单图像右向物体的计算机模拟-优秀设计

1、单图像右向物体的计算机模拟目录摘要 .1英文摘要 .2引言 .3正文 .41 实验平台概述 .41.1图像仿真平台 matlab .41.2 matlab 的优势 .42 实验设计 .62.1系统构成 .62.2图像采集 .72.3图像去噪 .82.3.1均值滤波 .92.3.2自适应维纳滤波 .92.3.3中值滤波 .92.4图像分割 .102.4.1边缘检测 .112.4.2各算子的比较 .122.5车标识别 .133 实验结果与分析 .153.1计算车距 .153.2车距与角度的关系 .16结论 .18参考文献 .19综述 .21致谢 .23摘要现在大多数人已经脱离经济困窘的束缚，人们对

2、于生活的安全度与舒适度的要求越来越高，就拿代步工具来说私家车已成为每家每户的标配。我国成为了交通大国，接踵而来的是一系列的交通问题，大数据分析可得， 因车辆碰撞而造成的交通事故占大多数。在交通问糟糕的题亟待解决的条件下，关于汽车防撞问题的研究在国内外已成为热点项目。 本文对汽车防撞系统的研究从单图像右向物体的计算机模拟入手，运用 matlab 这个平台，进行一系列的图像处理。通过行车记录仪完成图像的采集；应用中值滤波的方式去除图像的噪声，提升图像的品质；简单的介绍了一下 roberts 算子、 prewitt 算子、 sobel 算子、 canny 算子四种微分算子处理图像分割的差别；最后采用

3、较为新颖的车标识别方案来计算车距，实现在碰撞距离外控制行车安全距离，在可能发生碰撞时对驾驶员发出警示并且自动制动以迅速减速， 在碰撞不可避免时紧急制动并刹车， 从而避免或减少因车辆碰撞、 翻滚、追尾等交通事故而造成的伤害 1 。并且要降低成本，提高效率，考虑各种天气因素、道路因素和其他环境因素。关键词： 汽车防撞系统； matlab ；滤波；图像分割；车标识别1abstractnow most people have been out of the shackles of economic embarrassment, people for the safety of life and com

4、fort requirements are getting higher and higher. take the travel tool for private cars has become the standard for each household. china has become a major transportation country, followed by a series of traffic problems. large data analysis can be obtained, due to vehicle collisions caused by the m

5、ajority of traffic accidents. in the case of traffic problems, the research on the anti-collision problem has become a hot topic at home and abroad. in this paper, the research of vehicle collision avoidance system is started from the computer simulation of single image right handed object. using th

6、e matlab platform, a series of image processing is carried out. the image acquisition is carried out through a traveling crane recorder. the median filter is used to denoise the image to improve the quality of the image. this paper briefly introduces the difference of image segmentation between robe

7、rts operator, prewitt operator, sobel operator and canny operator. finally, to calculate the distance using the relatively new logo recognition scheme. so as to realize the safe distance of driving distance outside the collision distance. warning the driver when possible, and brake automatically to

8、slow down quickly. emergency braking is required when the collision is unavoidable. thereby avoiding or reducing the damage caused by traffic accidents such as vehicle collision, rolling and rear end collision. and to reduce costs and improve efficiency, taking into account various weather factors,

9、road conditions and other environmental factors.key words: vehicle collision avoidance system; matlab; wave filtering; image segmentation; vehicle logo recognition2引言我国是一个交通大国， 交通事业的发展与人们对于出行方式的选择密不可分， 随着经济与科技的飞速发展， 汽车工业也迅猛崛起。 马路上日益增长的汽车数量给道路交通也制造了许许多多的麻烦。而每一起交通事故的发生对人们都会造成不利的损耗，不论是时间、 金钱甚至是生命。 总结这些

10、事故发生的类型主要涵盖来自各个方位的碰撞、车辆追尾、被撞飞导致翻滚等 1 。目前来说，汽车安全保护系统主要分为两方面的措施，被动安全系统和主动安全系统 2 。汽车防撞技术是属于汽车主动安全系统的研究方面， 成为国内外的研究热点。 要实现汽车防撞这一技术首先要解决的问题是要测出两车之间的距离和两车分别的行驶速度。 迄今为止，关于车辆测距、 测速技术方面的研究已有很完备的实验体系和成熟的理论依据。查阅文献可知汽车主动防撞系统的测距方法五花八门， 其中使用较为普遍的主要是：红外线波测距、视频成像系统测距、超声波测距、激光测距、毫米波测距等几种方法 3 。这几种测距方法各有优缺点。本实验的测距方法是基

