雷 鳴，吳琳琳，劉生峰

（1．西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安710021；2．中國(guó)兵器工業(yè)集團(tuán) 試驗(yàn)測(cè)試研究院，華陰714200）

智能車(chē)可看作是能夠移動(dòng)的四足機(jī)器人或地面自主車(chē)［1］．近年來(lái)，為了實(shí)現(xiàn)自動(dòng)，無(wú)人和安全駕駛的目標(biāo)．智能車(chē)輛領(lǐng)域的關(guān)注度大大增加，研究進(jìn)度也是獲得了長(zhǎng)足進(jìn)展，而發(fā)展自動(dòng)避障的計(jì)算機(jī)視覺(jué)等關(guān)鍵技術(shù)［2］也是目前研究的一個(gè)主要方向．目前，在智能車(chē)光學(xué)圖像避障研究發(fā)展過(guò)程中，胡凌山等人應(yīng)用基于立體視覺(jué)的被動(dòng)式障礙物探測(cè)技術(shù)［3-5］實(shí)現(xiàn)了檢測(cè)障礙物的目標(biāo)，但是該方法圖像間匹配復(fù)雜，實(shí)時(shí)性差，很難滿(mǎn)足智能車(chē)快速避障的要求．趙一兵［6］等采用通過(guò)將激光雷達(dá)安裝于車(chē)頭的激光雷達(dá)探測(cè)障礙物的技術(shù)，達(dá)到實(shí)現(xiàn)障礙物探測(cè)的目的；肖雪［7］等人在自主移動(dòng)機(jī)器人研究中提出光流場(chǎng)的障礙物探測(cè)技術(shù)，通過(guò)攝像機(jī)獲取的序列圖片對(duì)光流的變化進(jìn)行估計(jì)．然而由于運(yùn)動(dòng)目標(biāo)相對(duì)較多、速度太快或太小則達(dá)不到理想效果，因此將此方法應(yīng)用于對(duì)實(shí)時(shí)性要求較高的智能車(chē)輛視覺(jué)導(dǎo)航系統(tǒng)中是不現(xiàn)實(shí)的；基于多傳感器融合的障礙物探測(cè)技術(shù)，是障礙物探測(cè)領(lǐng)域的一個(gè)重要發(fā)展方向．Bruno Steyx［8］等已經(jīng)研制出在車(chē)身上配備有很多種功能各異傳感器的智能車(chē)輛，通過(guò)這些傳感器獲取的信息融合來(lái)實(shí)現(xiàn)道路跟蹤和障礙物探測(cè)的目的．但車(chē)身裝置多種傳感器，造價(jià)較高．文中提出一種多線激光投射實(shí)現(xiàn)障礙物探測(cè)的方法．此方法采用主動(dòng)式的激光投射，克服了雙目立體視覺(jué)探測(cè)時(shí)匹配的缺點(diǎn)；運(yùn)用簡(jiǎn)單的激光投影裝置和攝像機(jī)，解決了激光雷達(dá)和多傳感器探測(cè)方法成本高的問(wèn)題；獲取信息含量豐富的圖像時(shí)間較短．

1 多線激光投射探測(cè)障礙物的方法

如圖1所示，利用智能車(chē)上安裝的激光投射裝置向目標(biāo)障礙物投射激光光條，投射的激光光條可以覆蓋整個(gè)的障礙物，根據(jù)光條在障礙物上的變形狀態(tài)來(lái)計(jì)算障礙物體的三維信息．當(dāng)整個(gè)激光完成面投射時(shí)，實(shí)時(shí)記錄含有激光光條的圖像信息，將圖像作為系統(tǒng)的輸入數(shù)據(jù)傳遞給計(jì)算機(jī)．計(jì)算機(jī)經(jīng)過(guò)相應(yīng)的處理算法最后輸出的結(jié)果是所拍攝障礙物的二維圖像中每個(gè)像素的三維坐標(biāo)信息．實(shí)驗(yàn)的主要設(shè)備是激光投射裝置、攝像機(jī)、計(jì)算機(jī)．

