基于图像处理技术的道路障碍物检测



基于图像处理技术的道路障碍物检测

车辆障碍物检测技术可以有效降低乘员遭受意外伤害的可能，因而成为现代汽车工业广泛研究的对象。由于道路坑洞和减速带是道路上的主要障碍，因而目前的障碍物检测方法主要集中于对这两者的检测。目前，利用视差图和复合映射算法并基于立体视觉的障碍物检测方法是一种常用的方法，但其计算复杂、成本较高。为克服这些缺点，提出了一种使用单目红外相机的简单、低成本图像处理方法。该方法通过使用单目红外相机，在白天可以提供彩色图像，而当光线减弱时，自动切换到夜间模式，利用红外光提供高质量的灰度图像。此外，还介绍了一种新方法来补偿阴影带来的影响，防止检测误报，并基于因特尔开发的开源计算机视觉库。

首先说明了超声波传感器、激光测距仪、雷达等视觉传感器的优缺点，确定了借助单目红外相机捕获路面图像，其安装位置如图1所示，覆盖范围20～30m。

之后对获取的图像进行预处理，预处理包括将视频流转化为图像帧序列，并建立帧序列索引。单个图像帧被转化为灰度图像。采用了基于图像帧中边缘信息确定障碍物的算法。因此，为保证较高的效率，利用高斯滤波器消除图像噪声。预处理后，对图像帧中预设兴趣区域的边缘信息进行分析，分析图像帧中的急剧转变点，这些急剧的转变就是由道路障碍物引起的，然后获得道路障碍物边缘轮廓的映射点。将阴影检测和补偿算法同样嵌入到执行器中，可以获得更高的效率。文中给出了上述算法的流程图，并对流程图中的各种图像处理技术做了详细说明。试验结果表明，单目红外相机内置红外LED光源可保证相机在夜间可以捕获前方40m的道路图像。该算法使用的图像处理技术在白天和夜晚相匹配的参数不同，且利用照明条件反馈信息，实现白天、夜晚模式的自动切换。试验结果显示，在不同类型路面上该算法的效率不同。在公路上，主要的障碍物是车辆和阴影，对光照条件极度不好的阴影区域检测出现了错误。在泥泞路面上，由于缺少急剧转变点边缘，因此系统无法对道路障碍物做出检测。而夜间特定区域障碍物的光照过强，会掩盖障碍物的存在，使得夜间检测效率较低（白天平均为92%，夜晚平均为81%）。

文中指出，利用云储存技术，建立不同路面道路坑洞和减速带的信息数据库，并将这些信息标识在导航地图中，可对道路水平进行评价，并使导航系统确定出到达目的地最快、最安全的路线。

Ramsundar K Ganesan et al. SAE 2015-26-0006.

编译：王祥