基于雙目立體視覺(jué)伺服的智能車(chē)室內彎道控制

0 引言

智能車(chē)環(huán)境感知系統的一個(gè)重要任務(wù)就是實(shí)時(shí)地提供車(chē)輛在行使過(guò)程中的位置信息。機器視覺(jué)因其有信號探測范圍寬、獲取信息完整、符合人類(lèi)認知習慣、維護成本低、不產(chǎn)生環(huán)境污染等多優(yōu)點(diǎn)，已在智能車(chē)環(huán)境感知系統中廣泛采用。機器視覺(jué)車(chē)輛環(huán)境感知系統中的主要任務(wù)是完成道路及目標的識別和跟蹤，為智能車(chē)行使提供必須的本車(chē)位置信息和周?chē)h(huán)境距離信息。

對于現實(shí)情況下的道路，一般可以將其分為兩大類(lèi)，即：結構化道路和非結構化道路。結構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標志線(xiàn)或白色的間斷標志線(xiàn)以及兩旁白色的連續標志線(xiàn)；非結構化道路上沒(méi)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分的，如沒(méi)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?chē)鷪?chǎng)景。彎道檢測是從道路圖像中檢測出彎曲車(chē)道線(xiàn)的邊界，這也是對彎道理解的基礎。建立彎道模型；提取車(chē)道線(xiàn)像素點(diǎn)；擬合車(chē)道線(xiàn)模型屬于目前較常采用的認知方法，并在特定的結構化道路體現出較好的檢測效果。文獻[6]介紹了彎道檢測在車(chē)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(chē)道線(xiàn)模型，提高適用性。

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

彎道檢測不僅需要識別出道路邊界線(xiàn)，還需要判斷道路彎曲方向，確定轉彎的曲率半徑。常用的車(chē)道檢測方法可分為2大類(lèi)：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，即將彎道檢測轉化為各種曲線(xiàn)模型中數學(xué)參數的求解問(wèn)題。省略彎道曲線(xiàn)模型建立和數學(xué)參數的復雜求解過(guò)程，本文采用立體視覺(jué)感知環(huán)境的三維信息，利用它的視差原理對所獲取室內道路周邊環(huán)境圖像中角點(diǎn)特征的位置恢復其三維信息來(lái)判斷車(chē)體的彎道轉向和偏航角度。建立了視覺(jué)信息直接控制車(chē)體驅動(dòng)偏離角與偏離距離視覺(jué)伺服控制系統，初步采用了BP控制策略，利用Simulink仿真環(huán)境實(shí)現了針對未知彎道曲率的智能車(chē)轉彎控制運動(dòng)。

1 室內道路環(huán)境信息的視覺(jué)感知

1.1 立體視覺(jué)系統模型

采用針孔成像模型將圖像中任何點(diǎn)的投影位置與實(shí)際點(diǎn)的物理位置建立連線(xiàn)關(guān)系，攝像機光心O與空間P點(diǎn)間的連線(xiàn)OP與圖像平面的交點(diǎn)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，各內部參數也相等，而且兩個(gè)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(gè)攝像機沿x軸平移一段距離b后與第二個(gè)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(diǎn)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(diǎn)P的三維坐標(x1,y1,z1)。

1.2 室內環(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(diǎn)投影到兩個(gè)攝像機的圖像平面上形成的對應點(diǎn)的特性可能不同，對在一幅圖像中的一個(gè)特征點(diǎn)或者一小塊子圖像，在另一幅圖像中可能存在好幾個(gè)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，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(gè)特征點(diǎn)尋找匹配點(diǎn)的方法。最近鄰點(diǎn)被定義為與特征點(diǎn)的不變描述子向量之間的歐氏距離最短的點(diǎn)。