圖1 多線激光探測(cè)系統(tǒng)Fig．1 Detection system with multi-line laser

基于多線激光投射法的障礙物探測(cè)，實(shí)質(zhì)上借鑒了主動(dòng)式光學(xué)三角探測(cè)的方法，用多個(gè)激光源的裝置發(fā)出多條激光線光束，將多條激光束投射到目標(biāo)障礙物上，投射過(guò)程中激光束要與攝像機(jī)保持一定的夾角，攝像機(jī)從投影的側(cè)面獲取多條線激光在物體上形成的影像．如果存在障礙物時(shí)，激光光條圖像就是斷開(kāi)的線段．觀察斷開(kāi)的位置，通過(guò)算法建模與求解，可得到障礙物與智能車(chē)的距離．

如果障礙物不規(guī)則，表面凸凹不平會(huì)使豎條線激光帶在圖像上形成一定的扭曲，針對(duì)每條激光光條的變形情況通過(guò)光學(xué)三角探測(cè)原理，將扭曲的平移量轉(zhuǎn)換為三維曲面起伏值，遍歷障礙物表面所有的光條，從而獲得目標(biāo)障礙物表面的三維信息．

如圖2所示，假設(shè)實(shí)驗(yàn)所選用的接收裝置攝像機(jī)的成像模型為小孔成像模型，它的焦距為f，接收裝置距目標(biāo)物體距離為d，激光器的光軸與接收裝置光軸所呈現(xiàn)夾角為θ，設(shè)接收裝置在焦距f處成像時(shí)，實(shí)際長(zhǎng)度為M的目標(biāo)物體在攝像機(jī)的成像畫(huà)面中的長(zhǎng)度為m，則有以下的關(guān)系式成立

圖2 目標(biāo)障礙物深度信息獲取原理圖Fig．2 Schematic diagram of depth information acquisition on Target barrier

激光器打出的激光與目標(biāo)物體的垂直面所成的角度為θ，因此在接收裝置接收由物體反射回來(lái)的激光所得到的二維圖像中利用三角法可求得物體反射點(diǎn)的三維信息，如實(shí)際深度y與兩段激光線在X軸上的距離x的關(guān)系為x＝y(tǒng)＊tanθ．

2 多線激光法的算法模型與實(shí)現(xiàn)

如圖3所示，多線激光投射法，以投射的I1，I2，…，Ii，…，IN等面構(gòu)成整個(gè)激光曲面，用攝像機(jī)動(dòng)態(tài)采集包含所有激光平面與物體平面交集的一幅圖像．

圖3 多線激光探測(cè)方法模型Fig．3 The model of multi-line laser detection method

用多線激光投射算法得到的圖像中的每一點(diǎn)的z＝f（u，v）的u，v通過(guò)推導(dǎo)公式的計(jì)算得到它與三維空間中的點(diǎn)的x，y是線性關(guān)系，然后通過(guò)建立的多線激光法模型的公式計(jì)算出第i個(gè)點(diǎn)在圖像中的像素值，最后將所有的點(diǎn)的方程式聯(lián)立表達(dá)出整個(gè)物體表面．

多線激光投射法的實(shí)現(xiàn)，先將多線激光投射面其中的一個(gè)激光面抽取出來(lái)，并對(duì)其進(jìn)行建模．如圖4所示，一個(gè)激光裝置投射與一臺(tái)攝像機(jī)觀察同一區(qū)域相同的障礙物，這時(shí)障礙物所在的區(qū)域就是一個(gè)三維世界，并且有自己的世界坐標(biāo)系W．如果首先通過(guò)攝像機(jī)標(biāo)定過(guò)程已經(jīng)知道了攝像機(jī)在世界坐標(biāo)系W中的位姿，以及攝像機(jī)的內(nèi)部參數(shù)，如焦距．那么從多線激光探測(cè)模型中抽取的單個(gè)激光平面，他與目標(biāo)障礙物相交形成的一個(gè)激光亮條上的任一點(diǎn)C，在三角形ABC中，角度β，γ及AB之間距離已知，故C點(diǎn)三維位置是唯一確定的，因此，每一條激光亮條上的每一個(gè)像素點(diǎn)的空間三維信息都可獲得．

圖4 抽取出的單個(gè)激光面探測(cè)原理Fig．4 Detection principle of an extracted single laser plane

