学位论文 > 优秀研究生学位论文题录展示

用于智能车辆自主导航的立体视觉算法研究

作　者: 卢阿丽
导　师: 唐振民
学　校: 南京理工大学
专　业: 模式识别与智能系统
关键词: 自主导航摄像机标定立体匹配动态规划信任度传播图切割自适应免疫遗传算法
分类号: TP391.41
类　型: 博士论文
年　份: 2012年
下　载: 0次
引　用: 1次
阅　读: 论文下载

内容摘要

地面智能车辆是一种智能机器人,它通过配置感知周围环境的传感器,从而能够在道路和野外环境连续自主行驶的。它的发展对国防、科学、社会和经济有重大的影响力,已成为各国高科技的战略研究目标。在智能移动机器人领域,“自主导航”是一个重要的研究方向,而环境感知是实现自主导航的最基本要求。自主导航系统通过三维测量技术感知环境,为移动机器人的安全行驶和决策制定提供必要的地形信息和障碍物信息。目前,三维测量方式主要分为主动测量和被动测量两大类。立体视觉技术通过二维图像重构三维的场景信息,本身不发出光及其它辐射源,是一种被动测量方式。与其它测量方式相比,它具有测量快速、相对准确、隐蔽性强和廉价等优点,另外,立体视觉系统重量轻,能耗低。在过去的十几年中,立体视觉成为计算机视觉和自主导航领域的研究热点,取得了令人瞩目的进展,目前已广泛实践于军事和外空探索领域,并发挥着越来越重要的作用。本文选择双目体视作为面向地面车辆自主导航的环境感知的实现模式,对立体视觉的解决方法和难点进行了深入研究。在现有方法的基础上,提出了一些新的解决方法和改进方案,以提高体视系统的适用性、精度和计算效率等性能。另外,体视系统的硬件组成、参数配置和误差分析也是本文研究的主要内容。具体的研究内容和成果如下：(1)张氏标定法是一种被广泛应用的经典平面模板标定法,为了使该方法的外参标定过程更具灵活性和适应性,提出了一种基于共线方程的四控制点外参标定法。该算法在共线方程模型的基础上推导出投影误差的线性表达式,并引入非线性最小二乘法迭代优化外参,提出了一种加强矩形几何约束的四控制点角锥法,计算出的迭代初值更稳定和准确能使算法收敛更快。所提的标定算法具有较好的精度和执行效率——重投影误差小于0.5个像素,收敛时的迭代次数和执行时间少于10次和少于100ms。与张氏标定法相比,它的世界坐标系可保持不变,具有更强的实用价值。(2)动态规划和扫描线优化是解决立体匹配问题中一维能量函数优化的两种常用方法。作为一种经典的动态规划匹配算法,Pix-to-Pix算法通过加强顺序约束能够高效地检测出较大遮挡,但该方法无法解决无纹理区域误匹配高和行间视差连续性差的问题,本文提出了一种加强垂直一致性约束的基于双向动态规划的匹配算法。首先在垂直方向上聚集了原始代价,构建新的能量函数来惩罚行间的视差不连续点；然后定义了一种视差可靠性准则去除伪视差点,并引用大尺寸的可移动窗口方法填充并滤波视差图。所提算法的匹配精度优于当前的其它相关算法,平均误匹配率比Pix-to-Pix算法约下降了40%,尤其是在视差不连续区域和无纹理区域的匹配精度得到明显提高。(3)扫描线优化匹配算法存在一个典型问题——所获视差图在行间不连续,两级扫描线优化(two pass scanline optimization, TPSO)是一种能够有效解决视差图在行间不连续问题的方法,然而它的计算代价相对较大。本文提出了一种基于TPSO的快速匹配算法,通过引入视差梯度理论,定义了一种弱连续性约束,将相邻像素点的视差差异约束在一定搜索范围内,并将弱连续性约束融入两级扫描线优化中,分别从水平和垂直两个核线方向进行可变视差范围的搜索改进。所提算法的计算量与平滑点的数目呈反比,在减少误匹配发生概率的同时提高了TPSO方法的计算效率。(4)分层信任度传播(hierarchical belief propagation, HBP)算法是BP发展史上一块新的里程碑,它主要采用由粗到精的方式进行消息传输,使信任度传播能够在多项式时间内获得最优解。在HBP算法的基础上,本文提出了一种基于自适应分层信任度传播的高效匹配算法。首先定义了自适应的数据项和平滑项,对平滑约束进行分层调节,然后执行消息的迭代传输,从而降低了歧义区域的匹配不确定性；其次通过检测消息的收敛性来减少由像素收敛不同步产生的冗余计算；最后通过加强匹配的对称性解决了遮挡问题,并提出重建数据项后运用贪婪法迭代优化视差图,引导可靠视差向不可靠视差扩散。所提算法的运行时间不依赖于迭代次数,准确度和计算效率均得到提高。(5)目前,立体匹配研究成果中精度最好的一类是图切割算法。这类算法最大的不足是计算量过于庞大,针对此问题,本文提出了一种加强分割约束基于α扩展的匹配算法。我们首先构建了对噪声鲁棒,保护视差不连续性及遮挡不对称性的能量函数；其次证明了能量函数的图可构造性；然后定义了一种分割约束,将它与距离变换结合,选取出α的候选对应作为有向图的顶点,从而大大减少了α扩展算法的网络规模；最后利用视差分布下降的顺序进行α扩展来减少迭代总数。所提算法在达到收敛时的计算量明显少于目前的其它相关算法,至少下降了2/5,同时获得了更准确的匹配结果和避免了噪声干扰。(6)基于遗传的匹配算法存在解空间庞大、易陷入早熟的缺点,为了解决此问题,本文提出了一种利用二次分割基于自适应免疫遗传的匹配算法。首先分割块内的视差通过线性平面方程建模,利用地面控制点进行迭代插值。然后通过三种方式减少解空间的规模和路径搜索空间的大小,即根据视差的一致性合并颜色分割块,利用邻域平面集代替初始平面集进行解的搜索,在分割级上估计最优平面参数。全局能量函数利用自适应免疫遗传算法优化,在优化过程中,利用免疫操作指导迭代来避免盲目搜索,免疫选择概率与适应度和浓度相关来避免早熟现象。所提算法比最佳个体保留算法的收敛速度约提高了9倍,并且可获得98%的匹配准确性,精度与图切割算法相当,但收敛时间更少。

