[發(fā)明專利]一種基于視覺的智能車環(huán)境動態(tài)目標檢測的方法

有效

• 申請?zhí)枺?/td>: 202010580747.4
• 申請日: 2020-06-23
• 公開（公告）號: CN111814602B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設計）人: 袁建英;蔣濤;李平;漆軍;周楠;謝昱銳;付克昌
• 申請（專利權）人: 成都信息工程大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/26;G06V10/46
• 代理公司: 北京元本知識產(chǎn)權代理事務所(普通合伙) 11308
• 代理人: 王紅霞

本發(fā)明公開了一種基于視覺的智能車環(huán)境動態(tài)目標檢測的方法，包括：在智能車移動期間，設置在所述智能車上的雙目立體相機通過采集當前的場景圖像，得到當前的雙目視頻序列圖像；從所述雙目視頻序列圖像中選取第t時刻圖像和t?1時刻圖像，并利用所述第t時刻圖像和所述t?1時刻圖像，計算混合光流；根據(jù)所述第t時刻圖像、所述t?1時刻圖像，計算所述雙目立體相機運動背景光流；利用所述混合光流和所述運動背景光流，得到僅由目標運動產(chǎn)生的殘差流；通過對所述殘差流進行處理，得到獨立的運動目標。

技術領域

本發(fā)明涉及運動目標檢測技術領域，特別是涉及一種基于視覺的智能車環(huán)境動態(tài)目標檢測的方法。

背景技術

智能車行駛環(huán)境復雜，具有高動態(tài)性、高隨機性等特點。對環(huán)境內(nèi)動態(tài)目標的精確檢測以及軌跡預測是智能車行為決策與控制的基礎，是確保智能車安全行駛的關鍵，尤其是多車道行駛變道、從高速輔道匯入高速公路等情形時，場景內(nèi)目標的運動信息對智能車決策顯得尤為重要。

當前，智能車對運動目標的感知主要有基于激光雷達的方法和基于視覺的方法。激光雷達能夠獲得場景目標距離本車的精確距離信息，但是受角分辨率限制，對遠距離小目標的探測能力較弱；除此以外，其高昂的價格也成為增加智能車成本的因素之一。相反，視覺傳感器具有成本低廉、體積小，重量輕、信息大、算法復用性好等優(yōu)勢而備受關注。

現(xiàn)有技術的解決方案有如下三種：

(1)背景補償差分法

背景補償差分法的核心思想是將動態(tài)背景問題轉化為靜態(tài)背景問題，如此可直接利用相機靜止條件下(靜態(tài)背景)下各種運動目標檢測方法。將動態(tài)背景問題轉化為靜態(tài)背景問題的關鍵為“背景補償”。當相機運動時，相鄰兩幀圖像的背景將發(fā)生運動，“背景補償”的目的就是計算出背景的運動模型，借助該模型，將當前幀背景反推回運動前，以此得到估計的靜態(tài)背景。計算背景運動參數(shù)首先要建立恰當?shù)撵o止背景運動參數(shù)模型(全局運動)。根據(jù)全局運動參數(shù)模型的不同，可分為基于基礎矩陣的方法、基于單應矩陣的方法、基于仿射變換的方法，以及基于混合幾何模型的方法。

不管是單應約束，基本矩陣約束還是仿射變換約束，都有其特定的適用范圍。單應矩陣僅適合于平面場景、基本矩陣僅能將一幅圖像的像點映射到另一圖像的一條線上、仿射變換僅僅是兩幅圖像的近似約束。因此，背景補償差分法檢測運動目標時存在原理上不可克服的缺陷。

(2)光流特征分類法

光流特征分類法認為背景運動產(chǎn)生的光流與目標運動產(chǎn)生的光流之間存在差異，故而可以根據(jù)這兩類光流的差異性，找出運動目標。比如，蘭紅等認為場景中絕大部分背景的運動狀態(tài)是一致并且是主要的。他們據(jù)此設計了基于光流的動態(tài)目標檢測方法。首先，利用LK光流法得到相鄰兩幅圖像的特征點光流，并同時創(chuàng)建光流長度，角度的狀態(tài)向量。通過建立整幅圖像光流長度、角度的直方圖，去除直方圖中最密集區(qū)域對應的特征點，進而初步去除背景。然后利用中心迭代法去除不屬于目標運動區(qū)域的噪聲特征點；最后，通過前N幀圖像目標特征點的最大交集得到屬于目標的穩(wěn)定特征點并在后續(xù)幀中進行跟蹤。崔智高等認為運動目標內(nèi)部和場景背景的光流值大小和方向趨于一致，僅在目標與背景的邊界處存在較大的差異。利用該性質，他們首先對目標邊界進行定位。然后通過點在多邊形內(nèi)部原理獲得邊界內(nèi)部的稀疏像素點，最后以超像素為節(jié)點，利用混合高斯模型擬合的表觀信息和超像素的時空鄰域關系構建馬爾可夫隨機場模型的能量函數(shù)，并通過使目標函數(shù)能量最小化得到最終的運動目標檢測結果。

基于光流特征分類法的運動目標檢測，其核心點是運動目標產(chǎn)生的光流在整體混合光流中存在可辨識。這在一些特定的場景下是可以實現(xiàn)的，比如智能車向前直行，背景的光流具有固定的特征，此時容易對背景光流特性進行建模；但是在車輛轉彎時，背景光流和轉彎大小、背景物結構都有很大關系，模型很難建立。因此光流特征分類法適應性有限。

(3)背景光流補償差分法