郭文俊　常桂然

摘要：障礙物的檢測(cè)有著重要的應(yīng)用，然而一般的檢測(cè)方法容易受到環(huán)境因素的影響使得檢測(cè)的效果不是特別理想，因此研究改進(jìn)障礙物檢測(cè)的方法有著重要的意義。本文從計(jì)算機(jī)視覺(jué)的角度上，對(duì)障礙物檢測(cè)技術(shù)進(jìn)行了分析研究，提出了利用光流技術(shù)進(jìn)行障礙物的檢測(cè)，該方法利用時(shí)間序列圖像中的灰度信息獲取運(yùn)動(dòng)參數(shù)，實(shí)現(xiàn)了障礙物的檢測(cè)，操作簡(jiǎn)單實(shí)用性較強(qiáng)。

關(guān)鍵詞：計(jì)算機(jī)視覺(jué)；障礙物檢測(cè)；光流技術(shù)；運(yùn)動(dòng)參數(shù)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.3969/j.issn.1003-6970.2016.04.017

0 引言

人們對(duì)周圍環(huán)境信息的獲取和接受大多是通過(guò)視覺(jué)感受的，尤其是動(dòng)態(tài)信息更容易引起人們的注意。科技的進(jìn)步以及多媒體技術(shù)的發(fā)展使得人們接觸的信息越來(lái)越多，如何從大量的信息中進(jìn)行提取、分類和跟蹤已經(jīng)成為運(yùn)動(dòng)目標(biāo)檢測(cè)和目標(biāo)跟蹤技術(shù)的研究熱點(diǎn)。目前該該項(xiàng)技術(shù)已經(jīng)取得了很多成果，而且不斷有新的算法在提出，作為智能交通系統(tǒng)中的一項(xiàng)關(guān)鍵技術(shù)，對(duì)于保證智能車輛安全行駛也是至關(guān)重要的。卞建勇、崔心等采用基于幀間差分的方法實(shí)現(xiàn)了運(yùn)動(dòng)障礙物的檢測(cè)，但該方法要求對(duì)大數(shù)據(jù)量的整理無(wú)法滿足整個(gè)監(jiān)控場(chǎng)內(nèi)的實(shí)時(shí)要求。吳思、林守勛等實(shí)現(xiàn)了對(duì)動(dòng)態(tài)背景下目標(biāo)物的檢測(cè)與跟蹤，但其提出的方法對(duì)車輛識(shí)別率較高，無(wú)法滿足城市交通的檢測(cè)要求。

本文建立了基于光流技術(shù)的障礙物檢測(cè)系統(tǒng)，通過(guò)比較實(shí)際圖像與自運(yùn)動(dòng)估計(jì)之間的光流場(chǎng)來(lái)識(shí)別障礙物，在檢測(cè)的過(guò)程中設(shè)置一定的預(yù)估計(jì)檢測(cè)區(qū)域，整個(gè)過(guò)程只對(duì)區(qū)域內(nèi)的數(shù)據(jù)進(jìn)行處理，一定程度上降低了系統(tǒng)處理的數(shù)據(jù)量，同時(shí)利用顏色不變定律消除背景的影響，只檢測(cè)出障礙物。

1 攝像機(jī)標(biāo)定

計(jì)算機(jī)視覺(jué)是利用計(jì)算機(jī)實(shí)現(xiàn)對(duì)生物視覺(jué)的模擬，即利用計(jì)算機(jī)來(lái)實(shí)現(xiàn)客觀的三維世界與平面圖像之間的聯(lián)系。實(shí)驗(yàn)操作中處理的圖像序列都是通過(guò)攝像機(jī)捕獲的視頻序列里提取出來(lái)的。想要將圖像中的信息反饋給系統(tǒng)識(shí)別，就必須建立二維圖像信息與三維空間目標(biāo)物幾何信息之間的聯(lián)系，故此研究攝像機(jī)成像幾何模型是非常必要的。通過(guò)攝像機(jī)成像模型的研究建立真實(shí)世界中的目標(biāo)物與獲取的圖像空間中的目標(biāo)物之間的坐標(biāo)關(guān)系。

1.1 坐標(biāo)系描述

本文選用的模型為小孔成像模型，如圖1.1小孔模型所示，采用右手準(zhǔn)則定義的坐標(biāo)系，表示了三個(gè)不同層次的坐標(biāo)系系統(tǒng)：攝像機(jī)坐標(biāo)系（O_c；C_c，Y_c，Z_c）、圖像物理坐標(biāo)系（O₁；x，y）和圖像坐標(biāo)系（O₀；u，v）。其中攝像機(jī)坐標(biāo)系是一個(gè)以小孔模型的中心O_c為原點(diǎn)，以光軸Z_c為Z軸的三維直角坐標(biāo)系，它的X_c軸和Y_c軸分別與以O(shè)₁為原點(diǎn)的圖像物理坐標(biāo)系的x軸和Y軸，以及以O(shè)₀為原點(diǎn)的圖像坐標(biāo)系的u、v兩軸相平行，從圖中可以看到圖像物理坐標(biāo)系和圖像坐標(biāo)系均為二維直角坐標(biāo)系。