全文目录

摘要  5-7
Abstract  7-13
1 绪论  13-30
  1.1 引言  13-14
  1.2 地面智能车辆及三维测量技术概况  14-19
    1.2.1 地面智能车辆的研究进展  14-16
    1.2.2 面向自主导航的三维测量技术  16-19
  1.3 立体视觉研究进展  19-27
    1.3.1 三角测量原理  20-21
    1.3.2 摄像机标定  21-23
    1.3.3 立体匹配  23-26
    1.3.4 难点分析  26-27
  1.4 本文的创新点和内容安排  27-30
    1.4.1 主要创新点  27-28
    1.4.2 内容安排  28-30
2 立体视觉系统组成及摄像机标定  30-51
  2.1 引言  30-31
  2.2 立体视觉系统的组成  31-33
    2.2.1 硬件系统配置  31-32
    2.2.2 软件系统流程  32-33
  2.3 基于非线性最小二乘的体视标定法  33-42
    2.3.1 方法思路  33-34
    2.3.2 单摄像机的透视投影  34-36
    2.3.3 张氏单目标定法  36-39
    2.3.4 体视标定法的步骤  39-40
    2.3.5 实验结果及分析  40-42
  2.4 基于共线方程的四控制点外参标定法  42-49
    2.4.1 方法思路  42
    2.4.2 共线方程  42-44
    2.4.3 外参求解的线性表达式  44-45
    2.4.4 四控制点法外参初值求取  45-47
    2.4.5 非线性最小二乘法求解  47
    2.4.6 实验结果及分析  47-49
  2.5 本章小结  49-51
3 基于1D能量最小化的立体匹配算法研究  51-76
  3.1 引言  51-52
  3.2 立体匹配的基础理论  52-57
    3.2.1 极线几何  52-54
    3.2.2 几何约束  54-55
    3.2.3 匹配过程  55-56
    3.2.4 评价标准  56-57
  3.3 外极线校正和图像预处理  57-64
    3.3.1 外极线校正  57-59
    3.3.2 图像预处理  59-61
    3.3.3 实验结果及分析  61-64
  3.4 加强垂直平滑性约束的基于双向动态规划的匹配算法  64-69
    3.4.1 基本思想  64-65
    3.4.2 加强垂直连续性的能量函数  65-66
    3.4.3 两种约束的动态规划寻径  66
    3.4.4 双向动态规划和可靠性准则  66-67
    3.4.5 实验结果和分析  67-69
  3.5 加强弱连续性约束基于两级扫描线优化的快速匹配算法  69-74
    3.5.1 基本思想  69
    3.5.2 弱连续性约束  69-71
    3.5.3 两级扫描线优化方法  71-72
    3.5.4 算法步骤及计算量分析  72-73
    3.5.5 实验结果及分析  73-74
  3.6 本章小结  74-76
4 基于MRF的全局立体匹配算法研究  76-100
  4.1 引言  76-78
  4.2 基于自适应分层信任度传播的高效匹配算法  78-88
    4.2.1 基本思想  78
    4.2.2 MRF模型和基于信任度传播的能量最小化  78-79
    4.2.3 自适应的数据项和平滑项  79-80
    4.2.4 自适应平滑项的分层调节  80-82
    4.2.5 快速收敛策略  82
    4.2.6 数据项重建及贪婪迭代  82-85
    4.2.7 实验结果及分析  85-88
  4.3 基于分割约束的α扩展匹配算法  88-99
    4.3.1 基本思想  88
    4.3.2 基于图切割的能量最小化  88-89
    4.3.3 能量函数定义  89-90
    4.3.4 加强分割约束  90-91
    4.3.5 证明能量函数满足图构造条件  91-96
    4.3.6 实验结果及分析  96-99
  4.4 本章小结  99-100
5 基于遗传的匹配算法研究  100-114
  5.1 引言  100-101
  5.2 基于AIGA利用二次分割的匹配算法  101-113
    5.2.1 算法基本思想  101-102
    5.2.2 模块1：视差图初始化  102-105
    5.2.3 模块2：AIGA全局优化的设计  105-109
    5.2.4 实验结果及分析  109-113
  5.3 本章小结  113-114
6 场景表面重建技术  114-128
  6.1 引言  114-115
  6.2 场景三维重建  115-127
    6.2.1 车体坐标系下空间点计算  115-117
    6.2.2 地面车辆的场景重建  117-118
    6.2.3 重建误差来源和概率分布分析  118-122
    6.2.4 实验结果及分析  122-127
  6.3 本章小结  127-128
7 总结与展望  128-130
致谢  130-131
参考文献  131-143
附录  143

用于智能车辆自主导航的立体视觉算法研究

内容摘要

全文目录

相似论文