【摘要】：基于雙目視覺的車輛三維環(huán)境重建是車輛視覺環(huán)境感知系統(tǒng)中的重要組成部分。該方法通過三維重建技術能給智能車輛提供精準的三維局部區(qū)域地圖,方便智能車輛的決策控制系統(tǒng)對車輛當前的行駛環(huán)境進行決策控制。該方法有利于提高道路的交通安全水平以及改善道路的交通堵塞情況。因此近年來,面向智能汽車的三維重建技術研究得到了國內(nèi)外研究學者的普遍重視,并且已經(jīng)成為車輛視覺環(huán)境感知領域的研究熱點。可見,開展基于雙目視覺的車輛三維環(huán)境重建方法研究具有非常重要的意義。本文針對雙目視覺的車輛三維環(huán)境重建方法展開研究,采用了一種自定義的特征提取與描述算法和特征點環(huán)形匹配算法,設計了一種基于雙目視覺的車輛三維環(huán)境重建系統(tǒng),實現(xiàn)了車輛周圍環(huán)境感知以及車輛在環(huán)境中運動位置的定位,并且通過實驗驗證了重建結(jié)果的實時性以及精確性。此外,還提出了一種可以重構出車輛四周環(huán)境的基于多相機的車輛環(huán)境三維重建和運動估計方法。本文的研究工作主要包括:1.本文概述了基于雙目視覺的車輛三維環(huán)境重建的研究背景和意義、智能車輛視覺感知的國內(nèi)外研究現(xiàn)狀、雙目視覺三維重建算法的研究進展以及雙目SLAM算法的發(fā)展與研究現(xiàn)狀。2.本文利用張正友標定法通過實驗對雙目相機進行了標定,并對實驗中應用到的雙目立體視覺的基本理論進行了分析與實現(xiàn)。3.針對傳統(tǒng)的雙目視覺三維重建方法步驟繁瑣、計算量大、實時性受限等問題,本文根據(jù)一般道路環(huán)境下車輛環(huán)境感知的實際需求,采用了一種自定義的特征提取算法,該算法與其他算法相比步驟簡單,計算量較小,并且提取的圖像特征信息較豐富。既保證了一般道路環(huán)境下車輛環(huán)境感知的實時性需求,又保證了充分的圖像特征信息。4.針對傳統(tǒng)的特征點匹配算法誤差大并且耗時長,本文采用了將特征點的前后匹配與立體匹配相結(jié)合的特征點環(huán)形匹配算法,再通過隨機抽樣一致性(RANSAC)算法剔除誤匹配對,同時對其他參數(shù)進行了進一步地優(yōu)化。保證該算法在具備匹配精度的同時還能得到精準的相機運動估計。5.基于本文研究的自定義特征點提取算法及特征點環(huán)形匹配算法,本文采用KITTI的車輛行駛環(huán)境數(shù)據(jù)集,在搭建的基于雙目視覺的車輛環(huán)境三維重建方法研究的仿真實驗平臺上,進行了各個部分的實驗驗證,并且最終實現(xiàn)了雙目視覺的車輛環(huán)境三維重建的點云生成圖。通過最終的實驗數(shù)據(jù)表明了相關算法的可靠性和實時性,從而為基于雙目視覺的智能汽車可視化輔助駕駛系統(tǒng)的設計應用奠定了良好的基礎。6.針對雙目相機只能監(jiān)測到車輛前方的場景,即只能重建出車輛前方的環(huán)境,本文提出了一種可以重構出車輛四周環(huán)境的基于多相機的車輛環(huán)境三維重建和運動估計方法。
【圖文】：

圖 3.5 圖像前后匹配結(jié)果由于采用普通的立體匹配和前后匹配算法耗時長，并且存在匹配誤差，因此考慮采用將前后匹配與立體匹配結(jié)合的環(huán)形匹配算法來對左右相機拍攝的前刻的總共 4 張圖像進行特征點匹配，，并對匹配的特征點進行驗證。特征點環(huán)配算法如圖 3.6 所示：

電大學碩士學位論文 第 5 章 雙目立體視覺系統(tǒng)的設件平臺雙目視覺的車輛三維環(huán)境重建方法研究系統(tǒng)的硬件平臺，主要裝的智能車輛上模擬人類的人眼將雙目相機安裝在車輛的前方。的智能車輛，圖 5.2 為本實驗用于采集圖像的 Basler acA2500-6實物圖，表 5.1 列出了 Basler acA2500-60uc USB 3.0 相機的主要參
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;U463.6

【參考文獻】

相關期刊論文 前3條

1 李濤濤;何宇;;最小二乘法在張正友標定法中的應用[J];信息與電腦(理論版);2015年23期

2 孫振平,安向京,賀漢根;CITAVT-IV——視覺導航的自主車[J];機器人;2002年02期

3 徐友春,王榮本,李兵,李斌;世界智能車輛近況綜述[J];汽車工程;2001年05期

相關博士學位論文 前3條

1 盧維;高精度實時視覺定位的關鍵技術研究[D];浙江大學;2015年

2 馮明馳;光纖位置視覺測量的優(yōu)化方法研究[D];中國科學技術大學;2014年

3 沈志熙;基于視覺導航的智能車輛在城區(qū)復雜場景中的目標檢測技術研究[D];重慶大學;2008年

相關碩士學位論文 前5條

1 謝曉佳;基于點線綜合特征的雙目視覺SLAM方法[D];浙江大學;2017年

2 周金龍;基于雙目立體視覺的三維重建研究[D];揚州大學;2015年

3 孫維毅;基于雙目立體視覺的自主資源勘探車輛環(huán)境識別技術研究[D];吉林大學;2014年

4 鄒博維;基于多傳感器的車輛局部交通環(huán)境感知[D];吉林大學;2013年

5 王玉金;智能車輛視覺感知中的目標檢測方法研究[D];南京航空航天大學;2013年

本文編號：2670982