基于方向引导优化的主动视觉导航参量计算方法.doc
《基于方向引导优化的主动视觉导航参量计算方法.doc》由会员分享,可在线阅读,更多相关《基于方向引导优化的主动视觉导航参量计算方法.doc(4页珍藏版)》请在三一文库上搜索。
1、基于方向引导优化的主动视觉导航参量计算方法基于计算机视觉技术的视觉导航技术是人工智能领域的研究重点和热点1。同传统的卫星定位(GPS)导航技术相比,基于视觉的导航方法具有实现方式灵活、性价比高、实时性好、导航快速精确等优点2-3。但是,现有的视觉导航系统多数都是基于固定摄像机的限定视角导航方法,这类导航系统只能适用于在直线行驶或者小弯度行驶情况,一旦出现大弯度转弯,道路会偏离摄像机视场,导致路径导航线丢失、导航失效4-5。为改善这种视角范围的局限,传统解决方法主要是将固定的摄像机改为广角镜头摄像机,增大视场范围6,但是广角摄像机的图像畸变严重,对图像前期的处理精度和速度的要求严格,同时,增加了
2、大量的图像干扰信息,为后续的图像处理增加了较大的难度。近年来,有学者提出了一种主动视觉智能导航方法7,借鉴人类观察道路时的眼球转动机理,将摄像机安装在可旋转控制云台系统上,通过一定的反馈控制,实时修正摄像机焦点和行驶路线正前方的夹角,保证行驶路线一直处于摄像机视角范围内。由于该方法在保证视角清晰的前提下,大幅扩展了摄像机的视角范围,近年来在目标跟踪8、人脸检测6等领域得到了较多的研究和应用。其中,如何精确获取导航参量是主动视觉导航系统的关键问题之一9。传统的计算方法主要通过预先设置的高精度标定参照物,通过空间图像和平面图像的有效映射关系求取相关的参量值,该类方法标定精度高,但是应用范围有限且标
3、定复杂,不利于变化场景的导航10。文献11提出了基于视觉图像的自计算方法,该方法通过前端获取的视频帧图像进行系统参量的计算,利用Kruppa方程和分层逐步标定的方式实现了导航参量的计算,该方法灵活性强、使用范围较广,但是计算精度和鲁棒性较差,在背景存在干扰的情况下计算误差较大,甚至引起导航失败12。文献13利用相机进行可控运动,通过约束运动的性质来实现导航参量的计算,提升了主动视觉导航的参量计算精度和鲁棒性。在此基础上,先后发展出了旋转计算方法14、平面正交计算方法15以及基于无穷远平面单应性矩阵16的计算方法。该类方法计算精度高、鲁棒性好,但是该类方法需要计算的参量过多且计算复杂,在实时导航
4、系统中很难应用。文献17在此基础上进一步对计算复杂性进行优化,利用二维频移运动的相对计算方法求解线性模型的部分参数,并通过畸变的方法引入非线性优化,有效地简化了计算过程,但是这种非线性畸变的过程对系统的初值和噪声都非常敏感,计算稳定性较差。针对这些问题,本文提出了一种基于方向引导优化的主动视觉导航参量计算方法。该方法的实现过程可以大致概括为三个步骤:(1)坐标系的变换。为了实现理论计算与实际导航系统的高精度拟合,首先给出了车辆物理坐标系与视觉图像坐标系的变换方程。(2)车道边缘线的精确检测。精确地获取车道边缘线是进行视觉导航的前提,为了解决道路积水、阴影等背景干扰问题,在传统Canny算子初步
5、检测的基础上,提出了方向引导优化的方法。(3)大曲率弯道线精确检测问题。为了保证在大曲率转弯情况下车道线的精确检测问题,在前期优化的基础上,提出了基于直线与曲线阈值优化的广义Hough变换方法,对不同曲率的线段进行优化选择,精确检测道路标志线和边缘线,实时计算和修正导航中心引导线的偏离角度。1 坐标变换坐标变换是进行视觉导航实现的首要条件,为了实现图像坐标与实际车辆物理坐标的意义映射,本文基于车辆行驶的实际道路环境构建坐标系,将摄像机中心定为坐标原点,X轴为车辆行驶方向,Y轴为行驶方向的正左方,将控制云台的纵向轴设置为Z轴。为便于后续云台控制的分析,将车辆物理坐标系获取的图像表示为(xr,yr
- 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 方向 引导 优化 主动 视觉 导航 参量 计算方法
链接地址:https://www.31doc.com/p-3417689.html