基于特征点匹配的障碍物检测算法的研究与实现

论文摘要

作为停车辅助驾驶系统(PAS)的重要组成部分,基于视觉的后方障碍物检测算法是一个比较新的研究领域.目前,基于单目视觉的障碍物检测主要包括基于特征的检测算法和基于运动的检测算法两种方案.然而,基于特征的障碍物检测方法,通常是利用障碍物的特征进行检测,需要预先获知所要检测的障碍物的特征,因此仅适用于特定类型障碍物的检测.而对于基于运动补偿的方法,当道路面纹理比较丰富会产生很多误检测,且对光照变化比较敏感.本文对传统的特征点检测和跟踪方法进行了改进,即首先使用Harris角点检测算子做特征点检测,再对检测到的特征点迭代使用Forstner定位算子和双线性插值法得到亚像素级的精确坐标定位,然后对这些特征点使用基于金字塔的光流亚像素跟踪方法得到它们在相邻时刻图像上对应的匹配特征点.本文提出了一种障碍物物检测的新算法：即基于匹配特征点道路面投影坐标位移量的障碍物检测方法,对于得到的匹配特征点对,通过运用逆透视投影变换求得它们对应的道路面投影坐标位移,并依此得到摄像机位移量的估计值.最后,用以摄像机位移量为自变量的阈值函数对各特征点的道路面投影坐标位移量作判断,由此区分出特征点属于障碍物或道路面,并能够得到各特征点的真实高度信息.试验结果证明了本文算法具有较高的检测精度,同时具有计算量小、对光照变化的不敏感、鲁棒性好和检测的障碍物形状不限以及所用阈值的具有自适应性等优点.在与其他算融合的过程中,本文算法在能够提升检测率的同时,还能够有效去除误检测,确定道路面区域.

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 国内外的研究现状
• 1.3 本课题研究的目的和意义
• 1.4 本文主要工作
• 第2章 基础理论
• 2.1 引言
• 2.2 摄像机模型及成像原理
• 2.2.1 坐标系建立
• 2.2.2 摄像机成像模型
• 2.3 逆透视投影变换
• 2.4 摄像机标定
• 2.5 本章小结
• 第3章 特征点的检测和跟踪
• 3.1 引言
• 3.2 角点检测和跟踪
• 3.2.1 Harris角点检测
• 3.2.2 亚像素定位的原理与实现
• 3.2.3 角点检测算法的实现及结果
• 3.2.4 基于金字塔的Lucas-Kanade光流追踪方法
• 3.3 本章小结
• 第4章 障碍物检测
• 4.1 引言
• 4.2 理论推导
• 4.2.1 投影模型建立
• 4.2.2 计算道路面投影坐标
• 4.2.3 特征点对道路面投影坐标位移量的分析与计算
• 4.3 特征点道路面投影位移性质分析
• 4.4 障碍物检测
• 4.4.1 摄像机位移量估计
• 4.4.2 阈值法区分特征点
• 4.5 检测算法结构及结果
• 4.6 本章小结
• 第5章 应用
• 5.1 算法运行环境
• 5.1.1 软件运行环境
• 5.1.2 硬件运行环境
• 5.2 实验中的参数设置
• 5.3 实验结果
• 5.4 本章小结
• 第6章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士期间的研究成果