為解決智能車在路口的高精度實(shí)時定位問題,基于單目視覺,提出一種路口實(shí)時定位方法。對需要定位的路口進(jìn)行編號并建立路口場景特征庫,采用路口場景識別的方法進(jìn)行路口粗定位,通過路口圖像中的停止線檢測與測距以及車道線檢測計(jì)算車輛航向角和偏移距離,綜合距離、航向角和偏移距離進(jìn)行位置坐標(biāo)計(jì)算。在真實(shí)道路環(huán)境的路口測試結(jié)果表明,提出的定位方法具有精度高、實(shí)時性好、魯棒性強(qiáng)的優(yōu)點(diǎn),適合于智能車路口視覺導(dǎo)航。 

【文章來源】：計(jì)算機(jī)工程. 2017,43(09)北大核心

【文章頁數(shù)】：12 頁

【部分圖文】：

路口定位算法流程

持高斯核與近似高斯核的一致性。w=Lxy(1．2)FDyy(9)FLyy(1．2)FDxy(9)F=0．912≈0．9(3)其中，xF是Frobenius范數(shù)。與SIFT特征類似，在特征點(diǎn)周圍取一個正方形框，將該框分為16個子區(qū)域，每個子區(qū)域統(tǒng)計(jì)25個像素的水平方向和垂直方向的Haar小波特征。該Haar小波特征為水平方向值之和、水平方向絕對值之和、垂直方向之和、垂直方向絕對值之和。這樣每個小區(qū)域就有4個值，所以每個特征點(diǎn)就是16×4=64維的向量，相比SIFT少了一半，這將加快匹配速度。3)路口場景特征庫構(gòu)建如圖2所示，路口場景特征庫包含了所有測試路口的場景圖像特征信息、路口編號信息以及路口屬性信息。從圖中還可知路口場景特征庫內(nèi)部是一個多對多的結(jié)構(gòu)，每個路口一個編號，對應(yīng)一個路口屬性，同時對應(yīng)許多的路口場景圖片以及其SUＲF特征。路口屬性是可擴(kuò)展的結(jié)構(gòu)，可以對路口進(jìn)行描述，有利于高精度定位。場景圖像進(jìn)行SUＲF特征提取之后可以得到每一幀圖像的SUＲF特征向量，將其保存用于在線的圖像特征匹配，這樣就可以加快匹配速度。而路口場景圖片僅用于路口場景識別結(jié)果的顯示，在實(shí)際應(yīng)用中為了減小路口場景特征庫的存儲空間可以不保存圖片而僅保存每幀路口場景圖像的SUＲF特征以及路口編號、屬性等信息。圖2路口場景特征庫2．1．2基于SUＲF的快速路口場景識別從算法流程圖中可知，路口場景識別與路口場景特征庫建立的過程基本上相同，都需要對圖像進(jìn)行SUFT特征提取生成特征向量。路口場景識別是一個在線特征提取的過程，提取當(dāng)前幀圖像的SUＲF特征，生成特征向量，與路口場景特征庫中的特征向量進(jìn)行相似度計(jì)算，本文采用的是最簡單的歐式距離來衡量其相似度，計(jì)算公式如下:ΔD=dis(vi，vj)=∑

IPM的高精度實(shí)時定位。從圖1的算法流程圖中可以看到基于IPM的高精度實(shí)時定位由4個部分核心內(nèi)容組成:1)對單目攝像機(jī)采集的路口圖像進(jìn)行逆透視映射，得到與世界路面坐標(biāo)系一致的逆透視圖像;2)在逆透視圖像上進(jìn)行停止線檢測，并計(jì)算智能車?yán)锿Ｖ咕�的距離;3)車道線檢測，提取當(dāng)前車道的左右車道線，計(jì)算智能車橫向偏離距離以及其航向角;4)根據(jù)縱向距離、橫向距離以及航向角等結(jié)果，利用幾何關(guān)系計(jì)算智能車在世界坐標(biāo)系下的精確位置坐標(biāo)。2．2．1逆透視映射IPM是指將透視圖像通過變換矩陣轉(zhuǎn)成逆透視圖像的一個過程，如圖3所示。圖3逆透視映射過程將透視圖像轉(zhuǎn)換成逆透視時需要一個轉(zhuǎn)換矩陣，即單應(yīng)性矩陣，習(xí)慣用H表示單應(yīng)性矩陣，H是一個3×3的矩陣。H=x11x12x13x21x22x23x31x321(7)假設(shè)透視圖像坐標(biāo)系中某個點(diǎn)表示為Q(x，y，1)，通過逆透視映射將點(diǎn)Q映射到逆透視圖像中為點(diǎn)P(X，Y，1)，那么可以定義矩陣:Q～=[xy1]T(8)P～=[XY1]T(9)逆透視映射公式為:P～=HQ～(10)即:XY1=x11x12x13x21x22x23x31x321·xy1(11)根據(jù)式(11)可得H的求解公式為:H=x11x12x13x21x22x23x31x321=XY1·xy1－1(12)根據(jù)式(12)可知，H矩陣內(nèi)有8個未知數(shù)，求解291

【參考文獻(xiàn)】：
期刊論文
[1]影響無源定位精度的多種誤差原因分析[J]. 李東海.  現(xiàn)代雷達(dá). 2016(05)
[2]一種基于IPM-DVS的車道線檢測算法[J]. 鄭永榮,袁家政,劉宏哲.  北京聯(lián)合大學(xué)學(xué)報(自然科學(xué)版). 2015(02)
[3]一種改進(jìn)的圖像場景識別算法[J]. 申龍斌,李臻,魏志強(qiáng),劉昊.  中國海洋大學(xué)學(xué)報(自然科學(xué)版). 2015(04)
[4]基于擴(kuò)展卡爾曼濾波器的車道線檢測算法[J]. 彭紅,肖進(jìn)勝,程顯,李必軍,宋曉.  光電子·激光. 2015(03)
[5]無人駕駛汽車社會效益與影響分析[J]. 潘建亮.  汽車工業(yè)研究. 2014(05)
[6]無人駕駛汽車的發(fā)展現(xiàn)狀和展望[J]. 楊帆.  上海汽車. 2014(03)
[7]高精度高魯棒性的軌道機(jī)器人全局定位方法[J]. 唐恒博,陳衛(wèi)東,王景川,劉帥,李國波,趙洪丹.  機(jī)器人. 2013(05)
[8]基于方向邊緣匹配的人行橫道與停止線檢測[J]. 謝錦,蔡自興,李昭,尤作.  計(jì)算機(jī)工程. 2013(06)
[9]用于行星探測車定位的視覺測程新方法[J]. 邸凱昌,萬文輝,劉召芹.  遙感學(xué)報. 2013(01)
[10]綜合結(jié)構(gòu)和紋理特征的場景識別[J]. 周莉,胡德文,周宗潭.  中國科學(xué):信息科學(xué). 2012(06)

博士論文
[1]高精度實(shí)時視覺定位的關(guān)鍵技術(shù)研究[D]. 盧維.浙江大學(xué) 2015

碩士論文
[1]無人駕駛車GPS自主導(dǎo)航系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 郭俊杰.長安大學(xué) 2014
[2]基于圖的無人駕駛車即時定位與地圖構(gòu)建[D]. 祝天健.大連理工大學(xué) 2013



本文編號：3013282