 3 41 6 8 7 2 1 9 2 0 0 01 6 3 1 41 6 9 1 62 1 5 426 0 2 0 0 1 1 9 4 5 3 2 4 5 6 23 1 5 04 1 0 2 0 0 22 5 2 0 02 9 6 1 13 9 2 74 9 0 不仅在我国，交通安全问题给世界各国人民的生活带来了严重的负面影响， 交通安全问题造成的损失成为社会沉重的负担，表1 3 是世界主要工业发达国家的 高速公路事故状况口i 。道路交通安全问题成为各国共同关注的社会问题。 表卜3 世界主要工业国的高速公路事故状况 国家美国德国法国意大利日本 高速公路总里程( 千米) 5 2 5 8 21 1 2 0 09 1 4 08 8 6 06 8 7 9 交通量( 亿车千米) 2 5 9 41 8 0 95 4 36 9 66 3 4 事故数( 起) 5 3 0 8 l2 5 5 0 02 1 6 l1 0 8 8 06 7 6 1 死亡人数( 人) 2 6 9 19 7 83 1 07 4 53 5 4 事故率( 起，亿车- 千米) 1 5 31 4 14 21 6 01 0 7 死亡率( 人亿车千米) o7 5 0 5 4o 5 7 1 0 70 5 6 道路交通系统是人、车、路、环境构成的系统，交通安全问题的产生则源于 人、车、路、环境之间的矛盾。这就决定了解决问题的方法必须是系统、全面的。 因此，兼顾人、车、路、环境，充分应用现代科学技术手段的智能交通系统成为 解决交通安全问题的重要途径。 1 1 2 智能交通系统 智能交通系统通过对关键基础理论模型的研究，整合先进技术并运用于交通 系统，建立起一种大范围、全方位发挥作用的实时、准确、高效的运输系统。该 系统利用现代科技手段在车辆、车辆使用者、道路之间建立智能的联系，保障了 它们的和谐统一，使车辆在道路上安全、顺畅的行驶，在极大的提高运输效率的 同时，充分保障交通安全、改善环境质量、提高能源利用率。它是科学技术充分 发展的必然产物，也是目前国际公认的改善行车安全的有效途径。 智能交通系统由若干相互联系的子系统组成，各国对予系统的划分思想基本 一致，划分细节却不尽相同。国际标准组织在1 9 9 9 年的技术报告i s o t r l 4 8 1 3 指 出运输信息和控制系统( 实际上就是智能交通系统) 的服务包括出行者信息、交 通管理与规划、车辆安全与辅助驾驶、商用车辆管理、公共交通管理、紧急事件、 电子收费、安全措施共8 个部分【4 】。 1 ) 出行者信息系统 出行者信息系统提供的服务包括出行前信息服务、在途驾驶员信息服务、在 途公共交通信息服务、个人信息服务、路径诱导与导航服务等。出行者信息系统 提供多种交通方式的出行计划和路线引导，能为各种类型的驾驶员和其它出行者 提供咨询服务，允许出行者确认和支付服务，具有报警功能。出行者信息服务可 以在出行前，也可以在途中提供。 2 ) 交通管理与规划 交通管理与规划系统包括交通控制、紧急事件管理、需求管理、交通法规监 督与执行、基础设施的维护管理等。该系统主要为交通管理者所使用，它根据道 路系统的交通状况、交通事故、气象状况和交通环境的实时信息，对交通进行控 制。 3 ) 车辆安全和辅助驾驶 车辆安全和辅助驾驶包括自动车辆驾驶、纵向防撞、横向防撞、交叉口防撞、 碰撞前乘员保护等。该系统的作用包括使车辆准确的按规定的道路行驶并保持正 确的车道位罱、保持车与车之间的安全距离，根据交通状况和路面特征状况来调 整车速，避免与车辆碰撞和追尾，自动实现换道超车等。 4 ) 商用车辆管理 商用车辆管理系统包括商用车辆管理、自动路边安全检测、商用车辆车载安 全监视、商用车队管理等。该系统主要涉及到长距离驾驶的货物运输，通过作业 自动化，增强运输企业的生产能力、提高设备与设施的使用效率以减少管理者与 承运人的费用；通过新技术的使用，更好的执行运输规章；通过智能化的调度， 增进运输安全性和营运效率。 5 ) 公共交通管理 公共交通管理系统包括公共交通监控、公共交通管理等。该系统能够实施复 杂公交系统的实时线路诱导、自动调度、排除拥堵，从而提高公共交通的效能、 吸引力和经济型，方便人们的出行，使公交系统实现安全、便捷、高效的目标。 6 ) 紧急事件 对紧急事件的处理包括紧急情况的确认及个人安全、紧急车辆管理、危险品 及事故的通报等服务。