基于視覺的道路檢測方法_圖文

1、第37卷第2期2009年3月河南師范大學學報(自然科學版Journal of Henan Normal University(Natural ScienceMar.2009文章編號:1000-2367(200902-0033-04基于立體視覺的道路自動檢測算法方曉瑩12,劉富強1(1-同濟大學信息與通信工程系,上海20009212.浙江國際海運職業(yè)技術學院。浙江舟山316021摘要:在智能駕駛系統(tǒng)中,道路邊界及道路參數(shù)的自動檢測是最為關鍵的問題.也是安全行駛的基本保證.傳統(tǒng)的檢測方法與單目視覺檢測都存在檢測精度不高,魯棒性不夠等問題.提出了一種基于立體視覺的道路檢測算法,消除了對道路的一般性假

2、設。對三維道路狀態(tài)能進行快速有效地檢測與跟蹤.保證行駛的安全性.關鍵詞:立體視覺;道路識別;道路跟蹤;擴展卡爾曼濾波中圖分類號:TP391.41文獻標識碼:A隨著計算機視覺和高分辨率成像技術的不斷發(fā)展,數(shù)字圖像處理技術在駕駛輔助系統(tǒng)(Driving Assis-tanee System中得到了廣泛的應用。對道路邊界進行準確地識別與跟蹤是駕駛輔助系統(tǒng)的重要功能,這些道路信息是控制駕駛行為與障礙物檢測所必需的,也是安全駕駛的前提.近年來,雖有越來越多的科研機構著力于將圖像處理技術應用于道路的自動識別,但多數(shù)都是用單目圖像處理技術對道路進行檢測.在單目圖像序列中,常用一個簡單的模型來描述道路的特征1

3、矗,如假設道路是在一個二維平面上,道路是平行的,且有固定的曲率.當實際道路不滿足這些條件時,測得的車輛在道路中的位置將有較大的偏差.本文提出了一種基于立體視覺的道路檢測算法. 1道路模型在描述道路模型前,需要確立3個坐標系世界坐標系、車輛坐標系和攝像機坐標系,如圖1所示.其中,世界坐標系0一XEyEZ的原點建立在道路中點,車輛坐標系0一XvyvZy的原點為車輛的后軸中心,攝像機坐標系0一Xcy。.Z。,的原點為光軸中心,Zc軸與光軸重合.圖I系統(tǒng)坐標系三維空間中的道路邊界可以用3次曲線方程來近似地描述3,即將y和Z表示成X。的函數(shù): yF(xE:k了B+G.。警+c.,攀,zE(x:C仉。學+

4、c¨孥,其中,B為道路的寬度;Ch,。和G.。分別為道路的水平曲率和垂直曲率;C.。和G.。分別為水平曲率和垂直曲率的變化率;k為士1,當為道路左邊界時取+l。為道路右邊界時取一1.矢量;F=(X。,Y,Z表示道路邊界上一點的世界坐標,矢量而=(Xv,Yv,ZvT表示該點的車輛坐標,兩者可以有下面關系,z;一REv(z;一tr.-v.同理,攝像機坐標系可以看成是將車輛坐標系一定程度的平移與旋轉,兩者有如下的關系:XC= Rvc(高一焉,式中,R,為旋轉向量,磊一(Xvc,Yvc,%T為平移向量,則得到世界坐標與攝像機坐標間的關系,蘢一RvcREv云一RvcREv若一R托贏,其中,7v

5、c和7v分別表示兩個坐標系間的x軸的旋轉角度;收稿日期:20081011基金項目:2007年度浙江省高校優(yōu)秀青年教師資助項目(浙教辦高科C20083142號作者簡介:方曉瑩(1973-,女,浙江省舟山人,浙江國際海運職業(yè)技術學院副教授。研究方向:數(shù)字圖像處理及在智能交通系統(tǒng)(ITS中的應用. 第2期方曉瑩等:基于立體視覺的道路自動檢測算法35如圖2所示,黑點為邊界點的預測值,邊界兩邊的弧線為CD確定的檢測范圍寬度.在這個檢測范圍內(nèi)檢測灰度值的變化,確定該幀中最后的邊界線,后續(xù)幀的檢測以此幀的檢測結果為基礎,用擴展卡爾曼濾波器【71進行更新.圖像各部分的檢測區(qū)域由相鄰的兩條平行橫線與矩陣CD確定

6、.在圖像的第i部分,即第i和第i+1條平行線上,在預測點附近根據(jù)灰度的梯度值檢測到實際的邊界點坐標.為了區(qū)別預測值與檢測值,用矢量“(ij =(2,士升。表示在預測階段得到的第i部分的上下兩個預測值,用矢量口(ij=(丁;,z斗,1表示第i部分的實際檢測值.由擴展的卡爾曼濾波器對參數(shù)進行不斷迭代與更新.2.3道路跟蹤道路跟蹤是在前一幀檢測結果的基礎上,通過一定的更新算法對后續(xù)幀中的道路邊界進行實時預測與檢測.設第k幀圖像中的參數(shù)和協(xié)方差分別為廣D(是1廣Cn(是1M("5p(l,C M k卜i CIl聲(I。(志l由式(2描述的車輛動力學方程,對矢量及藥和莉進行更新,即矢量的預測值,

7、髏0;,:囂麓”俐愀南+”和%叫:并;,!激2#囂Z:,-p(k-,g中托為相應的卡爾曼增益系數(shù),H,為雅可比行列式,K。一CM(是H丁H。Cf(點H丁+e,(奄+1,H“力=堡壘!坌±!獨8M(kE,。幀的道路跟蹤.以前一幀的結果為基礎,如此反復迭代與更新,實現(xiàn)行駛過程中的道路實時跟蹤. Array圖2預測結果與檢測網(wǎng)3道路邊界識別效果網(wǎng)3實驗結果將上述算法應用于實際交通圖像,對系統(tǒng)自動識別出的道路標志用紅色表示,得到的實驗結果如圖3所示.對道路進行跟蹤過程中得到的道路參數(shù)。如道路路面寬度及道路曲率,分別如圖4、圖5所示.由圖像可以看出,該系統(tǒng)自動識別的道路邊界與實際道路有較高的吻

8、合度.4結束語道路的自動檢測與跟蹤是駕駛輔助系統(tǒng)中的關鍵問題。也是計算機視覺的重要特點.本文所介紹的檢測 基于立體視覺的道路自動檢測算法作者:方曉瑩, 劉富強, FANG Xiao-ying, LIU Fu-qiang作者單位:方曉瑩,FANG Xiao-ying(同濟大學,信息與通信工程系,上海,200092;浙江國際海運職業(yè)技術學院,浙江,舟山,316021, 劉富強,LIU Fu-qiang(同濟大學,信息與通信工程系,上海,200092刊名: 河南師范大學學報(自然科學版英文刊名:JOURNAL OF HENAN NORMAL UNIVERSITY(NATURAL SCIENCE年,卷

9、(期:2009,37(2參考文獻(7條1.Grewal M S;Andrews A D Kalman Filtering-Theory and Practice 19932.Sergiu Nedevschi;Rolf Schmidt;Thorsten Graf3D Lane Detection System Based on Stereovision 20043.Romuald Aufrere;Roland Chapuis;Frederic Chausse A fast and robust vision road following algorithm 20004.Franke U Real time 3D-road modeling for autonomous vehicle guidance 19915.Goldbeck J;Huertgen B;Emst S Lane following combining vision and DGPS外文期刊 2000(016.Chapuis R;Potelle A;Brame J L Real time vehicle