[发明专利]视差图的质量检测方法、装置与自动驾驶系统

说明书

本发明提供一种视差图的质量检测方法、装置与自动驾驶系统，该视差图的质量检测方法包括：对目标视差图进行视差信息统计及计算，得到归一化后的视差直方图信息；构建行号索引值与视差等级的二维坐标平面坐标系，并提取满足预设条件的所述视差直方图信息在所述二维坐标平面内进行直线拟合；基于拟合结果，统计所有与拟合直线垂直方向的有效点集合的分布直方图信息，根据统计结果及预设阈值，确定所述目标视差图的质量。本发明从统计学角度出发，通过对“质量好”的视差图进行视差数据的统计分析，建立评判标准的统计学模型，进而可以对质量好的视差图与质量差的视差图像在此统计学模型的标准上加以区分。

技术领域

本发明涉及双目相机领域，尤其涉及一种视差图的质量检测方法、装置与自动驾驶系统。

背景技术

在双目相机的使用过程中，视差图是双目相机测距的唯一数据来源。视差图质量的好坏，即是否存在误匹配，在很大程度上决定了双目相机测距的精准度。但是在实际使用过程中，通过各种不同匹配算法得到的视差图信息，并没有一种对其深度图质量的衡量标准，目前只能通过使用者的主观评价来进行评估。

如图1所示，理想效果下视差图内物体边缘清晰，路面视差信息过度平滑、明显，视差图内的杂乱信息较少。但是在实际使用中，由于各种各样的原因，例如行驶过程中路面颠簸导致的震动，或成像环境光线突然变化等因素，导致视差图像无法稳定保持在理想效果下。如图1所示，中间部分的是可以接受的质量较好的视差图示例。物体边缘清晰，路面视差信息过度平滑、明显，在局部小区域内有个别杂点噪音，但是并不影响整体视差信息的正确使用。图1中最右侧是视差图质量较差的示例，在这种情况下，路面和障碍物本身视差信息杂乱，边界出现“空白”分割现象，视差信息本身存在大量噪音污染，已无法正常使用。

目前，在双目立体相机的使用中，针对这一现象还没有一个可以有效实施的客观评价准则。

鉴于此，提出本发明。

发明内容

本发明提出一种视差图的质量检测方法、装置与自动驾驶系统，用于解决现有技术中视差图质量检测评判问题。

为实现上述目的，根据本发明的一个方面，提供一种视差图的质量检测方法，并采用如下技术方案：

一种视差图的质量检测方法，应用于双目相机系统，包括：对目标视差图进行视差信息统计及计算，得到归一化后的视差直方图信息；构建行号索引值与视差等级的二维坐标平面坐标系，并提取满足预设条件的所述视差直方图信息在所述二维坐标平面内进行直线拟合；基于拟合结果，统计所有与拟合直线垂直方向的有效点集合的分布直方图信息，根据统计结果及预设阈值，确定所述目标视差图的质量。

根据本发明的另外一个方面，提供一种视差图的质量检测装置，并采用如下技术方案：

视差图的质量检测装置包括：计算模块，用于对目标视差图进行视差信息统计及计算，得到归一化后的视差直方图信息；构建模块，用于构建行号索引值与视差等级的二维坐标平面坐标系，并提取满足预设条件的所述视差直方图信息在所述二维坐标平面内进行直线拟合；确定模块，用于基于拟合结果，统计所有与拟合直线垂直方向的有效点集合的分布直方图信息，根据统计结果及预设阈值，确定所述目标视差图的质量。

根据本发明的又一个方面，提供一种自动驾驶系统，并采用如下技术方案：

一种自动驾驶系统包括上述的质量检测装置。

本发明从统计学角度出发，建立视差信息的统计学模型，利用视差数据的统计信息，拟合高斯分布，根据高斯分布曲线的方差对视差图质量进行评估。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。