基于圖像處理技術的道路障礙物檢測

?

基于圖像處理技術的道路障礙物檢測

車輛障礙物檢測技術可以有效降低乘員遭受意外傷害的可能，因而成為現代汽車工業廣泛研究的對象。由于道路坑洞和減速帶是道路上的主要障礙，因而目前的障礙物檢測方法主要集中于對這兩者的檢測。目前，利用視差圖和復合映射算法并基于立體視覺的障礙物檢測方法是一種常用的方法，但其計算復雜、成本較高。為克服這些缺點，提出了一種使用單目紅外相機的簡單、低成本圖像處理方法。該方法通過使用單目紅外相機，在白天可以提供彩色圖像，而當光線減弱時，自動切換到夜間模式，利用紅外光提供高質量的灰度圖像。此外，還介紹了一種新方法來補償陰影帶來的影響，防止檢測誤報，并基于因特爾開發的開源計算機視覺庫。

首先說明了超聲波傳感器、激光測距儀、雷達等視覺傳感器的優缺點，確定了借助單目紅外相機捕獲路面圖像，其安裝位置如圖1所示，覆蓋范圍20～30m。

之后對獲取的圖像進行預處理，預處理包括將視頻流轉化為圖像幀序列，并建立幀序列索引。單個圖像幀被轉化為灰度圖像。采用了基于圖像幀中邊緣信息確定障礙物的算法。因此，為保證較高的效率，利用高斯濾波器消除圖像噪聲。預處理后，對圖像幀中預設興趣區域的邊緣信息進行分析，分析圖像幀中的急劇轉變點，這些急劇的轉變就是由道路障礙物引起的，然后獲得道路障礙物邊緣輪廓的映射點。將陰影檢測和補償算法同樣嵌入到執行器中，可以獲得更高的效率。文中給出了上述算法的流程圖，并對流程圖中的各種圖像處理技術做了詳細說明。試驗結果表明，單目紅外相機內置紅外LED光源可保證相機在夜間可以捕獲前方40m的道路圖像。該算法使用的圖像處理技術在白天和夜晚相匹配的參數不同，且利用照明條件反饋信息，實現白天、夜晚模式的自動切換。試驗結果顯示，在不同類型路面上該算法的效率不同。在公路上，主要的障礙物是車輛和陰影，對光照條件極度不好的陰影區域檢測出現了錯誤。在泥濘路面上，由于缺少急劇轉變點邊緣，因此系統無法對道路障礙物做出檢測。而夜間特定區域障礙物的光照過強，會掩蓋障礙物的存在，使得夜間檢測效率較低（白天平均為92%，夜晚平均為81%）。

文中指出，利用云儲存技術，建立不同路面道路坑洞和減速帶的信息數據庫，并將這些信息標識在導航地圖中，可對道路水平進行評價，并使導航系統確定出到達目的地最快、最安全的路線。

Ramsundar K Ganesan et al. SAE 2015-26-0006.

編譯：王祥