基于立体视觉平面单应性的智能汽车可行驶道路边界检测



基于立体视觉平面单应性的智能汽车可行驶道路边界检测

道路检测是智能汽车及先进驾驶辅助系统研究的关键问题之一。提出了一种基于立体视觉的检测可行驶道路区域与非道路区域间边界的方法。该方法基于立体视觉平面单应性建立了一个隐马尔科夫模型。针对该模型，应用Viterbi算法，提出了一种状态序列的观测概率函数，以寻找道路与非道路边界的最优状态序列，可提高在无任何先验知识条件下可行驶道路边界检测的准确性及鲁棒性。试验结果证明了该方法在各种典型且复杂的实际道路场景中的有效性和鲁棒性。

尽管众多学者一直在进行道路检测研究且取得了显著的进展，但道路检测仍是智能汽车的关键问题之一。其中，基于视觉的方法是该领域的一个重要分支。使用单目摄像机通过利用道路外观的特征提取道路区域。由于道路图像的纹理随与摄像机之间的距离而变化，因此采用颜色分析方法，在不用的颜色空间对道路外观进行建模。这些基于外观的方法可以较好地应用于某些特定环境中。然而，在道路并不充分对应于具有先验定义特征的模型情况下，上述方法便缺乏有效性。另外，预定义的模型也难以包含所有可能的道路图像。因此，在复杂场景中上述方法通常仅能够检测出与其模型一致的部分可行驶道路。此外，还研究了基于单目摄像机的连续时间图像序且利用连续图像间对应目标的位移来检测道路。但当摄像机不稳定、光流估计不具备较高的鲁棒性时，以上方法就不能取得令人满意的结果。最近，人们又重新开始研究基于单幅静止图像的几何估计方法。尽管这些方法已经取得了显著的成果，但仍不能直接应用于自主驾驶和先进辅助驾驶系统。当提取的特征具有较强的差异性和鲁棒性时，上述基于单目的方法可以得到良好的结果。然而，当提取特征具有噪声不断变化时，这些方法便可能失效。

刊名：Acta Automatica Sinica（英）

刊期：2013年第4期

作者：Takayuki Yamabe1 et al

编译：王维