基于立体视觉的无人智能车车前障碍检测研究开题报告

《基于立体视觉的无人智能车车前障碍检测研究开题报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、毕业设计(论文)开题报告题目：基于立体视觉的无人智能车车前障碍检测研究院（系）光电工程学院专业光信息科学与技术班级090108姓名黄佩学号090108122导师秦文罡2013年03月09日一：题目背景和意义随着各种交通工具日新月异的快速发展及人类的需求所致，开展汽车智能化研究，尤其是对无人驾驶汽车的研究，已经势在必行。无人驾驶汽车从根本上改变了传统的“人一车一路”闭环控制方式，将不可控的驾驶员从该闭环系统中请出去，从而大大提高了交通系统的效率和安全性。现代无人驾驶汽车以汽车工业为基础，以高科技为依托，遵循由低到高、由少到多、由单方面到多方面、螺

2、旋上升的规律发展。其横向发展离不开各种用途的实际需要，而其纵向发展的生命力在于持续不断的技术创新。无人智能车的视觉技术是当前无人驾驶车辆领域研究的一个热点。在无人智能车导航的研究过程中,实时快速的障碍物检测[1]是其中不可缺少的一部分。由于视觉系统相对于激光雷达、声纳等传感器系统具有信号探测范围宽、目标信息完整等优势,而且立体视觉的方法受应用环境的约束较小，图像包含障碍物的环境信息，因此其广受关注，并成为机器视觉研究的热点。二：国内外研究进展利用视觉信息实现障碍检测的方法主要有四个方面,即颜色和灰度、边缘、光流、立体视觉的三维信息[2]。其中,

3、立体视觉的方法受应用环境的约束较小,且可返回障碍物的环境信息和三维信息给机器控制系统。因此,实用系统中更多的是采用立体视觉的方法。立体视觉主要研究如何借助多图像成像技术从多幅图像里获取场景中物体的距离（深度）信息和三维信息等。1978年,美国JPT(加州帕萨迪纳市的喷气推进实验室)首先提出了运用机器视觉来进行车辆的检测的方法[3]。麻省理工学院计算机系提出了一种新的用于智能交通工具的传感器融合方法[4]，由雷达系统提供目标深度的大致范围，利用双目立体视觉提供粗略的目标深度信息，结合改进的图像分割算法，能够在高速环境下对视频图像中的目标位置进行分

4、割。美国火星探测车勇气号和机遇号的障碍物检测采用基于立体视觉的方法[5]，先对摄像机拍摄的图像做一定处理后得出其层次图(elevationmap)，根据此信息识别出障碍物（大于车的体积或大于车轮），且通过立体匹配的方法抛掉那些不属于行进道路的像素点，建立一个障碍物的远近层次图，当前时刻只考虑较近层次的障碍物。5AlbertoBroggi等人提出了一种在未知环境中机器进行实时障碍物检测的立体视觉算法[6]。相比较美国、西欧和日本等发达国家而言，我国起步较晚，各方面才刚刚开始。我国对移动机器视觉系统的研究始于八五期间，目前很多机构都开展了这方面的研

5、究，并且有不少原型样机问世。虽然我国在机器双目立体视觉领域的大都分成果还没有转化为生产力，但已具备了开展视觉研究的人才和技术条件，如清华大学智能技术与系统国家重点实验室、安徽大学人工智能研究所、武汉汽车工业大学数字图像处理研究所等在机器立体视觉研究领域处于领先地位，同时各大院校也正加大机器立体视觉研究的力度。由中国科学院研究的仿生机器鱼，根据颜色信息进行图像分割检测障碍物[7]。由南京理工大学、北京理工大学、浙江大学、国防科技大学、清华大学等多所院校研制成功了一种室外移动机器人[8]，这一系统集成了双目彩色摄像机、三维激光雷达、超声等传感器，利

6、用信息融合技术来检测障碍物并且进行自主避障，准确性和实时性得到了很大的提高。刘正东等人提出一种在图像分割基础上进行快速障碍物目标深度信息检测的方法[9]。首先，在双目视觉系统得到的场景图像对中，通过迭代多层次最佳阈值方法对图像进行分割，归一化后得到场景的目标区域，然后对目标区域进行快速的立体匹配，以得到目标的深度信息，进行障碍物检。三：本课题研究的主要内容及拟采用的设计方案本文以立体视觉系统在无人驾驶车辆中的障碍检测为主线，利用Bumblebee2相机实现三维视觉场景并采集图像，并通过实验运用Matlab软件对图像进行处理和分析，进行仿真试验。

7、1、双目立体视觉原理所谓双目立体视觉技术[10]是指通过对同一物体从不同角度获得的两幅图像来恢复出被拍摄物体的三维信息(尤其是物体的深度信息)的过程。由于物体表面的每一点对于成像面都有一条投射光线,而这条直线上的每一点在图像上都有相同的二维投影坐标。所以仅由一幅图像是无法确定究竟这条投影直线上的哪一点才是真正的物体点。但若已知两幅由不同角度对同一物体进行拍摄而得到的图像,则物体在这两个成像面上的投影光线将在空中相交于一点,这一点的值即可视为被测物体的三维坐标。52、视觉系统流程图深度恢复边缘检测与特征提取预处理数字化图像输入﹉输出结果三维建模与

8、识别视频图像数字图像数字图像二值图像﹉﹉﹉﹉﹉物体图形三维坐标1)图像获取获取数字图像是进行图像处理和实现机器视觉的前提条件，本课题中采用Bumble