一种基于激光散斑三维重建的行车障碍物识别方法技术

一种基于激光散斑三维重建的行车障碍物识别方法，所述方法包括以下步骤:步骤一：激光器投射单束激光束；步骤二：单束激光束过DOE衍射散斑；步骤三：激光散斑标定得标记空间；步骤四：编码结构光，三角法测距；步骤五：特征提取；步骤六：SVM训练、分类、编码；步骤七：计算深度信息；步骤八：建立世界坐标系；步骤九：渲染匹配更新点云；步骤十：实时显示。本发明专利技术提供了一种行车威胁物识别方法，该识别系统不仅能解决采集图像和深度冲突的缺陷，而且在算法起点上高于二维的平面世界。

A Method of Traffic Obstacle Recognition Based on Laser Speckle 3D Reconstruction

A method of vehicle obstacle recognition based on laser speckle three-dimensional reconstruction is presented. The method includes the following steps: step one: laser projecting a single laser beam; step two: single laser beam passing through DOE diffraction speckle; step three: laser speckle calibration marking space; step four: encoding structured light, triangular ranging; step five. Step 6: SVM training, classification and coding; Step 7: computing depth information; Step 8: establishing world coordinate system; Step 9: rendering matching update point cloud; Step 10: real-time display. The invention provides a method for identifying driving threats. The recognition system can not only solve the defects of image acquisition and depth conflict, but also is higher than the two-dimensional plane world at the starting point of the algorithm.

