用于智能車(chē)輛自主導(dǎo)航的立體視覺(jué)算法研究.pdf

1、地面智能車(chē)輛是一種智能機(jī)器人，它通過(guò)配置感知周?chē)h(huán)境的傳感器，從而能夠在道路和野外環(huán)境連續(xù)自主行駛的。它的發(fā)展對(duì)國(guó)防、科學(xué)、社會(huì)和經(jīng)濟(jì)有重大的影響力，已成為各國(guó)高科技的戰(zhàn)略研究目標(biāo)。在智能移動(dòng)機(jī)器人領(lǐng)域，“自主導(dǎo)航”是一個(gè)重要的研究方向，而環(huán)境感知是實(shí)現(xiàn)自主導(dǎo)航的最基本要求。自主導(dǎo)航系統(tǒng)通過(guò)三維測(cè)量技術(shù)感知環(huán)境，為移動(dòng)機(jī)器人的安全行駛和決策制定提供必要的地形信息和障礙物信息。目前，三維測(cè)量方式主要分為主動(dòng)測(cè)量和被動(dòng)測(cè)量?jī)纱箢悺ＡⅢw視覺(jué)技

2、術(shù)通過(guò)二維圖像重構(gòu)三維的場(chǎng)景信息，本身不發(fā)出光及其它輻射源，是一種被動(dòng)測(cè)量方式。與其它測(cè)量方式相比，它具有測(cè)量快速、相對(duì)準(zhǔn)確、隱蔽性強(qiáng)和廉價(jià)等優(yōu)點(diǎn)，另外，立體視覺(jué)系統(tǒng)重量輕，能耗低。在過(guò)去的十幾年中，立體視覺(jué)成為計(jì)算機(jī)視覺(jué)和自主導(dǎo)航領(lǐng)域的研究熱點(diǎn)，取得了令人矚目的進(jìn)展，目前已廣泛實(shí)踐于軍事和外空探索領(lǐng)域，并發(fā)揮著越來(lái)越重要的作用。
　　 本文選擇雙目體視作為面向地面車(chē)輛自主導(dǎo)航的環(huán)境感知的實(shí)現(xiàn)模式，對(duì)立體視覺(jué)的解決方法和難點(diǎn)進(jìn)行

3、了深入研究。在現(xiàn)有方法的基礎(chǔ)上，提出了一些新的解決方法和改進(jìn)方案，以提高體視系統(tǒng)的適用性、精度和計(jì)算效率等性能。另外，體視系統(tǒng)的硬件組成、參數(shù)配置和誤差分析也是本文研究的主要內(nèi)容。具體的研究?jī)?nèi)容和成果如下:
　　 (1)張氏標(biāo)定法是一種被廣泛應(yīng)用的經(jīng)典平面模板標(biāo)定法，為了使該方法的外參標(biāo)定過(guò)程更具靈活性和適應(yīng)性，提出了一種基于共線方程的四控制點(diǎn)外參標(biāo)定法。該算法在共線方程模型的基礎(chǔ)上推導(dǎo)出投影誤差的線性表達(dá)式，并引入非線性最小二

4、乘法迭代優(yōu)化外參，提出了一種加強(qiáng)矩形幾何約束的四控制點(diǎn)角錐法，計(jì)算出的迭代初值更穩(wěn)定和準(zhǔn)確能使算法收斂更快。所提的標(biāo)定算法具有較好的精度和執(zhí)行效率——重投影誤差小于0.5個(gè)像素，收斂時(shí)的迭代次數(shù)和執(zhí)行時(shí)間少于10次和少于100ms。與張氏標(biāo)定法相比，它的世界坐標(biāo)系可保持不變，具有更強(qiáng)的實(shí)用價(jià)值。
　　 (2)動(dòng)態(tài)規(guī)劃和掃描線優(yōu)化是解決立體匹配問(wèn)題中一維能量函數(shù)優(yōu)化的兩種常用方法。作為一種經(jīng)典的動(dòng)態(tài)規(guī)劃匹配算法，Pix-to-Pi

5、x算法通過(guò)加強(qiáng)順序約束能夠高效地檢測(cè)出較大遮擋，但該方法無(wú)法解決無(wú)紋理區(qū)域誤匹配高和行間視差連續(xù)性差的問(wèn)題，本文提出了一種加強(qiáng)垂直一致性約束的基于雙向動(dòng)態(tài)規(guī)劃的匹配算法。首先在垂直方向上聚集了原始代價(jià)，構(gòu)建新的能量函數(shù)來(lái)懲罰行間的視差不連續(xù)點(diǎn);然后定義了一種視差可靠性準(zhǔn)則去除偽視差點(diǎn)，并引用大尺寸的可移動(dòng)窗口方法填充并濾波視差圖。所提算法的匹配精度優(yōu)于當(dāng)前的其它相關(guān)算法，平均誤匹配率比Pix-to-Pix算法約下降了40％，尤其是在視差