交通异常事件检测系统测得并确认发生交通异常事件后， 向交通事件相关的管理、救援、急救、消防等单位发送事故信息并发布车辆优先 通行和路线导行航信息。 7 ) 电子收费 电子收费系统主要涉及收费计算机网络，不同部门之间的信息交互与信息共 享。该系统使车辆收费时无需减速停车，有效地提高了空间利用率，解决了因停 ： 车收费造成交通堵塞问题，减少了现金周转的繁琐，节省了大量人力物力。 8 ) 安全措施 包括公共易受伤害道路使用者的安全措施、交叉口安全的智能化等。 车辆是智能交通系统的一部分，该技术的载体车辆常被称为智能车辆。对车 辆安全和辅助驾驶的研究涉及到安全监控、智能防撞、辅助驾驶、自动驾驶、行 为规划与决策等多个方向。 该系统常被分为两个应用层次5 1 1 6 1 ：一是车辆辅助安全驾驶系统，在车辆行驶 中通过车载传感器( 微波雷达、激光雷达、摄像机等传感器) 测定出与前车、周 围车辆以及与道路设施的距离和其他情况，在车载计算机进行处理后对驾驶员提 出警告，在紧急情况下可强制车辆制动。二是自动驾驶系统，它在行驶中可以做 到自动导向、自动检测和回避障碍物，在智能公路上能够自动保持与前车的距离。 具有应用价值的辅助或自动驾驶系统必须同时具备实时性、鲁棒性、实用性 三个技术特点。实时性要求系统的数据处理必须与车体的高速行驶同步进行：鲁 棒性要求系统对不同的道路环境，复杂的路面状况以及气候的变化条件均有良好 的适应性；实用性要求系统的体积与成本等方面能够被普通汽车用户接受。上述 三点也成为该系统必须解决的重点课题。 辅助或自动驾驶都建立在正确获取外界信息并正确决策的基础上，准确检测 出前方车辆的距离信息是获取外界信息的重要组成部分。 1 1 3 测距技术 目前主要的测距技术包括超声波测距技术、微波雷达测距技术、激光雷达测 距技术和视觉测距技术【” 8 1 。 1 ) 超声波测距 超声波是指振动频率在2 0 k h z 以上的机械波，具有声波传输的基本物理特性。 超声波测距是根据超声波反射时间计算与前方车辆之间的距离。超声波测距原理 简单，成本低。但超声波的传输速度受天气影响较大，不同天气条件下传输速度 不同。 2 ) 激光雷达测距 激光雷达测距具有测量时间短、量程长、精度高的特点，但激光雷达在恶劣 天气环境下或逆光状态下测距准确性降低，另外其造价、耗能、对人眼安全等因 素对其进一步应用造成了影响。 3 ) 微波雷达测距 微波雷达测距利用目标对电磁波的反射来发现目标并测定其位置。 常采用调频连续波雷达体制，用以下公式确定被测距离： r ：= ! c r 2 微波雷达 其中月为目标到雷达的距离；c 为光速；7 1 为雷达往返过程所用时间。 微波雷达探测的性能比较稳定，不易受检测物表面行状和颜色影响，不易受 天气影响，可以在恶劣的天气状况下获得距离信息。雷达系统的缺点是空间覆盖 面有限，彼此之间可能产生电磁干扰。微波雷达系统常与下文中的视觉测距技术 常常一起应用于智能汽车，通过对两种数据的融合，得到更为准确的路面信息。 4 ) 视觉测距技术 基于数字图像处理技术的视觉测距是现阶段智能车辆感知外部环境的一种主 要方式，也是现阶段各国自动驾驶技术研究的一个主要方向。 通常采用c c d ( c h a r g ec o u p l ed e v i c e ) 摄像机模拟人眼的光电探测原理实现 对外界环境信号的采集。捕获的图像被视为一个二维阵列，像素是阵列中的元素， 其值即为灰度值或称亮度值，总体的灰度就形成视觉图像。获得数字图像后运用 数字图像处理技术对图像进行处理，再从图像数据出发结合利用系统模型进行计 算，完成对外界环境的检测。 1 2 课题提出 如前所述，道路交通安全问题为各国共同关注。智能交通系统借助科技手段 提出系统解决道路交通安全问题的方案，是目前国际公认的改善行车安全的有效 途径。车辆安全和辅助驾驶系统是智能交通系统的重要组成部分，对于道路交通 安全问题的解决有重要意义，准确测量前方车辆距离则是实现自动或辅助驾驶的 前提。 本研究在参照国内外视觉测距研究现状并研究数字图像处理理论方法的基础 上，提出一种基于数字图像处理技术的前方车辆测距方法。 视觉是人类获取外界信息的主要方式，图像信息是人类认识世界的重要知识 ； 来源。通过科技手段捕获图像信息并对其进行分析和处理，可以模拟人类视觉从 图像中提取所需信息和知识，是一种先进的计算方法。 