（桂林電子科技大學(xué)信息與通信學(xué)院，廣西 桂林 541004）

在歐洲、美國、日本等發(fā)達(dá)國家的一些科研機構(gòu)及汽車制造商，都在進(jìn)行著智能汽車的研究，一些先進(jìn)的技術(shù)已經(jīng)得到推廣應(yīng)用。在國內(nèi)，主要由研究機構(gòu)和高校主導(dǎo)智能車輛的研究，但在技術(shù)上還與發(fā)達(dá)國家有著一定差距。障礙物檢測的應(yīng)用前景十分闊，具有極大的實際應(yīng)用意義，是智能車輛研究中重要的關(guān)鍵技術(shù)。根據(jù)傳感器類型不同，障礙物檢測方法有：激光雷達(dá)、超聲波、結(jié)構(gòu)光、雙目攝像機等。其中，使用雙目攝像機可以獲得豐富的彩色圖像信息和深度信息，設(shè)備簡單、成本低廉，基于雙目立體視覺的檢測方法是近年來研究的熱點之一。

1 雙目立體視覺的障礙物檢測系統(tǒng)

道路的障礙物定義為高于路平面的物體，而有些研究將低于路面平面的物體也視為障礙物。根據(jù)道路情況，可將道路分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路。對結(jié)構(gòu)化道路的障礙物檢測，主要以道路連線檢測為重點，該技術(shù)已獲得了一定的研究成果。對于非結(jié)構(gòu)化道路障礙物檢測仍是難點和重點。

基于雙目立體視覺的障礙物檢測系統(tǒng)，通常是由雙目攝像機（兩臺固定位置的攝像機）、計算機、顯示設(shè)備等組成。計算機從雙目攝像機獲取原始圖像，轉(zhuǎn)換到灰度或RGB三通道的格式圖像進(jìn)行處理，最后將結(jié)果輸出。由于雙目攝像機安裝的位置是固定分開的，不同位置攝像機觀察到的場景視角不一樣，計算機除獲得圖像信息外還可以獲得深度信息。在獲取雙目圖像后，依據(jù)模式識別、圖像處理、人工智能等理論，使用各種不同的方法對障礙物檢測。

2 雙目立體視覺系統(tǒng)

雙目立體視覺是根據(jù)兩幅不同角度場景的圖像產(chǎn)生視差，視差反應(yīng)了景物的深度。計算機上的雙目立體視覺系統(tǒng)使用兩個不同位置的攝像機獲取不同場景的圖像，通過在圖像對上查找對應(yīng)點來計算視差。雙目立體視覺系統(tǒng)的立體成像，通常包括四個步驟：消除畸變、攝像機校正、圖像匹配和重投影。消除畸變包括切向畸變和徑向畸變，攝像機校正是為了計算出攝像機的焦距、成像中心和兩攝像機的相對距離。攝像機校正這一步主要調(diào)整攝像機間的角度和距離，使兩臺攝像機的圖像行對準(zhǔn)，為圖像匹配減少計算量。圖像匹配主要是查找基準(zhǔn)圖像上各個點在另一幅的位置，其位置差即為視差值。在計算得到視差值后，利用攝像機間的位置關(guān)系通過三角測量的原理轉(zhuǎn)換成三維點云[1]。三角測量原理圖如圖1所示。圖1中，假設(shè)圖像對已經(jīng)校正行對立，物理世界坐標(biāo)上的點P在左右圖像上的成像點為和焦距為f，左右圖像的投影中心分別為υl和υr，T為兩攝像機的相對距離，則視差利用相似三角形可計算出點P與攝像機的距離：

圖1 三角測量原理圖

3 立體匹配算法

立體匹配是查找基準(zhǔn)圖像上各點在另一圖像上位置，計算視差的過程，是立體視覺中最難和最關(guān)鍵的技術(shù)。立體視覺系統(tǒng)中，兩幅不同角度場景的圖像受到如下的影響：光學(xué)失真與噪聲、光滑表面反射、投影縮減、低紋理、紋理重復(fù)、透視失真、透明、非連續(xù)和遮擋，因此給立體匹配計算帶來了極大的困難。

近年來，各種立體匹配算法不斷提出，但一般步驟包括：匹配代價計算、匹配代價疊加、視差獲取和視差細(xì)化。按不同的計算策略可分為局部匹配算法和全局匹配算法，局部匹配算法的計算量通常要比全局匹配算法少，但全局匹配算法更能獲得較好的匹配效果。考慮到立體匹配算法的實時性和較好匹配效果的要求，文獻(xiàn)[2]提出了半全局的匹配算法(semi-global stereo matching, SGBM)，這是一種改進(jìn)的動態(tài)規(guī)劃算法，具有高效的特點，同時能獲得較高的計算精度。

