[发明专利]一种自动驾驶障碍物视觉检测方法与系统

说明书

本发明公开了一种自动驾驶障碍物视觉检测方法与系统，通过车载双目摄像机与红外摄像机实时获得彩色及红外图像信息；利用图形处理器GPU获得车辆前进方向上的视差图；利用自适应阈值将视差图中的障碍物进行分割并同时利用亮度分布将红外图像中的障碍物进行分割；利用彩色直方图判断视差图与红外图像检测出的障碍物区域是否重合，并根据障碍物与车辆的距离、几何尺寸判断其威胁程度，并在障碍物将要与车辆发生碰撞时利用车辆控制器对车辆发出紧急制动指令。本发明将深度信息与红外信息进行融合，相比于传统方法，对障碍物的漏检率大大降低；采用自适应阈值将障碍物从背景中分割，提高了障碍物检测的精度，在自动驾驶领域具备很高的实用性。

技术领域

本发明涉及一种自动驾驶障碍物视觉检测方法与系统，属于无人驾驶汽车环境感知技术领域。

背景技术

障碍物检测技术是智能汽车自动驾驶系统中的诸多关键技术之一，其可靠性、快速性和准确性是衡量智能汽车自动驾驶系统中的重要指标。基于视觉的障碍物检测系统通常工作于被动工作方式，具有仿生学、结构简单、成本低廉、经济性好、应用范围广等特点。

相比于基于超声波、激光雷达等主动传感器的避障系统，视觉避障系统响应速度更快，精度更高，可以提供如颜色、纹理、几何形状等更加丰富的信息，与人类观察感知环境的原理一致，因此得到了越来越多的关注。

双目视觉与单目视觉相比，可以获得与摄像头垂直的距离信息，能更加有效的判断出障碍物与车辆的相对位置，也有助于将障碍物从复杂背景中快速、准确的进行分割；目前双目视觉已经广泛应用在机器人导航、自动驾驶等多个领域。但与单目视觉一样，双目视觉受光照影响较大，在光照条件不好的情况下其使用效果将大大降低。

红外成像系统可以在烟雾、微光、黑暗等特殊环境下对目标物体进行成像，已被广泛运用于安防、监控等诸多领域。但红外图像无法获得目标物体的纹理、颜色以及深度信息，且成像对比度低，检测距离有限，因此无法单独对车辆行驶过程中的障碍物进行识别。

申请号为CN201510040849.6的《一种双双目红外与可见光融合立体成像系统》通过“双双目”红外与可见光图像融合技术的设计，弥补了单一波段立体成像系统的不足，解决了因系统间配合而降低所获取图像精度的问题。但该系统结构复杂，对设备要求高，且没有配套的软件算法对障碍物进行分割，难以在自动驾驶中得到运用。

申请号为CN201310373949.1的《基于双目立体视觉的驾驶辅助障碍物检测方法》，主要提出了一种不需人为干涉的障碍物检测方法，它使用两个经过标定的CCD摄像机，同步采集车辆在静止或行驶过程中正前方路面的环境图像数据，并自主通过同一时刻采集的两幅图像进行基于三维重构的一系列图像处理和相应的计算后，精确获取车辆前方场景中障碍物的位置、尺寸、与本车的距离等信息，使智能车辆可以实时的进行车辆前方场景中障碍物的检测，从而实现障碍物告警。该方法虽然在白天有较好的效果，但在夜间容易因光照强度弱造成漏识别，无法全天候使用。且该方法需要计算出视场中全部像素点的三维坐标，对处理器运算性能和存储器的容量都有很高的要求，不适用于小型嵌入式机载设备。

申请号为CN201210365530.7的《一种双目远红外智能辅助安全驾驶系统》，通过安装在车辆前端两个特殊可实时进行动态姿态调整的远红外传感器和内嵌入车内驾驶仪表板内的无线网络移动综合信息交互平台，对行车前方纵深坐标不同动态或静态目标的纵向距离、速度、加速度和危险性进行智能判断和动态跟踪，同时提醒驾车人减速或采取制动措施。该方法未考虑到道路或地面对障碍物深度值获取的影响，极容易导致误判。

综上所述，虽然国内外在利用双目视觉或红外图像进行自动驾驶领域有较多的研究，但大多方法无法全天候、快速、准确地对障碍物进行识别，故大多难以应用到实际自动驾驶领域。

发明内容