THE VISION CREATOR

当前位置:首页 > 软件实力

软件实力

汽车辅助自动驾驶中应用
发布时间:2014-4-14 浏览次数:1564

    在汽车的辅助自动驾驶中,机器视觉系统的典型应用如图1 所示。机器视觉系统主要任务在于完成对车辆前方、车辆后方和两侧,以及车内驾驶员行为等各种视觉信息的获取和处理,并完成辅助驾驶指令的发出。其中前方车辆和路况信息对安全驾驶起着关键作用。汽车辅助自动驾驶是未来发展智能汽车的前提和基础。




                      图 1  辅助自动驾驶的路况示意图


    着重介绍该立体视觉系统,该系统已经完成实验室研究。

    示意图如图2 所示。在车辆前方对称位置,左右装置双目视觉的立体视觉系统,获取前方车辆和路况信息,也包括道路标志信息。其基本原理是用两台CCD摄像机以不同角度获取物体图像,通过空间物点在两幅图像中对应像点之间的几何位置关系来重构该物点的空间三维坐标。根据本车的速度和与前方车辆的相对位置或距离,不断检测前方视场范围内的车辆和环境信息,得到前方车辆的速度、车辆的高宽尺寸,并获取前方路况其他信息,如道路标志信息,路面障碍物信息等。根据得到的综合信息,辅助驾驶人员采取安全、有效的操控方式。达到高精度三维定位的一个关键前提是特征向量的选取以及高精度立体匹配。




                      图 2  辅助自动驾驶的立体视觉系统示意图


    过程如下:首先完成对采集到的图像进行灰度变换、直方图增强、平滑滤波等必要的预处理。需要指出的是,由于序列图像本身含有各种噪声干扰,且当目标运动速度过快时可能产生图像的“拉毛”现象,所以需要对图像进行平滑滤波。应用较多的高斯滤波器虽然能抑制高斯噪声,但不能消除任何毛刺现象。考虑这种情况,系统采用了快速中值滤波(FM)算法。它的思想是,把数字图像中一个像素点的灰度值,用该点邻域中各点的中值替代,其中每次窗口沿着行平移一列后进行排序时,实际窗口内容变化的只是丢弃了最左侧的列取而代之的是一个新的右侧列,而其余的窗口下的像素值没有改变。该算法是一种很好的非线性滤波方法,可极大减小运算量,能消除脉冲干扰造成的孤立噪声,以及叠加白噪声和长尾叠加噪声,并可克服线性滤波器滤波结果中细节模糊的问题,能较好的保护边界信息。经过预处理后的图像序列成为可供计算机分析处理的图像。接下来是图像分割。主要实现运动区域、前方各种目标信息的检测。图像采集是在自然条件下进行的,考虑图像采集时间间隔短且总的采集时间不长,因此可以忽略视场内光线、背景等变化因素的干扰。实际工作中对于精确性和实时性的要求,采用了计算量小并且检测结果不受运动目标速度限制的差影法来进行运动检测,再利用迭代求得最佳灰度阈值对结果帧分割并二值化。

    分割后的图像仍有可能含有少量的背景噪声干扰,进一步用形态学方法对其进行去噪。采用的结构元素是3 × 3 的中心对称结构。经过先闭后开(经实验验证:这比先开后闭得到的图像目标连通区域更光滑)运算后的图像中基本上只留下完整的运动目标。

    还需要通过提取适当的特征向量以及立体匹配来实现目标的精确定位。主要步骤如下:特征提取和目标分类,先采用串行边界分割技术对图像中所有连通器区域进行边界跟踪运算,再求出各个连通区域的外接矩形和灰度面积等参数。对于多个运动目标的检测,可在求外接矩形的过程中,根据实际目标的形状大小、外接矩形尺寸和灰度面积进行匹配,以区分不同物体。立体匹配是立体视觉中最重要,也是最困难的步骤。当空间三维场景被投影为二维图像时,同一景物在不同视点下的图像会有很大的不同。为了求解对应,人们通过增加适当的约束条件(如外极线约束、一致性约束、唯一性约束、连续性约束等)来减少误匹配。






地址:北京市东城区广渠门外大街名敦道4号楼808室       联系电话:010-58674075       北京新锐视锋科技有限公司 版权所有     京ICP备10031001号