11、于视频成像的基础上，在图像上显示出行车与待测目标有一定的距离和角度， 然后根据距离和角度的函数关系运用三角函数计算可得。车辆识别技术在现实生活中也发挥了巨大的作用， 如智能交通系统中的高速公路路口的自动收费系统，道路交通中车辆测速系统，车辆违章查询，统计交通流量等。一般常见的车辆识别技术主要围绕着汽车的车型、 车牌号码、颜色、大小等比较明显的外部特征展开， 本文设计另一种可行的方案： 车标识别。由于每个汽车厂家对车标的设计都独具匠心， 导致其种类繁多， 形状各异，所以在技术上车标识别起来也会有一定的难度。基于这个原因，在车辆识别方面对于车标识别的理论研究还不是很成熟。实验把汽车自动防撞系统作为

12、辅助工具， 使用 matlab 仿真对处理图像， 包括用滤波器对图像去噪， 用几种不同的算子对图像进行分割， 用行车记录仪拍摄图像， 对车标进行识别与检测， 最后计算出车距。 系统通过对距离的远近来判断汽车处于什么状态并采取相应的措施，从而达到汽车防撞的目的。目前国内外对于汽车防撞系统的研究还在不断深入， 并且取得了不错的成绩， 这些研究成果投入使用到道路交通系统中后确实大幅减少了交通事故的发生， 挽救了许多的生命，降低了财产的损失。 因此无论从实用还是市场的角度来说， 汽车防撞技术都是一项积极伟大的研究。3正文1 实验平台概述1.1 图像仿真平台 matlab目前 matlab 深受国内外的

13、科学家和工程师的喜爱， 因为利用它可以分析复杂问题和设计各种各样的系统。 在平常进行使用的过程中不难发现它对于一些数值进行处理的效率是非常好的。它可以根据你的工作方式为你设计合适的环境来满足你的需求，帮助你做数据分析、 创建模型和算法开发。 matlab 中的线性代数与课本上的没有差别，可以供工程师和科学家在编程中直接使用矩阵和数组表达运算， 正是因为它精通数学这一点， matlab 现在已经可以用来教学。 matlab 语言具备强大的编程功能，它有丰富的函数，大部分函数名称类似于英文单词，既便于识别又便于记忆，并且其文档编写简单易学， 即使不是计算机出身也能很快掌握。 它还有高级语言和各种附

14、加工具箱。它们相互集成、协同工作，提高效率。下图是一些控制语句示例：图 1 matlab控制语句1.2 matlab的优势(1)通过不断修改和完善语句，在matlab 上可以轻松地调试图像，得到自己想要的效果图。(2)在计算数值和符号方面效率极高并且几乎不会出错，这样就可以代替人工来计算那些庞大复杂的数学运算。(3)更多的开发应用工具，这些集成的工具通过编辑和调试可以快速试探多个选项，优化整合，从而确定最完美的方案。(4)重大的工程和科学挑战的实现过程需要投入庞杂的脑力劳动、体力劳动、时4间和经费。而使用 matlab 可以实现全过程的自动化。通过这种类型的软件可以在最短的时间内处理更多的数据

15、， 比起人力处理的这个过程时间明显的缩短， 一些额外的花费可以节约下来更好的投入到对技术的研究和使用上。具体应用如下：? 数值分析? 机器人学? 工程与科学绘图? 计算机视觉? 控制系统的设计与仿真? 数字图像处理技术对于 matlab 的用户来说，它是最方便、最高效的软件。在本篇中进行研究的matlab 在应用的过程里小到每个家庭的汽车安全行驶，大到整个国家对于飞船等技术的监测和防护等方面都存在着非常广泛的应用。 下图列举了一些车型识别使用到的matlab 函数 4图 2 车型识别使用到的matlab函数52 实验设计2.1 系统构成本实验的模拟、 识别过程包括车标识别系统和计算车距两部分构

16、成， 而一个典型的车标识别系统由图像采集、图像去噪、图像分割、车标提取四个步骤来完成。整个实验流程如下：图像采集图像去噪图像分割车标识别计算车距图 3 实验流程图在车辆防撞系统中， 让司机能获得更多的时间来做出反应是主要目的， 因此对于车标的识别过程必须迅速而准确， 而以上流程图中的每一个环节都是必不可少且同等重要的，缺少哪一步都不能顺利的完成实验。其中，图像的采集：原始图像由行车记录仪拍摄所得； 图像的去噪：对采集到的图像在空间上使用平滑滤波器进行减少图像噪声的操作，以克服图像干扰；图像分割：概括的介绍了一下几种微分算子如sobel 算子、 roberts 算子、 canny 算子、 pre

