1、第37卷第2期2009年3月河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版Journal of Henan Normal University(Natural ScienceMar.2009文章編號(hào):1000-2367(200902-0033-04基于立體視覺(jué)的道路自動(dòng)檢測(cè)算法方曉瑩12,劉富強(qiáng)1(1-同濟(jì)大學(xué)信息與通信工程系,上海20009212.浙江國(guó)際海運(yùn)職業(yè)技術(shù)學(xué)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(dòng)檢測(cè)是最為關(guān)鍵的問(wèn)題.也是安全行駛的基本保證.傳統(tǒng)的檢測(cè)方法與單目視覺(jué)檢測(cè)都存在檢測(cè)精度不高,魯棒性不夠等問(wèn)題.提出了一種基于立體視覺(jué)的道路檢測(cè)算法,消除了對(duì)道路的一般性假

2、設(shè)。對(duì)三維道路狀態(tài)能進(jìn)行快速有效地檢測(cè)與跟蹤.保證行駛的安全性.關(guān)鍵詞:立體視覺(jué);道路識(shí)別;道路跟蹤;擴(kuò)展卡爾曼濾波中圖分類(lèi)號(hào):TP391.41文獻(xiàn)標(biāo)識(shí)碼:A隨著計(jì)算機(jī)視覺(jué)和高分辨率成像技術(shù)的不斷發(fā)展,數(shù)字圖像處理技術(shù)在駕駛輔助系統(tǒng)(Driving Assis-tanee System中得到了廣泛的應(yīng)用。對(duì)道路邊界進(jìn)行準(zhǔn)確地識(shí)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(cè)所必需的,也是安全駕駛的前提.近年來(lái),雖有越來(lái)越多的科研機(jī)構(gòu)著力于將圖像處理技術(shù)應(yīng)用于道路的自動(dòng)識(shí)別,但多數(shù)都是用單目圖像處理技術(shù)對(duì)道路進(jìn)行檢測(cè).在單目圖像序列中,常用一個(gè)簡(jiǎn)單的模型來(lái)描述道路的特征1

3、矗,如假設(shè)道路是在一個(gè)二維平面上,道路是平行的,且有固定的曲率.當(dāng)實(shí)際道路不滿(mǎn)足這些條件時(shí),測(cè)得的車(chē)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(jué)的道路檢測(cè)算法. 1道路模型在描述道路模型前,需要確立3個(gè)坐標(biāo)系世界坐標(biāo)系、車(chē)輛坐標(biāo)系和攝像機(jī)坐標(biāo)系,如圖1所示.其中,世界坐標(biāo)系0一XEyEZ的原點(diǎn)建立在道路中點(diǎn),車(chē)輛坐標(biāo)系0一XvyvZy的原點(diǎn)為車(chē)輛的后軸中心,攝像機(jī)坐標(biāo)系0一Xcy。.Z。,的原點(diǎn)為光軸中心,Zc軸與光軸重合.圖I系統(tǒng)坐標(biāo)系三維空間中的道路邊界可以用3次曲線方程來(lái)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(xué)+

