營口理工學院電氣工程系 李 印 王玉紅

基于V-視差的障礙物檢測算法的研究

營口理工學院電氣工程系 李 印 王玉紅

本文構(gòu)建了一種改進的V-視差檢測障礙物的方法。通過在視差圖中采用Hough變換方法，從視差圖中提取直線信息。從而將障礙物從背景中分離出來。實驗結(jié)果顯示，改進的V-視差法能夠檢測具有面特征的障礙物，此算法不會受小面積的局部干擾，也不會誤識別背景的陰影部分。

V-視差；障礙物檢測；Hough變換算法

當障礙物所在的背景發(fā)生變化時，基于雙目立體視覺的V-視差的障礙物檢測法仍可將障礙物較好的檢測出來。該算法的檢測對象是具有面特征的一切物體，這一特征就保證了該算法可以檢測行人、車輛、墻壁等障礙物。因此當?shù)缆翻h(huán)境比較復雜時，基于雙目立體視覺的障礙物檢測法將對車輛的檢測起到積極作用。

1 V-視差形成的原理

1.1 V-視差圖的三個特征面

通過上面的公式，可以看出V-視差的可識別的特征面有水平面、垂直面、傾斜面。在V-視差圖中，每一種特征面都投影成一條相應的直線，越靠近垂直面的障礙物，V-視差會更好的將物體投影成一條垂直線。三種特征面示意圖如下：

圖1 V-視差可識別的特征面

圖2 雙目攝像機原理圖

1.2 雙目攝像機模型示意圖

在本論文中，我們?nèi)∮玫碾p目攝像機滿足如圖2所示的位置關系。使用的兩個攝像機的像平面必須滿足同平面、同高度、兩個平面是平行的三個條件。這樣采用的像平面可以減少立體匹配的搜索范圍。

圖2中的部分參數(shù)說明如下：

θ：攝像機光軸與水平軸的夾角；

h：攝像機到地面的距離；

b：兩個攝像機之間的距離（基線）[1]。

1.3 V-視差圖的構(gòu)造

外國研究人員Labayrade R,Aubert D,Tarel J P在發(fā)表的論文中提出V-視差圖含有的信息是三維的[2]，對視差圖像每一行上有相同水平視差的像素個數(shù)countp加以累加，得到新的像素坐標，最后以countp作為像素的灰度值，如此形成了V-視差。如下圖所示：

圖3 合成立體圖像對

圖4 V-視差圖

2 V-視差圖障礙物檢測

檢測障礙物的原理是，把背景中的路面和路面上的障礙物通過算法投影成一條斜線或一條直線段，三維障礙物將會投影成二維平面，然后通過V-視差算法的計算再將二維平面投影成一條直線。這樣就可以通過線檢測算法獲取V-視差圖像中的直線段，從而確定路面和路面上障礙物的位置。障礙物通過高度和寬度表示，垂直的直線段表示障礙物的高度，可以通過兩種方法得到障礙物的寬度：一種是對視差圖通過U方向的視差計算得到U視差圖，從而得到一條水平線表示障礙物的寬度；二是以每一個障礙物垂線為中心在水平方向延伸，最終鎖定所有障礙物區(qū)域，最終完成障礙物檢測的任務。

而直線檢測算法主要有兩種：第一種對障礙物邊緣進行鏈碼跟蹤的基于鏈碼的直線檢測算法[3-5]。第二種是基于Hough變換的檢測算法[6-7]，Hough算法的優(yōu)點是可以在復雜環(huán)境下檢測出直線。由于Hough變換算法檢測效果較好，在本文中采用Hough變換直線檢測算法。

2.1 Hough變換算法檢測直線

2．1．1 Hough變換原理

Hough變換的基本思想是過某一點(x0, y0)的所有直線的參數(shù)都會滿足方程。也就是說直線上任一點，對應于參數(shù)空間中的直線都將通過該空間的點(k0, b0)。圖5所示反映的是x — y坐標和k — b坐標的圖像：

圖5 x — y坐標和k — b坐標

從圖5中我們可以看出x — y坐標中的點P1，P2對應于k — b坐標中的L1，L2，而k — b坐標中的點P0對應于x — y坐標中的線L0。

我們知道，直線的斜率無限增大的特點，為了檢測任意方向和位置上的直線，我們會采用極坐標(ρ , θ)表示位置坐標，直角坐標轉(zhuǎn)化為極坐標的公式為：。

對于(x , y)空間中的任一點(x0, y0)采用極坐標(ρ , θ )作為參數(shù)空間，其變換方程為：

由轉(zhuǎn)化公式(1)可以看出，圖像空間中的任意一點(x0, y0)可以轉(zhuǎn)化為極坐標空間(ρ , θ )中的一條正弦曲線。

2．1．2 Hough變換檢測直線的算法原理

（1）式稱為直線檢測的Hough變換，顯然x — y平面中的任意一條直線經(jīng)Hough變換得到參數(shù)空間中的一個點。而圖像邊緣上的每一點映射到Hough空間中成為一組累加器，在計算對應的累加器。當所檢測的圖像中含有直線時，對應的累加器將會出現(xiàn)局部最大值，通過檢測局部最大值，從而確定與該條直線對應的一對極坐標(ρ , θ )，從而最終檢測出該條直線。