17、witt 算子的优缺点和各自适用的情况5 ，最后选6择其中之一进行实验； 最后对车标进行识别后根据角度计算出车距， 根据与前车的距离系统给予驾驶员不同的反应， 或报警或减速或刹车， 从而减少因车辆碰撞而造成的损失。2.2 图像采集早些年在一部分欧洲的国家得到应用的在开车的时候用来记录下周围环境的仪器被形象的比喻为黑匣子。 本篇提到的汽车轨迹记录仪从出现开始发展到现在已经成为一种被大众广泛用到的设备， 这类仪器能够在汽车行驶的过程中把整个的状态和经过的位置这些信息和相关资料记录下来， 并且通过相关的加工后变成一组很小的数据保存起来。记录仪的存在让司机有了忌惮， 在驾驶过程中会更加小心谨慎， 这样

18、就在一定程度上提高了车辆行驶的安全， 也有利于交通事故的责任分析与鉴定， 从而更好的处理交通事故。 现在因为大货车出的事故越来越多， 在对于这些事故进行处理时通过这样一个仪器来进行是最具有信服力的， 所以一些国家觉得有必要把这类仪器的使用列进自己的法例中。 通过对这些年的一些数据进行研究以后会发现： 在安装汽车记录类型的仪器之后交通事故发生率减少了 40%左右，人们的生命安全和财产保障得到大幅提高，产生了良好的经济效益和社会影响 6 。本篇通过对一些不同的仪器进行调查以后发现， 大多数的一些仪器都是安装在车里面的挡风玻璃这个位置， 因为这个位置跟驾驶员在开车的过程里眼睛看出去的画面是最像的，并

19、且它拥有的录像功能能够充分并且客观地代替当事人对当时的情况进行重现 7 。由于交通意外的频发和人们对于道路安全意识的提高，在汽车普及的现代，行车记录仪已成为私家车的标配。在这些年的发展过程里出现的对于汽车轨迹进行录像的仪器越来越多， 所以这类仪器在牌子和各类功能的更新换代也越来越厉害， 这样的市场情况也使这个行业的发展变得更加的快速。现在的行车记录仪不仅能拍摄影像，还嵌入了 gps 定位系统并且具备导航功能， 在视频中能显示、 记录坐标和轨迹信息； 摄像头的像素品质也越来越好；存储容量也越来越大 8 。价格从低到高分不同的档次，依据功能需求，可以买到让自己满意的产品。本篇研究在对于图像的采集的

20、这个过程时需要通过下面几个部分来完成：a. 设置视频存储时间b. 保存视频7c. 视频截图d. 裁剪图片在与前车保持不同的距离处通过行车记录仪拍摄多幅图像用来测距，下面取其中一幅。图 4 行车记录仪拍摄的图像2.3 图像去噪在对于这类仪器进行研究调试的过程里会发现它在图像和声音的进入和传出的过程中都存在干扰的情况。 在此过程里存在的噪声对研究起到了非常差的效果， 不仅模糊了视觉效果， 甚至会丢失图像重要的特征信息， 这将给后面的图像分割等环节带来困扰。近些年来，图像去噪已经变得越来越有趣了。涌现了相当多的方法，如高斯滤波器，拉帕拉奇金子塔滤波器，冲击滤波器，中值滤波，各向异性扩散滤波器，均值滤

21、波，导滤等等 9 以上种种滤波器都能在不同条件下去除不同类型的噪声，以下简单阐述几种经典的去噪方法。82.3.1 均值滤波从均值滤波器的名称上就可以看出它对图像的处理办法是对模板中的像素求平均值，用求得的平均值来代替领域内每一个像素的灰度。 这个处理过程是线性的， 分为几何均值、算数均值、逆谐波均值和谐波均值四种 10。在对噪声做滤波处理时， 几何均值的方法和算数均值两者能够做出的平滑效果是不相上下的， 但算数均值的不足之处在于它不能做到像几何均值滤波那样最大程度的完整保留图像的细节信息。 谐波均值滤波器处理高灰度噪声的效果要远远好于低灰度噪声； 逆谐波均值滤波器在去除图像中随机出现的黑点或者

