基于视差空间的道路障碍物检测算法研究
发布时间：2020-08-20 19:49
【摘要】：实时环境感知系统在自动驾驶技术中处于十分关键的地位。依靠不同类型的传感器,环境感知系统能够实时采集周围环境的基本信息。在获取了稠密且充足的三维场景数据后,如何精确地描述道路环境中障碍分布已经成为新的研究课题。由于人造道路环境由水平地面和垂直面占据,而且这些平面在三维空间中呈现出的不同姿态决定了其在视差空间中的特点。基于这个事实,本文着重研究了基于视差空间的通用障碍物检测算法。利用一种名为“Stixel”的紧凑的中级表征方式,在图像域中以图像分割的形式分割障碍物区域。本文从传感器特点出发,比较了立体视觉、结构光法和飞行时间法测距方式,选择了双目立体摄像头作为深度信息传感器。首先搭建了一套精确的双目立体视觉系统,利用张氏标定法标定相机参数,利用Bouguet算法校正双目图像,获得了去畸变的极线对齐的左右视图。然后提出了适用于户外场景的改进的SGM算法,得到了一张噪声较小的视差图作为后续检测算法的输入。进一步地,提出了基于视差空间的障碍物检测算法,在图像域中采用自下而上的方法,级联了多个独立的步骤实现了Stixel的获取。使用这种新颖的表示方式,代替了大量原始三维点云数据的处理。同时设计了一种运动估计模型,结合了动态规划算法,获取了动态障碍物。最后基于Middlebury立体视觉数据集测试改进的立体匹配算法,相较于原算法,误匹配率更低。基于KITTI视觉数据集、HCI数据集和6D-vision数据集,针对行车场景障碍物检测算法实验。实验结果表明准确率优于原有算法,并且可以实时处理视频序列。本次论文的贡献在于证明了用视差空间图代替三维点云或体素的方法,可以有效并可靠地检测障碍物。此外,本次论文拓展了双目立体视觉在行车场景分析的应用,提供了一套快速可靠的道路障碍物检测方法。
【学位授予单位】：天津职业技术师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;U463.6
【图文】：
其关键在于使智能驾驶车辆更好地模拟人类驾驶员的感知驶态势。具体包括行车感知、交通信号感知、交通标识感知等。为实现最优的动态路径规划，智能车辆在行驶环境境的区域可通行性，对道路边界和路内动态障碍物进行现既需要合适的感知设备，也离不开相应的感知技术。环所需感知设备和感知技术的差异。
索智能车辆的关键技术问题。以卡内基梅隆大学的 Navlab 系统[8]为代表，该系统的导航主要基于视觉传感器得到的颜色和纹理信息对道路场景进行理解，识别出道路的边缘并使车辆跟着道路行驶，再结合激光雷达检测到的障碍物并进行地形分析，从而较好的避开障碍物，进行安全巧导航。自此，很多公司和研究机构都开发出了地面自主车的原型系统。从 2004 年开始，DAPRA[9]资助并举办了无人驾驶机器人挑战赛（DARPA GrandChallenge），该挑战赛的目的是刺激可军用的自主式地面车辆的技术创新。2004 年，第一届比赛在美国莫哈韦沙漠举行，全程约 240 公里。令人遗憾的是没有车辆完成比赛。卡内基梅隆大学的汽车 Sandstorm（图 1-2(a)）走了最远的距离，完成了 11.78 公里的路程。2005年 10 月，第二届挑战赛及仍然在沙漠中举行，相比第一届比赛，本次赛程的道路情况更恶劣，同时增加了许多额外的障碍，最终由斯坦福大学的 Stanley[10]（图 1-2(b)）夺得第一名。2007 年 11 月，第三届挑战赛在乔治空军基地举办，被称为“城市挑战赛”，增加了考察车辆与车辆交互决策能力的项目，最终由来自卡内基梅隆大学的无人车 Boss（图 1-2(c)）夺得冠军。自此，引发了自动驾驶技术里程碑式的发展，多家大学实验室和车企投入自动驾驶技术的研发[12]。
在自动驾驶研究具有开拓性进展的代表有：戴姆勒的 6D-Vision（图1-3(a)），6D-Vision 使用立体视觉来确定图像点的 3D 位置。此外，在序列中的若干图像上跟踪图像中的点以测量速度（光流），最后通过适当的滤波来确定 3D 速度。以上将 3D 位置和 3D 运动一起结合的方法，称为 6D-Vision[13]。由德国卡尔斯鲁厄理工学院和丰田芝加哥技术研究院联合创办的自动驾驶场景下的计算机视觉算法评测数据集 KITTI（图 1-3(b)）。KITTI 搭建的平台[14][15]配备了四个高分辨率摄像机，一个 Velodyne 64 线激光雷达和一个最先进的定位系统。基准测试包括 389 个立体视觉和光流图像对，39.2 公里长度的立体视觉测距序列，以及在杂乱场景中捕获的超过 20 万个 3D 物体注释（每个图像可以看到多达 15 辆汽车和 30 个行人）。图 1-3 国外自动驾驶研究机构2009 年，谷歌公司启动了无人驾驶汽车项目，设计了“机器人系统”为核心的无人驾驶汽车。研究内容侧重外部环境感知、检测、判别、决策和控制算法[16]。其研发的自主车辆（图 1-3(c)）顶部安装 64 线激光雷达用于环境目标物体检测和三维环境建图