基于数字图像处理技术的测距方法属于被动测距方式，与其它测距方式相比， 其采集信息的方式是以非侵犯的方式进行，不会向外界环境传播信号。视觉测距 方式还有算法易更新、设备轻巧、功耗小、处理信息量大等特点，特别是随着计 算机技术的发展，计算单元体积减小，解决了以往数字图像处理中的瓶颈问题， 提高了该系统的实用性。 从国内外的智能车辆研究状况可以看出，视觉测距技术仍在不断的研究之中， 并没有形成国际统一的标准模式，各种数字图像处理技术和算法之间孰优孰劣仍 在不断的探讨和比较中。积极开展该领域的研究，深入探讨算法原理，试验比较 各种处理方案，对于视觉测距技术的发展能够起到推动作用，对于智能车辆自动 驾驶的实现有重要的意义。 在基于数字图像处理技术的视觉测距系统中，使用单个c c d 摄像机的系统称 为单目摄像系统，而同时使用两台摄像机对同一景物摄像，运用计算机分析两幅 图像以确定物体的三维状况的系统称为双目摄像系统。双目摄像系统测量精度高， 但计算速度较慢，成本较大。单目摄像系统的方法简洁快速，本文即针对单目摄 像系统展开研究。 1 3 国内外研究现状 9 0 年代以来，各国对智能车辆领域的研究有代表性的包括德国德意志联邦大 学的研究、德国法兰克福工学院的研究、美国卡内基梅隆大学的研究、美国麻省 理工大学的研究、韩国理工大学的研究等，国内则有清华大学、吉林大学、国防 科技大学的研究等。其中大多数车辆采用基于数字图像处理技术的视觉技术检测 道路与障碍物从而获得前方车距【5 】1 9 1 。 1 ) 意大利国家研究协会智能交通计划支持的m o b l a b 智能车辆就是通过基 于数字图像处理技术的视觉技术感知前后环境。检测道路时从图像底部进行分析， 根据灰度变化确定车道标线位黄，简化处理区域。在处理区域内检测障碍物边界。 通过对周围环境及危险程度判断，用不同色彩的指示灯显示给驾驶人员。 2 ) 德意志联邦大学与奔驰公司合作研制的第二代v i t a 智能车辆利用双焦点 的视觉系统检测环境，使用广角摄像机实现道路的大范围检测，使用高分辨率的 短角摄像机来解决障碍物检测。 3 ) 法兰克福工学院研制的智能车辆同样使用视觉技术分析道路。该方法对图 片进行梯度滤波器处理和闽值处理，使用基于轮廓方法的道路检测方法和基于光 流的障碍物方法。 4 ) 美国卡内基梅隆大学研制的智能车辆对输入图像滤波以增强路面，用反转 透视的方法变换透视图像，获得车道信息。 5 ) 清华大学研制的智能车辆在车顶部设置摄像机，车辆行驶时检测前方道路 状况。另外装配激光测距雷达能够探测前方障碍物。摄像头和激光雷达将得到的 信息传递到车载电脑，共同完成对外界环境的检测。 6 ) 吉林大学智能车辆课题组研制了视觉自动导航系统。该系统可以将前方地 面上设置的带状路标作为路径标识符，运用计算机视觉快速识别路径，对路径进 行跟踪。 1 4 研究内容与方法 本研究工作流程如图1 1 所示，依次完成各项研究内容，最终实现前方车辆测 距研究过程。研究要点包括： 1 ) 广泛查阅文献资料，了解国内外该领域的发展状况及先进技术，确定基本 测距流程。该方法首先对单目摄影机捕获的图像进行图像预处理，接着在预处理 的基础上进行车道检测和障碍物检测，再利用反转透视测距模型实现前方车辆距 离的测算，运用计算机语言构建综合试验程序，最后通过试验程序对现实图像进 行处理获得测距试验结果，以检验测距效果； 2 ) 对各种图像预处理方法进行比对，选取针对单目摄像机捕获图像的简洁、 有效的图像预处理方案，提高图像质量，降低图像中的噪声干扰，为进一步实现 行车道与障碍物检测打下基础： 3 ) 在研究图像分割和模式识别方法的基础上，提出有效的行车道与障碍物检 测方法，在图像中获取前方车辆的准确位置以便测距； 否 否 否 图1 - 1 主要研究内容 4 ) 借助几何变换理论与方法，建立针对单目摄像机的坐标变换模型和基于反 转透视的前车距离计算公式。该模型能够在图像空间坐标值与现实空间坐标值之 间建立一定的计算关系通过获得的图像中车辆的像素坐标值能够计算出车辆在 现实空间中的实际位置； 5 ) 利用v c + + 编程平台构建测距试验实现程序。