【技术实现步骤摘要】
基于视觉的汽车泊车中周围障碍物的检测方法
[0001]本专利技术涉及车辆智能驾驶
,尤其是涉及基于视觉的汽车泊车中周围障碍物的检测方法。
技术介绍
[0002]汽车作为现代人类的交通工具,改变人们的生活方式,推动社会经济的发展和人类文化的进步,成为社会不可缺少的交通工具。为阻止交通出现的事故,减轻驾驶员的开车负担,辅助驾驶成为一种当今驾驶技术的普遍趋势。而基于视觉的辅助驾驶系统已经成为智能交通系统的一个重要组成部分。
[0003]辅助驾驶系统是使用机器视觉技术来理解道路环境信息,通过分析和理解周围环境信息实现汽车安全驾驶。主要利用各类传感器,如超声波雷达、毫米波雷达、激光雷达、红外探测器和摄像头等,它们能够为驾驶员提供障碍物、车道线、交通标识等道路信息。
[0004]当前的目标识别技术主要以激光雷达为主,用于检测道路上的行驶车辆、行人,但是对于较小的目标,如石砖块、猫狗等障碍物,识别效果不尽人意,且激光雷达价格较贵,在检测如此障碍物方面上,还需进一步的技术研究。
技术实现思路
[0005]专利技术目的:
[0006]本专利技术提供一种基于视觉的汽车泊车中周围障碍物的检测方法,其目的是解决以往以激光雷达为主的检测中存在的对于较小的目标识别效果不好,且成本较高的问题。
[0007]技术方案:
[0008]一种基于视觉的汽车泊车中周围障碍物的检测方法,该方法包括:
[0009]第一步,将多个影像记录设备采集到的图像转换为全景鸟瞰图;
[0010] ...
【技术保护点】
【技术特征摘要】
1.一种基于视觉的汽车泊车中周围障碍物的检测方法,其特征在于:该方法包括:第一步,将多个影像记录设备采集到的图像转换为全景鸟瞰图;第二步,对所述全景鸟瞰图进行图像预处理;第三步,在所述预处理之后的全景鸟瞰图中找出属于地面区域的点或点集;第四步,将相邻两帧全景鸟瞰图所示地面区域点或点集进行特征匹配和差异计算,得到两帧图像的位置矢量;第五步,将所述位置矢量作用在相邻两帧全景鸟瞰图中的第一帧全景鸟瞰图,得到与相邻两帧全景鸟瞰图中的第二帧全景鸟瞰图相似的模拟图;第六步,所述模拟图和相邻两帧全景鸟瞰图中的第二帧全景鸟瞰图差异比较,通过形态学运算筛选出障碍物。2.根据权利要求1所述的基于视觉的汽车泊车中周围障碍物的检测方法,其特征在于:“第三步”中所述的属于地面区域的点或点集是停车位轮廓线上的直角点。3.根据权利要求2所述的基于视觉的汽车泊车中周围障碍物的检测方法,其特征在于:第三步的具体步骤包括:将所述预处理之后的全景鸟瞰图在HSV空间下提取车位线的轮廓;对轮廓进行大小筛选,轮廓面积至少为1500像素;停车位轮廓线上的直角夹角在80
°
至100
°
之间,且直角两端轮廓线段长度至少20像素;凭借所述车位线宽度寻找每一对点,即使有一点位于车位线直角处,若未检测出另一直角点,则舍去该点。4.根据权利要求3所述的基于视觉的汽车泊车中周围障碍物的检测方法,其特征在于:第四步中所述地面点特征匹配是寻找两帧全景鸟瞰图中互相对应的所述直角点,是后续求取所述位置矢量的必要条件。5.根据权利要求4所述的基于视觉的汽车泊车中周围障碍物的检测方法,其特征在于:第四步包括:以所述车位线宽度寻找的每个点对的中心点坐标作为该直角坐标;以汽车行驶过程中上一次邻两帧计算的位置矢量作为参考,对每个所述直角坐标,将上一次计算出的所述位置矢量作用在相邻两帧的第一帧的顶点坐标,得到与相邻两帧的第二帧相似的模拟点,若未计算所述位置矢量,则为0;在相邻两帧的第二帧点或点集中找到与所述模拟点欧氏距离最小的对应直角点;对两个待匹配点检验,所述欧氏距离若在设置阈值30像素以内,判断是匹配正确的点。6.根据权利要求1所述的基于视觉的汽车泊车中周围障碍物的检测方法,其特征在于:所述位置矢量包括平移矢量和旋转矢量,由两帧全景鸟瞰图所示属于地面区域的点或点集通过SVD分解法得到。7.根据权利要求6所述的基于视觉的汽车泊车中周围障碍物的检测方法,其特征在于:SVD分解法又叫奇异值分解法,奇异值分解是一个能适用于...
【专利技术属性】
技术研发人员:桑海峰,常睿,单凯强,张志佳,王士显,刘昕嫄,
申请(专利权)人:沈阳工业大学,
类型:发明
国别省市:
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。