用于智能車輛自主導(dǎo)航的立體視覺算法研究.pdf

1、地面智能車輛是一種智能機器人，它通過配置感知周圍環(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)展對國防、科學(xué)、社會和經(jīng)濟有重大的影響力，已成為各國高科技的戰(zhàn)略研究目標(biāo)。在智能移動機器人領(lǐng)域，“自主導(dǎo)航”是一個重要的研究方向，而環(huán)境感知是實現(xiàn)自主導(dǎo)航的最基本要求。自主導(dǎo)航系統(tǒng)通過三維測量技術(shù)感知環(huán)境，為移動機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，三維測量方式主要分為主動測量和被動測量兩大類。立體視覺技

2、術(shù)通過二維圖像重構(gòu)三維的場景信息，本身不發(fā)出光及其它輻射源，是一種被動測量方式。與其它測量方式相比，它具有測量快速、相對準(zhǔn)確、隱蔽性強和廉價等優(yōu)點，另外，立體視覺系統(tǒng)重量輕，能耗低。在過去的十幾年中，立體視覺成為計算機視覺和自主導(dǎo)航領(lǐng)域的研究熱點，取得了令人矚目的進展，目前已廣泛實踐于軍事和外空探索領(lǐng)域，并發(fā)揮著越來越重要的作用。
　　 本文選擇雙目體視作為面向地面車輛自主導(dǎo)航的環(huán)境感知的實現(xiàn)模式，對立體視覺的解決方法和難點進行

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方案，以提高體視系統(tǒng)的適用性、精度和計算效率等性能。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。具體的研究內(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，提出了一種加強矩形幾何約束的四控制點角錐法，計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個像素，收斂時的迭代次數(shù)和執(zhí)行時間少于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，具有更強的實用價值。
　　 (2)動態(tài)規(guī)劃和掃描線優(yōu)化是解決立體匹配問題中一維能量函數(shù)優(yōu)化的兩種常用方法。作為一種經(jīng)典的動態(tài)規(guī)劃匹配算法，Pix-to-Pi

5、x算法通過加強順序約束能夠高效地檢測出較大遮擋，但該方法無法解決無紋理區(qū)域誤匹配高和行間視差連續(xù)性差的問題，本文提出了一種加強垂直一致性約束的基于雙向動態(tài)規(guī)劃的匹配算法。首先在垂直方向上聚集了原始代價，構(gòu)建新的能量函數(shù)來懲罰行間的視差不連續(xù)點;然后定義了一種視差可靠性準(zhǔn)則去除偽視差點，并引用大尺寸的可移動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典型問題——所獲視差圖在行間不連續(xù)，兩級掃描線優(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)問題的方法，然而它的計算代價相對較大。本文提出了一種基于TPSO的快速匹配算法，通過引入視差梯度理論，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、融入兩級掃描線優(yōu)化中，分別從水平和垂直兩個核線方向進行可變視差范圍的搜索改進。所提算法的計算量與平滑點的數(shù)目呈反比，在減少誤匹配發(fā)生概率的同時提高了TPSO方法的計算效率。
　　 (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行消息傳輸，使信任度傳播能夠在多項式時間內(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)項和平滑項，對平滑約束進行分層調(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;其次通過檢測消息的收斂性來減少由像素收斂不同步產(chǎn)生的冗余計算;最后通過加強匹配的對稱性解決了遮擋問題，并提出重建數(shù)據(jù)項后運用貪婪法迭代優(yōu)化視差圖，引導(dǎo)可靠視差向不可靠視差擴散。所提算法的運行時間不依賴于迭代次數(shù)，準(zhǔn)確度和計算效率均得到提高。
　　 (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算量過于龐大，針對此問題，本文提出了一種加強分割約束基于α擴展的匹配算法。我們首先構(gòu)建了對噪聲魯棒，保護視差不連續(xù)性及遮擋不對稱性的能量函數(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的候選對應(yīng)作為有向圖的頂點，從而大大減少了α擴展算法的網(wǎng)絡(luò)規(guī)模;最后利用視差分布下降的順序進行α擴展來減少迭代總數(shù)。所提算法在達到收斂時的計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，為了解決此問題，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)的視差通過線性平面方程建模，利用地面控制點進行迭代插值。然后通過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行解的搜索，在分割級上估計最優(yōu)平面參數(shù)。全局