Hough變換的檢測算法過程如下[1]：

1）首先對要檢測的圖像進行二值化，采用0表示背景，1表示物體特征點；

2）在參數(shù)空間ρ，θ，里建立一個累加數(shù)組A(ρ , θ )，并置數(shù)組A中每個元素的初值都為零；對二值圖像中每個以1表示的點(x , y)，讓θ取遍θ軸上所有可能的值，并根據(jù)式（4.7）計算對應的ρ；再根據(jù)ρ和θ的值對數(shù)組進行累加；

3）對數(shù)組A(ρ , θ )進行局部最大值檢測，得出被檢測直線的參數(shù)ρ和θ。

圖6 U-視差圖

圖7

2.2 障礙物檢測的識別過程

障礙物的識別有兩種方法，第一種稱為視差值的水平搜索方法。本文著重介紹第二種方法，稱為U-視差法，原理是對U方向上的視差圖像每一列上具有相同視差的像素個數(shù)countp加以累加，以為新的像素坐標，以countp作為該像素的灰度值。本文采用U視差法和V視差相結(jié)合的檢測算法識別圖像中的障礙物。識別方法如下圖所示：以提取圖中的圓球為例，通過U-視差圖獲取圓球的水平的位置（如圖6），通過V-視差圖得到圓球的縱向位置，通過U視差圖和V視差圖就可以確定目標圖像提取的圓球準確的空間位置（如圖7）。

3 算法流程圖和實驗結(jié)果

3.1 算法流程圖

圖8 算法流程圖

3.2 實驗結(jié)果

實驗過程如下：第一步生成V-視差圖，第二步用Hough變換算法檢測生成的V-視差圖中的直線，從而得到障礙物的高度，第三步對視差圖做U-視差識別，得到障礙物的寬度，經(jīng)過三步以后我們可以得到障礙物的準確區(qū)域。具體操作過程需要計算機編程?，F(xiàn)將實驗結(jié)果用圖9所示呈現(xiàn)：

圖9 檢測結(jié)果圖

檢測結(jié)果圖顯示，改進的算法不以路面水平為條件，檢測對象不受光照、天氣等外界因素的影響，小面積的局部干擾不影響實驗效果。圖片中車輛的陰影面積和灰度存在較大差異，車輛所處的面與路面平行，改進的V-視差識別并不會將車輛從路面中分離出來，因此該算法不會干擾整個識別過程。

當然，改進的方法也存在一定的不足，本文中的算法，對使用的攝像機要求比較嚴苛，選取的視差圖要求具有比較高的清晰度。在后續(xù)的研究中，繼續(xù)對算法進行改進，提高算法的計算速度。

[1]董琴琴．基于雙目立體視覺的障礙物檢測算法的研究與實現(xiàn)[J]．東北大學碩士論文,2009．

[2]Labayrade R,Aubert D,Tarel J P．Real time obstacle detection in stereovision on non flat rode geometry through“V-disparity”representation[J]．Intelligent Vehicle Symposium,IEEE,2002,2(1):646-651．

[3]Freeman H．Boundary encoding and processing[M]．Picture Processing and Psycho pictorics Academic,New York,1970:241-266．

[4]顧創(chuàng),翁富良,吳立德．直線鏈碼的線性提取算法[J]．模式識別與人工智能,1990,3(2):34-38．

[5]Yuan J X．An optimal algorithm for identifying line segments from a sequence of chain codes[J]．Pattern Recognition,1995,28(5):635-646．

[6]Hansen K,Damgaard J．Understanding the hough transform:hough cell support and its utilisation[J]．Image and Vision Computing,1997,15(3):205-218．

[7]Immerkr J．Some Remarks on the straight line hough transform[J]．Pattern Recognition Letters,1998,19(12):1133-1135．

李印（1985—），女，遼寧撫順人，碩士研究生，講師，研究方向：行人檢測與跟蹤，教學改革，偏微分方程數(shù)值解。

王玉紅（1983—），女，遼寧錦州人，在職博士，講師，研究方向：行人檢測與跟蹤，教學改革，微分幾何。