[发明专利]基于OpenCv卡尔曼滤波器的车载隧道识别方法及其系统

权利要求书

1.一种基于OpenCv卡尔曼滤波器的车载隧道识别方法，其特征在于，包括以下步骤：

S1、对存储器中的车道模板进行匹配；

S2、对隧道位置进行预测，并且进行计算；

S3、判断距离是否超出阀值；

S4、如果超出阀值，则报警，如果没有超出阀值，则更新存储器中的车道模板并返回步骤S1。

2.根据权利要求1所述的基于OpenCv卡尔曼滤波器的车载隧道识别方法，其特征在于：步骤S1中：通过差分算法根据车道模板匹配图形，确定其相似度，定义一个变量，保存其相似度，当相似度大于0.85时，确定匹配成功。

3.根据权利要求1所述的基于OpenCv卡尔曼滤波器的车载隧道识别方法，其特征在于：步骤S2中的预测过程包括：调用成员函数predict得到当前状态变量的估计值，其卡尔曼滤波器由向前推算状态变量方程、向前推算误差协方差方程首先构造，得到下一个时间状态的预先估计；其过程调用成员函数predict的当前变量的估计值、卡尔曼增益方程所计算的卡尔曼增益、后验协方差方程计算的后验协方差，可对下一次的结果进行预测。

4.根据权利要求3所述的基于OpenCv卡尔曼滤波器的车载隧道识别方法，其特征在于：向前推算状态变量方程为：X(k|k-1)=A X(k-1|k-1)+B U(k)，其中，A:状态转移矩阵；B:单位矩阵； X：状态变量； U:观测时噪音。

5.根据权利要求4所述的基于OpenCv卡尔曼滤波器的车载隧道识别方法，其特征在于：向前推算误差协方差方程为：P(k|k-1)=A P(k-1|k-1) A’+Q，其中，A:状态转移矩阵；B:单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵； X：状态变量； U:观测时噪音。

6.根据权利要求5所述的基于OpenCv卡尔曼滤波器的车载隧道识别方法，其特征在于：卡尔曼增益方程为：Kg(k)= P(k|k-1) H’ / (H P(k|k-1) H’ + R) ，其中，A:状态转移矩阵；B:单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵； X：状态变量； U:观测时噪音；R:测量噪音的协方差矩阵。

7.根据权利要求6所述的基于OpenCv卡尔曼滤波器的车载隧道识别方法，其特征在于：下一次结果的预测方程为：X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1))，其中，A:状态转移矩阵；B:单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵； X：状态变量；Z:实际上的测量结果；U:观测时噪音；R:测量噪音的协方差矩阵。

8.根据权利要求7所述的基于OpenCv卡尔曼滤波器的车载隧道识别方法，其特征在于：后验协方差方程为：P(k|k)=（I-Kg(k) H）P(k|k-1)，其中，A:状态转移矩阵；B:单位矩阵；Q:高斯噪声协方差矩阵；P:后验错误协方差矩阵；I:单位矩阵；X：状态变量；Z:实际上的测量结果；U:观测时噪音；R:测量噪音的协方差矩阵。

9.一种基于OpenCv卡尔曼滤波器的车载隧道识别系统，其特征在于：包括微处理器、摄像头、报警器、图像处理器和存储器，其中，所述微处理器分别与所述摄像头、报警器、图像处理器连接，所述图像处理器与所述存储器连接。