基于非同步多摄像头装置的智能汽车视觉测程法



基于非同步多摄像头装置的智能汽车视觉测程法

为了使驾驶辅助系统和泊车辅助系统更加高效和安全，辅助系统需要借助诸如单通道摄像头、环视摄像头和多通道摄像头等视觉传感器来获得信息和配置。这些系统能够应用在障碍物和道路识别、定位和绘图等方面，其中非常重要的一步就是视觉测距。

摄像头动作的计算是视觉测距的基础。系统需要计算出摄像头的旋转、平移以及相邻帧的相对比例。比例的估计是最敏感的部分，需要进行稳健预估。如果需要绝对度量值，视觉测距的过程必须与相关的3D知识相整合。至于单眼系统，必须先利用3D场景的知识进行初始化，然后在运动过程中通过绑定调整步骤的抑制参数法来维持。然而，在基于低成本装置和接近市场的传感器的汽车应用中，最主要的问题就是视觉的同步性。通常利用附加的电子电路图和昂贵的硬件来解决这个问题。为了解决这些问题，引入了一种新的方法来缓和同步性约束。

介绍了用于非同步多摄像头系统装置度量估算的视觉测程法，主要应用在智能汽车领域。提出一套叫做“三角基”的新算法。该算法采用了校准摄像头的内部和外部参数信息。假设摄像头两个相邻帧的轨迹是线性的，相对摄像头的位置可通过典型的运动结构技术来预估。然后，利用已知的外部系数和线性假设计算出比例系数。研究证实了该方法在仿真和实际条件下的有效性。对现实世界来说，可通过KITTI数据组中两个摄像头的图像序列预估运动轨迹，并与GPS/ INS地面真实值进行对比。

Rawia Mhiri. Pascal Vasseur, 2014 IEEE Intelligent vehicles Symposiym. June 8-11, 2014. Dearborn, Michigan, USA.

编译：薛雷