用v c + + 平台实现处理程序 时，m f c 中没有设计专门针对d i b 位图的类，本研究首先构建专门针对d i b 位图 的类c d i b 类，在c d i b 类的基础上按照处理步骤编写处理函数并组成试验程序， 在构建测距程序的过程中，不仅要整合前述图像处理的步骤，还要实现处理时间 的计算与信息提示等功能： 6 ) 设计试验并在实际道路上组织测距试验。首先拍摄前车图像，再运用试验 程序对图像进行处理计算前车距离，最后针对试验数据进行试验分析； 7 ) 通过对试验数据的分析获得试验结论，对进一步研究提出建议。 第二章数字图像预处理方法的选取 针对前方车辆测距问题，首先需要在数字图像处理的方法中选择适当的方法 对图像进行综合预处理，以降低图像噪声、提高图像质量，为行车道与障碍物检 测奠定基础。 2 1 基本概念与方法 2 1 1 图像与数字图像处理 1 ) 图像 基于数字图像处理技术的前方车辆测距处理的对象是视觉图像【l o 】。图像是自 然生物或人造观测系统对世界的记录，是以物理能量为载体，以物质为记录介质 的信息形式，图像信息是人类认识世界的重要知识来源。在计算机处理领域图像 与图形是两个不同的概念，图形指计算机绘制的画面，如直线、圆弧、矩形、任 意曲线和图表等；图像则指由输入设备捕捉获得的实际场景的画面。 2 ) 数字图像处理 按图像空间坐标和明暗程度的连续性，摄像机捕获的图像可分为模拟图像和 数字图像。如果一幅图像定义为一个二维函数f ( x ，y ) ，这里x 和y 是空间坐标，而 在任意坐标点( x ，_ y ) 上的幅值表示该点图像的灰度值。模拟图像指空间坐标和明 暗程度都是连续变化的图像；当x 、y 和幅值厂为有限的、离散的数值时，称该图 像为数字图像。对于数字图像的获取、加工和利用常被统称为数字图像处理】。 3 ) 数字图像处理的层次 随着数字图像处理领域有关理论和技术成果的丰富，数字图像处理技术的概 念逐步细化。根据将要处理图像信息形态的抽象程度，处理后的图像信息形念和 利用水平分为四个层次：图像预处理、图像分析、图像理解与计算机视觉。它们 之间既有区别，又有联系与继承。 图像预处理是将一幅图像变换成为另一幅图像的加工过程，这里的图像是指 一个图像域，域中的每个点都有相应的值，因此它主要是针对图像的像素进行加 工，它的处理结果是供人们观察或作为后续的图像分析的前处理，或是为图像传 输、存储带来便利。图像预处理也是前车测距需要完成的首要步骤。 图像分析是对图像中感兴趣的某些区域进行检测和性质测量，用性质数、特 征符和图像中的位置来表示图像，是在单个像素级别上的信息形态转变为比较简 洁的图像域中像素集合上信息形态的描述，其目的是供人们分析判断之用，或为 后续的图像理解之用。 图像理解是在图像分析的基础上进一步深入分析图像中各部分的性质，并进 而建立各部分及各部分与性质之间的属性关系，用抽象出来的性质数、特征符、 属性图对图像内容进行合理的解释和三维场景的初步推断性的描述。 计算机视觉是根据一幅或多幅图像在图像分析理解的基础上对外部三维世界 进行感知，使系统具有类似人的视觉功能，认知三维空间中有什么物体、在什么 地方、将怎样变化。它借助于几何、物理和学习技术来构筑模型，用统计的方法 来处理数据。在透彻理解摄像机性能与物理成像过程的基础上，对每个像素进行 简单的推理，将多幅图像中可能得到的信息综合成和谐的整体，确定像素集合之 间的联系以便将它们彼此分割开，或推断一些形状信息，使用几何信息或概率统 计技术来识别物体。 与许多逐渐形成的知识概念一样，以上这些概念之间并没有十分清晰的界线 划分。针对具体问题，需要根据实际情况采用具有针对性的方法来解决。基于数 字图像处理技术的前方车辆测距就是针对前方车辆测距具体情况，整合数字图像 处理四层次中的处理方法获得的综合处理方案。 2 1 2 数字图像捕获与表示 对数字图像进行处理的前提是捕获图像并对其进行数字表示。 1 ) 捕获图像 各类图像都是由“照射”源与形成图像的“场景”元素对光能的反射或吸收相结 合产生的。“照射”源可能是雷达、超声波、红外线等多种情况。本研究获取的是摄 像机模拟人眼的光电探测原理采集到的外界环境信号。二维阵列形式排列的传感 器是摄像机的主要结构，典型传感器是c c d 传感器 1 4 1 。 该过程中的照射源是光，成像系统终端前面是一个透镜，透镜把观察场景投 影到透镜的聚焦平面上，与焦点面重合的传感器阵列产生与每一个传感器接收光 总量成正比的输出，输出图像中的坐标( x ，y ) 对应该点的光强f ( x ，y ) ，单色图像中 f ( x ，y ) 的值就是该点的灰度值，总体的灰度就形成视觉图像。 