【技术实现步骤摘要】
一种基于激光散斑三维重建的行车障碍物识别方法
本专利技术涉及机器视觉、三维测量、三位传感领域等研究领域，特别是涉及无人驾驶，目标物识别匹配的行车安全方法。
技术介绍
目前，使用在无人驾驶上的识别装置是使用二维的匹配识别算法，在测量深度上，使用的是外置雷达或超声波传感器。将雷达或超声波传感器装配在无人驾驶汽车上，当汽车在行驶过程中摄像机实时获取前方平面图像，超声波或雷达返回目标距离信息。但是，由于摄像机是通过光返回信号，而超声波通过声波返回信号，两个返回的信号类型不同，所以处理完之后偶然误差相当大，不利于三维重建，只能知道前方有存在目标单位但无法显示其形貌，而且二维的平面识别匹配和三维的立体识别匹配比较，效率不高、时间还长。通过DOE光学衍射元件衍射在空间中形成规则的散斑，其中包含了空间个点的深度信息，通过红外CCD相机来捕获形成的散斑。通过编码结构光，三角测距法计算深度；方法二：通过特征提取，分类器的训练、分类和编码，最终可以获得关于空间每个点所形成的散斑的深度信息。由所获得的深度信息，通过公式来求解空间各点的三维坐标。重建通过ICP迭代最近点算法，通过projectivedataassociation方法逐帧计算不同朝向点集相关度，配准点云；已配准的点云数据，执行的融合处理，采用了经典的[Curless96]体集成方法融合这些点云数据；光线投射渲染，采用光线投射渲染前步生成的隐式表面。
技术实现思路
为了克服现有无人驾驶中行车威胁物识别的采集缺陷、二维算法效率低时间长的不足，本专利技术提供了一种行车威胁物识别方法，该识别系统不仅能解决采集图像和深度冲突的缺陷，而且在算法起点上高于二维的平面世界。本专利技术解决其技术问题所采用的技术方案是：一种基于激光散斑三维重建的行车障碍物识别方法，所述方法包括以下步骤:步骤一：激光器投射单束激光束；步骤二：单束激光束过DOE衍射散斑；步骤三：激光散斑标定得标记空间；步骤四：编码结构光，三角法测距；步骤五：特征提取；步骤六：SVM训练、分类、编码；步骤七：计算深度信息；步骤八：建立世界坐标系；步骤九：渲染匹配更新点云；步骤十：实时显示。进一步，所述步骤一和步骤二中，激光散斑能级得到的团能量不得超过0.4mw上限，范围为-30°到30°(包括左右，上下)，纵深距离为0.5-3.5m，由DOE光学衍射元件形成主观散斑光路的激光散斑场。再进一步，所述步骤三中，所标定的相机为红外CCD相机和彩色摄像机，标定方法可以使用但不限以下方法：两步法，三步法，最小二乘法等；标记空间获取安全空间范围，得到标记安全距离。所述步骤四中，采用点阵编码的方法，投射激光点阵到被测物体上，形成激光散斑，一次成像即可获得一个完整的三维点云，从而克服了现有三角法主动三维传感技术中的单光束点激光束或线阵激光必须逐点或逐行扫描才能获得完整的三维点阵，提高了采样效率；与相位测量轮廓术比较，点阵编码方法是直接通过对成像点阵的位置确定来计算物体的深度，不存在相位模糊和误差传播的问题，并可在一定程度上缓解由于信息盲区造成的数据残缺不全的问题。所述步骤五中，对于采集到的图样，进行如下特征提取：PCA主成分、光斑大小、亮度、灰度等，以及他们之间相关系数和Hurst指数。所述步骤六中，将dist距离下的每一幅图的特征作为训练集送入参数相同的SVM分类其中，使用RBF核函数，通过SVM交叉验证得到参数σ和c在训练结果的90％以上；将测试集送入SVM分类组中，对于样本在分类器中的时间不超过0.015ms；根据分类器组得到二进制数据。步骤七中，通过公式D＝Ls+B*dist，计算每个样本的深度信息，然后根据所选的样本像素内进行插值，得到每个像素的深度信息。所述步骤九中，三维重建通过ICP迭代最近点算法，projectivedataassociation方法逐帧计算不同朝向点集相关度，配准点云；已配准的点云数据，执行的融合处理，融合点云数据；光线投射渲染，采用光线投射渲染前步生成的隐式表面。所述步骤十中，将渲染过后的重建图像通过LED显示屏显示，实时更新。本专利技术的有益效果主要表现在：使用激光点阵散斑获取障碍物深度信息，解决了装置的完整性、克服了超声波带来的偶然误差；利用三维点阵算法提升平面识别匹配的效率及时间。。附图说明图1是基于激光散斑三维重建的行车障碍物识别方法的流程图。图2为本专利技术的内部拆解图镜头面；图3为本专利技术的内部拆解图LED显示屏面；图4为本装置外壳。图中1.红外摄像头，2.CCD相机，3.激光器，4.DOE光学衍射元件，5.RGB彩色摄像机，6.FPGA开发板，7.电源接口，8.LCD液晶显示器，9.固定架，10.SD卡。具体实施方式下面结合附图对本专利技术作进一步描述。参照图1～图4，一种基于激光散斑三维重建的行车障碍物识别方法，所述方法包括以下步骤:步骤一：激光器投射单束激光束；步骤二：单束激光束过DOE衍射散斑；步骤三：激光散斑标定得标记空间；步骤四：编码结构光，三角法测距；步骤五：特征提取；步骤六：SVM训练、分类、编码；步骤七：计算深度信息；步骤八：建立世界坐标系；步骤九：渲染匹配更新点云；步骤十：实时显示。进一步，所述步骤一和步骤二中，激光散斑能级得到的团能量不得超过0.4mw上限，范围为-30°到30°(包括左右，上下)，纵深距离为0.5-3.5m，由DOE光学衍射元件形成主观散斑光路的激光散斑场。再进一步，所述步骤三中，所标定的相机为红外CCD相机和彩色摄像机，标定方法可以使用但不限以下方法：两步法，三步法，最小二乘法等；标记空间获取安全空间范围，得到标记安全距离。所述步骤四中，采用点阵编码的方法，投射激光点阵到被测物体上，形成激光散斑，一次成像即可获得一个完整的三维点云，从而克服了现有三角法主动三维传感技术中的单光束点激光束或线阵激光必须逐点或逐行扫描才能获得完整的三维点阵，提高了采样效率；与相位测量轮廓术比较，点阵编码方法是直接通过对成像点阵的位置确定来计算物体的深度，不存在相位模糊和误差传播的问题，并可在一定程度上缓解由于信息盲区造成的数据残缺不全的问题。所述步骤五中，对于采集到的图样，进行如下特征提取：PCA主成分、光斑大小、亮度、灰度等，以及他们之间相关系数和Hurst指数。所述步骤六中，将dist距离下的每一幅图的特征作为训练集送入参数相同的SVM分类其中，使用RBF核函数，通过SVM交叉验证得到参数σ和c在训练结果的90％以上；将测试集送入SVM分类组中，对于样本在分类器中的时间不超过0.015ms；根据分类器组得到二进制数据。步骤七中，通过公式D＝Ls+B*dist，计算每个样本的深度信息，然后根据所选的样本像素内进行插值，得到每个像素的深度信息。所述步骤九中，三维重建通过ICP迭代最近点算法，projectivedataassociation方法逐帧计算不同朝向点集相关度，配准点云；已配准的点云数据，执行的融合处理，融合点云数据；光线投射渲染，采用光线投射渲染前步生成的隐式表面。所述步骤十中，将渲染过后的重建图像通过LED显示屏显示，实时更新。本实施例中，一种基于散斑点阵结构光的行车障碍物识别系统，包括绝缘外壳，所述绝缘外壳内安装激光器3、DOE光学衍射元件4、CCD相机2、红外摄像头本文档来自技高网...

