基于立体视觉和扩展卡尔曼滤波器的运动估计

发布时间：2023-04-22 03:16

　　针对智能汽车避障问题,提出了一种相机自身运动情况下,基于双目立体视觉和扩展卡尔曼滤波器(EKF)的运动估计方法.检测阶段,借助立体视觉的三维重建能力依据目标位置分割目标获得感兴趣区域(ROI).跟踪阶段,通过光流法跟踪ROI内的边缘点,建立EKF预测与测量模型将自车运动、光流及视差融合在一起,更新获得优化的目标位置和速度信息.该方法针对自车运动平台,建立自车和目标相对运动模型,采用边缘点跟踪约束和随机采样一致性算法(RANSAC)剔除不可靠的跟踪点.以KITTI公共数据集提供的交通场景为测试对象,验证了方法的有效性.

【文章页数】：8 页

【文章目录】：
0 引言
1 方法总体框架
2 基于位置的目标检测
3 跟踪与运动估计
    3.1 自车与目标的相对运动模型
    3.2 卡尔曼滤波器的设计
        3.2.1 状态方程
        3.2.2 测量方程
        3.2.3 估计和更新
    3.3 特征点选取
4 实验与分析
    4.1 目标检测结果
    4.2 特征点筛选结果
    4.3 运动估计结果
    4.4 算法评估及比较
    4.5 实验结果分析
5 结论



本文编号：3796806