基于立體視覺的道路場景分割與車輛檢測算法研究.pdf

1、隨著計算機科學和機器人技術的飛速發(fā)展，先進駕駛輔助系統(tǒng)(Advanced DriverAssistant System，ADAS)已經(jīng)成為智能車輛的研究熱點，并且廣泛應用于軍事、民用、科研等相關領域。要保證智能車輛在道路上安全行駛，就要識別道路的可通行區(qū)域，也就是避免與道路上的凸障礙物相撞或者陷于凹障礙物中。因此，基于立體視覺的可通行區(qū)域與車輛檢測算法近年來引起了學術界的關注。
　　本文首先對立體視覺相關領域的研究現(xiàn)狀做了簡單介紹

2、，然后針對車載立體視覺的道路場景分割與車輛檢測，做了以下幾個方面的工作:
　　(1)查閱大量文獻資料，研究立體視覺的相關理論原理，深刻理解攝像機標定、圖像矯正等前期工作，闡述了立體視覺系統(tǒng)的數(shù)學模型、成像原理以及U-V視差圖的構造，為本文后期工作打下理論基礎。
　　(2)搭建移動機器人模擬車載立體視覺系統(tǒng)，編程實現(xiàn)無線手柄對機器人的移動控制，使其能夠搭載立體相機在室外移動并采集圖像;采用張氏標定法完成攝像機的標定工作，為后續(xù)

3、的車輛檢測算法提供相機的內(nèi)外參數(shù);使用SGBM算法對采集到立體圖像數(shù)據(jù)進行立體匹配，并獲得稠密準確的視差圖;在視差圖基礎上建立U-V視差。
　　(3)在使用標準霍夫變換對二值化V-視差進行道路建模時，我們經(jīng)常會遇到的閾值選取困難以及噪聲干擾的問題。對此本文引入灰度加權的概念，直接在灰度圖像上提取道路特性曲線，從而避免了上述問題并且提高了算法魯棒性。
　　(4)使用改進動態(tài)規(guī)劃算法檢測可通行區(qū)域。針對傳統(tǒng)動態(tài)規(guī)劃算法檢測中會產(chǎn)

4、生的平滑性問題，本文提出改變算法中的平滑項定義，同時考量前后兩列的匹配代價，提高了檢測準確率;同時對算法提出優(yōu)化以滿足實時性的要求。
　　(5)使用自適應閾值的方法檢測障礙物。利用雙日相機參數(shù)以及障礙物最小高度定義閾值;根據(jù)車輛在U-視差圖中的投影特征添加閾值化約束條件來確定車輛水平位置，再通過逐列掃描過濾視差值的方法確定垂直位置。
　　實驗結果表明本文提出的方法在實際真實世界的各種常見道路環(huán)境中都能夠區(qū)分障礙物區(qū)域和可通行