針對(duì)智能汽車避障問題,提出了一種相機(jī)自身運(yùn)動(dòng)情況下,基于雙目立體視覺和擴(kuò)展卡爾曼濾波器(EKF)的運(yùn)動(dòng)估計(jì)方法.檢測(cè)階段,借助立體視覺的三維重建能力依據(jù)目標(biāo)位置分割目標(biāo)獲得感興趣區(qū)域(ROI).跟蹤階段,通過光流法跟蹤ROI內(nèi)的邊緣點(diǎn),建立EKF預(yù)測(cè)與測(cè)量模型將自車運(yùn)動(dòng)、光流及視差融合在一起,更新獲得優(yōu)化的目標(biāo)位置和速度信息.該方法針對(duì)自車運(yùn)動(dòng)平臺(tái),建立自車和目標(biāo)相對(duì)運(yùn)動(dòng)模型,采用邊緣點(diǎn)跟蹤約束和隨機(jī)采樣一致性算法(RANSAC)剔除不可靠的跟蹤點(diǎn).以KITTI公共數(shù)據(jù)集提供的交通場(chǎng)景為測(cè)試對(duì)象,驗(yàn)證了方法的有效性.

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 方法總體框架
2 基于位置的目標(biāo)檢測(cè)
3 跟蹤與運(yùn)動(dòng)估計(jì)
    3.1 自車與目標(biāo)的相對(duì)運(yùn)動(dòng)模型
    3.2 卡爾曼濾波器的設(shè)計(jì)
        3.2.1 狀態(tài)方程
        3.2.2 測(cè)量方程
        3.2.3 估計(jì)和更新
    3.3 特征點(diǎn)選取
4 實(shí)驗(yàn)與分析
    4.1 目標(biāo)檢測(cè)結(jié)果
    4.2 特征點(diǎn)篩選結(jié)果
    4.3 運(yùn)動(dòng)估計(jì)結(jié)果
    4.4 算法評(píng)估及比較
    4.5 實(shí)驗(yàn)結(jié)果分析
5 結(jié)論



本文編號(hào)：3796806