雙目立體視覺技術(shù)及其在道路識別中的應用研究.pdf

1、隨著科學發(fā)展和技術(shù)進步，人們將各種先進技術(shù)運用到汽車工程中，試圖研制出具有全功能感知環(huán)境與智能信息處理能力的智能汽車，來解決日趨嚴重的交通安全問題。而如何快速準確地感知汽車行駛環(huán)境一直是智能車輛研究的一個難題。立體視覺技術(shù)是最接近于人類方式的三維視覺信息感知技術(shù)，其研究目標是使計算機具有通過二維圖像認知三維環(huán)境信息的能力。由于圖像的復雜性，實時的視覺導航定位和三維重建的廣泛應用還面臨不少困難。本文以北京工業(yè)大學的電動汽車為工程應用背景，

2、以電動汽車的雙目立體視覺系統(tǒng)為研究對象，分析和研究了基于雙目立體視覺技術(shù)獲取深度信息的方法，對雙目立體視覺模型參數(shù)的標定、雙目視差估計以及基于視覺的車輛前方環(huán)境感知技術(shù)進行了研究。主要研究內(nèi)容和創(chuàng)新點如下： (1)針對考慮鏡頭畸變的攝像機模型，根據(jù)透視投影的交比不變性，利用單應性矩陣及內(nèi)部參數(shù)的基本約束，提出一種基于交比不變性的攝像機線性標定方法。利用攝影變換的交比不變量和調(diào)和共軛的性質(zhì)，提出一種基于圓環(huán)點的攝像機內(nèi)部參數(shù)的線性

3、標定方法，不需要作三維空間點與二維圖像點的匹配。兩種線性標定方法避免了攝像機標定的非線性優(yōu)化過程中可能遇到解的不穩(wěn)定性問題，具有簡單、方便和魯棒性強等特點。同時，給出一種雙目外參數(shù)的線性標定方法。該方法不僅具有與傳統(tǒng)方法相當?shù)木?，同時雙目標定不限于實驗室環(huán)境，不需知道標定物的空間坐標，適合于機器人的“移動”特點，提高了標定方法的靈活性。 (2)提出一種基于分段線性視差函數(shù)的視差估計算法?；谕麡O線對應的空間曲線可以近似為分段

4、直線的假設，由于左右視差函數(shù)與深度函數(shù)之間的線性映射關(guān)系，可以得到左右視差函數(shù)也為分段直線。根據(jù)視差點的結(jié)構(gòu)原理，以及左右極線上相鄰灰度跳躍點之間區(qū)域的線性映射，來確定匹配的能量函數(shù)，簡化了視差點的求取。該算法不用考慮遮擋匹配代價，可同時進行視差估計與遮擋檢測；能較好地處理深度不連續(xù)區(qū)域和單一紋理區(qū)域的匹配問題；估計的視差值不一定是整數(shù)值；避免了非線性優(yōu)化，降低了計算復雜度。 (3)提出一種基于動態(tài)規(guī)劃的視差點匹配方法。在動態(tài)規(guī)

5、劃中進一步引入遮擋約束，有效減少了搜索區(qū)域，有助于提高算法的快速性。基于視差點的結(jié)構(gòu)原理和視差函數(shù)的分段線性特點，來確定匹配的能量函數(shù)。在匹配處理的同時處理遮擋問題，有效降低了遮擋區(qū)域和視差不連續(xù)區(qū)域的誤匹配百分比。給出一種基于網(wǎng)絡最大流的匹配算法。將網(wǎng)絡的最大流-最小割原理用于視覺匹配的能量優(yōu)化，利用視差標號方法建立網(wǎng)絡，討論能量的表示方法，用像素差分的距離來代替平滑項，更利于網(wǎng)絡的構(gòu)造和算法的實現(xiàn)，以降低算法的計算量，實現(xiàn)了能量函數(shù)

6、的極線最優(yōu)。 (4)提出一種實用的車道線檢測算法。將Hough變換技術(shù)應用到車道初始檢測模塊中，利用車道的統(tǒng)計特征和Kalman濾波技術(shù)進行車道跟蹤，提高了算法的實時性，同時保證了算法的魯棒性。對左右圖像提取的車道線進行匹配和重建，確定車輛與車道線的相對位置。同時，提出一種有效的前方目標車輛檢測方法，利用檢測到的車輛底部陰影，基于改進SUSAN算法和Kalman濾波算法，確定目標車存在區(qū)域，對目標區(qū)域的特征點進行匹配和重建，進而