[发明专利]基于单双目视觉融合的障碍物检测预警系统

说明书

本发明提供一种基于单双目视觉算法融合的障碍物检测预警系统，包括如下步骤实现障碍物检测预警：步骤一、根据输入的左右原图，利用标定好的相机信息进行图像校正，获得行对齐的左右图像对；步骤二、采用基于移动端的半全局立体匹配算法处理左右图像对，通过算法优化，获取左图视差图；步骤三、对校正过后的左图进行单目视觉的障碍物检测，识别图像中的行人以及车辆；步骤四、根据步骤三中检测到的行人以及车辆，结合双目视觉的深度信息，确定障碍物的距离和方位，再根据设定的预警阈值判定是否为安全范围。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于单双目视觉融合的障碍物检测预警系统。

背景技术

双目立体视觉就是模拟人的双眼，用两个相机从不同的角度拍摄左右图，通过立体匹配算法获得视差图，根据视差图和深度图的关系就可以恢复场景中的深度信息。

立体匹配算法是其研究的重点。目前传统的立体匹配算法主要分成三大类：局部匹配算法、全局匹配算法和半全局匹配算法。

局部匹配算法主要通过比较待匹配点一定范围内的局部特性进行匹配。优点是计算速度快，但效果好坏很大程度上取决于是否选择了合适的代价函数以及匹配窗口，对于纹理信息不丰富的区域，如弱纹理区域以及无纹理区域，处理效果不好。

全局匹配算法一般采用扫描线或全局考虑整个待匹配图像信息进行视差求解。虽然全局匹配算法能较好的处理弱纹理、深度不连续区域和遮挡区域。但计算非常耗时，运算量大，不能满足实时性要求。

半全局匹配算法是从不同方向的一维路径进行匹配代价的聚合，然后选择最小代价体，既没有只考虑像素的局部区域，也没有考虑所有的像素点，兼具了全局算法和局部算法的优点。虽然半全局匹配算法能得到了较高的匹配精度，并对光照有很强的鲁棒性。但是，半全局匹配算法仍存在很多缺陷，如边缘信息不突出，对深度不连续的区域效果不好，还会出现视差断裂现象。

道路交通环境下，行人和车辆的检测主要基于单目视觉算法。目前常用的行人车辆检测分类方法可以分为:基于监督学习的方法和基于运动分割的方法。

基于监督学习的方法需要预先对分类器进行训练。提取行人的特征放入分类器进行训练,类似的有Harr特征与Adaboost算法,这类方法的优点在于准确度高、摄像机晃动影响小,但是缺点在于时间复杂度大,而且需要事先进行训练,场景变换后需要重新训练。

基于运动分割的方法要求摄像机固定,对运动的物体进行检测分类。例如，通过帧差法检测运动物体,提取运动物体长宽比作为特征进行分类,然后利用跟踪将目标在每一帧获得的分类结果进行统计,最终输出统计结果的总数。

为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

发明内容

本发明的目的是针对现有技术的不足，从而提供一种基于单双目视觉融合的障碍物检测预警系统，能够结合单双目在交通环境下检测目标的同时，定位目标的位置和理解周围的场景。

为了实现上述目的，本发明所采用的技术方案是：一种基于单双目视觉算法融合的障碍物检测预警系统，包括如下步骤实现障碍物检测预警：

步骤一、根据输入的左右原图，利用标定好的相机信息进行图像校正，获得行对齐的左右图像对；

步骤二、采用基于移动端的半全局立体匹配算法处理左右图像对，通过算法优化，获取左图视差图；

步骤三、对校正过后的左图进行单目视觉的障碍物检测，识别图像中的行人以及车辆；

步骤四、根据步骤三中检测到的行人以及车辆，结合双目视觉的深度信息，确定障碍物的距离和方位，再根据设定的预警阈值判定是否为安全范围。

基于上述，所述步骤二中，利用半全局立体匹配算法进行视差图的获取，首先对输入的左右图分别进行中心对称census变换；