[发明专利]一种基于视觉的非结构化道路的居中行驶方法

说明书

本发明公开了一种基于视觉的非结构化道路的居中行驶方法，通过基于车载摄像头拍摄图片进行图像处理，利用神经网络预测出的透视变换矩阵，能够适用于非平整路面，并且使得变换后的道路轮廓可用圆弧或者直线进行拟合，鸟瞰图变换提取出道路轮廓后，将道路边缘的点转化成激光数据发布出去以建设虚拟墙，最后在道路两边的虚拟墙中间设置若干个轨迹点作为推荐点以使无人车在道路中间行驶。本发明能够不需要额外的成本生产额外辅助的硬件设备，能够适用于非结构化路面，使用更加的方便、灵活、快捷。

技术领域

本发明属于自动驾驶领域，具体涉及一种基于视觉的非结构化道路的居中行驶方法。

背景技术

无人车在道路行驶中，由于非结构化路面边缘没有车道线和清晰的道路边界，例如：乡村道路、山区道路、城市非主干道等，一般也没有路肩石，或者路肩石很矮，而车载激光一般放在车顶或者车中间，2D激光就会有一些视野盲区，看不见高度低于它所在位置的地方，无法探测到道路边缘障碍或者误差较大，容易产生安全隐患。

路面检测常用于无人驾驶领域，路面检测在自动驾驶中是不可或缺的一部分，例如，提取基本道路元素和车道以供导航规划。只有检测出了可行驶区域，无人车才能正常行驶。非结构化道路的居中行驶能够保证无人车的安全，由于道路情况复杂多变，在道路边缘设置虚拟墙并让无人车沿着道路中间的推荐点行驶是很有必要的。虚拟墙是一堵假墙，对于移动设备却可以达到物理墙的效果，可以阻挡移动设备穿过此处，一般用于安全考虑不允许机器人进入某些位置，扫地机或移动机器人的设置的虚拟墙经常采用硬件来实现，如红外墙或磁性条等。目前的方法多是基于使用额外的辅助设备，利用机器视觉或者手工在地图上描绘设置虚拟墙。把道路边缘设置成虚拟墙，能够防止无人车进入非行驶区域，让无人车行驶更加安全。道路的居中行驶同样也是为了保障行车安全，在非结构化道路中，道路情况复杂多变，可能会出现各种不安全的情况，道路居中行驶能够给无人车足够多的时间来应对突发情况。

然而，相关技术采用鸟瞰图变换建立虚拟墙，步骤繁琐并且不具有鲁棒性，一方面，如果摄像头发生晃动或者位置移动，先前计算的透视变换矩阵就不再适用；另一方面，即使摄像头没有发生位置偏差，路面不平整都会造成变换的不准问题。另外，现有虚拟墙的建立有的需要额外的成本生产辅助硬件设备，而且在机器人和虚拟墙上需安装相关的感应装置，而且在设置新的虚拟墙需要重新移动硬件设备进行生成，有的需要进行人手工在地图上进行绘制，当在新的地图上又需要重新进行绘制，不够方便灵活，步骤较为繁琐，不够智能化。常用道路居中行驶路线推荐的方法有通过构造广义的Vornoni图，需要采用扩展障碍物边界的方法，该方法复杂度较高，不易实现，也有的方法是遍历可行驶区域，发射方向相反的光线，如果光线碰到障碍物的距离相等，则该点为道路中线上的点，但是该方法在部分非结构化路面，如没有路肩石的路面，光线碰不到障碍物，则无法形成道路中线推荐点。

发明内容

为了解决现有技术中的问题，本发明提出一种基于视觉的非结构化道路的居中行驶方法，不需要额外的辅助设备，无人车实时根据拍摄图片自动建立虚拟墙，具有良好的鲁棒性，可移植性，准确性，能够适用于非结构化路面，使用更加地方便、灵活和快捷。

为了实现以上目的，本发明提供了一种基于视觉的非结构化道路的居中行驶方法，包括以下步骤：

1)可行驶区域检测：对车载摄像头获得的图片利用深度学习进行可行驶区域检测，得到道路图片，并检测出可行驶区域和非可行驶区域，二者交界则为道路边缘；

2)道路轮廓提取：

2.1)二值化图像处理：对可行驶区域检测得到的道路图片进行二值化处理，得到二值化图；

2.2)鸟瞰图变换：首先对变换矩阵H的系数进行如下约束：

然后构建神经网络，学习得到变换矩阵H；

最后利用变换矩阵H将二值化图转换为鸟瞰图；