【摘 要】针对车辆是否能够通过障碍视觉检测中，对于临界高度的计算，提出应用插值计算获取不同位置的障碍物临界高度在图像中对应的像素差。通过20个离散点进行10个随机点的插值计算临界高度的平均误差为1.72%。这表明该方法取得了较好的效果。
　　【关键词】障碍物；图像；临界高度；插值
　　人们对汽车安全驾驶方面的要求越来越高了，利用机器视觉对道路障碍物检测逐渐成为研究热点[1][2]。在车辆行驶中，在检测出障碍物后需要对障碍物的高度进行判断。当车辆底盘高于障碍物的时候，车辆可以通过，反之应该绕行。在视觉测量中，障碍物的高度在图像中对应与图像中像素点对应的坐标差。显然随着障碍物距离的远近，相同的临界高度对应的坐标差是不一样的，因此对障碍物图像中车辆通过临界高度进行计算是进行基于视觉检测行驶判断的基础。
　　1.基于图像的临界高度提取
　　在道路图像中一般认为障碍物与背景区别非常大，通过图像分割可以将障碍物识别出来。因此，实验中一般采用较为明显颜色差异的物体模拟障碍物。如图1所示模拟实验中采用的障碍物图像，障碍物较为容易提取。
　　提取障碍物后一般以障碍物的一条规则的垂直边线为测量对象。这在图像中就表示为该条边上最高点和最底点在图像中纵向坐标轴上的坐标差。显然，这样的坐标差在现有的图像处理技术中存在一定的误差。这样的误差与图像采集和处理算法相关，因此在临界点高度计算中可暂不考虑这些图像处理误差的影响。
　　2.基于插值法的临近高度估算
　　显然，通过测量可以获取摄像头视野范围内任意一个点的临界高度。但是，无法进行无数个点的测量，这就需要通过有限个点的临界高度计算其他点的临界高度。因此，可以引入插值法进行计算。
　　临界高度插值就是在摄像头视野范围内离散点所测量得到的临界高度对应图像中坐标差的基础上补插连续函数，使得这个函数构成的连续曲面通过由这些坐标差定。插值是离散函数逼近的重要方法，利用它可通过在摄像头视野范围内有限个点处的坐标差，估算出视野范围内其他位置临界高度对应的坐标差。
　　临界高度插值问题首先需要在摄像头视野范围内确定x方向和y方向的插值区间分别为[ax，bx]和[ay，by]。接着在x方向上确定m个互不相同点x1，x2……xm，在y方向上确定n个互不相同点y1，y2……yn，由此确定m×n个位置。然后根据测量得到这m×n个位置临界高度对应的坐标差f（x，y）。再找到一个函数g（x，y），在m×n个位置上与f（x，y）值相同。对于其他位置临界高度差的计算采用函数g（x，y）进行计算。
　　3.实验结果
　　实验选取插值区域和离散点如表1所示。在x方向选取了5点，y方向选取了4个点，分别测量得到的这20个位置的坐标差。为验证实验效果在该范围内任意选取10个点的进行检测。这10个点x、y坐标，计算出的高度差和测量出的高度差如表2所示。
　　参考文献：
　　[1]李鑫. 基于DSP的自动驾驶系统硬件体系的设计与算法研究. 辽宁师专学报（自然科学版）， 2011（4）.
　　[2]王玉金， 钱小燕， 丁萌， 王帮峰. 车载视觉感知系统中障碍检测方法研究. 科学技术与工程，2013（15）.
　　项目基金：
　　广西大学生创新创业项目（2013CXJH13）