基于加權(quán)Hough變換和時域相關(guān)性分析的雙目視頻障礙物檢測技術(shù)研究.pdf

1、車載障礙物檢測是一項具有很高的挑戰(zhàn)性和應(yīng)用價值的研究課題，并且日益受到人們的廣泛關(guān)注，成為智能汽車領(lǐng)域研究的熱點(diǎn)問題。作為駕駛員的人類可以根據(jù)路況的特征及生活經(jīng)驗輕松地區(qū)分可供行駛的路面和障礙物，但是對于同樣擁有雙目立體視覺的機(jī)器來說，在自由度很高的真實的交通場景中構(gòu)建一個魯棒可靠的模型來表示物理路面還是非常具有挑戰(zhàn)性的難題，本文針對車載雙目視覺中的路面模型的估計的難題提出了一種新穎而實用的算法。
　　在傳統(tǒng)的V-視差算法中，包含

2、深度信息的視差圖像被投影到V-視差平面上，此時顯性的路面特征就會在這一平面產(chǎn)生特殊的投影曲線。針對V-視差圖的路面投影曲線模型構(gòu)建的問題，本文首次提出在不進(jìn)行二值化的情況下，直接引入帶有權(quán)重的Hough變換來提取其中的線性關(guān)系的極坐標(biāo)參數(shù)，并且根據(jù)真實世界的一些約束條件選取合適的直線參數(shù)。該方法具有一定的魯棒性和可靠性，可以應(yīng)對一些極端遮擋的情況。在獲取這些直線參數(shù)后，本文使用了一系列的相關(guān)直線段擬合最終的路面投影曲線模型?？紤]到正常情