最新 智能车辆基于双目视觉系统障碍物识别

智能车辆基于双目视觉系统障碍物识别的研究

摘要：随着汽车的普及，交通运输问题日益严重，近年来人们对汽车的智能性的要求越来越迫切。与此同时，以实现无人、全自动和安全驾驶为最终目标的智能车辆今年来发展较为迅速，其关键技术之一是目标障碍物自动识别。本文主要探讨利用双目视觉目标识别技术，来进行车辆前方障碍物的自动识别。此外指出任何一种有效的障碍物检测系统不能只依靠单一传感器进行环境感知,因此利用多种传感器信息融合技术检测智能车辆前方障碍物,是未来该领域的研究重点与难点。

关键词：智能汽车；双目视觉；障碍物识别；信息融合

The Study of Obstacle Detection Technology Based on Binocular

Stereovision for Intelligent Vehicle

Abstract: With the popularization of the vehicle, traffic problem has increasingly become a hot problem. In recent years, people are expecting a type of cars which can be intelligent. At the same time, the realization of completely automatic and safe driving intelligent vehicles is a new rapidly developed research area in recent years, and the key technology of it is automatically detect the obstacles. This article mainly aims at automatically detect the obstacles in front of the vehicle by use of the binocular stereovision obstacle detection technology. In addition, the obstacle can not be detected based on only one kind of sensor, many kinds of information from different sensors must be employed. So the research focus in obstacle detection for intelligent vehicles is located at multi-sensors data fusion.

Key words: intelligent vehicle; binocular stereovision; obstacle detection; data fusion

引言

目标识别技术作为图像理解领域研究的一个重要分支，是利用计算机自动分析和提取原始图像中的前景信息，也就是模糊识别、数据处理等理论，模仿人的视觉系统感知外部世界各种形状的一项技术。

人类通过视觉感知外部世界,主要是从不断变化景物中提取各类目标的形状、颜色、运动状态等信息,准确的说人眼获取和处理的视觉信息相当于两个视觉传感器对同一景区进行连续拍摄得到的双目视频序列,基于双目视觉的目标识别是对人眼视觉系统认识和学习外界的一个更为真实的模拟。

建立基于双目的计算机视觉系统，能够实现车辆在行驶过程中对静态和动态障碍物的自动检测和识别，以及对道路标志线的自动检测和识别，确定车辆与道路的相对位置以及车辆与障碍物的相对位置和相对速度。实时的为智能驾驶辅助系统提供外界环境信息输入。

总之,本文以智能驾驶中的障碍物识别为应用方向,以车辆行驶中双目传感器采集的图像对为处理内容,车辆的行驶背景为日常生活的真实场景,可能包含复杂背景的路况,通过对双目图像信息进行目标提取,为驾驶员或无人驾驶车辆提供潜在的障碍物信息,达到提前预警的目的，而且对智能驾驶系统和机器人导航的进一步开发是极为有意义的。

1. 基于视觉系统障碍物识别研究现状

1.1 基于视觉的智能车辆发展历程

基于视觉的智能车辆是在汽车上安装摄像镜头，利用计算机视觉技术，模仿人眼视觉机理，通过处理摄像镜头捕捉的图像，获得引导信息，视觉引导有许多优势，它不必在道路上增加设施，能适合来往车辆、行人、临时设施等不可预先建模确定的随机障碍物，与GPS 电子引导技术相结合，可以满足智能车辆全天候的绝大部分需求。90 年代以来，视觉引导技术与DGPS 技术的发展，大大加速了智能车辆的研究。

在欧洲，早在1987 年奔驰公司和德国国防军大学联合研制了V AMORS 系列自动驾驶汽车。在随后几年不断对其进行创新使其具备了超车换道功能和对多种气象条件的适应能力，其核心是运行于BVV上的视觉导航系统。法国帕斯卡大学自动化与电子材料科学实验室与法国 D.R.A.S雪铁龙(Citroen)技术中心合作研制Peugeot系统，其视觉系

统使用单摄像机实时检测并跟踪道路白线，采用高斯滤波和平均值计算确定灰度标准方差，利用梯度计算确定车道线的右(或左)边缘，同时选择多项式函数建立轨迹模型，利用时空光滑方法降低噪声和提高鲁棒性。

