详情

原文传递自动驾驶汽车的道路障碍物检测方法研究

论文题名：	自动驾驶汽车的道路障碍物检测方法研究
关键词：	自动驾驶;双目立体视觉;深度学习;障碍物识别;车道线检测
摘要：	随着社会经济的发展和进步，家用汽车逐渐得到了普及，但是需要注意的是，汽车固然为人们的交通出行提供了巨大的便利，但也滋生出一些新的问题，有利有弊，需要得到有效的处理和解决。就当前形式来说，无人驾驶技术已经得到了应用和实践，引起社会各界的关注和重视，学者和专家们纷纷参与该相关课题的研究与论述。以本文为例，在针对自动驾驶汽车道路障碍物检测方法研究过程中，选择结构化道路中环境感知环节作为研究课题，汽车行驶过程中主要障碍物是汽车及行人，所以本文通过设计车辆及行人的检测算法，结合双目相机的标定测得障碍物的距离，完成行车过程中车道线的检测，最终实现对汽车可安全行驶的区域进行初步预判。　　首先，需要依据相关标准完成摄像头成像的数学模型的建立，结合双目立体视觉测距的相关数学原理，从双目立体视觉测距系统的视觉需求出发，挑选合适的视觉传感器，完成双目立体视觉测距平台的搭建和应用。在实际的研究过程中，借助张正友平面棋盘格标定法，完成了12×9黑白棋盘格的视图规划，获取各姿态棋盘格图像后借助相关的MATLAB标定工具箱，达到完成双目视觉系统中左右摄像头相应内外参数计算的目的。参考立体匹配算法对双目图像的实际匹配要求，先对双目相机拍到的左右图像进行双目校正处理，使用了极线约束法简化匹配特征点的计算过程，使左右两幅图像特征点严格对应。最后通过SGBM立体匹配算法得到图像的深度图，依据双目测距原理求得相机和被检测目标中间的实际距离。　　在具体的研究探索中，依据相关的实时目标检测方法，完成了行驶场景中障碍物的检测功能。首先，搜集大量检测目标图像制作成预训练数据集，通过Darknet-53卷积神经网络预训练出障碍物的模型权重参数。然后，人工标注实际行车场景图中的车辆及行人，建立二次训练的数据集，通过YOLOv3网络结构训练障碍物检测模型。最后，结合双目相机标定所得的内外参数，建立完整的目标检测和定位算法，实现道路障碍物识别和定位的目标。　　对于车道线的检测来说，因为使用深度学习的检测方法需要大量不同环境、角度、天气等数据集，识别率相比于传统的图像检测办法并没有显著提高，所以综合考虑后决定采用传统图像处理的技术来进行车道线检测。首先，对图像边缘信息提取的最优算法进行明确，并描述相应的处理流程，通过简单地图像预处理得到车道线图像的阈值二值化图像以及边缘特征。为了简化识别算法，本文提出了一种改进的方法用于限制检测过程中的感兴趣区域，减少检测中识别区域的范围。最后，通过最小二乘法拟合和卡尔曼滤波跟踪达到实时稳定的车道线参数拟合，完成车道线检测的目标。　　最后融合前文中相机标定的内外参数及障碍物检测算法，根据识别结构化道路中的车道线绘制行驶区域，并排除其中所包含的障碍物区域，实现汽车的可安全行驶区域的初步预判。
作者：	武政
专业：	机械工程
导师：	曹岩;翟丕奇
授予学位：	硕士
授予学位单位：	西安工业大学
学位年度：	2020
正文语种：	中文