1、基于双目视觉的障碍物识别研究基于双目视觉的障碍物识别研究组组 长：郇宝贵长：郇宝贵 小组成员：王朋辉小组成员：王朋辉 侯帅格侯帅格 杨琳杨琳 查婷婷查婷婷 马靖然马靖然 张瑾张瑾基于双目视觉的障碍物识别研究基于双目视觉的障碍物识别研究研究的目的意义 国内外研究现状 算法的对比分析算法的提出和设计算法的实现结论1.研究的目的意义 城市复杂的路况背景下，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，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。对智能驾驶系统和机器人导航的进一步开发有重大的意义。2 国内外研究现状 基于立体视觉的障碍物检测是目前障碍物检测中最常用的方法
2、。1.首先使用两个或多个摄像机从不同视角同时获取场景图像;2.通过图像匹配发现障碍物并得到图像间的视差;3.根据障碍物在图像中的位置、视差以及摄像机标定参数计算出障碍物的实际距离。1.利用神经网络分别提取立体图像对中的边缘，然后进行边缘匹配，最后通过场景重建提取目标。优点：简化了逐像素匹配过程，仅对边缘匹配，可准确识别距离摄像机近的目标。缺点：远离摄像机或目标部分残缺时，出现错误识别。2.首先划分目标区和非目标区，然后利用反透视原理，对图像对中一幅图像的几个特征点进行变换，并与另一幅图像内相同特征点比较，确定是否存在障碍物。缺点：经验值并不适用于所有背景；通过几个特征点的变换寻找目标的方法，不
3、利于小目标或多目标识。3.首先检测车道和车辆轮廓，并组成一定的骨架结构，然后在立体图像中寻找类似的结构来判定目标。缺点：仅适用于同类型目标的识别。3 算法的对比分析存在一个共同的问题：1.一般只适用于简单背景，并且对阴影、光照、反光等天气变化造成的背景变化很敏感。2.有些在分析中还要一些不切实际的假设。例如:假设路面保持水平、假设车型满足某种条件等。4.1算法的提出 采用基于双目视觉识别技术，并含有复杂背景图像的目标识别算法v视差图法来识别障碍物。4.2 算法设计 1.利用立体视觉匹配技术建立视差图，并对该视差图进行了改进以便减少误匹配。2.对改进的视差图，沿图像坐标系中的V坐标轴方向(纵坐标
4、)，由上至下逐行扫描，累加具有相同视差值的像素点的个数，由此建立一幅V方向上的视差图。3.在此视差图中，采用基于灰度图像中的直线提取方法，从v方向视差图中，提取出一些直线信息。4.通常，代表障碍物的直线一般是竖直的。可将障碍物从背景中提取出来。5.算法的实现 1.V一视差图的生成 计算左图所有像素相对右图同名点的水平视差，并以每个像素点的视差作为该点对应的新灰度值，即可形成浓密视差图像(ul,vl,p)。利用视差图内包含的三维信息，累加视差图像每一行上具有相同水平视差的像素个数，count 1，并以(P，vl)为新的像素坐标，以count1为对应于该像素的灰度值，这样就形成了高度和原图像一致的
5、新图像的V视差图像。2.障碍物目标的识别 通过引入Hough变换或直线拟合等其它算法提取v一视差图像中的线段，即可确定路面和障碍物面在图像中的准确位置。而且路面和障碍物面的交点即为障碍物的触地点。垂直的直线段高度代表障碍物的高度。宽度可以通过2种方法得到:1.对前面得到的浓密视差图进行U方向的视差计算得到U视差图，从而得到一条代表障碍物宽度的水平线。2.根据同一目标上的点视差值相近的原理，以每一个障碍物垂线为中心在水平方向延伸进行搜索，就可以最终锁定障碍物所在区域。6 结论 结合道路检测方法，去除冗余信息，能够准确有效地找到障碍物位置并进行标示。优点：1.摒弃了假设道路一直为水平的约束。2.对道路环境要求不高。3.客观因素的影响下具有较好的鲁棒性，适用于城镇一般交通状况下。缺点：目前处于试验阶段，不能运用实际的车辆预警系统中。
