基于雙目攝像頭的路面障礙物檢測與研究

顧晨晨，王震洲

（河北科技大學 信息科學與工程學院，河北 石家莊 050018）

圖像處理在輔助駕駛當中運用非常廣泛，國內外對障礙物檢測也有廣泛的研究。對障礙物的檢測也分為多種，大致分為基于顏色的、基于光流的、基于運動補償的障礙物檢測。各種檢測方法都存在著一定的優缺點。本設計采用的是雙目攝像頭組建立體視覺系統，并采集路面信息。通過Huogh變換檢測出可行區域，并建立統計模型。利用圖像熵對障礙物檢測，再利用Kalman濾波對目標障礙物進行跟蹤檢測。

1 圖像的獲取與處理

本設計采用兩個CCD攝像頭對道路圖像進行拍攝，可以建立立體系統。并利用Matlab對CCD的圖像進行灰度化、圖片均衡化、圖像濾波、圖像二值化、圖像邊緣化的處理[1-3]。灰度化是把彩色圖像轉化成灰度的，方便以后的檢測。然后對圖像進行均衡化，即通過非線性的拉伸，把直方圖的分布變成均勻分布。圖像濾波，對圖像去噪，可以較好地保留圖像的細節。對圖像進行二值化將圖像上的像素點的灰度值設為0或1，更便于提取有用信息。對圖像進行邊緣化，可以分割或者提取圖像的重要特征。

通過這些處理可以得到更精準的路面圖像信息，為后續工作做好準備。

2 通過Hough變換對車道線檢測

Hough變換可以把二維坐標映射到極坐標，Hough變換中原圖的點就會在參數空間形成線，從而得到車道線的參數。這是車道線檢測常用的方法。本文中采用Hough變換算法對車道線進行檢測。基本原理為：圖像里的直線先用二維坐標一般方程表示，通過坐標變換轉換為極坐標，通過統計得到峰值，在極坐標中可以找到中點集的峰值去檢測出車道線。這樣可以檢測出汽車的可行區域，縮小障礙物的檢測范圍。

3 路面障礙物檢測

3.1 坐標系轉換

根據車道線的檢測獲取感興區域，根據感興區域進行邊緣檢測，可以加強障礙物的區域特征，通過圖像熵來判斷是否有路面障礙物。

雙目立體系統中兩個攝像頭與被測物體可以構成三角形，兩個攝像頭平行放置，通過兩個攝像頭的拍攝可以體現出兩張位置不同的圖像。再通過視差就可以恢復障礙物的三維信息。

利用雙目對圖像進行采集，需要把場景轉化為投影。這個過程需要對所收集到的圖像進行坐標變換及對圖像信息從世界坐標系變換到圖像坐標系中。世界坐標系是用來表示檢測的物體與攝像頭的坐標。相機坐標系是由攝像頭的光孔為原點建立坐標系。圖像坐標系可以用物理坐標和像素坐標表示，便于后續對障礙物的檢測。坐標轉換的過程如圖1所示。

圖1 坐標轉換過程

3.2 對感興趣區域邊緣檢測

路面障礙物存在著水平和豎直的特征，可以選取檢測到圖像的豎直和水平信息，豎直和水平信息都存在時，說明這里正是障礙物的位置。并對圖像進行腐蝕處理，可以消除干擾區域，對圖像進行膨脹處理，可以放大有用的區域。

3.3 對圖像進行熵值計算

用圖像熵可以對圖像的平均信息量進行描述。熵值較小，說明包含的信息量小，路面灰度相對均勻，表示沒有障礙物；如果熵值相對較大，則說明路面信息豐富，進一步表示有障礙物[4-6]。

通過多次實驗之后可以得到熵值，檢測到的圖像熵值計算公式為：

其中i表示圖像中的每一個點，Pi表示在該點處的概率。并且可以比較多組數據，計算出閾值T。求出圖像中每個區域的熵值。當Hj大于T時，說明有障礙物；當Hj小于或等于T時，沒有障礙物[7-8]。

3.4 障礙物的鑒定

本文提出了用Kalman濾波與熵值共同對障礙物進行判定。Kalman濾波適合估計動態系統。是運用的數學遞歸，可以很好地去實現線性濾波的方法。Kalman濾波方便在計算機上進行編程實現。用于障礙物的檢測當中可以提高實時性。

可以用線性方程表示Kalman濾波，即：

系統的測量值方程為：

其中：X（k）是k時刻的系統狀體方程，U（k）是k時刻對系統的控制量。A和B是系統參數，在多模型系統中，這兩個參數是矩陣。W（k）是過程的噪聲，V（k）是測量時的噪聲。可以用高斯白噪聲對其進行假設。

用Kalman建立的數學模型為：

（1）從上一次的系統狀態對下一次進行預測：

（2）Kalman協方差的方程為：

其中X（k|k－1）為上一狀態預測結果，X（k－1|k－1）為上一狀態最優結果。U（k）是現在狀態的控制量。第二個方程是第一個方程對應的協方差。

（3）通過上述的方程可以得到現狀態的最優化估計值，方程為：

（4）K代表現狀態，X（k|k）是最優化估計值。Kg是Kalman增益。

Kalman增益方程為：

通過上面的公式可以求出最好的估計值，接下來更新K狀態時的協方差。

更新K狀態的公式為：

公式當中前兩個是對時間的更新，后3個是對狀態的更新。Kalman濾波很容易通過計算機進行遞歸的編程。

用Kalman方程可以對目標進行最優化的跟蹤，結合上述檢測，可以實時對障礙物進行檢測。

4 結語

基于雙目攝像頭的路面障礙物檢測，利用了兩個CCD攝像頭成像，再通過圖像處理，將世界坐標轉化為圖像坐標，然后通過Hough變換檢測出車道線。在可行域內進行熵值的計算檢測出障礙物，利用Kalman進行目標跟蹤。通過雙目攝像頭拍攝圖片可以拍攝出一個點的兩個坐標，結合兩幅圖片的同一個位置可以很好地判定是否為障礙物，從而對障礙物進行實時檢測與跟蹤。用此方法可以更精確、實時地檢測出障礙物目標。