c c d 摄像机在捕获图像的同时实质上已经完成了从外界图像到数字图像所必 须的数字化过程，可以运用计算机对数字化后的图像进一步处理。数字化过程主 要包括取样( s a m p l i n g ) 和量化( q u a n t i z a t i o n ) 两个步骤。 2 ) 采样与量化 采样的实质就是数字化坐标值。如图2 1 所示，首先选择一定的采样间隔和采 样孑l 径，通过采样过程将原来空间上连续的图像f ( x ，y ) 分割成大小为m n 的离 散像素的集合厶，采样过程的实质可以视为将原连续函数乘以空间采样函数6 所 获得。为了使采样无损，f ( x ，y ) 中所具有的空间频率( 六。，- ，0 ) 与采样距，t 需要 满足香农采样定理( s h a n n o ns a m p l i n gt h e o r e m ) 【”1 。 图2 一i 图像的米样 采样后需通过量化过程将连续的像素灰度转化为离散的灰度，即数字化幅度 值过程，如图2 2 所示。存储一幅图像需要m n x g 位存储窄问，其中譬是每个图 像坐标使用的存储空间位数，行数和列数分别为、”】。 需要针对不同的问题，采用不同的量化级别。采用的量化级别越大，则产生 的数字图像越清晰，但占据的存储空间也相应增加；量化级别不够时则可能出现 伪轮廓( f a l s ec o n t o u r ) 等问题。从实际的处理、存储考虑，灰度级典型的取值应 是2 的整数次幂，即l = 2 ，k 为整数。灰度级取值范围又被称为动态范围。 d “6 4 d 6 3 d c6 2 d3 | 醅 d j 二3 2 d j j3 1 d j 口3 0 d j3 d ：2 d l 1 d o 0 100000 一r 3 ： 3 ) 表示 取样和量化后即获得了表示数字图像的图像矩阵1 6 i i 。如图2 3 ，一般将数字图 像的原点定义在图像的左上角，原点的坐标值是( x ，y ) = ( 0 , 0 ) 。原点在x , y 轴上的 下一个点的坐标分别用( y ) = ( 1 ，o ) 和( j ，y ) = ( o ，1 ) 来表示。可以用以下的矩阵形式表 示完整的m n 数字图像： f ( x ，y ) = f ( o ，o ) f ( 1 ，0 ) f ( 0 ，1 ) f ( 1 ，1 ) f ( 0 ，n 1 ) f ( 1 ，n 1 ) f ( m 一1 , 0 ) f ( m 一1 , 1 ) - f ( m 一1 ，n 1 ) ( 2 1 ) 这样，在运算和推导过程中就可以用一般矩阵a 表示图像矩阵f ( x ，y ) ，利用计 算矩阵的方法来处理图像矩阵。 a = a o ，0 0 1 ，0 a 0 ，i 盘i ， a m i ，oc i m 一1 ， 其中q ，= f ( x = f ，y = ，) = 厂( f ，) 。 a o 一 a i ，n ： 0 m 1 n ( 2 2 ) m 1 0 12 3 n 1 2 1 3 像素间的基本关系 图2 - 3 图像矩阵坐标约定 数字图像处理中需要明确像素与像素之间的关系。 1 ) 邻域与连通 位于坐标( x ，y ) 像素的一个p 有4 个水平和垂直的相邻像素，坐标为： ( x + 1 ，y ) ，( x ，y + 1 ) ， 一1 ，) ，( x ，y 一1 ) 这个像素集称为p 的4 邻域，用4 ( p ) 表示。 p 的4 个对角邻域像素有如下坐标： 0 + 1 ，y + 1 ) ，o + l , y 1 ) ，0 1 ，y + 1 ) ，o 一1 ，y 1 ) ，用d ( p ) 来表示。4 ( p ) 与 ，d ( p ) 4 一起称作p 的8 邻域。当像素q 是p 的邻域且二者灰度值相等，则称二者是连通 的，如图2 4 所示。 冈 l 剧 l 1 剀 ( a ) 8 邻域连接 ( b ) 4 邻域连接 图2 4 8 邻域连接与4 邻域连接 2 ) 距离度量 、 像素q 与p 的欧式距离定义为： 1 d a p ，g ) = ( x j ) 2 + ( y 一，) 2 】2 ( 2 - 3 ) 其中x 、y 和s 、t 分别是q 、p 坐标值。距点( x ，y ) 的距离小于或等于某一 值r 像素集合在中心为( x ，y ) 半径为，的圆内。 