[发明专利]一种基于车载双目相机的障碍物及可行驶区域检测方法

摘要

本发明公开了一种基于车载双目相机的障碍物及可行驶区域检测方法，包括以下步骤：S1、通过双目相机拍摄图像；S2、对图像进行预处理；S3、计算图像中每个像素点的最终匹配代价；S4、通过最终匹配代价计算得到v‑视差图；S5、利用v‑视差图确定地平线和路面范围；S6、在路面范围内，计算得到障碍物‑道路交线；S7、确定当前车道与最外侧车道范围；S8、在障碍物‑道路交线以上部分，计算得到障碍物高度；S9、确定属于同一障碍物的图像区域；S10、输出道路区域信息与障碍物信息。本方案可以在不牺牲视差精度的前提下，避免不必要的双目视差图计算从而大幅提升算法的实时性，适用于驾驶预警、自动驾驶等领域。

主权项

1.一种基于车载双目相机的障碍物及可行驶区域检测方法，其特征在于，包括以下步骤：S1、通过双目相机拍摄RGB格式的图像，所得到的图像为双目图像；S2、对图像进行预处理；S3、计算图像中每个像素点的最终匹配代价；图像坐标系中，u为像素点的横轴坐标，v为像素点的纵轴坐标；S4、通过最终匹配代价计算得到纵向道路平面对应的v‑视差图；S5、利用v‑视差图确定地平线和路面范围；S6、在路面范围内，计算得到障碍物‑道路交线；S7、在障碍物‑道路交线以下部分，进行车道线检测，对图像进行二次处理，提取霍夫直线，确定当前车道与最外侧车道范围；S8、在障碍物‑道路交线以上部分，计算得到障碍物高度；S9、设置障碍物宽度、高度和深度的阈值模块，过滤图像中相邻的障碍物区域，确定属于同一障碍物的图像区域；S10、输出经过阈值过滤之后的道路区域信息与障碍物信息，所述步骤S2中，对图像进行的预处理包括灰度化、除畸变和立体矫正，检测方所述步骤S3中，计算图像中每个像素点的最终匹配代价具体为：S301、对预处理后的图片中每个像素点对应的视差d，计算基于灰度值绝对值之差的匹配代价C_v(u_i，v_i，d_i)，计算方法如下：C_v(u_i，v_i，d_i)＝img_left(u_i，v_i)‑img_right(u_i‑d_i，v_i)其中，u_i为图像坐标系下像素点i的横坐标，v_i为图像坐标系下像素点i的纵坐标，img_left(u_i，v_i)为像素点i在左图上的灰度值绝对值，img_right(u_i‑d_i，v_i)为坐标为(u_i‑d_i，v_i)的像素点在右图上的灰度值绝对值，di为像素点i对应的视差；S302、对所计算的基于灰度值绝对值之差的匹配代价进行窗口为n×n的滑窗卷积滤波，获得最终匹配代价，其中n为预设参数；所述步骤S4具体为：S401、对最终视差匹配代价在图像坐标系纵轴上的投影进行求和，并计算图像每一行纵轴对应视差代价之和的最小值C_v，min：C_v，min＝min(C_v(v_i，d_i))找出每行对应视差代价之和小于C_v，min+T_d所对应的视差d，从而得到初始v‑视差图；视差代价阈值T_d为预设值；S402、初始v‑视差图的横坐标为v_x，纵坐标为v_y，将初始v‑视差图投影到现实坐标系高度y与深度x的映射，计算公式如下：stereo_f定义为双目相机焦距；stereo_v0定义为双目图像中心；stereo_baseline定义为双目相机基线长度；v₀定义为v‑视差曲线与y轴焦点，即地平线纵坐标；利用B‑样条曲线拟合路面高度与深度关系，最后逆映射回v‑视差图平面，即获得纵向道路平面对应的v‑视差图。