雷 鳴，吳琳琳，劉生峰

（1．西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安710021；2．中國兵器工業(yè)集團 試驗測試研究院，華陰714200）

智能車可看作是能夠移動的四足機器人或地面自主車［1］．近年來，為了實現(xiàn)自動，無人和安全駕駛的目標．智能車輛領(lǐng)域的關(guān)注度大大增加，研究進度也是獲得了長足進展，而發(fā)展自動避障的計算機視覺等關(guān)鍵技術(shù)［2］也是目前研究的一個主要方向．目前，在智能車光學(xué)圖像避障研究發(fā)展過程中，胡凌山等人應(yīng)用基于立體視覺的被動式障礙物探測技術(shù)［3-5］實現(xiàn)了檢測障礙物的目標，但是該方法圖像間匹配復(fù)雜，實時性差，很難滿足智能車快速避障的要求．趙一兵［6］等采用通過將激光雷達安裝于車頭的激光雷達探測障礙物的技術(shù)，達到實現(xiàn)障礙物探測的目的；肖雪［7］等人在自主移動機器人研究中提出光流場的障礙物探測技術(shù)，通過攝像機獲取的序列圖片對光流的變化進行估計．然而由于運動目標相對較多、速度太快或太小則達不到理想效果，因此將此方法應(yīng)用于對實時性要求較高的智能車輛視覺導(dǎo)航系統(tǒng)中是不現(xiàn)實的；基于多傳感器融合的障礙物探測技術(shù)，是障礙物探測領(lǐng)域的一個重要發(fā)展方向．Bruno Steyx［8］等已經(jīng)研制出在車身上配備有很多種功能各異傳感器的智能車輛，通過這些傳感器獲取的信息融合來實現(xiàn)道路跟蹤和障礙物探測的目的．但車身裝置多種傳感器，造價較高．文中提出一種多線激光投射實現(xiàn)障礙物探測的方法．此方法采用主動式的激光投射，克服了雙目立體視覺探測時匹配的缺點；運用簡單的激光投影裝置和攝像機，解決了激光雷達和多傳感器探測方法成本高的問題；獲取信息含量豐富的圖像時間較短．

1 多線激光投射探測障礙物的方法

如圖1所示，利用智能車上安裝的激光投射裝置向目標障礙物投射激光光條，投射的激光光條可以覆蓋整個的障礙物，根據(jù)光條在障礙物上的變形狀態(tài)來計算障礙物體的三維信息．當(dāng)整個激光完成面投射時，實時記錄含有激光光條的圖像信息，將圖像作為系統(tǒng)的輸入數(shù)據(jù)傳遞給計算機．計算機經(jīng)過相應(yīng)的處理算法最后輸出的結(jié)果是所拍攝障礙物的二維圖像中每個像素的三維坐標信息．實驗的主要設(shè)備是激光投射裝置、攝像機、計算機．

圖1 多線激光探測系統(tǒng)Fig．1 Detection system with multi-line laser

基于多線激光投射法的障礙物探測，實質(zhì)上借鑒了主動式光學(xué)三角探測的方法，用多個激光源的裝置發(fā)出多條激光線光束，將多條激光束投射到目標障礙物上，投射過程中激光束要與攝像機保持一定的夾角，攝像機從投影的側(cè)面獲取多條線激光在物體上形成的影像．如果存在障礙物時，激光光條圖像就是斷開的線段．觀察斷開的位置，通過算法建模與求解，可得到障礙物與智能車的距離．

如果障礙物不規(guī)則，表面凸凹不平會使豎條線激光帶在圖像上形成一定的扭曲，針對每條激光光條的變形情況通過光學(xué)三角探測原理，將扭曲的平移量轉(zhuǎn)換為三維曲面起伏值，遍歷障礙物表面所有的光條，從而獲得目標障礙物表面的三維信息．

如圖2所示，假設(shè)實驗所選用的接收裝置攝像機的成像模型為小孔成像模型，它的焦距為f，接收裝置距目標物體距離為d，激光器的光軸與接收裝置光軸所呈現(xiàn)夾角為θ，設(shè)接收裝置在焦距f處成像時，實際長度為M的目標物體在攝像機的成像畫面中的長度為m，則有以下的關(guān)系式成立

