无人驾驶汽车视觉里程计算法研究

发布时间：2020-10-15 04:41

　　 随着计算机技术与应用的快速发展,人们的生活方式发生了巨大的改变。智能设备正在不断取代传统的体力劳作甚至传统的机械设备,作为未来的必然趋势之一,无人驾驶汽车一直是科研领域研究的热点。虽然有很多科技公司如谷歌、百度等与传统的汽车公司如奔驰、大众等已经建立的无人驾驶汽车研究机构并开始了公路测试,但现有的无人驾驶技术依然存在很多的问题和难题。其中最为基础的是定位技术。传统的定位技术存在很多的局限,视觉定位技术是一个非常不错的补充。视觉定位技术也叫做视觉里程计技术,本文针对目前的视觉里程计算法中存在的缺点展开研究,提出了若干改进策略,通过实验表明本文中提出的改进算法在实际中真实有效。基于特征点的视觉里程计算法,其输入信息依赖以从图像中提取的特征点,特征点的离散性和数量对于视觉里程计算法的精度有很大的影响。本文提出了基于图像分割的特征提取算法,首先对图像进行分割,对每一个窗口图像采用自适应权值的特征提取策略进行特征提取,经过实验表明,本文提出的特征提取算法提取特征后能够使特征离散的分布在整个图像上,同时在不同帧上提取特征后,特征的数量能够维持恒定。基于视觉的里程计算法,通过在不同位置对同一场景进行观测,利用观测信息之间的关系求解相机系统在两个位置之间发生的位姿变化。场景中的运动物体对定位精度有非常大的影响,本文中提出了基于加权特征点的运动估计算法首先通过之前帧序列的位姿变化预测当前3D特征点的位置,其次用当前3D特征点的估计位置与预测位置进行对比,对3D特征点进行质量评估,在进行运动估计时依据3D特征点评估分数构建基于加权特征点的运动估计算法,使用该算法进行运动估计可以使本文提出的视觉里程计算法在运动估计阶段对场景中的运动物体进行检测并排除大部分运动较大的运动物体点,最终使得本文提出的视觉里程计算法具有较高的定位精度和鲁棒性。为了更好的对场景中的运动目标进行检测,本文对传统的基于混合高斯的运动目标检测算法进行探讨和研究并提出改进策略。传统的算法在实际使用中容易受到噪声干扰,且计算成本高,针对其不可避免的缺点本文中提出了一个基于信息度对图像进行分块的混合高斯模型算法。通过图像块中含有运动点的比例不同采用不同的混合高斯模型,对于位于运动目标边缘的图像块采用单独的算法进行预处理,不仅能够降低背景区域、运动区域中噪声对背景模型的影响,同时能够以更高的计算效率实现运动目标的检测。实验结果表明本算法在实际场景中具有可行性和鲁棒性。
【学位单位】：陕西师范大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：U463.6;TP391.41
【部分图文】：

的提高驾驶员的用户体验。具有自动驾驶功能的汽车除了满足我们的大众无人驾??驶汽车需求外，还可以应用在非常多的场景中，如无人驾驶车可以在高温环境，??核污染区域，甚至可以在其他星球等危险区域中进行勘测工作。图１－１中展示的分??别是在火星上探索环境的好奇号火星车与ｇｏｏｇｌｅ出产的无人驾驶车。??１??

图２－４小孔成像模型??Ｆｉｇ．２－４?ｓｍａｌｌ?ｈｏｌｅ?ｉｍａｇｉｎｇ?ｍｏｄｅｌ??如图２－３，以光心ｃ点为原点，平行于成像平面的两条直线为Ｘｅ轴和Ｙｃ轴，??直于成像平面且过光心的直线为Ｚｅ轴，形成相机坐标系。光心Ｃ点到成像平面??距离为焦距ｆ。??在图２－４中，３Ｄ空间点Ｘｃ通过光心点Ｃ在成像平面上映射为ｘｉｍ，假设Ｘｃ??坐标为＾?＆?ｚｔ．ｆ，通过小孔成像模型中构成的几何关系，我们可以求出像素??ｘｉｍ在成像平面坐标系中的坐标为公式（２－６）??ｒ?ｎＴ??ｆ—?＋?Ｐ２?ｆ—?＋?Ｐ，?（２－６）??Ｌ?Ａ?」??其中ｐｘ，?ｐｙ分别为成像平面坐标系原点与相机坐标系原点在ｘ轴和ｙ轴上的??离。??１５??

Ｘｐｄ??图２－?６对极几何??Ｆｉｇ．２－６?ｐａｉｒｓ?ｏｆ?ｐｏｌａｒ?ｇｅｏｍｅｔｒｙ??图２－６中描绘了一个空间３Ｄ点？在光心为ｃＬ，?ｃＲ的相机系统成像平面上分别??投影为ｘＬ，?ｘＲ．。图中两个相机系统光心之间的连线称为基线，符号为ｂ；基线与??左右成像平面的交点称为极点，符号为ｅＬ，?ｅＲ；３Ｄ点与基线所构成的平面为极平面。??对极几何的核心是指３Ｄ点在成像平面上的投影点一定在极平面和成像平面的交??线上。??在进行三角化求解空间点坐标的过程一般分为２个步骤，第一步求解一个像??素点在另一个成像平面的对应像素点位置；第二步通过三角化方法求解空间点的??３Ｄ坐标。??通过对极几何的约束，我们可以只在极线上搜索对应的像素点，从而提高搜??索效率，降低计算成本。在对极几何中存在公式（２－２１）中的约束。??必＝０?＾－２１）??１９??
【参考文献】

相关期刊论文 前5条

1 刘万军;李琳;;基于熵理论改进混合高斯模型的运动目标检测算法[J];计算机应用研究;2015年07期

2 康轶非;宋永端;宋宇;闫德立;;动态环境下基于旋转-平移解耦的立体视觉里程计算法[J];机器人;2014年06期

3 刘皞;赵峰民;陈望达;;一种基于背景自适应的运动目标检测与跟踪算法[J];海军航空工程学院学报;2012年01期

4 王永忠;梁彦;潘泉;程咏梅;赵春晖;;基于自适应混合高斯模型的时空背景建模[J];自动化学报;2009年04期

5 李智;周文晖;刘济林;;动态场景下基于视差空间的立体视觉里程计[J];浙江大学学报(工学版);2008年10期

本文编号：2841710