22、白点时必须要提前知道处理的区域是比较亮的还是比较暗的，以便于选择合适的公式，否则容易出现差错。2.3.2 自适应维纳滤波它是依照图象的局部方差来调整滤波器的输出,滤波器的平滑作用与局部方差成正比，方差越大，平滑效果越好 ,它的最终目的是使恢复图像f(x,y) 与原始图像 f(x,y)的均方误差 e2=e(f(x,y)-f(x,y)2 最小 11。这种滤波比上面提到的方法处理结果要好一些，因为它对图像的轮廓部位和其他幅值比较高的地方可以更完整的呈现出来， 要实现以上的功能就需要更为复杂的算法来支持， 这样的话，时间成本就太高了。 维纳滤波器最善于去除那些能量幅值分布比较均匀的随机噪声。2.3.3

23、 中值滤波中值滤波顾名思义就是选择一个要进行滤波的区域， 把该区域内所有像素的灰度值按照从小到大或者从大到小的规则排序， 如果选定的区域像素个数有奇数个， 那就以排序数列中间的那个数作为中值， 若是偶数个，就要求中间两个数的平均值来作为结果 12 。这种处理办法不是线性的， 一般常用来处理椒盐噪声。 当要求在处理图像过程中既要减少图像噪音又要使其边缘不受损失时，中值滤波比卷积更有效。本实验对获取的图像增添两种噪声，并且用两种滤波来实行去噪，其过程如下：f=imread(111.jpg);j=rgb2gray(f);j1=imnoise(f,gaussian,0.02); %添加高斯噪声j2=i

24、mnoise(f,salt & pepper,0.02); %添加椒盐噪声k=filter2(fspecial(average,3),j)/255; %均值滤波 33l=filter2(fspecial(average,3),j)/255; %均值滤波 559m= medfilt2(j,3 3); % 中值滤波 33 模板n= medfilt2(j,4 4); % 中值滤波 44 模板subplot(2,3,1);imshow(f);subplot(2,3,2); imshow(j1);subplot(2,3,3); imshow(k);subplot(2,3,4); imshow(l);su

25、bplot(2,3,5); imshow(m);subplot(2,3,6); imshow(n);abcdef（ a）行车记录仪拍摄的图像； （ b）灰度转化后的图像； （ c） 33 均值滤波图像；（ d）5 5 均值滤波图像； （ e） 3 3 中值滤波图像（ f ） 5 5 中值滤波图像。图 5 图像去噪对比本篇通过对于图 c、d、 e、 f 的对比之后可以看出 e、f 呈现出来的图像比 c、d 更清晰一些，所以和本篇讨论的中值比均值方法进行处理椒盐噪声的能力更好的观点相符合。2.4 图像分割在本篇研讨过程里将会应用到对于一张图像里要用到的部分进行裁剪来分出不同的区域从而挑选出讨论中要

26、用到的部分的这类技术。 在进入处理的这张图片里属于同一块区域里的性质大体一样， 不同的区域里性质差别特别大。 图像分割的好坏关系到后续车标的特征提取与目标检测工作， 因此它是必不可少的一个环节。 对于上面提到的图像分割这门技术已经在很多的学科里都存在着应用。 本篇将在下面的讨论中主10要对于边缘和区域的两种不同方法进行进一步研讨。2.4.1 边缘检测edge 是 matlab 中用于边缘检测的函数，它的作用是在亮度图像中找到边缘，它最基础的语法是 :bw = edge(i)gpuarraybw = edge(gpuarrayi)i 是一个非稀疏的二维数字数组，bw 是一个类逻辑的二维数组。gp

27、uarrayi 是一个非稀疏的二维数字gpu 数组， gpuarraybw 是一个 2d 逻辑 gpu 数组。语法一表示以一个强度或一个二进制图像作为输入，返回一个二进制图像bw ，bw 与 i 大小相同，其中1 是函数在 i 和 0 处找到边界的地方 13。语法二表示在gpu 上执行边缘检测。输入图像和输出图像是gpuarray。语法需要并行计算工具箱。edge 支持从 matlab 中生成高效、 高质量的 c/c+代码。在生成代码时， 方法、方向和 sigma 参数必须是编译时常量。此外，不支持非编程式的语法。例如，语法边缘 (im) ，不支持边不返回值，而是显示一个图像。这个函数的生成代