圖2 目標障礙物深度信息獲取原理圖Fig．2 Schematic diagram of depth information acquisition on Target barrier

激光器打出的激光與目標物體的垂直面所成的角度為θ，因此在接收裝置接收由物體反射回來的激光所得到的二維圖像中利用三角法可求得物體反射點的三維信息，如實際深度y與兩段激光線在X軸上的距離x的關(guān)系為x＝y(tǒng)＊tanθ．

2 多線激光法的算法模型與實現(xiàn)

如圖3所示，多線激光投射法，以投射的I1，I2，…，Ii，…，IN等面構(gòu)成整個激光曲面，用攝像機動態(tài)采集包含所有激光平面與物體平面交集的一幅圖像．

圖3 多線激光探測方法模型Fig．3 The model of multi-line laser detection method

用多線激光投射算法得到的圖像中的每一點的z＝f（u，v）的u，v通過推導(dǎo)公式的計算得到它與三維空間中的點的x，y是線性關(guān)系，然后通過建立的多線激光法模型的公式計算出第i個點在圖像中的像素值，最后將所有的點的方程式聯(lián)立表達出整個物體表面．

多線激光投射法的實現(xiàn)，先將多線激光投射面其中的一個激光面抽取出來，并對其進行建模．如圖4所示，一個激光裝置投射與一臺攝像機觀察同一區(qū)域相同的障礙物，這時障礙物所在的區(qū)域就是一個三維世界，并且有自己的世界坐標系W．如果首先通過攝像機標定過程已經(jīng)知道了攝像機在世界坐標系W中的位姿，以及攝像機的內(nèi)部參數(shù)，如焦距．那么從多線激光探測模型中抽取的單個激光平面，他與目標障礙物相交形成的一個激光亮條上的任一點C，在三角形ABC中，角度β，γ及AB之間距離已知，故C點三維位置是唯一確定的，因此，每一條激光亮條上的每一個像素點的空間三維信息都可獲得．

圖4 抽取出的單個激光面探測原理Fig．4 Detection principle of an extracted single laser plane

假設(shè)激光源A與攝像機B的位置已經(jīng)固定好，激光投射裝置所在的坐標系X1Y1Z1軸與攝像機所在的坐標系XYZ軸平行，并且橫坐標軸X1與X共線．將激光源A的投射中心作為坐標系X1Y1Z1的原點，攝像機B的光心作為坐標系XYZ軸的原點，這兩個中心相差的距離定義為b．激光裝置投射的豎光條與水平面垂直，投射的橫光條與水平面保持平行．

激光平面與垂直面的交線與橫軸X1的夾角定義為β，則此激光平面在坐標系X1Y1Z1下的方程為z1＝tanβx1，而在坐標系XYZ下的方程為z＝tanβ（x＋b）．假設(shè)物體表面亮條上C點的坐標是（x，y，z）T，他在圖像中的像素坐標為（u，v）．將B、C兩點連接組成一條直線，則其方程為

其中fx，fy，u0，v0為相機參數(shù)．

聯(lián)立攝像機坐標系下的激光平面方程與BC直線方程可得

根據(jù)多線激光投射法的數(shù)學(xué)模型式（2）可求取C點的三維信息．式中的β角可由圖5所示的激光裝置求得．點A是一個點光源，點激光束經(jīng)柱面鏡后變成線激光源，照射在一個平面鏡上，經(jīng)平面鏡反射，在空間形成一激光平面，激光面與A點軸的夾角為α，平面鏡垂直于A點的軸放置，β＝2α，若平面鏡每改變dα，則dβ＝2dα．而α由激光裝置定標確定．

圖5 激光投射裝置Fig．5 Laser projecting apparatus

上述方法是抽取的單個激光平面，對于每一條曲線上的點，可用式（2）算出對應(yīng)的三維坐標，將激光面與物體相交所形成曲線上的所有點恢復(fù)出其三維空間坐標，進行點云計算．

