[发明专利]一种自动驾驶障碍物视觉检测方法与系统

权利要求书

1.一种自动驾驶障碍物视觉检测方法，其特征在于，包括如下步骤：

步骤1，利用双目摄像机实时获取车辆前进方向上的图像，并利用立体匹配算法计算出车辆前进方向上的视差图；同时，利用红外摄像机实时获取车辆前进方向上的红外图像；

步骤2，通过视差图将包含障碍物的区域利用自适应阈值分割方法进行分割；

所述步骤2的具体做法为：将视差图的最左边和最右边各裁剪掉原图像的1/5，得到裁剪后的视差图，将裁剪后的视差图最下边裁掉自身的1/5，得到新的视差图，设定分割阈值t，将视差值大于等于t的归类为属于障碍物的视差值，将视差值小于t的归类为属于背景的视差值，阈值t的求解方式为：设定N₀,N₁,…,N₂₅₅分别为新的视差图中视差值等于0,1,…,255的像素点的数目，阈值t通过最大化G的值可以得到，其中，G的计算公式为：

G＝[Mean(N₁₀,N_t)-Mean(N_t+1,N₂₃₆)]+a×[Std(N₁₀,N_t)-Std(N_t+1,N₂₃₆)]

其中，Mean(N_p,N_q)为N_p,N_p+1,…,N_q的均值，Std(N_p,N_q)为N_p,N_p+1,…,N_q的标准差，a为比例系数；若计算出的阈值t＞200，则重新计算t，通过最大化G′的值得到，其中，G′的计算公式为：G′＝Mean(N₁₀,N_t)-Mean(N_t+1,N₂₃₆)；

步骤3，提取分割后图像中的所有轮廓，并用矩形对最大轮廓进行拟合，根据矩形的面积大小判断视差图中是否出现障碍物；

步骤4，在进行步骤3的同时，对红外图像的亮度进行阈值分割，将小于预设阈值的亮度置0，提取分割后图像中的所有轮廓，并用矩形对最大轮廓进行拟合，根据矩形的面积大小判断红外图像中是否出现障碍物；

步骤5，若视差图和红外图像中均无障碍物，则判定为无障碍物并返回步骤1；

步骤6，若视差图中有障碍物而红外图像中无障碍物，则将视差图中分割出的矩形区域作为障碍物区域，并计算出其与车辆的距离信息；

步骤7，若视差图中无障碍物而红外图像中有障碍物，则将红外图像中分割出的矩形区域作为障碍物区域，并计算出其与车辆的距离信息；

步骤8，若视差图和红外图像中均存在障碍物，则分别按照步骤6、7分别得到障碍物区域，利用色调直方图判断二者是否重合；

步骤9，若判断为重合，则将两区域合并计算其与车辆的距离；若判断为不重合，则将两区域分开计算其与车辆的距离；并提醒驾驶人障碍物的距离，当障碍物的距离小于预设参考值且驾驶人未做出反应时，对车辆发出紧急制动指令。

2.根据权利要求1所述自动驾驶障碍物视觉检测方法，其特征在于，步骤1所述利用双目摄像机实时获取车辆前进方向上的图像的具体做法为：将双目摄像机对称安装在车辆头部左右两侧，且双目摄像机的朝向与车辆前进方向平行，通过预先标定得到的双目摄像机内外参数矩阵将实时获取到的左右两幅图像矫正为无畸变且行对准的两幅图像。

3.根据权利要求1所述自动驾驶障碍物视觉检测方法，其特征在于，步骤1所述利用红外摄像机实时获取车辆前进方向上的红外图像的具体做法为：将红外摄像机安装在双目摄像机的正中位置，并向上扬起，与车辆前进方向的夹角为10°。