任趙旭，姬書得，林京鵬，胡為，宋崎

沈陽航空航天大學 航空宇航學院，遼寧 沈陽 110136

在圖像識別中，低對比度圖像的識別一直是該領域的難點。在光照強度過大或無光強的情況下，傳統(tǒng)的障礙物識別是利用圖像自身的灰度變化來分離障礙物與背景，然而在低對比度的圖像中，大部分物體的灰度變化強度相近，進而易使匹配出錯，導致識別算法無法有效運算[1-2]?？滦犁萚3]針對郊外低對比度圖像，在傳統(tǒng)障礙物特征提取的基礎上，提出了利用Hough變換和基于數(shù)學形態(tài)學的線特征的改進算法，進而提高了線匹配質量；謝丹玫等[4]提出了利用視頻采集卡及其SDK軟件開發(fā)包和人類對比度分辨率補償算法，對暗視覺環(huán)境下的視頻采集進行實時自適應底層視頻挖掘，使常規(guī)的視頻采集設備具有了夜視的功能。但文獻[3]與文獻[4]均對環(huán)境適應性較差。雷鳴等[5]提出了一種基于多線激光的單目相機檢測算法，通過觀測圖像中光帶的扭曲來計算障礙物的尺寸信息，但單目相機需要實時處理大量數(shù)據(jù)，速度慢、魯棒性差；另外，基于多傳感器融合的障礙檢測技術也是一個重要的發(fā)展方向，Bruno Steyx等[6]已經(jīng)研制出在車上搭載多傳感器的智能車輛，通過多傳感器融合技術實現(xiàn)道路障礙檢測和路徑跟蹤，但目前多傳感器造價昂貴，不利于無人車輛的普及。

在很多工程實踐中，提取圖像之間的共同特征即可快速、有效地識別出物體。本文即運用低成本的紅外激光網(wǎng)格發(fā)射裝置和紅外雙目攝像機，提出了一種基于紅外激光網(wǎng)格路面障礙識別方法，利用障礙物會在網(wǎng)格線發(fā)生斷開的現(xiàn)象識別障礙物并獲取其輪廓和距離。減少了所需處理的信息量，極大提升了檢測速度和精度，尤其對于低對比度圖像下障礙物特征信息的提取有極大優(yōu)勢。

1 雙目視覺測距系統(tǒng)

隨著機器視覺領域的不斷發(fā)展壯大[7]，雙目視覺不斷應用在機器人導航與避障、機械臂的引導、三維成像、汽車導航等諸多領域[8-9],與目前其他測距方法相比，雙目測距具有成本低、精度高、方便快捷等優(yōu)點[10-11]。雙目視覺測距技術的基本原理是基于物體在左右相機像平面成像的相差，利用相似三角形的幾何關系，得到物體距相機的距離。

如圖1所示，任意一點P的相對位置在左右2個相機坐標系中，設左側攝像機所在自身坐標系o-xyz位于世界坐標系原點處，且無旋轉，圖像所在坐標系為O1-X1Y1，其焦距為f1；右攝像機所在自身坐標系為or-xryrzr，圖像所在自身坐標系為Or-XrYr，其焦距為fr，則由攝像機投影變換可推導出模型：

o-xyz坐標系與or-xryrzr坐標系之間的相互轉換關系可以利用空間變換矩陣Mlr，如式(1)和式(2)所示：

(1)

其中

(2)

式中：R為o-xyz坐標系和or-xryrzr坐標系之間的旋轉矩陣，T為兩個坐標系與原點之間得平移變換矢量。由模型公式可知，對于o-xyz坐標系中的空間點，兩相機相面點之間的對應關系為

于是，空間點三維坐標可以表示為

因此，已知兩個相機焦距fl、fr和被測點p的坐標位置，只需知道矩陣R和矢量T就可以求出被測點的三維坐標。在雙目相機經(jīng)過標定后，便可以得知旋轉矩陣R和平移向量T，從而被測物體點的三維坐標即可求得。

圖1 三維空間點重建

2 網(wǎng)格細化方法與實現(xiàn)

由于受到環(huán)境和物體間的相互遮擋等因素影響，從雙目相機提取出來的原始圖像網(wǎng)格線上點較密集，不僅顯得網(wǎng)格線較粗，而且數(shù)據(jù)量過大，不利于后期處理，因此有必要對這些點進行篩選壓縮。為了去除這些無用點對激光網(wǎng)格直線擬合的影響，本文先從障礙物輪廓曲率入手進行分析，采用道格拉斯普克算法(D-P)進行處理，得到去除偏差較大的點之后的擬合直線，使其圖像網(wǎng)格直線更加符合原始數(shù)據(jù)分布。D-P算法是一種簡單有效的提取網(wǎng)格直線關鍵點的方法，可根據(jù)特征點特性將圖像中的干擾點去除。如圖2所示，先分別計算C、D、E三點到直線AB的距離,得到三者當中的最大值，圖中最大距離的點對應為C點，如果最大值小于規(guī)定的閾值,則C、D、E三點都舍去,此曲線用直線AB取代，否則C點保留。再分別計算D到AC和E到BC的距離，如果大于閾值則保留該點,否則舍去。重復此過程，直到圖像中所有像素點都被檢測到為止。已知相機采集到的圖像中理想激光網(wǎng)格直線曲率半徑非常大，而所要去除的干擾點所構成的直線邊緣的曲率半徑則比較小，采用D-P算法原理，設定相鄰 3個點的外接圓半徑為該3個點之間區(qū)域的曲率，之后通過采集網(wǎng)格直線上關鍵節(jié)點將網(wǎng)格區(qū)域分段，然后計算每一段的曲率，如果求得半徑小于設定的閾值，則該3點之間的所有點均舍去，不參與直線擬合，最后實現(xiàn)網(wǎng)格的細化處理。

