论文部分内容阅读
无人车是一种能够通过传感器感应识别周围环境,主动地进行避障和行驶路径规划的智能汽车。无人车在减少交通事故和交通违规行为,减轻驾驶员劳动强度,以及合理规划道路资源的分配使用方面具有很大优势。无人车对周围环境和障碍物的主动感知与监测技术的研究是发挥无人车在交通系统中优势的关键点。基于双目立体视觉的无人车环境识别技术作为无人车对周围环境障碍物识别的重要方法已成为研究的重点与热点。因此,论文基于双目立体视觉测量技术对无人车行驶中障碍物的定位与跟踪方法进行了研究,主要研究内容有:(1)建立可应用于无人车的双目立体视觉障碍物位置测量模型。通过建立包含畸变系数的摄像机针孔模型和由两个摄像机组成的双目摄像机系统模型,并结合无人车坐标系统、双目摄像机在无人车上的安装关系研究提出适用于无人车障碍物测量的双目立体视觉障碍物位置测量模型。(2)搭建并标定双目立体视觉障碍物跟踪测试平台。使用USB接口摄像机和安装架搭建双目立体测量试验平台并通过经典张正友平面标定法获得摄像机内参矩阵和外参矩阵。然后对双目立体测量试验平台进行立体标定得到左右摄像机位置的旋转、平移矩阵并根据获得的参数和测量模型求解得出障碍物的三维深度信息矩阵。(3)提出基于深度信息与直方图反向投影法相结合的CamShift障碍物跟踪算法。针对传统CamShift跟踪算法需要手动选择初始搜索位置且障碍物与背景色调相近时容易跟丢的缺点,研究并实现基于深度信息的改进CamShift障碍物跟踪算法。(4)测量双目立体视觉测试平台的精度并对论文提出的改进跟踪算法进行试验研究和验证。通过测量给定障碍物的距离试验和实时跟踪特定场景运动障碍物的试验获得双目立体视觉测试平台的测量精度并验证论文提出的基于深度信息的改进CamShift障碍物跟踪算法的可行性。论文以建立适用于无人车的双目立体测量模型、改进传统跟踪算法并进行试验验证为研究思路,研究提出有效的无人车障碍物定位计算模型和基于深度信息的跟踪算法,具有重要的理论和实用价值。