基于几何与粗糙深度信息的候选车辆生成方法

• 作者: 张为公 林国余 王海 蔡英凤
• 来源期刊: 汽车工程
• 关键词: 车辆识别 单目视觉 候选车辆生成 超像素
• 年，卷（期）: 2015,（5）
• 页码范围: 593-598
• 页数: 6页
• 字数: 3976字
• 语种: 中文

摘要

基于单目视觉的车辆识别通常分为候选车辆生成( CG)和候选车辆验证( CV)两个步骤。传统的CG步骤往往采用遍历的方法，获得的候选车辆窗口数量庞大，增加了后续CV阶段的计算耗时，难以满足实际应用的实时性要求。本文提出一种基于几何和深度信息的CG方法，在不丢失有效车辆区域的前提下极大减少了候选车辆的数量。该方法首先将图像以超像素形式进行分块，同时利用预先训练的Adaboost分类器获取超像素图像的几何信息和粗糙深度信息。然后利用车辆在世界坐标系下的垂直度、位置和尺寸等先验知识，采用了一种分层聚类策略，合并图像中属于车辆的超像素块并生成候选车辆。与传统算法的比较结果表明，本方法以检测率的微小降低为代价，实现了候选车辆窗口数量的大幅度减少。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张为公	东南大学仪器科学与工程学院	227	2706	26.0	38.0
2	林国余	东南大学仪器科学与工程学院	35	414	8.0	19.0
3	蔡英凤	江苏大学汽车与交通工程学院	56	247	9.0	14.0
4	王海	江苏大学汽车与交通工程学院	38	221	9.0	13.0