假設(shè)激光源A與攝像機(jī)B的位置已經(jīng)固定好，激光投射裝置所在的坐標(biāo)系X1Y1Z1軸與攝像機(jī)所在的坐標(biāo)系XYZ軸平行，并且橫坐標(biāo)軸X1與X共線．將激光源A的投射中心作為坐標(biāo)系X1Y1Z1的原點(diǎn)，攝像機(jī)B的光心作為坐標(biāo)系XYZ軸的原點(diǎn)，這兩個(gè)中心相差的距離定義為b．激光裝置投射的豎光條與水平面垂直，投射的橫光條與水平面保持平行．

激光平面與垂直面的交線與橫軸X1的夾角定義為β，則此激光平面在坐標(biāo)系X1Y1Z1下的方程為z1＝tanβx1，而在坐標(biāo)系XYZ下的方程為z＝tanβ（x＋b）．假設(shè)物體表面亮條上C點(diǎn)的坐標(biāo)是（x，y，z）T，他在圖像中的像素坐標(biāo)為（u，v）．將B、C兩點(diǎn)連接組成一條直線，則其方程為

其中fx，fy，u0，v0為相機(jī)參數(shù)．

聯(lián)立攝像機(jī)坐標(biāo)系下的激光平面方程與BC直線方程可得

根據(jù)多線激光投射法的數(shù)學(xué)模型式（2）可求取C點(diǎn)的三維信息．式中的β角可由圖5所示的激光裝置求得．點(diǎn)A是一個(gè)點(diǎn)光源，點(diǎn)激光束經(jīng)柱面鏡后變成線激光源，照射在一個(gè)平面鏡上，經(jīng)平面鏡反射，在空間形成一激光平面，激光面與A點(diǎn)軸的夾角為α，平面鏡垂直于A點(diǎn)的軸放置，β＝2α，若平面鏡每改變dα，則dβ＝2dα．而α由激光裝置定標(biāo)確定．

圖5 激光投射裝置Fig．5 Laser projecting apparatus

上述方法是抽取的單個(gè)激光平面，對(duì)于每一條曲線上的點(diǎn)，可用式（2）算出對(duì)應(yīng)的三維坐標(biāo)，將激光面與物體相交所形成曲線上的所有點(diǎn)恢復(fù)出其三維空間坐標(biāo)，進(jìn)行點(diǎn)云計(jì)算．

如圖6所示激光線上不同位置的點(diǎn)，他與激光器所成的角度不同，與攝像機(jī)所成的角度也不同，分別設(shè)為β1，β2，…，βm，γ1，γ2，…，γm．但為了知道每一道激光束的夾角β，必須知道這條光束對(duì)應(yīng)于多線激光面的第幾條，若通過(guò)定標(biāo)知道第一條激光束的投射角度β為β1，第m條為βm，則第i條的β為β2＝ （βm-β1）／m＋β1．通過(guò)類(lèi)似式（2）的求解計(jì)算出激光曲線上的所有點(diǎn)的三維坐標(biāo)．并將所有對(duì)應(yīng)這些點(diǎn)的坐標(biāo)存在一個(gè)三維數(shù)組中，為了得到準(zhǔn)確的相鄰關(guān)系，減少數(shù)據(jù)冗余，將數(shù)據(jù)存在一個(gè)M×M的圖像中．具體實(shí)現(xiàn)步驟為

圖6 激光曲線所有點(diǎn)的三維空間坐標(biāo)計(jì)算Fig．6 Calculation of Three dimensional coordinates of all the points on the Laser curve

① 將所有點(diǎn)的三維坐標(biāo)求出，設(shè)得到的點(diǎn)的總數(shù)為m．

② 求出所有點(diǎn)的X，Y坐標(biāo)的最小值與最大值分別為xmin，xmax，ymin，ymax．

③ 設(shè)定M值，M的大小由曲線條數(shù)以及得到的數(shù)據(jù)的密集程度確定，通過(guò)以下的公式計(jì)算出第i個(gè)點(diǎn)在圖像中的像素值．

④ 在圖像內(nèi)不是所有點(diǎn)（u，v）都能找到對(duì)應(yīng)的點(diǎn)z，因?yàn)橛性S多的空點(diǎn)，一種情況是由于激光平面與障礙物相交時(shí)離散化產(chǎn)生，另一種情況是由背景產(chǎn)生．

