[发明专利]一种基于双目视觉的无人驾驶汽车可通区域检测方法

说明书

本发明提供一种基于双目视觉的无人驾驶汽车可通区域检测方法，过程为：获取安装在无人驾驶车上的车载双目摄像机采集的车辆前方左右目图像作为原始识别图像；对左右目图像进行预处理，获取处理后的稠密视差图；针对稠密视差图获得相应的U视差图；针对U视差图获得障碍物图；利用障碍物图对稠密视差图进行障碍物剔除，获得剔除大量障碍物后的视差图；针对剔除大量障碍物后的视差图，获得其规范化的V视差图；针对V视差图，获得道路区域的上边沿；将所述稠密视差图中道路区域的上边沿以上部分剔除，获得剔除非道路区域的视差图；针对剔除非道路区域的视差图，进行进一步的障碍物剔除，然后对获得的障碍物图进行灰度反转，获得可通行区域图。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于双目视觉的无人驾驶汽车可通行区域检测方法。

背景技术

随着社会的发展，汽车已经成为人类日常生活不可替代的交通工具。然而，随之而来是其带来的日益突出的安全问题。而汽车智能化技术的快速发展则为解决这一问题提供了有力手段。近些年来，世界各大知名汽车企业积极参与汽车智能化的产业革命中，使得无人驾驶汽车已不再是个概念，很多成熟的智能化技术已被应用于汽车行业，并取得了显著的经济和社会效益。同时，军事、安保等领域的地面无人平台技术研究也取得突破性进展，无人排爆机器人等设备在人民安防、国家安全等重大领域发挥着巨大作用。

目前无人驾驶汽车技术中障碍物探测方法主要是基于激光雷达，毫米波雷达或超声探测器等主动性传感器，而这类传感器通常成本较高，功耗较大，容易相互干扰。目前汽车行业使用成熟的无人驾驶汽车技术主要有自动巡航系统，车道保持系统，自主泊车系统等，这些系统一般结合雷达和图像信息进行工作。具体方法是依靠雷达探测障碍物，摄像机检测车道线或其他道路信息，再将两者进行融合处理。如果只利用摄像机实现所有功能，不仅可以减少设备成本，更降低了传感器功耗，增加了系统的使用寿命。因此，单纯依靠双目像机实现车道线检测、障碍物探测、行车记录等工作要求具有广阔的市场前景。

障碍物探测作为无人驾驶系统和辅助驾驶系统中的关键技术，在汽车的安全通行，舒适驾驶等方面发挥巨大作用。如何准确，高效地探测障碍物，获得可通行区域对无人驾驶汽车和辅助驾驶系统都有着至关重要的影响。通常，基于图像进行可通行区域检测主要分为基于纹理特征，颜色特征和深度特征三大类。目前，部分学者利用单目相机获取彩色图像，利用纹理分割或色彩分割识别出可通行区域，但其效果往往并不理想，受环境影响较大，且主要应用于较为规范的城市交通环境中，在非结构化环境中并不适用。而基于深度信息主要是通过双目或多目相机获得环境视差图，再利用视差图获得稠密或稀疏的深度信息，估计出地面模型。这类方法可适用于复杂路面环境，但往往计算量大，实时性差，并不能较好地应用于地面无人平台。由此可见，基于图像信息高效、实时地检测可通行区域是一项巨大挑战，同时对地面无人平台和辅助驾驶系统的发展具有很高的应用价值。

发明内容

为解决上述问题，本发明提供一种基于双目视觉的无人驾驶汽车可通区域检测方法，该方法适用性强，可在雨雪等复杂天气条件和野外、城市等多种道路环境下稳定工作，且实时性较好，可广泛应用于地面无人平台和辅助驾驶系统。

实现本发明的技术方案如下：

一种基于双目视觉的无人驾驶汽车可通区域检测方法，其包括：

步骤1，获取安装在无人驾驶车上的车载双目摄像机采集的车辆前方左右目图像作为原始识别图像；

步骤2，对左右目图像进行预处理：首先利用色彩恒常性方法对左右目图像进行色彩增强，其次将色彩增强后的图像转换为灰度图像；再次采用SGM方法对灰度图像进行双目立体匹配，获得视差范围为0-128之间的稠密视差图；最后对所述稠密视差图进行中值滤波、膨胀和腐蚀处理，获取处理后的稠密视差图；

步骤3，对步骤2中所获取的处理后的稠密视差图每一列所有像素进行灰度统计，获得相应的U视差图，将该U视差图的视差范围规范化到0到255之间得到规范化U视差图；