2 1 4 常用数字图像处理方法 1 ) 图像增强 图像增强的主要目的是改善图像的视觉效果或使图像更利于计算机的处理， 如锐化处理可突出图像边缘轮廓线，再用计算机跟踪便可进行特征分析。图像增 强方法包括空间域增强和频率域增强。空间域增强是直接针对图像像素灰度进行 操作；频率域增强是对图像变换后的频谱成分进行操作，再经相应的逆变换获得 的结果。 2 ) 图像复原 图像在形成、传输和记录的过程中，由于成像系统、传输介质和设备的不完 善，使图像的质量降低，该过程称图像的退化。 图像复原试图利用退化现象的某种先验知识，建立退化现象的数学模型，再 根据模型进行反向的演算运算，以恢复原来的景物图像。图像复原主要取决于对 图像退化过程的先验知识所掌握的精确程度。图像复原的一般过程是： 分析退化原因一建立退化模型一反相推演一恢复图像 图像复原和图像增强都是为了改善图像的质量，但图像增强是不考虑退化过 程的，只需运用各种技术增强图像即可。 3 ) 彩色图像处理技术 颜色是一个强有力的描绘特征，它常常可简化目标物的区分及从场景抽取目 标；人在辨识图像时可以辨识几千种颜色色调和亮度，却只能辨识几十种灰度层 次。彩色图像处理有两个主要的研究领域：全彩色处理和伪彩色处理。全彩色处 理用全彩色传感器获得，伪彩色处理仅对特定的单一亮度或亮度范围赋予一种颜 色。 4 ) 图像分割 图像分割是将图像分成若干有意义的区域的处理技术。在实际图像中往往存 在些具有某种均匀一致性的区域，如灰度分布的均匀一致性，这种一致性构成 的特征向量可用于区分图像的各个区域。图像分割就是利用这些特征向量来检测 区域的一致性，从而达到将图像分割成不同区域的目的。基本的图像分割分为四 类：一是并行边界类技术；二是串行边界类技术；三是并行区域类技术；四是串 行区域类技术。 5 ) 形态学处理 数学形态学可以作为工具对图像进行处理，尤其是从图像中提取表达和描绘 区域形状有用的图像分量，如边界、骨架等。数学形态学图像处理以几何学为基 础以集合论为表达语言，属于非线性方法。目前，数学形态学已在计算机视觉、 信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了广泛应用。 6 ) 特征与识别 为使人们的视觉系统认识的图像让计算机系统也能识别，必须寻找算法分析 图像的特征，然后将其特征用数学的办法表示出来并用计算机语言表达这些特征， 这样，计算机就有了识别图像的能力。 7 ) 变形技术 数字图像变形技术是近年来图像处理领域中的一个新分支，它主要研究数字 图像的几何变换，即图像中点与点之间的空间映射关系。该项技术最早起源于对 遥感图像的几何校正问题的研究，后来被引入到计算机视觉领域。 8 ) 编码与压缩 图像编码与压缩从本质上讲就是对要处理的图像源数据按一定的规则进行变 换和组合，从而达到以尽可能少的代码来表示尽可能多的数据信息。压缩通过编 码来实现，所以一般把此项处理称之为压缩编码。常见的处理手段分为无损压缩 和有损压缩1 13 1 。 2 2 图像缩放 对捕获图像进行预处理，首先进行图像缩放，达到操作精度与时问的平衡， 如图2 5 所示。 图像分辨率( i m a g er e s o l u t i o n ) 指图像中储存的信息量，分辨率又有多种衡 量法，典型的是以每英寸像素的数量来衡量。图像分辨率和图像尺寸一起决定文 件的大小及输出质量。图像分辨率以比例关系影响着文件的大小，即文件大小与 其图像分辨率的平方成正比。图像分辨率越大，图像文件所占用的磁盘空间也就 越大，对图像进行操作所花时间也就越多。按照一定比例缩放图像时会使分辨率 下降。图像分辨率降低后会删除图像中的一些原始信息，但摄取的图像分辨率高， 运算时间较长，图像缩放既要考虑计算精确性也要考虑运算速度口“。 图像缩放按矩阵形式可以表示为： x ，y ，1 】- 甜，v ，l 0o 0 0 0 i 屹 001 髓鬈 ( 2 4 ) ( 2 5 ) 其中屹、0 分别为沿“、v 坐标轴的缩放比例，当它们取不同数值时，产生不 同的缩放效果。 ( a ) 原图像( b ) 缩小后图像 图2 - 5 数字图像缩放示意图 本研究将处理的图像大小定义在5 1 2 x 3 8 4 象素，符合标准摄像机拍摄及常用 显示器显示比例，经测距试验证明，综合处理时间较短的，同时可获得较好的处 理效果。 