基于角点特征的立体视觉车辆环境感知系统研究

《基于角点特征的立体视觉车辆环境感知系统研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第47卷第14期2011年7月机械工程学报JOURNALoFMECHANICALENGINEERINGV01．47J山．No．1420lDoI：lO．3901／JME．20n．14．099基于角点特征的立体视觉车辆环境感知系统研究木姜岩1高峰2徐国艳2(1．北京理工大学机械与车辆学院北京10008l；2．北京航空航天大学交通科学工程学院北京1001911摘要：通过对立体视觉系统进行测距试验发现，标定误差将会导致远距离测距精度的下降，并使立体图像对不再严格的满足极线约束，这说明对于车辆环境感知这类大探测范围的应用不能直接使用传统的立体视觉算法。针对这些问题，设计出基于

2、角点的立体视觉系统进行车辆环境感知。通过二次标定减小相机标定误差对测距精度的影响，使系统能够在有效探测范围内进行准确测距。使用弱化的极线约束对图像中检测到的角点进行立体视觉处理，提高匹配成功率。根据车道线检测结果在线标定相机俯仰角，消除行驶过程中相机俯仰角变化对远距离物体检测造成的影响。为实现大基线立体视觉系统在进行大范围障碍物检测时的实时性处理，根据车速动态调整检测范围以降低立体视觉处理的运算量。试验结果表明，该系统能够对车前3～80m的障碍物进行实时可靠准确的检测和测距。关键词：车辆环境感知立体视觉车身姿态角点检测弱极线约束中图分类号：U461CorneI．-based

3、StereoⅥsionSystem氨DrV_ehicularSurroundingsSensingJL～NGYanl(认OFen92XUGuOy锄2(1．schoolofMechanicalEngine锄lg，BeijingInstituteofTcc圭lnolo趴Beij堍100081；2．SchoolofT协sportationScienceandEnginee血g，BeihangUniVersity；Beijing100191)Abstract：R-esultsof啪gem∞sU帆l∞mtestimplythatcalib枷onen．o塔willdegradethea

4、ccuracyof也esterco、，isionsyst锄躯thes锄ingdist锄ceillcre嬲懿，andm柚【cthe印ipolarc啷拓缸invalid．The化fore，conv∞tionals咖“sionalgorithmsarenotapplicablewh∞tlles∞sing啪geisl哪e．Acomem嘲cds咖visionsyst锄isdesi鲷edf．orvehicle锄玎0岫dingsensingapplicatio衄whemthe∞nsingmgeisllpt080m．Erro硌intherangemea鲫腮m∞tarecor∞ctedbya

5、secolldar)rcalib硎on．BasedonLoo∞印il)ol孤consnai鸭s咖、，isionprocessingofthecomersdctcctedinthcimageis耐b册edtoimproVetheguccessrateofmatch协g．L狮em惦c矗衄isinte毋删with也eobst∞le一出舱cti∞systenltoestimatcthevisionsyst鼬’spi纰angle，whichisindi卿ableinme劬lsfo衄ation行omthec锄∞mc00rdinatestome舢dcoordinate．For吐lepur

6、poseofrealtimeprocessing，thescnsingmgeisdyn锄icallyadj眦d0nmebasisofthevchiclespeed．Exp嘶mental心鲫ltsshowthatthes)，stemisabletorcliablyd‘m∞tobstaclessuch嬲vehiclesandpedes仃ians自Dm3mt080min￡吣ntinreal缸e．1(eywor山：vehicIllar鳓埘枷mdiIlgss锄singS白嗽ovisionvchicleposecalibrationComerdetectiolILoose印ipoIar

7、constraintO前言车辆环境感知是智能车辆技术的主要研究领域之一。通过确定前方障碍物的存在并对其距离进行准确测量，能够实现诸如车辆跟随、主动避撞预·教育部博士点新教师基金资助项目(20070006011)。20101216收到初稿，20“0602收到修改稿警、行人安全等功能，改善交通状况并提高驾驶安全性【l】。与激光雷达等主动传感器相比，机器视觉包含了丰富的信息，符合人类的认知习惯，但是数据处理较为复杂，因此基于机器视觉的车辆环境感知的研究一直都相当活跃【2】。根据相机的数量，机器视觉可以分为单目视觉和立体视