在美国，卡内基米伦大学（CMU）与多家汽车公司研制Navlab系列车，采用了快速自适应车体定位处理器——PALPH视觉系统。该系统采用视觉窗口技术，仅处理感兴趣区域的局部信息。

在中国，国防科技大学研制的CITA VT—Ⅲ自动驾驶汽车，能进行方向、速度控制，完了成校园环境的低速无人驾驶试验，其特色是视觉系统采用A110DSP自行开发的图像处理系统。清华大学研制THMR-V试验车，是小型商务车，能够进行方向、速度控制，完成高速公路场景录像仿真。

1.2 视觉研究的历史与现状

从信息处理的角度来搞清楚视觉形成的机理，研究其计算理论与算法，以使计算机实现人的视觉识别能力，是人类在基础研究与应用中面临的最重大的挑战之一。计算机视觉的历史不长，它是伴随着计算机科学与技术产生和发展起来的，大致可以分为两个阶段：

早期阶段（1965-1976），计算机视觉研究集中在积木世界或线条图范围，这通常是指那些以平面为表面的多面体的世界。那时的计算机视觉系统都是自底向上结构的，直接取决于低层次视觉的处理，因而研究工作集中在线条和边界的抽取和区域划分上。

近期阶段（1976--），Marr的视觉计算理论立足于计算机科学，是迄今为止最系统化的视觉理论，Marr的理论的出现使得80年代的计算机视觉的研究与以前相比有显著不同。主要表现在研究内容和方向集中在与人类视觉系统中的感知独立模块相对应的课题上，也就是根据影调、运动、立体、轮廓、纹理等线索恢复物体表面的形状。这些研究极大地深化了计算机视觉的研究。

2. 双目视觉相关知识

双目立体视觉的基本原理是利用两台参数性能相同、位置固定的摄像机,从两个视点观察同一景物,以获得在不同视角下的两幅图像,通过成像几何原理计算图像像素间的位置偏差(视差),从而确定三维空间点的深度信息。这一过程与人类视觉的立体感知过程是类似的。

2.1 双目视觉原理

人靠双眼去观察现实场景中的三维物体，两个眼球之间的距离称为眼基线。所谓双目视差，就是当我们去观察同一个三维场景时，三维场景中的点在我们左、右两视网膜上的成像会产生一个生理上的视差，这个视差就称为双目视差。双目视差反映了物体的深度信息，这个信息经过大脑的加工，使人们有深度的感知。双目立体视觉就是模仿人的眼睛，运用类似于人眼的两个摄像机对同一物体进行拍摄，获得立体像对，然后利用各种算法对同名点进行匹配，计算出两幅图像的视差，最后恢复出场景的深度信息。

图2.1表示的是用左、右两摄像机观察同一物体时的情形。物体上的点

1

P发出光线经过透镜中心L

C与图像平面相交于点

L

P

1

，也就是说物体上点

1

P

在左摄像机中的成像点为

L

P

1

。相反，如果已知左

图像平面上一点

L

P

1

和左透镜中心

L

C就可以得出

唯一的一条射线

L

C

L

P

1

，所有成像点为

L

P

1

的物体

上的点都在射线

L

C

L

P

1

上。与此同时，如果我们可

以找到该物体上点

1

P在右摄像机上的成像点为R

P

1

，那么根据点

R

P

1

与右透镜中心

R

C确定了第二

条射线

R

C

R

P

1

，则左右两条射线的交点即为物体上

的点

1

P。因此，在左右两摄像机几何位置确定的情况下，获得物体在空间的位置并不困难，利用三角

原理即可。射线

L

C

L

P

1

上任意一点在右摄像机中的

成像点都在直线

R

P

1R

P

2

上，这条直线称为外极线。

同理，

R

C

R

P

1

上任意一点在左摄像机中的成像点也形成了一条直线，即外极线。因此，在任一空间点在某摄像机中的成像点已知的情况下，要寻找该空间点在另一幅图像平面中的对应点，只需搜索该图像平面中的外极线即可。

图（2.1）

图（2.2）表示的是双目立体视觉理想模型，左、