[发明专利]多透镜摄像机系统、安装多透镜摄像机系统的交通工具，以及由多透镜摄像机系统执行的测距方法

说明书

技术领域

本发明涉及能够获取视差信息的多透镜摄像机系统和安装多透镜摄像机系统的交通工具，以及由多透镜摄像机系统执行的测距方法。

背景技术

涉及交通工具中立体摄像机的使用的防撞系统已变得广泛。使用立体摄像机生成在交通工具前面的区域的立体图像，并且基于已生成立体图像检测障碍物并测量到障碍物的距离。然后可以警告驾驶员采取校正行动从而避免碰撞或维持交通工具之间的安全最小距离。可替换地，该系统可以啮合控制装置例如刹车和转向系。

此外，由于改进的传感器性能例如更高的图像分辨率，交通工具环境感测的焦点已从高速路驾驶转移到城市驾驶。在城市中，目标感测环境比高速路多样化得多。在复杂感测环境中的辨认处理的最大问题是这样的多样化使处理复杂化，导致处理时间延长并且物体错误辨认增加。

在常规的交通工具中立体摄像机的辨认处理中，初始地，在基本整个已捕捉图像上检测边缘，并且为边缘检测的像素位置计算视差。然后，通过使用是计算结果的视差信息执行聚类（clustering），并且将各种类型的信息添加到聚类结果，最终检测到辨认目标。

图9是图解使用视差信息的物体辨认的一般过程的流程图。在此，辨认目标包括在前面的交通工具、行人、摩托车、自行车、交通标志和作为在路上物体的交通灯。初始地，使用如在图1A中示出的包括基准摄像机单元和比较摄像机单元的立体摄像机，在步骤S201获取包括基准图像和比较图像的已捕捉图像（立体图像）。然后，在步骤S208，使用在基准图像中的亮度信息辨认在道路上的分界线（例如，包括停车线的白线和黄线）。随着该过程，在步骤S202基于基准图像和比较图像计算视差，在步骤S203使用视差信息执行聚类，并且在步骤S204，使用物体例如交通工具、行人、摩托车、自行车、交通标志和交通灯的大小修改聚类结果。

图10是由在步骤S201到S204执行的过程获得的物体已辨认的图像。在图10中，参考号100代表辨认为交通工具物体大小的聚类结果，101代表辨认为行人、摩托车、自行车大小的聚类结果，并且102代表辨认为交通标志和交通灯大小的聚类结果。如从图10的物体已辨认图像清楚的，特别是，由于交通标志和交通灯小，因此它们经常被错误辨认，如由框102’表明的。另外，也在图10中的图像的上区中看到行人的错误辨认，由框101’表明。

各种有条件分支过程在步骤S205在这些物体错误辨认上执行并且后来在图9中示出。例如，在步骤S205，基于在步骤S208辨认的分界线（停车线）计算路面的高度，并且使用目标模型信息为行人和落下物体修改聚类结果。另外，在步骤S206，基于在基准图像中的亮度信息，使用自适应提升（AdaBoost）为对其执行聚类的区域做出关于目标物体的最终确定。最终，在步骤S207输出已辨认物体的三维位置。

在从步骤S201到步骤S204的过程中，如果发生严重的辨认错误或不可以成功地分开辨认目标物体，那么许多复杂过程出现，例如随后的辨认处理需要各种有条件分支处理，或必须重访先前阶段的处理。因此，提高视差计算和聚类的辨认成功率，并将错误辨认最少化是重要的。

为了辨认在图像中的物体，例如JP-2004-173195-A提出立体摄像机系统，其捕捉交通工具周围的景象，计算表示在输出彩色图像的摄像机和监控区域中的目标之间的距离二维分布的范围数据，并且辨认在相同车道中或在邻接车道中驾驶的另一交通工具。在此，基于在目标已辨认图像中的交通工具位置设定具有预定尺寸的指示灯（winker）区域，并且基于彩色图像检测构成指示灯的颜色成分的像素。因此，可以使用颜色信息和视差信息同时辨认指示灯和接近的交通工具。借助这个配置，使用颜色信息和视差信息的组合，可以准确且同时辨认多个物体。

在上面描述的方法中，关于颜色信息预先已知的辨认物体，通过基于由彩色摄像机获取的彩色图像检测辨认物体的颜色成分，可以准确检测物体。然而，必需除立体摄像机之外提供彩色摄像机，在图像中设定其中辨认彩色物体的区域，并且使用不同算法执行另外的辨认处理。另外，为了分别计算在整个图像中的视差和在设定区域中的视差，需要切换视差计算算法和参数。该操作使计算处理复杂化并且不能解决上面描述的问题。

发明内容