【技术实现步骤摘要】
基于视觉的智能车运动目标检测方法
本专利技术涉及一种对道路环境信息检测的方式。更具体地说，本专利技术涉及一种自动驾驶环境下基于视觉对道路环境中运动目标进行检测的方法。
技术介绍
基于视觉方法的运动目标检测作为智能车环境感知的重要组成部分，是智能车环境理解、导航、规划、行为决策与控制的基础，对安全驾驶、行人保护具有重要意义。目前，基于静止相机的运动目标检测主要采用背景相减、帧差法、光流法等方法实现运动目标检测，也得到了广泛的应用，例如对公共场所的人群监控，然而在自动驾驶环境中，相机需要固定在车辆上进行运动目标检测，故现有方法不再适用，而因为相机自身的运动，使目标自身的运动和背景的运动混合在一起，给运动目标的检测带来了很大的困难。现有技术中，也有采用光流技术结合视觉技术对运动目标进行检测，以应用到自动驾驶领域作为智能车的环境感知数据，但其在应用光流技术对道路上障碍物的判断时，受视觉技术中图像复杂度的影响，检测精度只能达到百分之50左右，满足不了智能驾驶对环境感知的要求。
技术实现思路
...
【技术保护点】
1.一种基于视觉的智能车运动目标检测方法，其特征在于，包括：/n步骤一，基于立体匹配算法对相机采集到的道路图像生成对应的原视差图像，以构建相应的U-V视差图像；/n步骤二，基于U-V视差图像得到与车辆可行驶区域相关的预处理图像；/n步骤三，基于预处理图像生成与道路上潜在运动相关的感兴趣区，以作为潜在的障碍物目标；/n步骤四，结合光流和相机自运动属性对障碍物的运动属性进行判断。/n
【技术特征摘要】 【专利技术属性】
1.一种基于视觉的智能车运动目标检测方法，其特征在于，包括：
步骤一，基于立体匹配算法对相机采集到的道路图像生成对应的原视差图像，以构建相应的U-V视差图像；
步骤二，基于U-V视差图像得到与车辆可行驶区域相关的预处理图像；
步骤三，基于预处理图像生成与道路上潜在运动相关的感兴趣区，以作为潜在的障碍物目标；
步骤四，结合光流和相机自运动属性对障碍物的运动属性进行判断。
2.如权利要求1所述的基于视觉的智能车运动目标检测方法，其特征在于，在步骤一中，所述立体匹配算法被配置为采用高效大规模匹配ELAS算法，以得到对应的稠密视差图像。
3.如权利要求1所述的基于视觉的智能车运动目标检测方法，其特征在于，在步骤二中，通过原视差图像构建相应的U-V视差图像，用以生成初始的路面轮廓，其具体方法包括：
S21，在原视差图像垂直投影得到的U视差图中，采用阈值τ对原视差图像进行二值化，如果U视差图像上像素点的灰度值高于阈值τ，则原视差图像像素将被标记为潜在的障碍物进行去除，以生成初步的二值化障碍物图像；
S22，对于初步构建的二值化障碍物图像中存在的狭小空隙和孤立的小区域，分别采用形态学闭操作、像素点反色进行去除，实现对二值化障碍物图像的预处理；
S23，在原视差图像水平投影得到的V视差图中，基于预处理后的二值化障碍物图像，采用非参数方法检测路面的初始轮廓；
S24，通过一个面积阈值对检测到的路面初始轮廓中面积较小且不连通的区域进行消除，进而得到与车辆可行驶区域相关的预处理图像。
4.如权利要求1所述的基于视觉的智能车运动目标检测方法，其特征在于，在步骤三中，所述障碍物感兴趣区获得方法包括：
S31，在预处理图像中，通过从左到右，从上到下对的方式对路面轮廓的每一行进行扫描，以根据相邻像素的灰度变化情况对此像素点是否为交界点进行判断，并通过该像素点的有效性判断得到当前行的缺口；
S32，基于同一物体在每行缺口内像素的视差相似性，对当前行缺口的宽度进行筛选，同时采用区域增长算法对障碍物的初始掩膜进行扩充，作为道路上潜在运动相关的感兴趣区。
5.如权利要求4所述的基于视觉的智能车运动目标检测方法，其特征在于，在S31中，通过像素点有效性判断确定感兴趣区的方法包括：
技术研发人员：蒋涛，贺喜，袁建英，吴思东，钟卓男，崔亚男，黄小燕，段翠萍，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：四川;51
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。