基于雙目立體視覺伺服的智能車室內(nèi)彎道控制

0 引言

智能車環(huán)境感知系統(tǒng)的一個重要任務就是實時地提供車輛在行使過程中的位置信息。機器視覺因其有信號探測范圍寬、獲取信息完整、符合人類認知習慣、維護成本低、不產(chǎn)生環(huán)境污染等多優(yōu)點，已在智能車環(huán)境感知系統(tǒng)中廣泛采用。機器視覺車輛環(huán)境感知系統(tǒng)中的主要任務是完成道路及目標的識別和跟蹤，為智能車行使提供必須的本車位置信息和周圍環(huán)境距離信息。

對于現(xiàn)實情況下的道路，一般可以將其分為兩大類，即：結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路。結(jié)構(gòu)化道路上有明顯的道路標記，且這些標記具有較強的幾何特征，道路路面主要是由這些標記界分確定的，如高速公路上道路中間黃色的連續(xù)標志線或白色的間斷標志線以及兩旁白色的連續(xù)標志線；非結(jié)構(gòu)化道路上沒有明顯的道路標記，在二維圖像中道路路面與非路面主要依靠紋理與色彩而區(qū)分的，如沒有標記的水泥路、野外土路或石板路等。

彎道圖像包含豐富的道路信息和環(huán)境信息，解釋了道路周圍場景。彎道檢測是從道路圖像中檢測出彎曲車道線的邊界，這也是對彎道理解的基礎。建立彎道模型；提取車道線像素點；擬合車道線模型屬于目前較常采用的認知方法，并在特定的結(jié)構(gòu)化道路體現(xiàn)出較好的檢測效果。文獻[6]介紹了彎道檢測在車道偏離預警、彎道限速以及彎道防碰撞預警等領(lǐng)域的應用情況，并提出了彎道檢測應該建立三維車道線模型，提高適用性。

均采用的Hough變換求出車道線直線方程，從而確定對應直線段上的最低點和最高點，然后根據(jù)相應準則判斷曲線道路的彎曲方向，最后分段擬合車道線的直線段和曲線段實現(xiàn)車道線的二維重建。

彎道檢測不僅需要識別出道路邊界線，還需要判斷道路彎曲方向，確定轉(zhuǎn)彎的曲率半徑。常用的車道檢測方法可分為2大類：基于道路特征和基于道路模型的方法。目前國外主要常用基于道路模型的方法，即將彎道檢測轉(zhuǎn)化為各種曲線模型中數(shù)學參數(shù)的求解問題。省略彎道曲線模型建立和數(shù)學參數(shù)的復雜求解過程，本文采用立體視覺感知環(huán)境的三維信息，利用它的視差原理對所獲取室內(nèi)道路周邊環(huán)境圖像中角點特征的位置恢復其三維信息來判斷車體的彎道轉(zhuǎn)向和偏航角度。建立了視覺信息直接控制車體驅(qū)動偏離角與偏離距離視覺伺服控制系統(tǒng)，初步采用了BP控制策略，利用Simulink仿真環(huán)境實現(xiàn)了針對未知彎道曲率的智能車轉(zhuǎn)彎控制運動。

1 室內(nèi)道路環(huán)境信息的視覺感知

1.1 立體視覺系統(tǒng)模型

采用針孔成像模型將圖像中任何點的投影位置與實際點的物理位置建立連線關(guān)系，攝像機光心O與空間P點間的連線OP與圖像平面的交點即為圖像投影的位置(u,v)。用齊次坐標和矩陣表示上述透視投影關(guān)系為：

本文采用的雙目平行相機的模型如圖1所示，C1與C2攝像機的焦距相等，各內(nèi)部參數(shù)也相等，而且兩個相機的光軸互相平行，x軸互相重合，y軸互相平行，因此，將第一個攝像機沿x軸平移一段距離b后與第二個攝像機完全重合。假設C1坐標系為O1 x1 y1 z1，C2坐標系為O2 x2 y2 z2，則在上述攝像機配置下，若任何空間點P的坐標在C1坐標系下為(x1),y1,z1，在C2坐標系下為(x1)-b,y1,z1。由中心攝影的比例關(guān)系可得：

其中(u1,v1)、(u2,v2)分別為P1與P2的圖像坐標。由P1與P2的圖像坐標(u2,v2)、(u2,v2)可求出空間點P的三維坐標(x1,y1,z1)。

1.2 室內(nèi)環(huán)境特征向量的提取與匹配

由于噪聲、光照變化、遮擋和透視畸變等因素的影響，空間同一點投影到兩個攝像機的圖像平面上形成的對應點的特性可能不同，對在一幅圖像中的一個特征點或者一小塊子圖像，在另一幅圖像中可能存在好幾個相似的候選匹配。因此需要另外的信息或者約束作為輔助判據(jù)，以便能得到惟一準確的匹配。最近鄰法是一種有效的為每個特征點尋找匹配點的方法。最近鄰點被定義為與特征點的不變描述子向量之間的歐氏距離最短的點。