【技术保护点】
1.一种基于激光散斑三维重建的行车障碍物识别方法，其特征在于，所述方法包括以下步骤:步骤一：激光器投射单束激光束；步骤二：单束激光束过DOE衍射散斑；步骤三：激光散斑标定得标记空间；步骤四：编码结构光，三角法测距；步骤五：特征提取；步骤六：SVM训练、分类、编码；步骤七：计算深度信息；步骤八：建立世界坐标系；步骤九：渲染匹配更新点云；步骤十：实时显示。

【技术特征摘要】
1.一种基于激光散斑三维重建的行车障碍物识别方法，其特征在于，所述方法包括以下步骤:步骤一：激光器投射单束激光束；步骤二：单束激光束过DOE衍射散斑；步骤三：激光散斑标定得标记空间；步骤四：编码结构光，三角法测距；步骤五：特征提取；步骤六：SVM训练、分类、编码；步骤七：计算深度信息；步骤八：建立世界坐标系；步骤九：渲染匹配更新点云；步骤十：实时显示。2.如权利要求1所述的一种基于激光散斑三维重建的行车障碍物识别方法，其特征在于，所述步骤一和步骤二中，激光散斑能级得到的团能量不得超过0.4mw上限，范围为-30°到30°，纵深距离为0.5-3.5m，由DOE光学衍射元件形成主观散斑光路的激光散斑场。3.如权利要求1或2所述的一种基于激光散斑三维重建的行车障碍物识别方法，其特征在于：所述步骤三中，所标定的相机为红外CCD相机和彩色摄像机，标定方法为两步法、三步法或最小二乘法；标记空间获取安全空间范围，得到标记安全距离。4.如权利要求1或2所述的一种基于激光散斑三维重建的行车障碍物识别方法，其特征在于：所述步骤四中，采用点阵编码的方法，投射激光点阵到被测物体上，形成激光散斑，一次成像即可获得一个完整的三维点云。5.如权利要求1或2所述的一种基于激光散斑三维重建的行车障碍物识别方法，其特征在于：所述步骤五中，对于采集...

【专利技术属性】
技术研发人员：朱勇建，陈虞，赖文杰，
申请(专利权)人：杭州荣跃科技有限公司，
类型：发明
国别省市：浙江,33