[发明专利]一种基于窄基线双目视觉的前方车辆快速测距方法

说明书

一种基于窄基线双目视觉的前方车辆快速测距方法，属于计算机视觉技术领域。本发明按照经典方法处理右目图像，包括车道线ROI设定、车道线检测、车辆ROI设定、车辆识别、车辆区域确定。对于左目图像，则根据双目视觉的成像特点和前一帧图像的距离信息，直接估计车辆区域，大大简化了左目图像的处理。同时，对左、右目图像车辆区域中所有匹配特征点对所计算的横向视差，进行了中值处理，选取了一组平稳的视差值子集用于计算前方车辆的距离，进一步提高了测距精度。经实验对比，与经典对称方法相比，本发明方法测距速度平均可提升37.2％，测距误差平均可降低12.8％。

技术领域

本发明涉及计算机视觉技术领域，特别是涉及一种基于窄基线双目视觉的前方车辆快速测距方法。

背景技术

计算机视觉技术在车辆辅助驾驶方面应用广泛，能够帮助驾驶人员减少操作错误、避免交通事故的发生。前方障碍物检测是车辆辅助驾驶的重要内容之一，其主要任务是检测当前行进车辆前方的障碍物，如车辆、行人等，并计算前方障碍物的距离，进而为驾驶人员或无人驾驶车辆系统提供安全避障的判别依据。

按照所使用视觉传感器的种类不同，计算机视觉测距技术主要分为两种：单目测距和双目测距。单目测距采用单通道视觉传感器，主要是在运动中恢复结构。常见的方法是利用特征点实现追踪、匹配，再根据坐标映射，将障碍物的图像平面坐标映射成路面平面坐标，进而计算出障碍物距离。单目测距系统成本低，但是需要多帧图像才能完成距离测量，且难以实现高精度的测距结果。相比之下，双目测距系统增加了一个图像采集通道，即采用了双通道视觉传感器。与单目视觉相比，双目视觉增加了设备成本与计算量。但随着计算机视觉技术的快速发展，图像采集设备的成本逐渐降低，而计算速度迅速提升。因此，双目测距系统已成为测距研究的热点方向。

经典的前方车辆双目测距方法采用相同的方式处理左右两个通道的图像。具体而言，首先，对左、右目图像分别进行车道线感兴趣区域(region of interest，ROI)设定、车道线检测、车辆ROI设定、车辆识别、车辆区域确定。然后，在左、右目图像的车辆区域进行提取特征点与匹配。最后，对匹配的特征点对计算横向视差，并根据获得的视差值计算前方车辆的距离。然而，在车载窄基线双目视觉测距系统中，两个摄像头水平摆放且距离较近，获取的左、右目图像关联性强。如果对左、右目图像进行对称的单独处理，势必导致处理冗余，增加双目测距系统的检测时间，也就降低了双目测距系统的检测速度，进而限制了行进车辆的行驶速度。

发明内容

本发明提供了一种基于窄基线双目视觉测量前方车辆距离的新算法，通过非对称地处理左、右目图像，解决了上述对称处理左、右目图像所导致的冗余问题。同时，通过引入横向视差的中值处理，进一步提高了测距精度。

本发明的技术方案如图1所示，对于右目图像，按照经典方法进行车道线ROI设定、车道线检测、车辆ROI设定、车辆识别、车辆区域确定；对于左目图像，根据双目视觉的成像特点和前一帧图像的距离信息，直接估计车辆区域。接着，对左、右目图像中的车辆区域提取特征点，并进行特征匹配。然后，对所有匹配的特征点对计算横向视差，并进行中值处理。最后，利用中值处理后的视差值计算前方车辆的距离。具体步骤如下：

第一步：初始化。令前一帧测量距离Distance⁰＝0，帧指针i＝1。

第二步：输入第i帧左、右目图像。

第三步：对第i帧右目图像设定车道线ROI。设图像的高度为H，车道线ROI高度选取系数为r₁、r₂，车道线ROI纵向范围y选取如下：

r₁H≤y≤r₂H (1)