随着汽车的广泛普及以及传统车辆驾驶方式存在的弊端,无人驾驶技术及其辅助技术已经成为未来汽车的重要发展方向。无人驾驶技术作为一种新型驾驶技术,在拓宽驾驶领域、降低交通事故、解决交通拥堵等问题方面都有着深远的影响。本文以无人驾驶为出发点,研究机器视觉在低照度环境下车辆检测中的应用。无人驾驶技术落地需要满足多种不良因素下车辆正常行驶的要求,低照度环境是最主要的不良因素之一,同时车辆是无人驾驶中最重要的检测目标。为了扩展无人驾驶的应用领域,本文改进了低照度图像增强算法并在此基础上实现对车辆的检测。本文的主要研究内容如下:1、设计系统总体方案。在研究国内外发展现状的基础上,设计了低照度图像增强与车辆识别总体方案,包括方案的整体流程以及相关软件、低照度图像数据集的选取。2、提出改进的低照度图像增强算法。低照度图像增强算法,能提升低照度图像中的有用信息,进而提升图像质量。本文在研究分析传统低照度图像增强算法的基础上,通过算法原理以及低照度图像增强实验结果对传统低照度图像增强算法进行评价,结合无人驾驶领域内低照度图像增强算法的需求,选择并改进传统低照度图像增强算法。3、分析改进的低照度图像增强算法性能。为了评价改进的低照度图像增强算法相较于其他增强算法在低照度图像增强方面的优劣势,通过对比实验分析各个增强算法的性能。在分析算法评价指标的基础上,选择绝对主观评价指标、标准差、信息熵、灰度方差乘积、边缘强度和算法运算时间等多个指标对实验结果进行客观衡量,验证了改进的低照度图像增强算法在本文研究领域中的优势。4、去噪算法的实验与选择。低照度图像含有大量噪声,需要对图像进行合理地去噪,以满足后续车辆识别的要求。通过去噪算法原理与实验分析各去噪算法的特点,并结合需要保留车辆识别特征这一要求,最终选择双边滤波作为去噪算法。5、车辆的识别与误检区域的过滤。为了验证改进算法的实用性,需要对增强后的低照度图像进行车辆检测实验。通过研究车辆的检测方法并进行对比,选择梯度直方图作为车辆识别的特征,同时选择支持向量机作为分类器,最后通过感兴趣区域和四个大小不一的滑动窗口对车辆进行检测。低照度图像识别中容易产生误检,因此,通过热力图过滤误检的区域,最终实现了车辆的识别,验证了改进算法的实用性。