原文传递
基于加权Hough变换和时域相关性分析的双目视频障碍物检测技术研究
| 论文题名： | 基于加权Hough变换和时域相关性分析的双目视频障碍物检测技术研究 |
| 关键词： | 车载双目视频;障碍物检测;加权Hough变换;时域相关性;立体视觉 |
| 摘要： | 车载障碍物检测是一项具有很高的挑战性和应用价值的研究课题，并且日益受到人们的广泛关注，成为智能汽车领域研究的热点问题。作为驾驶员的人类可以根据路况的特征及生活经验轻松地区分可供行驶的路面和障碍物，但是对于同样拥有双目立体视觉的机器来说，在自由度很高的真实的交通场景中构建一个鲁棒可靠的模型来表示物理路面还是非常具有挑战性的难题，本文针对车载双目视觉中的路面模型的估计的难题提出了一种新颖而实用的算法。 在传统的V-视差算法中，包含深度信息的视差图像被投影到V-视差平面上，此时显性的路面特征就会在这一平面产生特殊的投影曲线。针对V-视差图的路面投影曲线模型构建的问题，本文首次提出在不进行二值化的情况下，直接引入带有权重的Hough变换来提取其中的线性关系的极坐标参数，并且根据真实世界的一些约束条件选取合适的直线参数。该方法具有一定的鲁棒性和可靠性，可以应对一些极端遮挡的情况。在获取这些直线参数后，本文使用了一系列的相关直线段拟合最终的路面投影曲线模型。考虑到正常情况下路面的平整性和连续性，本文提出在构建路面投影模型时使用上下文信息辅助路面参数的选取。该方法可以在时域上起到平滑路面曲线模型的作用，并且在场景切换时自适应的更新路面参数。 实验结果表明本文提出的方法在面临真实世界中诸如交通堵塞，市区街道和市郊高速公路等场景时，可以准确的进行障碍物和路面的检测，为智能汽车进一步认知外界环境奠定了基础。 |
| 作者： | 黄俊 |
| 专业： | 人工智能基础 |
| 导师： | 郭锋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 厦门大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
