基于双目视觉的自动驾驶中障碍物识别问题.doc
《基于双目视觉的自动驾驶中障碍物识别问题.doc》由会员分享,可在线阅读,更多相关《基于双目视觉的自动驾驶中障碍物识别问题.doc(3页珍藏版)》请在三一文库上搜索。
1、基于双目视觉的自动驾驶中障碍物识别问题基于现实世界是一个三维空间,所以对计算机视觉的研究也应该是在三维空间中进行的。在自动驾驶过程中的首要任务就是道路识别 1 ,主要是图像特征法和模型匹配法来进行识别。行驶过程中需要进行障碍物检测 2 和路标路牌识别等,此时车辆上的信息采集便可以运用单目视觉或者多目视觉。相比之下,运用多目视觉更具优势,获取的图像信息可构建成三维空间,物体运动以及遮挡等问题对其影响较小。目前有很多智能小车的研究都是基于室内环境的研究,本文基于室外环境,采用双目摄像机模型 3 ,考虑光照、路面材质等问题,采用分水岭算法 4 对智能车的区域进行定位,以及在行驶区域中采用多阈值 ca
2、nny 算法来进行障碍物的检测,进而计算出障碍物大小位置等信息。分水岭算法定义极小值点,本质上的意义就是定义道路和图像中其他区域的极小值点,使道路与图像中的其他区域划分开。 接着对极小值点的相邻像素按照等级进行逐级划分,等级是按照极小值点与相邻像素的距离划分的,而这里的距离是指两个像素点之间灰度值的差值。 从定义的极小值点开始逐步扩展形成集水盆。 从最小等级开始,对与集水盆相邻的像素点进行扩展。 如果当前要扩展的像素点只与一个集水盆相连,则把该点标记为相近集水盆的标记;如果当前要扩展的像素点 2个或多个集水盆相连,则把该点标记为分水线或者分水岭。 在进行扩展的过程中,只有当前等级的所有像素被划
3、分完毕后,才能对下一个等级的像素进行划分。基于多阈值 canny 的障碍物检测由于室外环境下,阴影、光照、雨水等天气原因都会对图像的拍摄造成影响,所以采用的是双目摄像头模型,可以有效地减轻外界因素对图像的干扰。Canny 边缘检测 5 算法阈值的不同,会导致所获得的边缘信息不同,本文中利用 2 个不同的阈值将点分为 3 类:强边缘点、弱边缘点、弱纹理点;其中弱边缘点是利用阈值较小的算子检测,除去通过阈值较大的算子得到的强边缘点所剩下的点;剩余的其他像素点则为弱纹理点。 再根据各点特征分配匹配窗口大小,强边缘点主要是位于边界和视差不连续点,其支持窗口应该越小越好;而弱纹理点周围的梯度变化不明显,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 双目 视觉 自动 驾驶 障碍物 识别 问题
链接地址:https://www.31doc.com/p-3417168.html