⑤ 對(duì)于圖像中由激光平面與障礙物相交時(shí)離散化產(chǎn)生的空點(diǎn)，用空點(diǎn)的n個(gè)最鄰近點(diǎn)的Z值插值找出；由背景產(chǎn)生的空點(diǎn)，在圖像中找對(duì)應(yīng)點(diǎn)時(shí)，從兩邊和上下向圖象中間搜索，將背景標(biāo)識(shí)出來(lái)．

用多線探測(cè)的方法得到的圖像中的每一點(diǎn)的z＝f（u，v）的u，v通過(guò)式（3）得到它與三維空間中的點(diǎn)的x，y是線性關(guān)系，通過(guò)式（4）的參數(shù)形式可表達(dá)出整個(gè)物體表面．

其中C1，C2，x0，y0由式（3）求出．

3 實(shí)驗(yàn)結(jié)果

通過(guò)上述算法模型的設(shè)計(jì)，以激光線的彎曲程度可以計(jì)算出智能車(chē)前方是否存在障礙物，障礙物距離智能車(chē)的深度信息．仿真實(shí)驗(yàn)中安裝在智能車(chē)上圖像采集用的是工業(yè)CCD攝像機(jī)和DH-CG300圖像采集卡，相機(jī)分辨率為640×480，采集卡每秒鐘采集30幀圖像，激光投射采用的是5mW的氦氖激光器，激光器的擴(kuò)散角為3～4mrad．

在靜態(tài)情況下對(duì)車(chē)距進(jìn)行測(cè)量，實(shí)驗(yàn)環(huán)境是前方車(chē)輛靜止不動(dòng)，使用多線激光投射系統(tǒng)對(duì)前方靜止的梯形障礙物進(jìn)行測(cè)距，設(shè)定實(shí)際距離為1．5 m．將智能車(chē)上的激光裝置以45°角傾斜投射到目標(biāo)障礙物上，如圖7所示．

圖7 多線激光法障礙物探測(cè)實(shí)驗(yàn)場(chǎng)地Fig．7 The test site of obstacle detection based on multi-line laser

激光投射的光條呈平行光形狀，光條間隔為1cm，條數(shù)為30．投射的平行激光在目標(biāo)障礙物上形成多條激光光帶，采用攝像機(jī)獲取目標(biāo)圖像如圖8（a）所示．由于采集到的激光光帶圖像一般為3～5個(gè)像素，測(cè)距時(shí)需要單像素的激光光條，故采用兩步提取算法提取激光光條中心．首先，將包含多線光條的RGB圖像轉(zhuǎn)換到HSV顏色模型（HVE Saturation Value，HSV）如圖8（b）所示，得到激光光條圖像，根據(jù)閾值法與重心法相結(jié)合處理算法，最終分割后提取光條中心如圖8（c）所示．最后對(duì)相機(jī)標(biāo)定求取的相機(jī)的參數(shù)以及依據(jù)數(shù)學(xué)模型恢復(fù)出梯形障礙物表面的空間三維信息如圖8（d）．

為了驗(yàn)證算法的可行性及精度，對(duì)同一障礙物進(jìn)行了移動(dòng)，在距離智能車(chē)3個(gè)不同位置1m，3m，6m使用張正友標(biāo)定算法計(jì)算出相機(jī)參數(shù)，用文中的算法進(jìn)行測(cè)量，測(cè)定得到了距離值見(jiàn)表1．

圖8 多線激光法處理結(jié)果Fig．8 The processing results of multi line laser method

表1 三組實(shí)驗(yàn)數(shù)據(jù)Tab．1 Three sets of experimental data

通過(guò)對(duì)表1中數(shù)據(jù)的比較與分析，可以發(fā)現(xiàn)距離越遠(yuǎn)，誤差相對(duì)較大．主要是系統(tǒng)本身的誤差，攝像頭的精度不夠以及標(biāo)定的不準(zhǔn)確等．

