随着汽车保有量的增长,越来越多的道路交通事故也给社会和人民造成了巨大的损失。其中,汽车驾驶人的危险驾驶行为是导致道路交通事故频频发生的主要原因。无人驾驶汽车因其无需人类驾驶操纵的特点具有广阔的应用前景。在无人驾驶汽车的行驶过程中,如何实时、鲁棒地提取行驶环境信息,以及在获得信息的基础上进行合理的运动决策是实现其安全、高效自主驾驶的关键,也是无人驾驶汽车研究中的难点和热点。论文依托国家自然科学基金重大研究计划项目(90920305)“无人驾驶车辆智能测试环境研究与开发”和中央高校基金创新团队项目

针对SURF算法能够提取到的图像特征点较少的问题，基于保持亮度特性的双直方图均衡算法，通过重构SURF尺度空间提取图像特征。将这种方法与卡尔曼滤波相结合进行目标跟踪，用特征点的中心作为跟踪点；通过卡尔曼滤波预测出运动目标的位置，判断遮挡是否发生；最后，应用该方法进行目标特征向量匹配。实验结果表明，该算法对发生旋转、缩放以及遮挡的多运动目标都可进行稳定跟踪，其跟踪速度比R-SURF算法提高20%；在跟踪速度相当的情况下，跟踪精度要高于卡尔曼滤波跟踪算法。