基于单目视觉的车辆三维环境重建技术在智能车视觉环境感知系统中具有重要地位,其通过三维环境重建技术来构建智能车前方的环境信息,给予智能车清晰的视觉导航和轮廓,从而使智能车能够安全的行驶,有利于智能车在行驶过程中减少交通事故的发生。近年来,三维环境重建相关技术的研究受到国内外研究人员的重视,已成为智能车技术领域研究的热点。因此,开展基于单目视觉的智能车辆三维环境重建技术研究具有重要的技术价值和较好的应用前景。针对序列图像的车辆三维环境重建技术展开研究,本文提出了一种Harris-SIFT-BRIEF特征提取算法和车辆在运动时获取序列图像进行重建算法,实现了车辆前方环境感知以及车辆在环境中运动位置的测量,实验验证了三维环境重建的准确性和实时性。本文的研究工作主要包括:1.阐述了基于视觉的三维重建技术和环境感知系统的研究背景和发展现状,总结了单目视觉、双目视觉以及多目视觉下的三维重建相关技术在智能车环境感知系统中所存在的问题,提出了本课题的研究目标和解决方法。2.对于工业相机采集的图像存在畸变问题,研究摄像头标定的相关算法,采用传统的张正友标定方法对工业相机的摄像头进行标定,从而得到摄像头的相关参数,再根据这些参数对畸变图像进行校正,进而得到校正后的图像,并对校正后的图像进行处理,得到处理好的待重建图像。3.针对传统运动序列图像重建算法步骤繁琐、计算量大、实时性受限等问题,根据一般道路环境下车辆环境感知的实际需求,提出一种Harris-SIFT-BRIEF特征提取算法对处理好的待重建图像提取特征信息。为了使图像中的特征信息提取的速度更快,对两幅图像有明显重叠的部分的特征信息采用最近距离比上次近距离的方法进行粗匹配,再使用随机抽样一致性算法对匹配对进行提纯,从而去除在匹配过程中产生的误匹配对。鉴于随机抽样一致性算法的精度并不是很高,因此,在随机抽样一致性算法的基础上进行改进,提出了随机抽样一致性算法的引导匹配方法,该方法大大提高了匹配的精度与准确性。最后,选取最常用的最小二乘法对相关参数进行优化,从而获得重建所需要的变换模型,依据该模型对车辆前方的环境进行重建,从而得到场景中所重建的三维环境信息。4.基于本文研究的序列图像重建算法及工业相机参数标定算法,根据工业相机的性能及典型场景,设计了基于单目视觉的车辆前方环境感知与三维重建的仿真实验平台。通过安装在车辆上的摄像头进行校园场景测试,能够较好的重建出一般道路车辆前方环境信息,从而验证了相关算法的可靠性与实时性。因此,基于单目视觉的车辆前方环境的可视化辅助驾驶系统的设计应用奠定了良好的基础。