【学位授予单位】：天津职业技术师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;U463.6
【图文】：
其关键在于使智能驾驶车辆更好地模拟人类驾驶员的感知驶态势。具体包括行车感知、交通信号感知、交通标识感知等。为实现最优的动态路径规划，智能车辆在行驶环境境的区域可通行性，对道路边界和路内动态障碍物进行现既需要合适的感知设备，也离不开相应的感知技术。环所需感知设备和感知技术的差异。
索智能车辆的关键技术问题。以卡内基梅隆大学的 Navlab 系统[8]为代表，该系统的导航主要基于视觉传感器得到的颜色和纹理信息对道路场景进行理解，识别出道路的边缘并使车辆跟着道路行驶，再结合激光雷达检测到的障碍物并进行地形分析，从而较好的避开障碍物，进行安全巧导航。自此，很多公司和研究机构都开发出了地面自主车的原型系统。从 2004 年开始，DAPRA[9]资助并举办了无人驾驶机器人挑战赛（DARPA GrandChallenge），该挑战赛的目的是刺激可军用的自主式地面车辆的技术创新。2004 年，第一届比赛在美国莫哈韦沙漠举行，全程约 240 公里。令人遗憾的是没有车辆完成比赛。卡内基梅隆大学的汽车 Sandstorm（图 1-2(a)）走了最远的距离，完成了 11.78 公里的路程。2005年 10 月，第二届挑战赛及仍然在沙漠中举行，相比第一届比赛，本次赛程的道路情况更恶劣，同时增加了许多额外的障碍，最终由斯坦福大学的 Stanley[10]（图 1-2(b)）夺得第一名。2007 年 11 月，第三届挑战赛在乔治空军基地举办，被称为“城市挑战赛”，增加了考察车辆与车辆交互决策能力的项目，最终由来自卡内基梅隆大学的无人车 Boss（图 1-2(c)）夺得冠军。自此，引发了自动驾驶技术里程碑式的发展，多家大学实验室和车企投入自动驾驶技术的研发[12]。
在自动驾驶研究具有开拓性进展的代表有：戴姆勒的 6D-Vision（图1-3(a)），6D-Vision 使用立体视觉来确定图像点的 3D 位置。此外，在序列中的若干图像上跟踪图像中的点以测量速度（光流），最后通过适当的滤波来确定 3D 速度。以上将 3D 位置和 3D 运动一起结合的方法，称为 6D-Vision[13]。由德国卡尔斯鲁厄理工学院和丰田芝加哥技术研究院联合创办的自动驾驶场景下的计算机视觉算法评测数据集 KITTI（图 1-3(b)）。KITTI 搭建的平台[14][15]配备了四个高分辨率摄像机，一个 Velodyne 64 线激光雷达和一个最先进的定位系统。基准测试包括 389 个立体视觉和光流图像对，39.2 公里长度的立体视觉测距序列，以及在杂乱场景中捕获的超过 20 万个 3D 物体注释（每个图像可以看到多达 15 辆汽车和 30 个行人）。图 1-3 国外自动驾驶研究机构2009 年，谷歌公司启动了无人驾驶汽车项目，设计了“机器人系统”为核心的无人驾驶汽车。研究内容侧重外部环境感知、检测、判别、决策和控制算法[16]。其研发的自主车辆（图 1-3(c)）顶部安装 64 线激光雷达用于环境目标物体检测和三维环境建图
【相似文献】
相关期刊论文 前10条
1 高强;卢云朋;杨红叶;;基于差异的视差估计方法研究[J];电视技术;2015年03期
2 安平,张兆扬;立体图像分层交叠块视差估计与自适应补偿[J];通信学报;2003年03期
3 任云;程福林;黎洪松;;基于频率敏感三维自组织映射的立体视频视差估计算法[J];计算机工程;2018年05期
4 薛远洋;于晓艳;由春秋;;基于区域的自适应加权视差估计算法[J];电子制作;2013年23期
5 朱仲杰,蒋刚毅,郁梅,吴训威;基于MPEG-2的立体视频编码中的视差估计快速算法[J];科技通报;2003年01期
6 任云;程福林;黎洪松;;基于频率敏感三维自组织映射的视差估计算法[J];计算机科学;2017年S2期
7 袁力;张怡;丁丽君;;基于加权匹配代价的初始视差估计算法[J];计算机技术与发展;2011年10期
8 来毅;刘颖;孟义祥;朱婷鸽;;一种均值漂移与图割相结合的视差估计[J];西安邮电大学学报;2017年06期
9 戴万长;;结合Kalman滤波和均值偏移的多视点视差估计[J];计算机应用与软件;2018年06期
10 ;对视差估计中摄像机增益差的校正(英文)[J];中国图象图形学报;1997年10期
相关会议论文 前2条
1 邱涛;郁梅;彭宗举;李福翠;徐秋敏;蒋刚毅;;一种交互式多视点系统中的多分辨率视差估计算法[A];第三届和谐人机环境联合学术会议（HHME2007）论文集[C];2007年
2 田立国;丁航;刘s
本文编号：2798368
本文链接：https://www.wllwen.com/kejilunwen/qiche/2798368.html
