【技术实现步骤摘要】
基于纵向双目视觉的车用障碍物检测方法
本专利技术涉及一种无人驾驶车用障碍物检测方法,具体涉及一种基于纵向双目视觉的车用障碍物检测方法。
技术介绍
现有的车用障碍物检测方法及系统主要基于系统激光雷达、毫米波雷达或双目视觉技术。公开号为CN105866790A的中国专利提出了一种用激光雷达识别障碍物方法;公开号为CN104899855A的中国专利提出了一种基于双目摄像头系统和三维激光雷达的三维障碍物检测方法;公开号为CN103411536A的中国专利提出了一种环境感知识别障碍物的方法,该方法在两个CCD摄像机采集图像的畸变校正过程中加入了切向畸变校正,进一步有效的提高图像坐标获取的准确性,同时在立体障碍物匹配的过程中加入了极线约束条件,缩小了特征点匹配范围,减少了立体匹配过程的计算量,提高了立体特征匹配的匹配精度;公开号为CN101852609A的中国专利公开了一种基于机器人双目立体视觉的地面障碍物检测方法,采用双目立体视觉传感器识别障碍物,该专利根据双目的基线长度和焦距,利用已知图像的几何构形解析出图像中各行的地面视差值;在地面视差值的基础上,通过反投影模型计算出某像素对应场景点的三维坐标,从而初步判断该像素属于障碍物或是地面点。上述技术虽然能判断出障碍物,但是激光、雷达等传感器成本高,已有双目视觉检测障碍物技术不能直接判断出特征点所对应的物点是否具有高度。
技术实现思路
为解决上述技术问题,本专利技术的目的在于:提供一种基于纵向双目视觉的车用障碍物检测方法,可判断特征点所对应的物点是否具有高度,从而判断物点是否属于立体障碍物,使无人驾驶更为安全可靠。本专利技术 ...
【技术保护点】
1.一种基于纵向双目视觉的车用障碍物检测方法,其特征在于,包括以下步骤:步骤一、相机选择与安装:在汽车(1)发动机舱盖上安装前置相机(2),在汽车(1)前挡风玻璃后方安装后置相机(3);步骤二、相机参数的获取与保存:获取并保存前置相机(2)和后置相机(3)内部参数及外部参数;步骤三、图像采集:前置相机(2)和后置相机(3)同时对障碍物进行图像采集,保存图像信息并发送至障碍物特征点匹配模块;步骤四、图像特征点检测与匹配:障碍物特征点匹配模块检测并匹配同一时刻前置相机(2)所采集图像中的特征点和后置相机(3)所采集图像中的特征点,标记前、后置相机同一时刻的特征点为一对特征点;步骤五、障碍物判定:障碍物判定模块计算匹配后各对特征点的距离指标,并根据距离指标判断特征点所对应的物点是否属于立体障碍物。
【技术特征摘要】
1.一种基于纵向双目视觉的车用障碍物检测方法,其特征在于,包括以下步骤:步骤一、相机选择与安装:在汽车(1)发动机舱盖上安装前置相机(2),在汽车(1)前挡风玻璃后方安装后置相机(3);步骤二、相机参数的获取与保存:获取并保存前置相机(2)和后置相机(3)内部参数及外部参数;步骤三、图像采集:前置相机(2)和后置相机(3)同时对障碍物进行图像采集,保存图像信息并发送至障碍物特征点匹配模块;步骤四、图像特征点检测与匹配:障碍物特征点匹配模块检测并匹配同一时刻前置相机(2)所采集图像中的特征点和后置相机(3)所采集图像中的特征点,标记前、后置相机同一时刻的特征点为一对特征点;步骤五、障碍物判定:障碍物判定模块计算匹配后各对特征点的距离指标,并根据距离指标判断特征点所对应的物点是否属于立体障碍物。2.根据权利要求1所述的基于纵向双目视觉的车用障碍物检测方法,其特征在于,步骤一前、后置相机的安装方式为:所述前置相机(2)与后置相机(3)纵向安装在同一条直线上,前置相机(2)镜头轴线与地面和汽车(1)中轴线平行,后置相机(3)安装方向与前置相机(2)安装方机安装方向为使镜头俯仰角度为0度时,镜向一致。3.根据权利要求1所述的基于纵向双目视觉的车用障碍物检测方法,其特征在于,步骤二所述前置相机(2)和后置相机(3)的相机内部参数包括相机分辨率、帧率和视差角度;步骤二所述前置相机(2)和后置相机(3)的外部参数包括前置相机安装高度h1、后置相机安装高度h2、前置相机(2)与后置相机(3)安装时纵向水平距离△d、前/后置相机焦距f、前置相机俯仰角θ1、后置相机俯仰角θ2、前/后置相机像元尺寸μ。4.根据权利要求1所述的基于纵向双目视觉的车用障碍物检测方法,其特征在于,步骤四中每对特征点的检测采用Harris角点判别法。5.根据权利要求1所述的基于纵向双目视觉的车用障碍物检测方法,其特征在于,步骤四中每对特征点匹配采用直方图比较匹配算法,具体过程为:检测并匹配到某时刻前置相机(2)所采集图像中的特征点和后置相机(3)所采集图像中的特征点共计n对,n为正整数,前置相机(2)所采集图像特征点记为Pi,i=1,2,…,n,后置相机(3)所采集图像特征点记为Qi,i=1,2,…,n,HPi(k),k=0,1,2,...,L-1,表示特征点Pi的局部特征,HQi(k),k=0,1,2,...,L-1,表示特征点Qi的局部特征,L表示直方图的维度,直方图匹配D(Pi,Qi)由下式表示:当匹配距离D(Pi,Qi)小于其预设阈值时,认为两个特征点是匹配的,否则为不匹配。6.根据...
【专利技术属性】
技术研发人员:徐艺,马晓田,孙烨辉,桑晓青,宫晓彤,高善尚,
申请(专利权)人:山东理工大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。