题目：车距测量技术的研究

行驶安全是交通发展的永恒主题，随着汽车保有量的迅速增加，交通安全问题日益突出。在这种情况下，安全辅助驾驶技术得到了发展，它是智能车辆的一个重要研究领域。而车辆之间的距离信息对于智能车辆避撞和导航研究有着重要的意义。目前车距测量技术多样，各有优缺点，而机器视觉技术具有获取方便，信息丰富和处理方法多样等特点，更适合于智能车辆感知周围信息的需求，因此本文采用视觉测距技术进行探讨。本文基于前人研究的基础上，对基于单目视觉车辆检测算法和车距测量技术进行了研究，并在这个过程中提出了自己的一些想法。道路识别是智能车辆导航领域重要的研究内容。本文利用目前大部分文献所采用的道路检测方法，进行了道路边界的检测，初步确定了道路区域。首先利用Sobel 边缘增强算子进行道路边缘增强，然后用基本门限阈值分割增强后的图像，通过Hough变换，求取图像中直线。为了排除非道路直线对检测的干扰，运用了基于直线模型的道路边界约束条件。进行了图像道路边界提取试验，由于本文的道路不用于车辆的精确导航，只为车辆检测提供大体的检测范围，试验结果表明，所采用的算法基本上满足道路区域确定的要求。重点研究了车辆检测和跟踪算法。根据车辆底部存在阴影这一重要特征，进行阴影检测，初步确定感兴趣区域，提出了感兴趣区域精确确定算法，使得整个车辆的后部都包括在感兴趣区域内部。由于车辆后部具有明显的对称性和边缘，计算感兴趣区域内的对称性测度和熵值归一化对称性测度，计算车辆后部边缘比值，验证感兴趣区域内车辆的存在，并且找到了车辆的对称轴，根据灰度突变信息，找到车辆上边缘。针对视频序列跟踪，本文利用GM(1,1)模型进行车辆的跟踪算法的研究，并提出了改进算法，提高了此算法跟踪预测的准确性。上述检测和跟踪算法，都通过试验验证了其有效性。研究了基于单目视觉的车距测量模型，此模型需要预先知道摄像机的内部参数。介绍了世界坐标系到计算机帧存坐标系的转化过程。由于现场标定复杂，计算量大，需要提前测量采集点的世界坐标，然后通过图像处理得到帧存坐标。本文采用基于OpenCV提供的函数库，进行摄像机标定程序的编写，其离线标定过程简单易行，通过试验验证了其有效性，得到准确的内部参数。最后经过测距试验，验证了测距模型的可行性。研究内容为下一步车辆避撞和导航的研究奠定了基础。