2 3 边缘增强 1 ) 图像边缘 图像的边缘刻画物体的轮廓，增强图像的边缘对于目标物体的识别有重要的 意义。本研究中的车道边缘与前车边缘就影响着最终前车距离计算的准确性。 图像中边缘体现为像素灰度有阶跃变化或屋顶状变化的像素的集合，阶跃状 变化边缘两边的像素灰度值有明显不同，而屋顶状变化边缘是灰度值从增加到减 少的转折点。图2 - 6 ( a ) 中图像平面上j p p ，是阶跃状边缘，阶跃状边缘左右灰度变 化曲线表示为五o ) ；( b ) 中图像平面上q q 是屋顶状边缘，屋顶状边缘左右灰度变 化曲线表示为五0 ) 2 4 1 。 ，( u ) f ( 甜) q ( a ) 阶跃状边缘( b ) 屋顶状边缘 图2 - 6 阶跃状边缘与屋顶状边缘函数及其导数 2 ) 图像增强 从客观景物摄取图像即由c c d 获得的图像经过数模转换，或一幅图像从一个 物理介质转移到另一个物理介质，往往要发生图像失真。轻者表现为图像不干净， 难于看清细节；重者表现为图像模糊不清，连概貌也看不出来。有些情况下，一 x 幅图像和真实景物或原图像相比差别很小，觉察不出来或在容许范围之内，但为 了便于人或机器的分析理解，需要加强图像的某些特征。因此，在对图像进行分 析之前，必须要对图像质量进行改善，一般情况下改善的方法有两类：图像增强 ( i m a g ee n h a n c e m e n t ) 和图像复原。 图像复原技术需要了解图像质量下降的原因，首先建立图像的退化模型，再 利用该模型，恢复原始图像。图像增强不考虑图像质量下降的原因，是为了改善 视觉效果或便于人或机器对图像的分析理解，根据图像的特点或存在的问题，以 及应用目的所采用的改善图像质量的方法或加强图像某些特征的措施，使图像在 增强后更适于特定的某种应用方式。 图像增强的方法分两大类：空间域方法和频域方法。空间域方法是以对图像 的像素直接处理为基础的。频域处理技术是以修改图像的傅立叶变换为基础的， 频域处理在针对某些特点问题时效果显著，但其处理算法复杂，与前车测距的实 时性要求不符。本研究针对前车测距采取空间域方法，目的在于提高图像的清晰 度，突出诸如路面或障碍物等进一步分析所感兴趣的部分。 3 ) 空间域增强 某些操作针对的是邻域的图像像素值以及相应的与邻域有相同维数的子图像 的值。这些子图像常被称为滤波器、掩模、模板、窗口、核，如图2 7 所示1 2 “。 f ( x l ，y 一1 ) f ( x l ，y ) f ( x 一1 ，y + 1 ) f ( x ，y 一1 )f ( x ，y )f ( x ，y + 1 ) f ( x + 1 ，y 一1 ) f ( x + 1 ，y ) f ( x + 1 ，y + 1 ) ( a ) 图像像素 w ( - 1 ，- d w ( o ，- 1 ) w ( 1 ，一1 ) w ( - 1 ，0 ) w ( o ，0 ) w o ，0 ) w ( - 1 ，1 ) w ( o ，1 ) w ( 1 ，1 ) ( b ) 掩模系数 图2 7图像像素与掩模系数 在滤波器子图像中的值是系数值，而不是像素值。空间滤波就是在待处理图 像中逐点地移动掩模。在每一点处滤波器在该点的响应通过事先的定义关系来计 算。对于线性空间滤波，其响应由滤波器系数与滤波掩模扫过区域的相应像素值 l u 的乘积给出。在图像( t y ) 处，用该掩模线性滤波的响应尺为： r = c o ( 一1 ，一1 ) f ( x 一1 , y 一1 ) + ( 一1 ，o ) f ( x 一1 ，y ) + + ( 1 ，1 ) f ( x + 1 ，y + 1 ) ( 2 6 ) 我们看到的是掩模系数与直接在掩模下的相应像素的乘积之和。一般地，在 的图像上，用m n 大小的滤波器掩模进行线性滤波由下式给出： r = w i z i + w 2 2 2 + 。+ w 册月z m ”= 乞w i z i ( 2 7 ) t 1 i = 1 其中的w 和z 分别表示掩模系数和模板下的图像像素。 掩模处理中的锐化处理使图像边缘突出、清晰。图像锐化最常用的方法是梯 度锐化和拉普拉斯锐化。 