如圖6所示激光線上不同位置的點，他與激光器所成的角度不同，與攝像機所成的角度也不同，分別設(shè)為β1，β2，…，βm，γ1，γ2，…，γm．但為了知道每一道激光束的夾角β，必須知道這條光束對應(yīng)于多線激光面的第幾條，若通過定標知道第一條激光束的投射角度β為β1，第m條為βm，則第i條的β為β2＝ （βm-β1）／m＋β1．通過類似式（2）的求解計算出激光曲線上的所有點的三維坐標．并將所有對應(yīng)這些點的坐標存在一個三維數(shù)組中，為了得到準確的相鄰關(guān)系，減少數(shù)據(jù)冗余，將數(shù)據(jù)存在一個M×M的圖像中．具體實現(xiàn)步驟為

圖6 激光曲線所有點的三維空間坐標計算Fig．6 Calculation of Three dimensional coordinates of all the points on the Laser curve

① 將所有點的三維坐標求出，設(shè)得到的點的總數(shù)為m．

② 求出所有點的X，Y坐標的最小值與最大值分別為xmin，xmax，ymin，ymax．

③ 設(shè)定M值，M的大小由曲線條數(shù)以及得到的數(shù)據(jù)的密集程度確定，通過以下的公式計算出第i個點在圖像中的像素值．

④ 在圖像內(nèi)不是所有點（u，v）都能找到對應(yīng)的點z，因為有許多的空點，一種情況是由于激光平面與障礙物相交時離散化產(chǎn)生，另一種情況是由背景產(chǎn)生．

⑤ 對于圖像中由激光平面與障礙物相交時離散化產(chǎn)生的空點，用空點的n個最鄰近點的Z值插值找出；由背景產(chǎn)生的空點，在圖像中找對應(yīng)點時，從兩邊和上下向圖象中間搜索，將背景標識出來．

用多線探測的方法得到的圖像中的每一點的z＝f（u，v）的u，v通過式（3）得到它與三維空間中的點的x，y是線性關(guān)系，通過式（4）的參數(shù)形式可表達出整個物體表面．

其中C1，C2，x0，y0由式（3）求出．

3 實驗結(jié)果

通過上述算法模型的設(shè)計，以激光線的彎曲程度可以計算出智能車前方是否存在障礙物，障礙物距離智能車的深度信息．仿真實驗中安裝在智能車上圖像采集用的是工業(yè)CCD攝像機和DH-CG300圖像采集卡，相機分辨率為640×480，采集卡每秒鐘采集30幀圖像，激光投射采用的是5mW的氦氖激光器，激光器的擴散角為3～4mrad．

在靜態(tài)情況下對車距進行測量，實驗環(huán)境是前方車輛靜止不動，使用多線激光投射系統(tǒng)對前方靜止的梯形障礙物進行測距，設(shè)定實際距離為1．5 m．將智能車上的激光裝置以45°角傾斜投射到目標障礙物上，如圖7所示．

圖7 多線激光法障礙物探測實驗場地Fig．7 The test site of obstacle detection based on multi-line laser

激光投射的光條呈平行光形狀，光條間隔為1cm，條數(shù)為30．投射的平行激光在目標障礙物上形成多條激光光帶，采用攝像機獲取目標圖像如圖8（a）所示．由于采集到的激光光帶圖像一般為3～5個像素，測距時需要單像素的激光光條，故采用兩步提取算法提取激光光條中心．首先，將包含多線光條的RGB圖像轉(zhuǎn)換到HSV顏色模型（HVE Saturation Value，HSV）如圖8（b）所示，得到激光光條圖像，根據(jù)閾值法與重心法相結(jié)合處理算法，最終分割后提取光條中心如圖8（c）所示．最后對相機標定求取的相機的參數(shù)以及依據(jù)數(shù)學(xué)模型恢復(fù)出梯形障礙物表面的空間三維信息如圖8（d）．

為了驗證算法的可行性及精度，對同一障礙物進行了移動，在距離智能車3個不同位置1m，3m，6m使用張正友標定算法計算出相機參數(shù)，用文中的算法進行測量，測定得到了距離值見表1．