28、码使用一个预先编译的特定于平台的共享库。 在进行生成的过程里本篇将会通过查找特定的表格来进行对于不同要求过程的求解。比较常见的 sobel 、roberts 、canny、prewitt 、 laplacian 算子都可以通过 edge的函数功能来实现图像的分割，几种算子的原理略有差异，并且各有各的优缺点， 进行图像分割的程序语句是：i=imread(circuit.tif );imshow(i);bw1=edge(i,roberts);bw2=edge(i,prewitt );bw3=edge(i,sobel);bw4=edge(i,log);bw5= edge(i,canny );figu

29、re,imshow(bw1,);figure,imshow(bw2,);figure,imshow(bw3,);figure,imshow(bw4,);11figure,imshow(bw5,);2.4.2 各算子的比较canny 算子是基于高斯滤波器的一阶偏导数的算法来输出梯度的， 只要找到结果梯度值中一定范围内的最大的数值就能检测到边界的信息值。 该方法在梯度上应用了两个阈值 :低边缘灵敏度的高阈值和高灵敏度的低阈值。 edge以低灵敏度的结果开始，然后将它从高灵敏度的结果中加入连接的边缘像素。这有助于填补被检测到的边界，而且只有当清晰的边界和模糊的边界有重叠时，模糊的那部分边界才能显现出

30、来。sobel 算子在抵抗噪声干扰方面相比较而言要好一点，这是由于它是一个8 邻域算子。能够在一定程度上减少图像上的黑白杂点， 但在最终的结果呈像中会出现许多虚假的轮廓线条， 对结论的判断会传递错误的信息。 当不需要明确清晰地寻找边界时可以把它列为一种备选方案。sobel 算子也有一对模板，分为垂直方向和水平方向。用sobel 算子寻找边界时通常把模板与图像作平面卷积处理，这样就可以计算出关于亮度差分的一个数值，这个值并不精确，只能表示一个大致范围。这一对3x3 的矩阵模板表示为：检测水平边沿横向模板：检测垂直平边沿纵向模板：roberts 算子得到梯度大小和幅值的方法是通过一组随机的纵向差分

31、比较来寻找边界特征的，它能较好的对比出斜边的轮廓， 而水平边和垂直边呈现出来的结果就没有太大的参考价值了。 roberts 算子计算也是比较简单的，找出两个紧挨着的并且位置关系为对角线的灰度值相减就可以得出结果，它是个2x2 的矩阵，表现形式为：rh=0 1;-1 0;rv=1 0;0 -1;rh 代表横向算子， rv 代表纵向算子。图像处理过后可以看到水平边界和垂直边界。其最大的优点是计算简单、定位精度高。对噪声敏感。prewitt 算子的原理是利用水平和垂直两个方向的模板与图像进行邻域卷积，这个过程是在图像空间完成的14 。求梯度时要先平均后差分。两个方向的模板如以下：12检测水平边沿 横

32、向模板 :检测垂直平边沿纵向模板：在所有情况下， 默认阈值都是根据输入数据而选择的。 改变阈值的最佳方法是一次运行边缘，捕获计算的阈值作为第二个输出参数。然后，从边缘计算的值开始，调整阈值 (更少的边缘像素 )或更低 (更边缘的像素 )。本文选取垂直和水平方向上的 robel 算子来进行图像分割，其结果如下：图 6 基于 robel 算子的处理结果2.5 车标识别在通过本篇论文对于交警用来监测和辨识车辆包含信息的这些系统的车辆识别与检测技术的研究观察和一些数据类型的分析以后， 会发现这种技术在目前建设起来的以使用仪器为主的智能化类型的交管系统里施展出来很大的功用， 也是在汽车平稳驾驶的过程里预

33、防相互之间发生摩擦比较重要的部分。 在本篇论文中着重讨论的自动类型的辨识系统可以划分成标志、 类型和牌子三个部分来进介绍。 每个发行的车牌号码都是唯一的，只要在计算机系统中输入车牌信息就可以得到目标车辆的相关信息。在对于监测到的这辆汽车的牌子进行辨识时一般过程都是先定位， 然后对机器扫描到的字符信息进行分块再识别。但是若出现汽车牌照被盗、黑车牌、没有悬挂牌子、车牌上的字符遭到损坏而模糊不清等情况时，车牌识别技术的准确性就会大大是降低。13车型识别能够获得车辆的大小、形状、型号、车系等物理参数信息，在实际应用中因为信息模糊处处受限。 而通过车标不仅能查到生产厂家的信息和车型信息， 并且车标不像车

