%-------------------------------------------------------------------- % 定义算法名称、描述和UserDirections。属性(常数)

%Name:算法名%指定算法名的字符向量。Name = '车辆检测与距离估计';

% Description:为算法提供一行描述。描述= '使用预先训练的ACF车辆检测器检测车辆，并计算被检测车辆与摄像头的距离';

% UserDirections:提供在调用此算法时显示的一组方向。方向%将作为字符%向量的单元数组提供，单元数组%中的每个元素表示方向列表中的一个步骤。UserDirections ={…“定义一个矩形ROI标签来标记车辆”，…“对于创建的标签定义，定义一个名称为距离、类型为数值、默认值为0的属性。”,……“运行算法”,…'手动检查和修改结果，如果需要'};结束

%-------------------------------------------------------------------- % 车辆检测器性能  %-------------------------------------------------------------------- 属性% SelectedLabelName选中的标签名称%选择标签的名称。算法检测到的车辆将被赋给这个变量名。SelectedLabelName

%检测器%预训练车辆检测器，类别为% acfObjectDetector的对象。探测器

％vehiclemodelname车辆探测器型号名称％净化车辆探测器模型的名称。vehiclemodelname ='全视图';

％重叠的重叠阈值％阈值用于消除参考边界框周围的重叠边界框，在0和1之间。％边界框重叠比率分母，'ratiotype'被设置为％'min'重叠= 0.65;

%ScoreThreshold分类评分阈值%用于拒绝检测分数低的检测的阈值。ScoreThreshold = 30;

%ConfigureDetector布尔值决定是否配置检测器使用% moncamera传感器。ConfigureDetector = true;

%SensorObj moncamera sensor % Monocular Camera sensor对象用于配置检测器。已配置的检测器将运行得更快，并可能导致更好的检测。SensorObj = [];

%SensorStr单目摄像机传感器变量名称%单目摄像机传感器对象变量名称用于配置%检测器。SensorStr = ";

用于配置检测器的车辆宽度，指定为% [minWidth, maxWidth]，以世界单位描述%对象的近似宽度。车辆宽度= [1.5 - 2.5];

％车辆长长的车辆长度％车辆长度用于配置探测器，指定为描述世界单位中％对象的近似长度的％[minlength，maxlength]。车辆力量= [];结束

%-------------------------------------------------------------------- % 属性自动化属性  %-------------------------------------------------------------------- 属性(常数,访问=私人)

%启用距离属性估计的标志automatedistanceattribute = true;

%支金宝app持距离属性名。%标签必须具有指定名称的属性。金宝appSupportedDistanceAttribName =“距离”;结束

属性(Access = private)

%距离的实际属性名DistanceAttributeName;

％标志要检查指定的属性是否有效距离％属性hasvaliddistanceattribute = false;结束

%-------------------------------------------------------------------- % 初始化传感器、探测器和其他相关属性。函数初始化(algObj ~)

%存储所选标签定义的名称。使用这个%名称来标记检测到的车辆。algObj。选择edLabelName = algObj.SelectedLabelDefinitions.Name;

用预先训练好的模型初始化车辆检测器。algObj。探测器= vehicleDetectorACF (algObj.VehicleModelName);

%初始化参数来计算车辆距离，如果algoj。AutomateDistanceAttriibute initializeAttributeParams (algObj);结束

初始化与属性自动化相关的属性。

％标签必须具有名称距离和类型％数值的属性。hasattribute = isfield（algobj.validlabeldefinitions，'属性'）&& ... isstruct（allobj.validlabeldefefinitions.attributes）;如果hasattribute attributenames = fieldnames（algobj.validleabeldefefinitions.Attributes）;idx = find（包含（attributenames，algobj.support金宝appeddistanceattribname））;如果〜isempty（idx）algobj.distanceattributename = attributenames {idx};algobj.hasvaliddistanceattribute = validatedistancetype（allobj）;结束结束

function tf = validateDistanceType(algObj) %验证属性类型。

tf = isfield (algObj.ValidLabelDefinitions。属性s, algObj.DistanceAttributeName) && ... isfield(algObj.ValidLabelDefinitions.Attributes.(algObj.DistanceAttributeName), 'DefaultValue') && ... isnumeric(algObj.ValidLabelDefinitions.Attributes.(algObj.DistanceAttributeName).DefaultValue); end

%-------------------------------------------------------------------- 函数autoLabels =运行(algObj,我)

autoLabels = [];

％配置探测器。如果allobj.configuredetector &&〜isa（allobj.detector，'acfobjectdetectormonocamera'）vehiclesize = [allobj.vehiclewidth; allobj.vehiclelength];Algobj.detector = CodentEreteCtormOnoCamera（Algobj.detector，Algobj.sensorobj，Vehicleize）;结束

使用初始化的车辆检测器检测车辆。[bboxes, scores] = detect(algoj . txt);探测器,我,…“SelectStrongest”,假);

[selectedBbox, selectedScore] = selectStrongestBbox(bboxes, scores，…'RatioType'， 'Min'， 'OverlapThreshold'， algObj.OverlapThreshold);

%拒绝检测分数低于% ScoreThreshold的检测。detectionsToKeepIdx = (selectedScore > algObj.ScoreThreshold);selectedBbox = selectedBbox (detectionsToKeepIdx:);

如果~为空(selecteddbbox) %在车辆检测器检测到的包围盒位置添加自动标签，类型为矩形，名称为%所选标签。autoLabels。= algObj.SelectedLabelName名称;autoLabels。类型= labelType.Rectangle;autoLabels。位置= selectedBbox;

如果(algObj。自动化距离Attriibute && algObj.HasValidDistanceAttribute) attribName = algObj.DistanceAttributeName; % Attribute value is of type 'Numeric Value' autoLabels.Attributes = computeVehicleDistances(algObj, selectedBbox, attribName); end else autoLabels = []; end end

函数midPts = helperFindBottomMidpoint(bboxes) %查找边界框下边缘的中点。

xBL = bboxes (: 1);yBL = bboxes (:, 2);

xM = xBL + bboxes(:，3)/2;y = yBL + + bboxes(:，4)./2;midPts = [xM yM];

结束

函数distance = computedistance (algObj, bboxes) %计算车辆距离的辅助函数。

Midpts = HelperfindbottommidPoint（Bboxes）;xy = allobj.sensorobj.imagetovehicle（米特）;距离= sqrt（xy（：，1）。^ 2 + xy（:,2）。^ 2）;

结束

function attribS = computevehicledistance (algObj, bboxes, attrbname) %计算车辆距离。

numCars = size(bboxes, 1);= repmat(struct(attribName, 0)， [numCars, 1]);

对于i = 1：numcars utithtval = computedistances（allobj，bboxes（i，:)）;attribs（i）。（attribname）=距离;结束

mkdir(“+视觉/ +贴标签机”);拷贝文件(fullfile (matlabroot“例子”,“驾驶”,“主要”,“VehicleDetectionAndDistanceEstimation.m”),“+视觉/ +贴标签机”);

负载(“FCWDemoMonoCameraSensor。席”、“传感器”)

groundTruthLabeler 05 _highway_lanechange_25s.mp4