基于多相機全向視覺導航的道路建模.pdf

1、視覺導航是自主車的一種重要的導航方式。然而普通視覺傳感器視場較小，無法感知道路，特別是道路交叉口的全局信息，給視覺導航造成了一定的局限性。
　　多相機全向視覺系統(tǒng)（Omnidirectional Multi-camera System，OMS）具有視場大、分辨率高、畸變小等優(yōu)點。本文以多相機全向視覺系統(tǒng)作為視覺導航傳感器，以Radon變換、混合高斯模型、馬爾可夫隨機場和圖割理論為數(shù)學工具，重點研究了自主車視覺導航中的交叉口檢測、交

2、叉口結構估計與建模、轉彎參考路徑的規(guī)劃、轉彎車速控制等問題。
　　本文的主要內容和貢獻如下:
　　1.提出了多相機全向視覺系統(tǒng)外部參數(shù)的標定算法。外部參數(shù)標定是確定導航系統(tǒng)與環(huán)境的位姿關系的重要方法。本算法首先計算外部參數(shù)的初始值，然后采用Levenberg-Marquardt算法對其進行迭代優(yōu)化而得到精確的標定結果。本文還對算法的有效性和穩(wěn)定性進行了分析。
　　2.提出一種基于混合高斯模型和馬爾可夫隨機場的道路檢測算

3、法。以往基于概率和機器學習的道路檢測方法雖考慮了幀間的聯(lián)系和影響，但忽略了像素間的空間關系，容易導致過分割。本算法將道路的分割轉化為圖像像素的最優(yōu)二類標記問題，先利用機器學習獲得混合高斯模型參數(shù)，從而得到圖像屬于每一類標記的概率密度場，而后由馬爾可夫隨機場進行空間關系建模，通過圖割理論計算路與非路的最優(yōu)標記。
　　3.提出了道路交叉口的參數(shù)化模型和數(shù)據(jù)結構，并研究了該模型的回歸算法。在道路交叉口的自主導航中，通常需要對交叉口的形狀

4、、結構進行描述和存儲。非參數(shù)化的描述方法數(shù)據(jù)量大，不利于處理和存儲。因此，本文提出了一種交叉口的參數(shù)化模型。該模型采用道路紅線模型和內包絡線模型對交叉口進行描述，具有良好的通用性和靈活性。其中，道路紅線模型反映了交叉口的邊緣信息，有利于最大化地保存交叉口的結構和形狀;而內包絡線模型描述了自主車安全通行的區(qū)域，主要用于自主導航和路徑規(guī)劃，保證了行駛的安全性。
　　4.提出了基于Radon變換的道路交叉口檢測與識別算法，并實現(xiàn)了基于道

5、路交叉口參數(shù)化模型的轉彎參考路徑的規(guī)劃和車速控制。道路交叉口的檢測和識別是交叉口自主導航中的一個重要問題，它決定了導航系統(tǒng)對道路結構的基本判斷。在已有的檢測與識別算法中，有些僅檢測某一特定類型的道路交叉口，有些則基于較強的前提條件或假設，這些都帶來了一定的局限性。本文提出了一種基于Radon變換的道路交叉口檢測和識別算法，該算法可以檢測多種類型的交叉口，并識別它們的結構和類型。在對交叉口建立參數(shù)化模型后，本文還計算出自主車轉彎的參考軌跡