34、牌那样可随意替换，这是本实验选择车标识别的原因。进行对于车标类型的识别时首先需要解决两个问题： 找到不同类型的汽车独有的标志存在的位置并且要求保证能够检测到跟这个标志相匹配的车辆信息。 车标定位的主要目标是在车辆图像中获得车标的准确方位和大小， 并提取出车标图像 15 。车标定位的思路为：(1) 预处理：上文中提到到对图像整体用 matlab 进行图像处理。(2) 对于车子上标牌的位置进行检测： 用对不同类型的车辆进行划分的仪器来对于进入检测的车子上的牌照方位实施搜索。(3) 对于车子标志的位置进行大体的定位：在检测车上存在的标志时可以把牌子、大灯和标志这三个元素结合起来，通过已经研究出来的某

35、种关系进行运算。(4) 对于车子标志的位置进行一个准确的定位： 这一步用到的方法是通过一种简单的模式方法来识别标志存在的背景纹理信息，采用相似的模板进行匹配的方法来确定标志的具体位置16 。对于车辆特有的标志进行的定位步骤结束以后， 接下来就需要应用到模式类型的识别来对得到的图像进行不同的分类和特别参量的收集了。 现在存在的技术里对于车子标志进行辨识还是采用下面这几种方法： 以某些特殊的参考图进行辨识、 通过某些通用的模板进行匹配、 以部分边缘类型的图片信息为参考、 使用已经存在的某些知识来进行推理、以 sift 为特点进行、把 ica 和 svm 的作为参考的方法等 17 。因为车标设计自由

36、度大，每个品牌都有属于自己的 logo,形状与尺寸没有统一的标准待识别的车标种类繁多， 其位置不固定，受天气的影响较大等等不利因素都给车标识别带来了麻烦， 因此在这一领域需要攻克的难题还有很多。 目前，车标识别技术还处于实验研究阶段， 投入使用的还寥寥无几， 本文只是提供了车标识别的一个可行思路，对此项技术并未做深入研究。143 实验结果与分析3.1 计算车距因为本文研究的是单图像右向物体的计算机模拟，所以假设目标车辆在本车的右前方，且两车水平方向的距离是恒定的设为3 米，但目标车辆与本车垂直方向的距离是变化的，且每次变化两车的夹角都不同，为了便于理解，下面画出测距示意图：s本车3米图 7 测

37、距示意图其中， s 表示在车头的行车记录仪到待测车辆车尾车标的距离，表示车标与行车记录仪两者之间的夹角，两车水平方向的距离为3 米。因此车距与之间的函数表达式为：153.2 车距与角度的关系当两车之间形成的夹角不同时，车距也随之改变，下面列出不同角度时车距的长度，如表 1 所示：表 1 车距与角度对应关系表角度车距（ m）03103.046279836203.192533317303.464101615403.916221868504.667171481606708.77141328017.27631145由关系表画出对应曲线：图 8车距与角度变化曲线16从上图中的曲线变化上可以很容易的看出两

38、辆车之间的角度与距离是呈正比的，并且这种变化是非线性的， 即当角度变大时， 车距也随之增大， 但车距增加的速率并不均匀。角度在0 到 60之间曲线比较平缓，说明车距变化较缓慢，超过60之后曲线变得陡峭，说明车距变化较快。17结论本文研究背景为汽车防撞，研究项目为单图像右向物体的计算机模拟，使用matlab 软件来处理图像，在对去除图像噪声干扰的实验中通过图显结果表明中值滤波更擅长椒盐噪声的处理。 而对于图像分割， 四种算子各有优缺点。 对于车辆识别的处理采用的是车标识别的方案，这种方法有一定的技术难点， 车标识别技术发展到现在还处于探索研究阶段， 本文对车标识别进行初步探讨。 由 matlab 模拟和实验验证，结果可知两车形成的角度越大，车距越大，行车就越安全， 本结论对于车辆侧向防撞的研究有一定的借鉴意义， 并且车辆防撞系统还可依据车距的变化来判断行车的安全状态，并且反馈到系统， 给予驾驶员以不同的提示或者系统控制减速和刹车，从而达到防撞的目的。18参考文献1 化有为 ,李小文 ,傅雄增 . 汽车侧向防撞预测系统的研究 j. 化工管理,2016,(14):158.2蒋晓玲 . 基于红外激光测距技术的汽车防撞保护器设计d. 湖南大学 ,201