详情

原文传递车载环境下基于单目大视角相机的运动目标检测方法研究

论文题名：	车载环境下基于单目大视角相机的运动目标检测方法研究
关键词：	车载环境;单目视觉;大视角相机;运动目标检测
摘要：	智能车辆作为人类20世纪的伟大发明，已经成为各国在高技术领域内具有代表性的战略目标。进入21世纪，各国政府、企业和科研机构都在大力推进智能车辆在军用、民用和科研领域的实用化进展。作为智能车辆核心技术之一的运动目标检测技术仍然是各国重点投入的研究对象，特别是复杂室外环境下基于大视角相机的运动目标检测还存在诸多难点问题亟待解决。　　本文的研究目的是探索车载环境下基于单目大视角相机的运动目标检测理论和方法。主要研究工作包括: 　　运动参数估计　　(1)运动目标检测中，对相机自身运动参数的准确估计是非常重要的。基于道路平坦假设，本文提出了一种适用于鱼眼相机的运动参数异步估计方法。分析并推导了不同距离、位置的图像点位移向量和运动参数间的关系。基于分析结果，对运动参数进行异步估计，解决了以往方法运动参数估计时，旋转参数和平移参数相互影响，造成参数估计不准确的问题。本文方法与传统的基于道路平坦假设的方法相比，具有很好的鲁棒性和准确性。在复杂道路环境中，车辆常常存在颠簸问题，此时基于道路平坦假设的参数估计方法会带来较大误差。为此，本文把运动参数异步估计方法推广到相机存在三维运动的情况中，实现对三维旋转参数及平移参数的准确鲁棒估计。和其他适用于三维运动情况下的运动参数估计方法相比，本文方法解决了参数之间的干扰问题，同时降低了参数估计的复杂度，效果更好。　　运动目标检测　　(2)针对基于光流汇聚点(FOE，focus of expansion)的运动目标检测方法在大视角相机中遇到的问题，本文提出了一种改进的FOE方法(GFOE)。基于GFOE原理，在实际应用中进一步提出了基于特征点聚类的GFOE方法(CGFOE)，可以有效减少误匹配特征点及旋转参数估计精度误差对运动目标检测结果的影响。文中还对GFOE方法的原理适用情况进行了详细分析，给出了GFOE的理论有效检测范围及局限性。测试结果表明该方法对多数运动目标均有较好的检测效果，尤其适用于目标物的运动轨迹与车辆运动轨迹成交叉方向的运动目标的检测。　　(3)针对基于极线约束的运动目标检测方法对沿着相机光心运动方向运动的目标物检测效果不好的问题，本文提出了一种基于重建一致性的运动目标检测方法。首先，通过分析空间点在大视角相机相邻帧图像中的成像点几何约束关系，建立运动点检测判别式，然后，基于该判别式检测图像中的运动特征点类，进而得到运动目标位置，取得了较好效果。本文还提出了一种基于图像特征点位移向量直接估计碰撞时间(TTC)的方法，该方法不需要恢复目标物的深度信息。适用于车辆直向倒车情况下，估计场景中运动目标与车辆的碰撞时间。　　(4)针对基于特征点光流的运动目标检测方法易受光流匹配错误影响，以及对运动过快目标、远处小目标等常无有效光流的运动目标检测效果不好的问题，本文提出了一种基于多平面补偿的运动目标检测方法。本文提出的多平面运动补偿和常用的全局运动补偿方法相比，解决了强视差背景的补偿问题。而且该多平面运动补偿方法在模型参数求解时，不需要利用特征匹配算法，避免了特征匹配过程引入的误差。为提高运动目标检测结果的鲁棒性，本文基于贝叶斯理论对单帧检测结果进行多帧融合得到最终的运动目标检测结果。实验结果表明了该方法的有效性。　　综上，本文提出的方法有效改善了复杂车载环境下基于大视角相机的运动目标检测中存在的问题。提高了运动参数估计精度及运动目标检测的准确性和鲁棒性。
作者：	于红绯
专业：	计算机应用技术
导师：	赵宏
授予学位：	博士
授予学位单位：	东北大学
学位年度：	2013
正文语种：	中文