4 障礙物檢測方法

基于雙目立體視覺的障礙物檢測方法可分為單目檢測和雙目檢測，單目檢測實質(zhì)是先通過單幅圖像檢測障礙物在圖像上的位置，再用雙目立體視覺計算障礙物的空間信息。文獻(xiàn)[3]首先根據(jù)亮度直方圖分割出道路區(qū)域，再在道路區(qū)域內(nèi)利用顏色分割出可疑障礙物區(qū)域，提取可疑障礙物區(qū)域的特征進(jìn)行區(qū)域，計算可疑障礙物的高度，最終確定障礙物。通過這種方法大大減少了立體匹配的計算量，對路面上障礙物的檢測有較好的效果，但僅適用于特定顏色的路面，同時路面邊緣上的障礙物存在漏檢的風(fēng)險。

文獻(xiàn)[4]檢測車道標(biāo)線并在線標(biāo)定相機俯角，使用基于角點的立體視覺感知算法。通過這種方法，消除了車輛行駛過程中攝像機俯仰角的變化帶來的影響，弱化了立體匹配中極線約束的要求，減少了立體匹配的計算量。但這種方法僅適用于帶標(biāo)線的道路，同時需要檢測到障礙物較多的角點，對于障礙物角點較少或路面上角點較多的情況，會影響到檢測結(jié)果的正確性。

文獻(xiàn)[5]提出基于 V視差圖的障礙物檢測算法，先通過立體匹配計算出視差圖，再根據(jù)一行上相同視差數(shù)目計算出U-V視差圖，檢測V視差圖中的直線信息，結(jié)合U視差圖確定路面和障礙物。該方法受光照、陰天等影響較小，可檢測面狀的障礙物，但對于球狀或其他不規(guī)則形狀的障礙物檢測難度較大。

文獻(xiàn)[6]提出一種使用全局優(yōu)化算法的雙目立體視覺實時檢測方法，在確定路面與攝像機的坐標(biāo)關(guān)系后，通過映射使目標(biāo)圖像的路面與基準(zhǔn)圖像的路面相匹配，最后使用全局優(yōu)化的匹配算法在基準(zhǔn)圖像和映射后的目標(biāo)圖像間計算，確定障礙物與路面的邊緣。該方法能實時檢測障礙物，在雨、霧、強光、弱光等惡劣環(huán)境下，也能獲得較好的檢測效果，但受車輛行駛中俯仰角的變化影響較大。

除了上述這些方法外，還有其他一些適用特定場景或具有一定突出優(yōu)點的檢測方法，如：重投影變換檢測法[7]、光流法[8]、結(jié)合傳感器檢測方法[9]等。

5 總結(jié)

總之，各種基于雙目立體視覺的障礙物檢測方法都有獨自的優(yōu)點和缺點，面對復(fù)雜的道路環(huán)境，在智能車輛上的應(yīng)用還沒有較好的解決方案。同時，障礙物檢測的應(yīng)用前景十分闊，具有重大的實際應(yīng)用意義，是智能車輛研究中重要的關(guān)鍵技術(shù)。

[1]Gray Bradski, Adrian Kaehler. Learning OpenCV Computer Vision with the OpenCV Library[M].O'Reilly Media, Inc,USA,2008.

[2]Klaus A, Sormann M,Karner K.Segment-based stereo matching using belief propagation and a self-adapting dissimilarity measure[C]//Pattern Recognition,2006.ICPR 2006.18th International Conference on. IEEE,2006,3: 15 -18.

[3]李慶忠,陳顯華,顧偉康.基于彩色立體視覺的障礙物快速檢測方法[J].計算機科學(xué),2004, 30(9):72-75.

[4]姜巖,高峰,徐國艷.基于角點特征的立體視覺車輛環(huán)境感知系統(tǒng)研究[J].機械工程學(xué)報,2011,47(14): 99-107.

[5]陳雪,張衛(wèi)彬,程廣濤.基于雙目立體視覺的障礙物檢測方法[J].軟件導(dǎo)刊,2012,11(2):146-148.

[6]Kubota S,Nakano T,Okamoto Y. A global optimization algorithm for real-time on-board stereo obstacle detection systems[C]//Intelligent Vehicles Symposium, 2007 IEEE.IEEE, 2007: 7-12.

[7]李巖,林學(xué).顛簸環(huán)境下的快速障礙物檢測算法[J].軟件學(xué)報,2000,11(12):1666-1683.

[8]Pantilie C D, Nedevschi S. Real-time obstacle detection in complex scenarios using dense stereo vision and optical flow[C]//Intelligent Transportation Systems (ITSC),2010 13th International IEEE Conference on. IEEE,2010:439-444.

[9]王榮本,趙一兵,李琳輝,等.智能車輛的障礙物檢測研究方法綜述[J].公路交通科技,2008, 24(11): 109-113.