论文部分内容阅读
随着智能无人车系统(Intelligent Unmanned Vehicle,IUV)的发展,无人车的在线感知能力日益受到重视,障碍物检测能力则是无人车在线感知能力的重要组成部分。因为视觉传感器具有价格低廉、感知数据中信息丰富等诸多优势,基于视觉的障碍物检测技术成为研究领域关注的重点之一。 室外环境因结构复杂,随时会发生改变,无人车缺乏可有效利用的先验知识描述,导致众多障碍物检测系统在该环境中不能有效工作。本文采用全局-局部策略对场景进行由粗到精的分析,弥补室外环境先验知识不足的难题,提高无人车的在线感知能力。根据该策略,在视差投影图模块中,全局分析场景视差分布水平;在立体匹配模块中,局部分析场景前景目标的几何轮廓信息。针对实际应用中遇到的各种问题,提出了室外环境的障碍物检测算法。该算法具有如下特点: (1)通过分析视差投影图的地面关联线信息,获得场景的视差分布水平。该信息一方面用来动态更改视差搜索范围,增强算法的实时性和有效性;另一方面用来移除背景地表,简化障碍物分割过程; (2)采用双域滤波抑制噪声,获得清晰的边缘特征,降低立体匹配算法在深度不连续性区域的匹配难度; (3)在实现立体匹配过程中动态变更视差搜索范围的过程中,采用了逆向重投影算法,并得到验证; (4)采用基于连通成分的扩散方法替代传统的 SAD 局部匹配算法,获得高质量的视差图,最终改善障碍物检测的精确性。 在室外环境中,本文对该算法进行了实验验证。通过设置不同的基线长度,验证了算法在不同的感知距离内的有效性。经实验证明,本算法在一定距离范围内能够有效的检测出障碍物。