1.2 攝像機(jī)成像模型

攝像機(jī)的成像過(guò)程是一個(gè)從三維空間到二維空間退化的投影變換過(guò)程。如圖1.1所示的小孔攝像機(jī)模型中，將三維空間中的一點(diǎn)P投影到圖像平面上，再存儲(chǔ)到計(jì)算機(jī)中并建立兩兩不同坐標(biāo)系之間的變換關(guān)系，以實(shí)現(xiàn)從三維空間到二維空間的轉(zhuǎn)換。

（1）攝像機(jī)坐標(biāo)系到圖像物理坐標(biāo)系

如圖1.1所示，攝像機(jī)坐標(biāo)系中的物點(diǎn)P（X_c，Y_c，Z_c）與其在圖像物理坐標(biāo)系中的投影點(diǎn)p（x，y）的關(guān)系可以表示為：

（1）

利用齊次坐標(biāo)系可表示：

（2）

f為攝像機(jī)的內(nèi)部參數(shù)，是固有屬性。

（2）圖像物理坐標(biāo)系到圖像坐標(biāo)系

如圖1.1所示，圖像物理坐標(biāo)系O₁在圖像坐標(biāo)系O₀下的投影坐標(biāo)為（u₀，v₀），代表圖片上的每個(gè)像素在圖像物理坐標(biāo)系上的x軸v軸的物理尺寸分別為dx，dy，兩個(gè)坐標(biāo)系的變換關(guān)系為：

（3）

利用齊次坐標(biāo)系可表示：

（4）

2 基于光流技術(shù)的障礙物檢測(cè)

光流的概念由Gibson于1950年首先提出，是目前圖像分析的重要方法。光流在計(jì)算機(jī)視覺(jué)、對(duì)象分割、三維運(yùn)動(dòng)分析、對(duì)象識(shí)別與跟蹤中有很重要的作用。光流不僅包含了被觀察物體的運(yùn)動(dòng)信息，而且攜帶著有關(guān)其自身三維結(jié)構(gòu)的相關(guān)信息。故此，在很多實(shí)際應(yīng)用中，光流都有非常重要的角色。

2.1 光流的計(jì)算

光流的計(jì)算就是在視覺(jué)運(yùn)動(dòng)分析中計(jì)算三維物體的運(yùn)動(dòng)參數(shù)和結(jié)構(gòu)參數(shù)，光流的計(jì)算有很多種方法，最常用的是基于時(shí)空梯度的方法，它根據(jù)圖像灰度對(duì)時(shí)空和空間的導(dǎo)數(shù)來(lái)得到，故此假設(shè)圖像區(qū)域在時(shí)間和空間上是連續(xù)的，或是可導(dǎo)的，該關(guān)系式被稱為基本等式有時(shí)也被成為光流約束方程，它構(gòu)成了光流計(jì)算的一個(gè)重要的約束。

如圖2.1，設(shè)圖像上的點(diǎn)（x，y）在某一時(shí)刻t的輻照度為f（x，y，t），經(jīng)過(guò)一定的時(shí)間間隔△t后對(duì)應(yīng)點(diǎn)的輻照度為f（x+△t，y+△t，t+△t），根據(jù)極限思想當(dāng)△t→0時(shí)認(rèn)為輻照度是不發(fā)生變化，于是有：

f（x，y，t）=f（x+△t，y+△t，t+△t） （5）

用Taylor公式展開(kāi)為：

（6）

忽略公式（6）中的二階無(wú)窮小ε，當(dāng)△t→0，有：

（7）

其中u=dx/dt，v=dy/dt分別是圖像中某點(diǎn)像素在x和y方向上的光流分量。

下面則主要介紹比較經(jīng)典的基于梯度的光流檢測(cè)方法，Lueas-Kanade光流法。

2.2 Lucas-Kanade光流法

Lucas-Kanade算法（LK）是用于求稀疏光流（sparseoptical flow）的，最初于1981年提出。由于算法易于應(yīng)用在輸入圖像中的一組點(diǎn)上，其后來(lái)成為求稀疏光流的一種重要方法。LK算法只需要每個(gè)感興趣周圍小窗口的局部信息，所以它可以應(yīng)用于稀疏內(nèi)容，這與Horn-Sehunck的算法全局性是不同的。

LK算法基于以下三個(gè)假設(shè)：

（1）亮度基本保持變。視頻序列中目標(biāo)物的像素在幀間運(yùn)動(dòng)時(shí)其外觀基本保持不變，對(duì)于獲取的灰度圖像（LK算法也可以用于彩色圖像），假設(shè)其像素被逐幀跟蹤時(shí)亮度基本不發(fā)生任何變化。

