[发明专利]道路对象检测方法和系统

说明书

技术领域

本发明涉及一种道路对象检测方法和系统，尤其是涉及一种用于车辆中的道路检测方法和系统。

背景技术

随着城市化的发展和汽车的普及，交通运输问题日益严重。近年来，车辆增长的速度也已远远高于道路和其他交通设施的增长速度，交通事故频繁、人员伤亡与日俱增、财产损失巨大这都要求车辆不仅要具有良好的安全性而且要具备一定的智能性，随之智能车辆(Intelligent Vehicle)的概念应运而生。与此同时，人们正在研究一种以实现无人、全自动和安全驾驶为最终目标的智能车辆。

为了实现上述功能，现有技术中提出了一种基于路面的视差图进行聚类以便检测与驾驶者的车辆临近的对象(例如人员或其他车辆)，并对驾驶者发出警告或自动调节车辆的运动状态。这种方法假设在3维空间中同一对象区域内的点是相邻近的，并根据距离对邻近点聚类，并且是在整个视差图上聚类。但是由于该方法是在整个视差图上进行聚类，并且一秒内才能得到两帧结果，很耗时间，也降低了车辆处置突发情况的效率，并具有很强的实用性。另一种现有技术是BMW研发中心所提供了一种车辆检测和识别系统(在VISIGRAPH 2010发表)。其基于立体视觉进行车辆检测，首先通过mean-shift聚类同平面的分块来检测车辆，其次用U-V视图方法生成覆盖不同车辆的车辆假设。BMW研发中心的方法处理速度是平均每秒处理2.5帧(在3.2GHz，1GB RAM台式机，debug环境下)。此方法使用了mean-shift聚类方法来分割图像，用u-V视差方法来找到对象，因此，BMW研发中心的方法也是很耗时间。

美国专利US7729512B2披露了一种用于检测移动对象的立体图像处理方法。该方法将一个与周围亮度不同且亮度大于一个阈值的点被称作特征点，若特征点的视差超过在视差分布的阈值，则将该点被归类为内部移动对象特征点。尽管该发发采用聚类方法，但是该方法所用的亮度方法对于对象检测不可靠，因为具有与周围环境相同亮度的移动对象不能被检测到。而且尤其在对象和相邻路边树有相同视差的情况下，该方法不能检测到与路边树具有相同视差的对象。

因此，人们需要提出一种能够快速而准确检测路面对象的方法和系统，以便能够更有效地实现车辆的辅助驾驶并在撞车前发出预警以提高驾驶安全性。

发明内容

为了提供一种能够快速而准确检测路面对象的方法和系统，本发明申请人提出了一种基于路面场景的视差和V-视差图来检测路面对象的方法和系统。

具体而言，就是利用双目视觉目标识别技术，来进行车辆前方障碍物的自动识别。为此，引入一种称为V-视差的算法。V-视差简化了将障碍物与道路表面区分开的处理。在V-视差图中，V对应于视差图的图像坐标系统中的垂直坐标。在“V-视差”域中，道路表面平面的纵向断面可以被描述为分段线性曲线，而在垂直平面中的障碍物将被投射为垂直线。因此，在3D视差图中道路表面和障碍物的提取将被简化为V-视差图中2D线性提取。因此这种算法可以识别前方具有面特征的障碍物，比如行人、车辆、墙壁等等。而且，这种算法对于光照、阴影等干扰不敏感，适用于城市复杂背景下智能车辆的障碍物识别。具体来讲，基于双目的V-视差识别过程主要包括三个部分的内容：创建V-视差图、提取道路、从V-视差图中提取代表路面对象的竖线。

为此，根据本发明的一个方面，提供了一种对象检测方法，包括：采用两台深度照相机同时拍摄同一场景的深度图，并基于所拍摄的深度图计算该场景的视差图；基于所获得的视差图，采用V-视差算法，获得所述场景的V-视差图；在V-视差图探测中与道路对应的斜线并将视差图中与在V-视差图中所探测到的斜线对应的所有点删除，从而获得不包含道路的子视差图；在V-视差图中检测竖线，并基于所检测的每条竖线，从所述不包含道路的子视差图中提取与所检测到的每条竖线对应的所有点作为对象子视差图；以及将任意两个彼此之间的视差距离小于一预定值且两者之间的重叠区域比率大于一预定阈值的对象子视差图的矩形框合并为一个矩形框对象区域。

根据本发明的对象检测方法，所述在V-视差图探测V-视差图中与道路对应的斜线通过霍夫变换进行。

根据本发明的对象检测方法，所述在V-视差图中检测竖线通过在V-视差图中寻找具有不为0相同灰度值的连续的点而进行。