圖8 多線激光法處理結(jié)果Fig．8 The processing results of multi line laser method

表1 三組實驗數(shù)據(jù)Tab．1 Three sets of experimental data

通過對表1中數(shù)據(jù)的比較與分析，可以發(fā)現(xiàn)距離越遠，誤差相對較大．主要是系統(tǒng)本身的誤差，攝像頭的精度不夠以及標定的不準確等．

4 結(jié) 論

文中提出一種多線激光投射的障礙物探測方案．通過建立數(shù)學(xué)模型，對攝像機進行動態(tài)標定，根據(jù)兩步法獲取障礙物表面的光條中心像素坐標，恢復(fù)出障礙物表面的三維信息，探測出障礙物距離智能車的距離．通過實驗驗證，本方案能夠成功的探測到智能車前方的障礙物，并獲得精確的距離信息．由于圖像的邊界，或者是物體與背景的連接處，也會造成激光光條的斷開；如果激光面的一部分落在背景處，而背景離相機較遠時，激光就會因亮度小因而在圖像中消失；物體間的互相遮擋也可能引起激光光條的不連續(xù)，從而造成探測誤差．

［1］ 楊鎮(zhèn)宇，黃席樾，沈志熙，等．一種新的智能車輛前方障礙物識別方法研究［J］．計算機應(yīng)用與軟件，2010，27（7）：17．YANG Zhen-yu，HUANG Xi-yue，SHEN Zhi-xi，et al．On New Intelligent Approach to Recognizing Obstacle Ahead Vehicles［J］．Computer Applications and Software，2010，27（7）：17．（in Chinese）

［2］ 孫涵，任明武，唐振民，等．基于機器視覺的智能車輛導(dǎo)航綜述［J］．公路交通科技，2005，22（5）：132．SUN Han，REN Ming-wu，TANG Zhen-min，et al．A Survey of Machine Vision Based Intelligent Vehicle Navigation［J］．Journal of Highway and Transportation Research and Development，2005，22（5）：132．（in Chinese）

［3］ 張鳳靜，周建江，夏偉杰．基于雙目立體視覺的汽車安全車距測量方法［J］．智能系統(tǒng)學(xué)報，2011，6（1）：79．ZHANG Feng-jing，ZHOU Jian-jiang，XIA Wei-jie．Research on Vehicle Security Spacing Measurements Based on Binocular Stereovision［J］．CAAI Transactions on Intelligent Systems，2011，6（1）：79．（in Chinese）

［4］ 譚寶成，牟云霞，程智遠，等．全自主移動機器人視覺系統(tǒng)圖像分割方法研究［J］．西安工業(yè)大學(xué)學(xué)報，2007，27（5）：471．TAN Bao-cheng，MOU Yun-xia，CHENG Zhi-yuan，et al．Research on Image Segmentation on Vision System of Autonomous Mobile Robot ［J］．Journal of Xi’an Technological University，2007，27（5）：471．（in Chinese）

［5］ 胡凌山．移動機器人雙目立體視覺技術(shù)研究［D］．哈爾濱：哈爾濱工程大學(xué)，2005．HU Ling-shan．Research on Mobile Robot Binocular Stereo Vision［D］．Harbin：Harbin Engineering University，2005．（in Chinese）

［6］ 趙一兵，王榮本，李琳輝，等．基于激光雷達的無人駕駛車前方障礙物檢測［J］．交通與計算機，2007，25（2）：9．ZHAO Yi-bing WANG Rong-ben LI Lin-hui，et al．Unmanned Ground Vehicles Obstacle Detection Based on Laser Sensor［J］．Traffic and Computer，2007，25（2）：9．（in Chinese）

［7］ 肖雪，秦貴和，陳筠翰．基于光流的自主移動機器人避障系統(tǒng)［J］．計算機工程，2013，39（10）：305．XIAO Xue，QIN Gui-he，CHEN Yun-han．Autonomous Mobile Robot Obstacle Avoidance System Based on Optical Flow［J］．Computer Engineering，2013，39（10）：305．（in Chinese）

［8］ STEYX B，LAURGEAU C，SAIESSE L，Set al．Fade a Vehicle Detection and Tracking System Featuring Monocular Color Vision and Data Fusion．［J］．Symposium on Intelligent Vehicle，2002，9（8）：845．