基于特征点的动态障碍物检测方法技术

基于特征点的动态障碍物检测方法属于智能车辆领域。本发明专利技术先数据提取,生成视差图。基于视差图的聚类分割,依据视差信息，利用聚类算法对视差图进行聚类分割，划分为不同区域。利用特征信息，检测运动物体所在区域，包含：利用双目视觉的内在约束条件基本矩阵，提出特征点对之间的距离权重系数，建立点的约束条件。立体匹配获取视差信息，通过三维重建获取三维坐标。由车载相机拍摄图片时的速度，可以求得两帧之间车子移动的距离。前后帧三维坐标Z方向的差值等价于车子前进移动的距离。由此设定阈值，进行特征点的约束。利用数学几何原理，建立判断运动物体的数学模型。本发明专利技术在定位中实时性强，有效避免运动物体的影响，提高定位精度。度。度。

【技术实现步骤摘要】
基于特征点的动态障碍物检测方法


[0001]本专利技术属于智能车辆领域。

技术介绍

[0002]智能系统通过感知并分析周围的的环境信息从而估计自己的运动，从而实现在未知环境下的精准定位。随着自动驾驶以及一些新兴智能领域的发展，实现准确定位成为智能领域的核心问题。但在实际场景中，主体获取的感知信息一部分来自环境中的运动物体，从而造成定位误差。
[0003]实现车辆定位，可以通过相机传感器，获取环境中的视觉特征来估计车辆的运动。现有的方法中，如RANSAC算法可以实现对视觉特征的初步筛选，剔除部分运动点，但是仍有运动物体上的特征点参与计算。本专利技术提出了一种基于特征点几何模型的方法，高效准确的检测出动态障碍物，如行驶的车辆，行人等等，有效减小这部分视觉特征信息所带来的误差。
[0004]1.视觉特征：特征提取是计算机视觉和图像处理中的一个概念。它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。
[0005]2.位姿估计：位姿估计在计算机视觉领域扮演着十分重要的角色。在使用视觉传感器估计机器人位姿，其在控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于特征点的动态障碍物检测方法，其特征在于步骤如下：第一步：数据提取,通过特征提取与匹配算法获取视觉特征点信息，并通过立体匹配生成视差图；第二步：基于视差图的聚类分割,依据视差信息，利用聚类算法对视差图进行聚类分割，将不同的物体划分为不同的区域；第三步：利用特征信息，检测运动物体所在区域，具体如下：基于第二步的结果，得到聚类区域c中特征点的分布，包括特征点的个数N
c
以及特征点的比例P
c
；1)利用双目视觉的内在约束条件基本矩阵，提出特征点对之间的距离权重系数，建立点的约束条件；在双目视觉系统中，由基本矩阵Q定义特征点对之间的距离第i次迭代求解的第j个点的距离：Q
i
为第i次迭代求解的基本矩阵，其中u
j
,v
j
为第j特征点对应的齐次坐标；为了使结果更加鲁棒，定义距离权重系数更加鲁棒，定义距离权重系数更加鲁棒，定义距离权重系数令为第i次迭代中所有点的距离数组，l
i
为的中值；完成i次迭代后，取l
i
的中位数所对应的基本矩阵为最终的基本矩阵，并将距离中值作为阈值，如果第j个点的距离大于阈值，则将第j个点划分为动态物体上的点，否则将其划分为一个静态点；在初始状态下，每个聚类区域c中点的分布为经过距离权重约束，对于聚类区域c，特征点一部分为静态点，一部分为动态点，此时令分别为区域c中静态点的个数及占比；2)立体匹配获取视差信息，通过三维重建获取三维坐标；由车载相机拍摄图片时的速度，求得两帧之间车子移动的距离；前后帧三维坐标Z方向的差值等价于车子前进移动的距离；由此设定阈值，进行特征点的约束；基于立体匹配得到视差信息，通过三维重建获取特征点的三维坐标：其中，(x
l
,y
l
)为特征点的二维坐标，B为基线距，f为焦距，(x
c
,y
c
)为光心坐标，Dis为视差值；
在聚类区域c，静态点中仍有部分动态点，利用特征点的三维信息进一步约束；T'<|Z1‑
Z2|&...

【专利技术属性】
技术研发人员：刘超，王超，高扬，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：