14、车辆尾灯的自主跟踪技术解析

车辆尾灯的自主跟踪技术解析

1. 算法概述

在车辆尾灯的自主跟踪算法中，首先会扫描整个帧并确定平均亮度水平。基于此亮度水平，在设定的间隔内使用“夜间”或“白天”阈值，且在此期间假定光照条件不会发生剧烈变化。会定期重新评估亮度水平，以验证光照条件是否改变。由于夜间、黄昏和黎明的光照亮度水平非常相似，它们被归为一类阈值，而白天条件则归入另一类。这些阈值是通过分析一天中不同时间拍摄的400多张图像的尾灯信息，以适应光照条件的变化而经验性获得的，最终在Y’UV色彩空间中得到宽泛的白天和夜间软阈值。

2. 候选灯对识别

2.1 候选区域检测

• 颜色阈值筛选 ：使用一组针对红色和白/黄色的软颜色阈值来检测潜在的灯候选区域，这些颜色在车辆尾灯中最为常见。使用软颜色阈值常导致大量误报，但可通过对称性和直方图测试以及跟踪和校正机制消除。将包含白/黄色和红色的区域赋予非零值，其他区域赋予零值。
• 区域筛选与处理 ：消除那些白/黄色且不与任何红色区域相邻的区域，将其他区域保留并转换为二值图像。对剩余区域应用形态学操作（先闭运算后开运算）生成“斑点”，为每个“斑点”绘制边界框并计算质心坐标。
• 区域面积验证 ：为提高计算效率，验证每个潜在灯候选区域的面积，消除超出可接受灯尺寸范围的区域（以捕获帧面积的百分比指定，使算法适用于更高分辨率），这一步还可消除可能通过软颜色阈值但并非实际车辆尾灯的大区域。

2.2 对称性验证

• 计