The invention discloses an automatic driving obstacle detection method and visual system, through the on-board binocular camera and infrared camera to obtain real-time color and infrared image information; disparity map using GPU graphics processor to obtain the vehicle forward direction; by using the adaptive threshold will be considered bad obstacles in Graph Segmentation and using brightness distribution obstacles object in infrared image segmentation using color histogram; identify obstacles detecting regional disparity map and infrared image is coincidence, and judge the degree of threat, according to the distance geometry and obstacle of the vehicle, and the obstacle will use and issued an emergency braking instruction on the vehicle controller of vehicle collision. The invention combines depth information and infrared information, compared with the traditional method, the obstacle detection rate is greatly reduced; the adaptive threshold will obstacle segmentation from the background, improve the obstacle detection accuracy, has very high practicability in the field of automatic driving.
【技术实现步骤摘要】
一种自动驾驶障碍物视觉检测方法与系统
本专利技术涉及一种自动驾驶障碍物视觉检测方法与系统,属于无人驾驶汽车环境感知
技术介绍
障碍物检测技术是智能汽车自动驾驶系统中的诸多关键技术之一,其可靠性、快速性和准确性是衡量智能汽车自动驾驶系统中的重要指标。基于视觉的障碍物检测系统通常工作于被动工作方式,具有仿生学、结构简单、成本低廉、经济性好、应用范围广等特点。相比于基于超声波、激光雷达等主动传感器的避障系统,视觉避障系统响应速度更快,精度更高,可以提供如颜色、纹理、几何形状等更加丰富的信息,与人类观察感知环境的原理一致,因此得到了越来越多的关注。双目视觉与单目视觉相比,可以获得与摄像头垂直的距离信息,能更加有效的判断出障碍物与车辆的相对位置,也有助于将障碍物从复杂背景中快速、准确的进行分割;目前双目视觉已经广泛应用在机器人导航、自动驾驶等多个领域。但与单目视觉一样,双目视觉受光照影响较大,在光照条件不好的情况下其使用效果将大大降低。红外成像系统可以在烟雾、微光、黑暗等特殊环境下对目标物体进行成像,已被广泛运用于安防、监控等诸多领域。但红外图像无法获得目标物体的纹理、颜色以及深度信息,且成像对比度低,检测距离有限,因此无法单独对车辆行驶过程中的障碍物进行识别。申请号为CN201510040849.6的《一种双双目红外与可见光融合立体成像系统》通过“双双目”红外与可见光图像融合技术的设计,弥补了单一波段立体成像系统的不足,解决了因系统间配合而降低所获取图像精度的问题。但该系统结构复杂,对设备要求高,且没有配套的软件算法对障碍物进行分割,难以在自动驾驶中得到 ...
【技术保护点】
一种自动驾驶障碍物视觉检测方法,其特征在于,包括如下步骤:步骤1,利用双目摄像机实时获取车辆前进方向上的图像,并利用立体匹配算法计算出车辆前进方向上的视差图;同时,利用红外摄像机实时获取车辆前进方向上的红外图像;步骤2,通过视差图将包含障碍物的区域利用自适应阈值分割方法进行分割;步骤3,提取分割后图像中的所有轮廓,并用矩形对最大轮廓进行拟合,根据矩形的面积大小判断视差图中是否出现障碍物;步骤4,在进行步骤3的同时,对红外图像的亮度进行阈值分割,将小于预设阈值的亮度置0,提取分割后图像中的所有轮廓,并用矩形对最大轮廓进行拟合,根据矩形的面积大小判断红外图像中是否出现障碍物;步骤5,若视差图和红外图像中均无障碍物,则判定为无障碍物并返回步骤1;步骤6,若视差图中有障碍物而红外图像中无障碍物,则将视差图中分割出的矩形区域作为障碍物区域,并计算出其与车辆的距离信息;步骤7,若视差图中无障碍物而红外图像中有障碍物,则将红外图像中分割出的矩形区域作为障碍物区域,并计算出其与车辆的距离信息;步骤8,若视差图和红外图像中均存在障碍物,则分别按照步骤6、7分别得到障碍物区域,利用色调直方图判断二者是否重 ...
【技术特征摘要】
1.一种自动驾驶障碍物视觉检测方法,其特征在于,包括如下步骤:步骤1,利用双目摄像机实时获取车辆前进方向上的图像,并利用立体匹配算法计算出车辆前进方向上的视差图;同时,利用红外摄像机实时获取车辆前进方向上的红外图像;步骤2,通过视差图将包含障碍物的区域利用自适应阈值分割方法进行分割;步骤3,提取分割后图像中的所有轮廓,并用矩形对最大轮廓进行拟合,根据矩形的面积大小判断视差图中是否出现障碍物;步骤4,在进行步骤3的同时,对红外图像的亮度进行阈值分割,将小于预设阈值的亮度置0,提取分割后图像中的所有轮廓,并用矩形对最大轮廓进行拟合,根据矩形的面积大小判断红外图像中是否出现障碍物;步骤5,若视差图和红外图像中均无障碍物,则判定为无障碍物并返回步骤1;步骤6,若视差图中有障碍物而红外图像中无障碍物,则将视差图中分割出的矩形区域作为障碍物区域,并计算出其与车辆的距离信息;步骤7,若视差图中无障碍物而红外图像中有障碍物,则将红外图像中分割出的矩形区域作为障碍物区域,并计算出其与车辆的距离信息;步骤8,若视差图和红外图像中均存在障碍物,则分别按照步骤6、7分别得到障碍物区域,利用色调直方图判断二者是否重合;步骤9,若判断为重合,则将两区域合并计算其与车辆的距离;若判断为不重合,则将两区域分开计算其与车辆的距离;并提醒驾驶人障碍物的距离,当障碍物的距离小于预设参考值且驾驶人未做出反应时,对车辆发出紧急制动指令。2.根据权利要求1所述自动驾驶障碍物视觉检测方法,其特征在于,步骤1所述利用双目摄像机实时获取车辆前进方向上的图像的具体做法为:将双目摄像机对称安装在车辆头部左右两侧,且双目摄像机的朝向与车辆前进方向平行,通过预先标定得到的双目摄像机内外参数矩阵将实时获取到的左右两幅图像矫正为无畸变且行对准的两幅图像。3.根据权利要求1所述自动驾驶障碍物视觉检测方法,其特征在于,步骤1所述利用红外摄像机实时获取车辆前进方向上的红外图像的具体做法为:将红外摄像机安装在双目摄像机的正中位置,并向上扬起,与车辆前进方向的夹角为10°。4.根据权利要求1所述自动驾驶障碍物视觉检测方法,其特征在于,所述步骤2的具体做法为:将视差图的最左边和最右边各裁剪掉原图像的1/5,得到裁剪后的视差图,将裁剪后的视差图最下边裁掉自身的1/5,得到新的视差图,设定分割阈值t,将视差值大于等于t的归类为属于障碍物的视差值,将视差值小于t的归类为属于背景的视差值,阈值t的求解方式为:设定N0,N1,…,N255分别为新的视差图中视差值等于0,1,…,255的像素点的数目,阈值t通过最大化G的值可以得到,其中,...
【专利技术属性】
技术研发人员:张天翼,杨忠,韩家明,胡国雄,宋佳蓉,朱家远,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
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。