（2）幀間時(shí)間間隔非常微小即可認(rèn)為時(shí)間上是連續(xù)的。

（3）空間一致?！獋€(gè)場(chǎng)景中同一表面上鄰近的點(diǎn)具有相似的運(yùn)動(dòng)，在圖像平面上的投影也在鄰近區(qū)域。

設(shè)圖像上的點(diǎn)（x，y）在時(shí)刻t的輻照度為I（x，y，t），經(jīng)過(guò)時(shí)間間隔人t后對(duì)應(yīng)點(diǎn)為I（x+△t，y+△t，t+△t），當(dāng)△t→0時(shí)可認(rèn)為輻照度不變，于是有：

I（x，y，t）=I（x+△t，y+△t，t+△t） （8）

我們假設(shè)移動(dòng)足夠的小，則對(duì)于（8）使用泰勒公式，可以得到：

（9）

其中H.O.T=higher order terms指更高階，在移動(dòng)足夠小的情況下可以忽略，結(jié)合式（8）和式（9），可以得到下式：

（10）

（11）

2.3 算法流程圖

基于光流的方法能夠很好的描述物體的運(yùn)動(dòng)特征，該方法的改進(jìn)也能很好的用于實(shí)時(shí)的視頻處理中，但是該方法的困難在于物體特征點(diǎn)的尋找和匹配。特別是當(dāng)運(yùn)動(dòng)目標(biāo)很多的時(shí)候往往需要先依據(jù)別的方法來(lái)區(qū)分不同的障礙物，而且到目前為止還沒(méi)有一種比較通用的快速匹配算法，從而限制了光流法在實(shí)時(shí)障礙物檢測(cè)中的應(yīng)用，L-K算法的流程圖如圖2.2所示。

3 基于Lucas-Kanade光流技術(shù)的障礙物檢測(cè)結(jié)果

本實(shí)驗(yàn)是在HP 251-110cn臺(tái)式機(jī)上進(jìn)行的，在Windows XP操作系統(tǒng)的平臺(tái)上，采用Intel公司開(kāi)發(fā)的開(kāi)源項(xiàng)目OpenCV，在Microsoft Visual C++集成開(kāi)發(fā)環(huán)境下完成的。數(shù)據(jù)由車載相機(jī)捕獲的視頻序列組成，圖像幀是在不同光照、不同姿態(tài)下拍攝的，實(shí)驗(yàn)前要將捕獲的圖像幀利用cvCvtColor（）函數(shù)轉(zhuǎn)化為如圖3.1所示的灰度圖，在對(duì)其調(diào)用函數(shù)cvCalcOpticalFlowPyrLK（）得到光流檢測(cè)結(jié)果。如圖3.2和圖3.3分別為L(zhǎng)K光流檢測(cè)結(jié)果圖和光流矢量圖。

文章主要針對(duì)光照變化以及旋轉(zhuǎn)變化小到可以忽略不計(jì)的情況下進(jìn)行的研究。通過(guò)對(duì)結(jié)果的比較，對(duì)圖像處理中的一些基本的操作耗時(shí)情況有了一定了解，其中主要影響檢測(cè)結(jié)果的是不同幀間時(shí)差的選取。其中方式1和方式2是選取轉(zhuǎn)換后的灰度圖中分別選取時(shí)間間隔為2s和5s的圖像幀，而方式3和方式4是選取并未經(jīng)過(guò)處理的原始圖像幀而時(shí)間間隔分別與方式1與方式2相同。表1則是在以上四中情況下的對(duì)比實(shí)驗(yàn)，其中算法處理結(jié)果的正確識(shí)別率及各步的耗時(shí)如表1所示。

5 總結(jié)與展望

本文通過(guò)對(duì)圖像處理技術(shù)的分析討論了Lucas-kanade光流法，并利用該算法實(shí)現(xiàn)了障礙物的檢測(cè)，對(duì)于增強(qiáng)行車系統(tǒng)的安全性和可靠性有著非常大的幫助。該系統(tǒng)的實(shí)現(xiàn)可使用戶能較好的掌握行車過(guò)程中的路況信息及時(shí)對(duì)外界環(huán)境信息做出反應(yīng)，大大提高了行車的安全性，避免了事故的發(fā)生。此外該算法還可用于視頻的檢測(cè)，而且系統(tǒng)設(shè)計(jì)也比較簡(jiǎn)單，只是由于圖片檢測(cè)的時(shí)間很難達(dá)到實(shí)時(shí)的要求，故在今后的設(shè)計(jì)中要增加考慮利用其視頻的運(yùn)動(dòng)特性來(lái)增加檢測(cè)效果的是實(shí)時(shí)性。