对于图像f ( x ，_ y ) ，在( x ，y ) 处的梯度定义为： g r a d ( x , y ) = 阱 梯度是矢量，其大小和方向分别为 g r a d ( w ) ：痧而： 可( x ，y ) o x 可( x ，y ) 洲 雁翻 ( 2 8 ) ( 2 9 ) 0 = a r c t a n ( ) ：a r c t a n ( 掣! 墨掣) ( 2 - 1 0 ) 口vd x 实际处理时简化计算，用一阶差分近似表示一阶偏导数，且对梯度进行简化， 有： = f ( x ，y + 1 ) 一f ( x ，y )( 2 1 1 ) = f ( x + 1 ，y ) 一f ( x ，y ) ( 2 1 2 ) g r a d ( x , y ) = l i ；l + l j ；i ( 2 1 3 ) 本研究采用拉普拉斯( l a p l a c i a n ) 二阶微分图像边缘增强。拉普拉斯变换的 算子定义为： v f z _ o 出2 _ _ f 。_ f + 萨0 2 f ( 2 1 4 ) 实际操作中使用差分计算计算二阶微分： 警训川w 旷1 ) _ 2 似) ( 2 1 5 ) v f 2 = f ( x + 1 ，y ) + f ( x 一1 ，y ) + f ( x ，y + 1 ) + f ( x ，y 一1 ) 一4 f ( x ，y ) ( 2 1 6 ) 相应的拉普拉斯增强算法为： g ( x ，y ) = f ( x ，y ) 一v 2 f ( x ，y ) ( 2 1 7 ) 拉普拉斯变换是不依赖于方向的运算，强调图像中的灰度突变及降低灰度慢 变化的区域。它将产生一幅把图像中的浅灰色边线和突变点叠加到暗背景中的图 像。使用拉普拉斯变换后的图像较之使用之前更加清晰，图像中的边缘部分得以 增强并保持了良好的背景基调。 2 4 数学形态学处理 ，一， 经过空间域边缘增强处理的图像，局部清晰度提高，路面或障碍物等进一步 分析所感兴趣的部分得以突出。但同时图像中的一些干扰因素也被增强了，有可 能会影响到行车道与障碍物检测，本研究选择数学形态学开闭运算处理方式降低 图像噪声。 2 4 i 数学形态学理论 数学形态学( m a t h e m a t i c a lm o r p h o l o g y ) 图像处理技术是一种以几何学为基础， 以集合论为表达语言的非线性图像处理技术1 8 1 。集合论作为数学形态学的基础， 有独特的表达方式和概念： 1 ) 集合 具有某种性质的确定的有区别的事物的全体。如果某种事物不存在，称为空 集。集合常用英文大写字母爿、b 等表示，空集用o 表示。 设e 为一自由空间，4 ( e ) 是由集合空间e 所构成的幂集，集合z e 4 ( e ) 。集 合斯口b 之间只能有三种形式，集合引丑含于咒集合b 击中x ：集合b 相离于。如 图2 8 所示，b l 击中zb 2 相离于z ，岛包含于兄 图2 8 集合之间相互关系 2 ) 元素 构成集合的每一个事物称之为元素。元素常用小写字母a 、6 表示，应注意的 是，任何事物都不是空集的元素。 3 ) 平移转换 设爿和b 是两个二维集合，a 并t l b e ? 的元素分别是a 、b ，z 对集合爿的平移为集合： ( 爿) ，= c i c = a + x ，a 4 ) ( 2 一1 8 ) 4 ) 子集 当且仅当集合爿的所有元素都属于b 时，称爿是b 的子集。 5 ) 补集 定义集合4 的补集为： a c x l x 茌爿) ( 2 1 9 ) 6 ) 差集 定义集合爿和b 的差集为： 爿一b = x z a ，x 仨b = a n b c ( 2 2 0 ) 7 ) 映像 定义集合爿的映像为，定义为： a = x x = 一a ，a a ) ( 2 2 1 ) 8 ) 并集 由a 和b 的所有元素组成的集合称为a 和曰的并集。 9 ) 交集 由4 和b 的公共元素组成的集合称为爿和b 的交集。 2 4 2 数学形态学运算 一个数学形态学变换由图像和另一个小点集之间的关系定义，这个小点集称 为结构元素，又称探针。数学形态学图像处理时，探针在图像中不断移动的同时 系统的扫描整个图像并且考察图像各个部分之间的相互关系，了解图像的结构特 征，针对图像结构特征做出相应操作。作为探针的结构元素含有为进一步判断提 供依据的知识信息。各种形态学运算均以此为基础。形态学处理的对象可以是离 散二值图像或离散灰度图像。 离散二值图像处理可以用一个矩阵表示，在矩阵中常用l 表