?

基于立體視覺平面單應(yīng)性的智能汽車可行駛道路邊界檢測(cè)

道路檢測(cè)是智能汽車及先進(jìn)駕駛輔助系統(tǒng)研究的關(guān)鍵問題之一。提出了一種基于立體視覺的檢測(cè)可行駛道路區(qū)域與非道路區(qū)域間邊界的方法。該方法基于立體視覺平面單應(yīng)性建立了一個(gè)隱馬爾科夫模型。針對(duì)該模型，應(yīng)用Viterbi算法，提出了一種狀態(tài)序列的觀測(cè)概率函數(shù)，以尋找道路與非道路邊界的最優(yōu)狀態(tài)序列，可提高在無任何先驗(yàn)知識(shí)條件下可行駛道路邊界檢測(cè)的準(zhǔn)確性及魯棒性。試驗(yàn)結(jié)果證明了該方法在各種典型且復(fù)雜的實(shí)際道路場(chǎng)景中的有效性和魯棒性。

盡管眾多學(xué)者一直在進(jìn)行道路檢測(cè)研究且取得了顯著的進(jìn)展，但道路檢測(cè)仍是智能汽車的關(guān)鍵問題之一。其中，基于視覺的方法是該領(lǐng)域的一個(gè)重要分支。使用單目攝像機(jī)通過利用道路外觀的特征提取道路區(qū)域。由于道路圖像的紋理隨與攝像機(jī)之間的距離而變化，因此采用顏色分析方法，在不用的顏色空間對(duì)道路外觀進(jìn)行建模。這些基于外觀的方法可以較好地應(yīng)用于某些特定環(huán)境中。然而，在道路并不充分對(duì)應(yīng)于具有先驗(yàn)定義特征的模型情況下，上述方法便缺乏有效性。另外，預(yù)定義的模型也難以包含所有可能的道路圖像。因此，在復(fù)雜場(chǎng)景中上述方法通常僅能夠檢測(cè)出與其模型一致的部分可行駛道路。此外，還研究了基于單目攝像機(jī)的連續(xù)時(shí)間圖像序且利用連續(xù)圖像間對(duì)應(yīng)目標(biāo)的位移來檢測(cè)道路。但當(dāng)攝像機(jī)不穩(wěn)定、光流估計(jì)不具備較高的魯棒性時(shí)，以上方法就不能取得令人滿意的結(jié)果。最近，人們又重新開始研究基于單幅靜止圖像的幾何估計(jì)方法。盡管這些方法已經(jīng)取得了顯著的成果，但仍不能直接應(yīng)用于自主駕駛和先進(jìn)輔助駕駛系統(tǒng)。當(dāng)提取的特征具有較強(qiáng)的差異性和魯棒性時(shí)，上述基于單目的方法可以得到良好的結(jié)果。然而，當(dāng)提取特征具有噪聲不斷變化時(shí)，這些方法便可能失效。

刊名：Acta Automatica Sinica（英）

刊期：2013年第4期

作者：Takayuki Yamabe1 et al

編譯：王維