圖2 D-P算法示意

3 激光網(wǎng)格對障礙物的識別方法

激光網(wǎng)格的產(chǎn)生是采用衍射物質將一個單一光點轉換成一個均勻網(wǎng)格，使光線按需要的亮度進行網(wǎng)格分布。將規(guī)則的等密度的光線投射于障礙物之上可以得到被扭曲了的非均勻分布的圖像。為了讓測量精度更高和測量速度更快，因此沒有匹配圖像上所有的像素點坐標，而是采用了一種特征點匹配算法，匹配的是網(wǎng)格線的斷點。并通過將點的匹配轉化為直線的匹配，從而簡化了匹配的復雜性，提高了匹配的精度與效率。

首先對細化后的圖像進行總體搜索，搜索時所采用的方法是先將圖像中所有符合條件(非連續(xù)性直線)的斷線全部找出，然后再通過下述方法將多余直線排除掉,提取直線特征后，為了得到匹配的直線特征，需要利用有效的相似性度量的方法對直線特征進行度量計算，然后經(jīng)過聚類形成直線特征集。直線聚類是將提取得到的直線，根據(jù)直線的空間鄰近性和相關特性，將符合一定條件的直線聚類組合[12-13]在一起，如圖3(a)所示，在選取符合條件的k條直線后，由k條直線和直線li組成直線特征集。直線li和p1分別稱為直線特征集的中心線和中心點。由直線li及其端點p1組成的直線特征集包含直線；同樣，以直線li及其端點{li,la,lb,lc}組成的直線特征集包括直線{li,la,lb,lc}。通過描述直線對之間的空間結構和幾何關系，為直線匹配做準備。如圖3(b)所示，p1p2與q1q2為已知直線對，為了描述直線對之間的相互關系，首先作虛線輔助線連接組成直線對的兩條直線端點，得到p1q1p1q2p2q1p2q2四條直線，同時將端點p1和q1延長相交于點c；然后定義如下5個角度采用長度比例、角度關系和平均梯度值比值構成特征向量來描述兩條直線的結構關系。若用v表示該特征向量，Smn表示直線對的相似度，則

v={r1,r2,l1,l2,l3,l4,l5,θ1,θ2,θ3,θ4,θ5,g}

式中：r1、r2表示直線與交點c的比例關系，l1、l2、l3、l4、l5表示直線之間的長度比，θ1、θ2、θ3、θ4、θ5表示組成線段之間的角度大小，g表示兩直線平均梯度比例值大小，T為閾值。

(a)聚類直線

(b)直線對描述

通過計算Smn找出橫向及縱向被障礙物分割的直線上所有的斷點；然后將斷點與斷點逐一進行試探性配對，并且進行連通性檢驗；最后計算斷點間距，只有間距小于某一經(jīng)驗閾值，才可確定其身份。得到所需的斷點坐標后通過特殊算法計算可以得到障礙物的輪廓大小及所在位置信息。

4 實驗結果

4.1 實驗設備

1)紅外激光網(wǎng)狀發(fā)射器 波長為980 nm的3 000 mW的紅外不可見點狀激光模組搭配8×8網(wǎng)格效果透鏡。

2)雙目紅外攝像機 雙目視覺攝像頭選取了1080P/80幀機器攝像頭，3.6 mm焦距，同時選用CCD 傳感器作為圖像采集設備，通過圖像采集卡與計算機相連，計算機使用 VS2013 并配置了 OpenCv2.4.9 開發(fā)包，保證兩個相機做到同步采集圖片。實驗環(huán)境及設備如圖4、5所示。

圖4 實驗環(huán)境

圖5 實驗設備

4.2 實驗結果

兩個攝像機的光軸相互平行，利用本文采用的直線斷點匹配算法對白色背景中一白色柱狀障礙物進行測試，計算出相機與障礙物的距離和外形尺寸;再根據(jù)實際距離求得測距誤差率,改變相機與障礙物的距離再次測試。

圖6為采用Canny 算子提取之后的圖像，這里采用參考文獻[3]Canny 提取算法和改進線特征算法的檢測效果，從圖中可以看出該方法無法有效解決低對比度圖像的特征提取問題。

圖6 Canny 算子提取

經(jīng)計算機首先將激光網(wǎng)格進行灰度處理，之后將網(wǎng)格細化計算，處理前后的圖像如圖7所示。

(a)原始圖像

(b)灰度處理后的圖像

(c)網(wǎng)格細化后的圖像圖7 激光網(wǎng)格處理前后對比

實驗結果如表1所示。實際物體高9.8 cm，寬4 cm，通過以上實驗數(shù)據(jù)，可以發(fā)現(xiàn)本文所采用的算法在簡單外型的物體尺寸上測量較為準確；當測量距離控制在一定范圍內(nèi)時，尺寸誤差率在5%以內(nèi)，滿足特殊設計要求。

表1 前方障礙物測試實驗數(shù)據(jù)

4 結論

本文提出了一種利用激光網(wǎng)格的路面障礙識別方法，通過主動發(fā)射紅外激光網(wǎng)格，紅外雙目相機進行圖像采集，在自然場景復雜、對比度不高的情況下可以檢測到連續(xù)完整的特征直線，通過特征直線的斷點能夠很好地反應障礙物的結構特征，從而實現(xiàn)三維目標識別，降低算法復雜度。進一步地，表面不規(guī)則的障礙物可通過多次直線匹配算法分析表面特征，進而得出障礙物外形尺寸及大致輪廓。由于實驗設備有限，產(chǎn)生的網(wǎng)格激光粗細不夠均勻，未來可在實驗中進一步改進。