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(dāng)為道路左邊界時(shí)取+l。為道路右邊界時(shí)取一1.矢量;F=(X。,Y,Z表示道路邊界上一點(diǎn)的世界坐標(biāo),矢量而=(Xv,Yv,ZvT表示該點(diǎn)的車(chē)輛坐標(biāo),兩者可以有下面關(guān)系,z;一REv(z;一tr.-v.同理,攝像機(jī)坐標(biāo)系可以看成是將車(chē)輛坐標(biāo)系一定程度的平移與旋轉(zhuǎn),兩者有如下的關(guān)系:XC= Rvc(高一焉,式中,R,為旋轉(zhuǎn)向量,磊一(Xvc,Yvc,%T為平移向量,則得到世界坐標(biāo)與攝像機(jī)坐標(biāo)間的關(guān)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(gè)坐標(biāo)系間的x軸的旋轉(zhuǎn)角度;收稿日期:20081011基金項(xiàng)目:2007年度浙江省高校優(yōu)秀青年教師資助項(xiàng)目(浙教辦高科C20083142號(hào)作者簡(jiǎn)介:方曉瑩(1973-,女,浙江省舟山人,浙江國(guó)際海運(yùn)職業(yè)技術(shù)學(xué)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(yīng)用. 第2期方曉瑩等:基于立體視覺(jué)的道路自動(dòng)檢測(cè)算法35如圖2所示,黑點(diǎn)為邊界點(diǎn)的預(yù)測(cè)值,邊界兩邊的弧線為CD確定的檢測(cè)范圍寬度.在這個(gè)檢測(cè)范圍內(nèi)檢測(cè)灰度值的變化,確定該幀中最后的邊界線,后續(xù)幀的檢測(cè)以此幀的檢測(cè)結(jié)果為基礎(chǔ),用擴(kuò)展卡爾曼濾波器【71進(jìn)行更新.圖像各部分的檢測(cè)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(yù)測(cè)點(diǎn)附近根據(jù)灰度的梯度值檢測(cè)到實(shí)際的邊界點(diǎn)坐標(biāo).為了區(qū)別預(yù)測(cè)值與檢測(cè)值,用矢量“(ij =(2,士升。表示在預(yù)測(cè)階段得到的第i部分的上下兩個(gè)預(yù)測(cè)值,用矢量口(ij=(丁;,z斗,1表示第i部分的實(shí)際檢測(cè)值.由擴(kuò)展的卡爾曼濾波器對(duì)參數(shù)進(jìn)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(cè)結(jié)果的基礎(chǔ)上,通過(guò)一定的更新算法對(duì)后續(xù)幀中的道路邊界進(jìn)行實(shí)時(shí)預(yù)測(cè)與檢測(cè).設(shè)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(chē)輛動(dòng)力學(xué)方程,對(duì)矢量及藥和莉進(jìn)行更新,即矢量的預(yù)測(cè)值,

7、髏0;,:囂麓”俐愀南+”和%叫:并;,!激2#囂Z:,-p(k-,g中托為相應(yīng)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(diǎn)H丁+e,(奄+1,H“力=堡壘!坌±!獨(dú)8M(kE,。幀的道路跟蹤.以前一幀的結(jié)果為基礎(chǔ),如此反復(fù)迭代與更新,實(shí)現(xiàn)行駛過(guò)程中的道路實(shí)時(shí)跟蹤. Array圖2預(yù)測(cè)結(jié)果與檢測(cè)網(wǎng)3道路邊界識(shí)別效果網(wǎng)3實(shí)驗(yàn)結(jié)果將上述算法應(yīng)用于實(shí)際交通圖像,對(duì)系統(tǒng)自動(dòng)識(shí)別出的道路標(biāo)志用紅色表示,得到的實(shí)驗(yàn)結(jié)果如圖3所示.對(duì)道路進(jìn)行跟蹤過(guò)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(dòng)識(shí)別的道路邊界與實(shí)際道路有較高的吻

8、合度.4結(jié)束語(yǔ)道路的自動(dòng)檢測(cè)與跟蹤是駕駛輔助系統(tǒng)中的關(guān)鍵問(wèn)題。也是計(jì)算機(jī)視覺(jué)的重要特點(diǎn).本文所介紹的檢測(cè) 基于立體視覺(jué)的道路自動(dòng)檢測(cè)算法作者:方曉瑩, 劉富強(qiáng), FANG Xiao-ying, LIU Fu-qiang作者單位:方曉瑩,FANG Xiao-ying(同濟(jì)大學(xué),信息與通信工程系,上海,200092;浙江國(guó)際海運(yùn)職業(yè)技術(shù)學(xué)院,浙江,舟山,316021, 劉富強(qiáng),LIU Fu-qiang(同濟(jì)大學(xué),信息與通信工程系,上海,200092刊名: 河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版英文刊名:JOURNAL OF HENAN NORMAL UNIVERSITY(NATURAL SCIENCE年,卷

9、(期:2009,37(2參考文獻(xiàn)(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