双目立体视觉在障碍物识别及定位中的应用研究

论文摘要

图像数据包含着丰富的信息,在智能交通系统中有着广泛的应用前景,本文主要论述了基于双目立体视觉的道路障碍物的识别和检测方法的基本理论和实现方法。车载系统硬件部分由两只CCD摄像头、一个视频采集卡和一台PC电脑组成,通过处理同一时刻从车身不同位置采集到的路况图片,运用直方统计,灰度分割,同名点匹配,三维坐标计算等方法,分析计算出路面上可能存在的障碍物,并计算该目标的方位、尺寸等信息,在满足实时性和准确性的基础上运用于汽车自主行驶、公路监控等领域。立体匹配是本课题的主要研究内容之一,传统的匹配方法根据匹配基元的不同,可分为区域匹配和特征匹配,前者计算机量大,后者需要匹配对象有明显区别于其他对象的特征表述,本文统筹考虑整个处理过程,重点考虑实时性问题,提出了一种基于区域灰度投影特征的快速立体视觉匹配算法,该算法考虑到障碍物的水平宽度信息远远重要于高度信息,进而忽略部分高度而取目标区域在水平面上的投影,对连续单象素宽度的直线段进行匹配,大大降低运算量,提高实时性。实验结果表明,本文介绍的基于立体视觉的障碍识别和定位系统具有良好的表现。本文描述的双目立体视觉算法是一个相对通用的算法,所做的工作也为立体视觉在智能交通系统应用中的进一步研究提供了基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 目标定位技术
• 1.3 立体视觉技术
• 1.4 本课题的主要研究内容
• 第二章 双目视觉原理和处理过程
• 2.1 物理模型
• 2.2 双目视觉原理
• 2.3 双目视觉的处理过程
• 2.3.1 处理步骤
• 2.3.2 实时系统
• 2.4 本章小结
• 第三章 双目图像处理
• 3.1 图像采集
• 3.2 图像分割
• 3.2.1 图像分割的方法
• 3.2.2 判别分析法确定最佳阈值的快速算法
• 3.2.3 图像的二值化
• 3.3 双目图像的目标匹配
• 3.3.1 图像的匹配技术
• 3.3.2 匹配基元的选取
• 3.3.3 匹配准则
• 3.3.4 基于目标灰度区域投影的快速匹配算法
• 3.3.5 快速匹配算法的实现
• 3.4 障碍物识别
• 3.5 本章小结
• 第四章 摄像头标定及目标深度计算
• 4.1 摄像头成相原理及标定
• 4.2 同名点深度计算
• 4.3 本章小结
• 第五章 系统实现与实验
• 5.1 系统组成
• 5.2 实验环境
• 5.3 软件开发
• 5.4 实验结果及分析
• 5.5 本章小结
• 第六章 总结与展望
• 参考文献
• 致谢
• 在学期间的研究成果以发表的学术论文