基于单目视觉的无人车环境感知技术研究-论文.pdf

《基于单目视觉的无人车环境感知技术研究-论文.pdf》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、第2期(总第183期)机械工程与自动化No．22014年O4月MECHANICALENGINEERING8LAUTOMATIONApr．文章编号：1672-6413(2014)02—0057—02基于单目视觉的无入车环境感知技术研究毕书浩，李守成，完颜香丽(南京理工大学机械工程学院，江苏南京210094)摘要：为提高无人车的主动安全性能，对其环境感知技术进行了研究，提出了一种在结构化道路上基于单目视觉的汽车前方可行区域内的障碍物检测方法；在确定路面感兴趣区域时，提出了基于模糊聚类的边界跟踪检测算法，实现对车道线的识别；针对序列图像帧间差分法的不足，提出

2、了一种基于帧间差分法的二次改进算法，在突出障碍物特征信息后，采用了静态单帧图像特征处理算法．确定出障碍物位置。实验结果表明，该方法能够有效地识别出车道标志线以及感兴趣区域内的障碍物信息。关键词：单目视觉；感兴趣区域；模糊聚类；线性拟合；帧间差分法；环境感知；无人车中图分类号：U469．79：TP242．62文献标识码：A0引言着明显的几何特征与亮度信息，据此，本文提出了基于主动安全性的无人车是未来汽车行业发展的趋模糊聚类的边界跟踪检测算法。势，它以车载计算机为核心，利用车载传感器系统识别由于图像中存在噪声点，如果不加以分析而盲目周围环境，自动控制车辆的

3、速度和方向使其在道路上地进行线性拟合，得到的车道线方程误差较大[5]。为安全行驶。在现有环境感知算法中，机器视觉算法能精确定位道路图像中的车道线，对检测到的特征点采够提供障碍物大小和位置等基本信息，具有无可比拟用模糊聚类的方法剔除孤立噪声点LG]。道路边缘检测的优势Llj。考虑到感知系统的鲁棒性和实时性，本文的基本思路为：提出了一种在结构化道路上利用单目视觉技术来获取(1)刚开始运行边界跟踪算法时，没有车道线位障碍物信息的方法，该方法通过CCD图像传感器获取置特征参数可供参考，可以通过人工干预的形式设定前方道路环境信息，对采集的图像进行预处理]，采用直

4、线的斜率范围阈值。模糊聚类的边界跟踪算法识别车道线，利用帧间差分(2)建立边界特征点样本集，采用模糊聚类算法法的二次改进算法实现对车道内障碍物的检测。找出聚类中心。首先选取前3个聚类中心进行直线拟1感兴趣区域确定合，得出的斜率与阈值进行比较，如果其值在阈值范围1．1图像预处理内，保留这3个聚类中心，然后舍弃第一点，再选取下无人车在行驶过程中由于受到路面干扰因素的影3个聚类中心进行拟合；如果拟合后的斜率值不在阈值响，采集到的图像质量下降[：，因此需要对图像进行预范围内，用第4个聚类中心替换第3个聚类中心进行拟处理。首先对图像进行灰度化处理，降低运算量；采

5、用合，重复此步骤，直到拟合结果满足设定的阈值为止。中值滤波在去除噪声的同时又能保留边缘细节[4；在2障碍物识别与定位道路阴影不太严重时，采用大律法进行图像分割；通过帧问差分法充分利用视频序列连续两帧间的相关Sobel边缘检测算子增强边缘信息后，道路图像有时性进行障碍物检测，运算速度快[7，但该算法容易检测会出现断裂缝隙，采用形态学处理的方法可将这些断出背景区域。因此采用了二次改进算法，其基本原理裂缝隙桥接起来。是：利用相邻3帧图像两两差分，将两个差分结果进行1．2车道线的识别逻辑与运算]。在图像序列中连续读取3帧图像，假三维世界在摄像机平面中的投影图像

6、存在着消失设第”一1，72，+1帧图像分别为g一(z，)，g(Ir，)，点特征，汽车前方可行区域可由整幅图像缩小为由两g(，)，经过预处理后的图像分别为一(，)，条车道线和消失点组成的三角形区域，该区域称为感(z，)，(z，．y)，计算相邻两帧图像的灰度值差：兴趣区域。道路图像经图像预处理后，道路边缘存在j(，)一G(，)一(一l(，3，)．(1)收稿日期：2013—08—02；修回日期：2013—10—15作者简介：毕书浩(1989一)，男，江苏淮安人，在读硕士研究生，研究方向：无人车环境感知技术及控制策略。·58·机械工程与自动化20l4年第2期j

7、+I(，)=：=G1(，)一G(，Y)．(2)本文所有算法均是在MA'I、LAB环境下编译完成对图像J(-，r，)，n(，)进行逻辑与运算得到的，现以一组序列图像试验结果为例，原始的道路图像图像(z，)，表达式为：如图1所示，差分算法后的图像如图2所示，车道线识、(，)一f(，)&j+l(，)．(3)别和障碍物检测后的图像如图3所示。3试验及结果冁(a)第n—l帧图(b)第神贞图(e)第1+1帧图图l原始序列图(a)第Jr1和第n帧图像差(h)第n和第／1+l帧图像差(c)二次差分法图像图2二次帧间差分法处理结果息，该算法目前还没有在恶劣天气和夜问条件

8、下进行试验，在以后的研究工作中，需要进～步对环境感知算法进行改进和优化。参考文献：[1]黄伟．