6、不連續(xù)區(qū)域和無(wú)紋理區(qū)域的匹配精度得到明顯提高。
　　 (3)掃描線優(yōu)化匹配算法存在一個(gè)典型問(wèn)題——所獲視差圖在行間不連續(xù)，兩級(jí)掃描線優(yōu)化(two pass scanline optimization，TPSO)是一種能夠有效解決視差圖在行間不連續(xù)問(wèn)題的方法，然而它的計(jì)算代價(jià)相對(duì)較大。本文提出了一種基于TPSO的快速匹配算法，通過(guò)引入視差梯度理論，定義了一種弱連續(xù)性約束，將相鄰像素點(diǎn)的視差差異約束在一定搜索范圍內(nèi)，并將弱連續(xù)性約束

7、融入兩級(jí)掃描線優(yōu)化中，分別從水平和垂直兩個(gè)核線方向進(jìn)行可變視差范圍的搜索改進(jìn)。所提算法的計(jì)算量與平滑點(diǎn)的數(shù)目呈反比，在減少誤匹配發(fā)生概率的同時(shí)提高了TPSO方法的計(jì)算效率。
　　 (4)分層信任度傳播(hierarchical belief propagation，HBP)算法是BP發(fā)展史上一塊新的里程碑，它主要采用由粗到精的方式進(jìn)行消息傳輸，使信任度傳播能夠在多項(xiàng)式時(shí)間內(nèi)獲得最優(yōu)解。在HBP算法的基礎(chǔ)上，本文提出了一種基于自適

8、應(yīng)分層信任度傳播的高效匹配算法。首先定義了自適應(yīng)的數(shù)據(jù)項(xiàng)和平滑項(xiàng)，對(duì)平滑約束進(jìn)行分層調(diào)節(jié)，然后執(zhí)行消息的迭代傳輸，從而降低了歧義區(qū)域的匹配不確定性;其次通過(guò)檢測(cè)消息的收斂性來(lái)減少由像素收斂不同步產(chǎn)生的冗余計(jì)算;最后通過(guò)加強(qiáng)匹配的對(duì)稱性解決了遮擋問(wèn)題，并提出重建數(shù)據(jù)項(xiàng)后運(yùn)用貪婪法迭代優(yōu)化視差圖，引導(dǎo)可靠視差向不可靠視差擴(kuò)散。所提算法的運(yùn)行時(shí)間不依賴于迭代次數(shù)，準(zhǔn)確度和計(jì)算效率均得到提高。
　　 (5)目前，立體匹配研究成果中精度最

9、好的一類是圖切割算法。這類算法最大的不足是計(jì)算量過(guò)于龐大，針對(duì)此問(wèn)題，本文提出了一種加強(qiáng)分割約束基于α擴(kuò)展的匹配算法。我們首先構(gòu)建了對(duì)噪聲魯棒，保護(hù)視差不連續(xù)性及遮擋不對(duì)稱性的能量函數(shù);其次證明了能量函數(shù)的圖可構(gòu)造性;然后定義了一種分割約束，將它與距離變換結(jié)合，選取出α的候選對(duì)應(yīng)作為有向圖的頂點(diǎn)，從而大大減少了α擴(kuò)展算法的網(wǎng)絡(luò)規(guī)模;最后利用視差分布下降的順序進(jìn)行α擴(kuò)展來(lái)減少迭代總數(shù)。所提算法在達(dá)到收斂時(shí)的計(jì)算量明顯少于目前的其它相關(guān)算法

10、，至少下降了2/5，同時(shí)獲得了更準(zhǔn)確的匹配結(jié)果和避免了噪聲干擾。
　　 (6)基于遺傳的匹配算法存在解空間龐大、易陷入早熟的缺點(diǎn)，為了解決此問(wèn)題，本文提出了一種利用二次分割基于自適應(yīng)免疫遺傳的匹配算法。首先分割塊內(nèi)的視差通過(guò)線性平面方程建模，利用地面控制點(diǎn)進(jìn)行迭代插值。然后通過(guò)三種方式減少解空間的規(guī)模和路徑搜索空間的大小，即根據(jù)視差的一致性合并顏色分割塊，利用鄰域平面集代替初始平面集進(jìn)行解的搜索，在分割級(jí)上估計(jì)最優(yōu)平面參數(shù)。全局