4 結(jié) 論

文中提出一種多線激光投射的障礙物探測(cè)方案．通過(guò)建立數(shù)學(xué)模型，對(duì)攝像機(jī)進(jìn)行動(dòng)態(tài)標(biāo)定，根據(jù)兩步法獲取障礙物表面的光條中心像素坐標(biāo)，恢復(fù)出障礙物表面的三維信息，探測(cè)出障礙物距離智能車(chē)的距離．通過(guò)實(shí)驗(yàn)驗(yàn)證，本方案能夠成功的探測(cè)到智能車(chē)前方的障礙物，并獲得精確的距離信息．由于圖像的邊界，或者是物體與背景的連接處，也會(huì)造成激光光條的斷開(kāi)；如果激光面的一部分落在背景處，而背景離相機(jī)較遠(yuǎn)時(shí)，激光就會(huì)因亮度小因而在圖像中消失；物體間的互相遮擋也可能引起激光光條的不連續(xù)，從而造成探測(cè)誤差．

［1］ 楊鎮(zhèn)宇，黃席樾，沈志熙，等．一種新的智能車(chē)輛前方障礙物識(shí)別方法研究［J］．計(jì)算機(jī)應(yīng)用與軟件，2010，27（7）：17．YANG Zhen-yu，HUANG Xi-yue，SHEN Zhi-xi，et al．On New Intelligent Approach to Recognizing Obstacle Ahead Vehicles［J］．Computer Applications and Software，2010，27（7）：17．（in Chinese）

［2］ 孫涵，任明武，唐振民，等．基于機(jī)器視覺(jué)的智能車(chē)輛導(dǎo)航綜述［J］．公路交通科技，2005，22（5）：132．SUN Han，REN Ming-wu，TANG Zhen-min，et al．A Survey of Machine Vision Based Intelligent Vehicle Navigation［J］．Journal of Highway and Transportation Research and Development，2005，22（5）：132．（in Chinese）

［3］ 張鳳靜，周建江，夏偉杰．基于雙目立體視覺(jué)的汽車(chē)安全車(chē)距測(cè)量方法［J］．智能系統(tǒng)學(xué)報(bào)，2011，6（1）：79．ZHANG Feng-jing，ZHOU Jian-jiang，XIA Wei-jie．Research on Vehicle Security Spacing Measurements Based on Binocular Stereovision［J］．CAAI Transactions on Intelligent Systems，2011，6（1）：79．（in Chinese）

［4］ 譚寶成，牟云霞，程智遠(yuǎn)，等．全自主移動(dòng)機(jī)器人視覺(jué)系統(tǒng)圖像分割方法研究［J］．西安工業(yè)大學(xué)學(xué)報(bào)，2007，27（5）：471．TAN Bao-cheng，MOU Yun-xia，CHENG Zhi-yuan，et al．Research on Image Segmentation on Vision System of Autonomous Mobile Robot ［J］．Journal of Xi’an Technological University，2007，27（5）：471．（in Chinese）

［5］ 胡凌山．移動(dòng)機(jī)器人雙目立體視覺(jué)技術(shù)研究［D］．哈爾濱：哈爾濱工程大學(xué)，2005．HU Ling-shan．Research on Mobile Robot Binocular Stereo Vision［D］．Harbin：Harbin Engineering University，2005．（in Chinese）

［6］ 趙一兵，王榮本，李琳輝，等．基于激光雷達(dá)的無(wú)人駕駛車(chē)前方障礙物檢測(cè)［J］．交通與計(jì)算機(jī)，2007，25（2）：9．ZHAO Yi-bing WANG Rong-ben LI Lin-hui，et al．Unmanned Ground Vehicles Obstacle Detection Based on Laser Sensor［J］．Traffic and Computer，2007，25（2）：9．（in Chinese）

［7］ 肖雪，秦貴和，陳筠翰．基于光流的自主移動(dòng)機(jī)器人避障系統(tǒng)［J］．計(jì)算機(jī)工程，2013，39（10）：305．XIAO Xue，QIN Gui-he，CHEN Yun-han．Autonomous Mobile Robot Obstacle Avoidance System Based on Optical Flow［J］．Computer Engineering，2013，39（10）：305．（in Chinese）

［8］ STEYX B，LAURGEAU C，SAIESSE L，Set al．Fade a Vehicle Detection and Tracking System Featuring Monocular Color Vision and Data Fusion．［J］．Symposium on Intelligent Vehicle，2002，9（8）：845．