基于雙目攝像頭的路面障礙物檢測與研究

顧晨晨，王震洲

（河北科技大學(xué) 信息科學(xué)與工程學(xué)院，河北 石家莊 050018）

圖像處理在輔助駕駛當(dāng)中運(yùn)用非常廣泛，國內(nèi)外對障礙物檢測也有廣泛的研究。對障礙物的檢測也分為多種，大致分為基于顏色的、基于光流的、基于運(yùn)動補(bǔ)償?shù)恼系K物檢測。各種檢測方法都存在著一定的優(yōu)缺點(diǎn)。本設(shè)計(jì)采用的是雙目攝像頭組建立體視覺系統(tǒng)，并采集路面信息。通過Huogh變換檢測出可行區(qū)域，并建立統(tǒng)計(jì)模型。利用圖像熵對障礙物檢測，再利用Kalman濾波對目標(biāo)障礙物進(jìn)行跟蹤檢測。

1 圖像的獲取與處理

本設(shè)計(jì)采用兩個CCD攝像頭對道路圖像進(jìn)行拍攝，可以建立立體系統(tǒng)。并利用Matlab對CCD的圖像進(jìn)行灰度化、圖片均衡化、圖像濾波、圖像二值化、圖像邊緣化的處理[1-3]。灰度化是把彩色圖像轉(zhuǎn)化成灰度的，方便以后的檢測。然后對圖像進(jìn)行均衡化，即通過非線性的拉伸，把直方圖的分布變成均勻分布。圖像濾波，對圖像去噪，可以較好地保留圖像的細(xì)節(jié)。對圖像進(jìn)行二值化將圖像上的像素點(diǎn)的灰度值設(shè)為0或1，更便于提取有用信息。對圖像進(jìn)行邊緣化，可以分割或者提取圖像的重要特征。

通過這些處理可以得到更精準(zhǔn)的路面圖像信息，為后續(xù)工作做好準(zhǔn)備。

2 通過Hough變換對車道線檢測

Hough變換可以把二維坐標(biāo)映射到極坐標(biāo)，Hough變換中原圖的點(diǎn)就會在參數(shù)空間形成線，從而得到車道線的參數(shù)。這是車道線檢測常用的方法。本文中采用Hough變換算法對車道線進(jìn)行檢測。基本原理為：圖像里的直線先用二維坐標(biāo)一般方程表示，通過坐標(biāo)變換轉(zhuǎn)換為極坐標(biāo)，通過統(tǒng)計(jì)得到峰值，在極坐標(biāo)中可以找到中點(diǎn)集的峰值去檢測出車道線。這樣可以檢測出汽車的可行區(qū)域，縮小障礙物的檢測范圍。

3 路面障礙物檢測

3.1 坐標(biāo)系轉(zhuǎn)換

根據(jù)車道線的檢測獲取感興區(qū)域，根據(jù)感興區(qū)域進(jìn)行邊緣檢測，可以加強(qiáng)障礙物的區(qū)域特征，通過圖像熵來判斷是否有路面障礙物。

雙目立體系統(tǒng)中兩個攝像頭與被測物體可以構(gòu)成三角形，兩個攝像頭平行放置，通過兩個攝像頭的拍攝可以體現(xiàn)出兩張位置不同的圖像。再通過視差就可以恢復(fù)障礙物的三維信息。

利用雙目對圖像進(jìn)行采集，需要把場景轉(zhuǎn)化為投影。這個過程需要對所收集到的圖像進(jìn)行坐標(biāo)變換及對圖像信息從世界坐標(biāo)系變換到圖像坐標(biāo)系中。世界坐標(biāo)系是用來表示檢測的物體與攝像頭的坐標(biāo)。相機(jī)坐標(biāo)系是由攝像頭的光孔為原點(diǎn)建立坐標(biāo)系。圖像坐標(biāo)系可以用物理坐標(biāo)和像素坐標(biāo)表示，便于后續(xù)對障礙物的檢測。坐標(biāo)轉(zhuǎn)換的過程如圖1所示。

圖1 坐標(biāo)轉(zhuǎn)換過程

3.2 對感興趣區(qū)域邊緣檢測

路面障礙物存在著水平和豎直的特征，可以選取檢測到圖像的豎直和水平信息，豎直和水平信息都存在時，說明這里正是障礙物的位置。并對圖像進(jìn)行腐蝕處理，可以消除干擾區(qū)域，對圖像進(jìn)行膨脹處理，可以放大有用的區(qū)域。

3.3 對圖像進(jìn)行熵值計(jì)算

用圖像熵可以對圖像的平均信息量進(jìn)行描述。熵值較小，說明包含的信息量小，路面灰度相對均勻，表示沒有障礙物；如果熵值相對較大，則說明路面信息豐富，進(jìn)一步表示有障礙物[4-6]。

通過多次實(shí)驗(yàn)之后可以得到熵值，檢測到的圖像熵值計(jì)算公式為：

其中i表示圖像中的每一個點(diǎn)，Pi表示在該點(diǎn)處的概率。并且可以比較多組數(shù)據(jù)，計(jì)算出閾值T。求出圖像中每個區(qū)域的熵值。當(dāng)Hj大于T時，說明有障礙物；當(dāng)Hj小于或等于T時，沒有障礙物[7-8]。

3.4 障礙物的鑒定

本文提出了用Kalman濾波與熵值共同對障礙物進(jìn)行判定。Kalman濾波適合估計(jì)動態(tài)系統(tǒng)。是運(yùn)用的數(shù)學(xué)遞歸，可以很好地去實(shí)現(xiàn)線性濾波的方法。Kalman濾波方便在計(jì)算機(jī)上進(jìn)行編程實(shí)現(xiàn)。用于障礙物的檢測當(dāng)中可以提高實(shí)時性。

可以用線性方程表示Kalman濾波，即：

系統(tǒng)的測量值方程為：

其中：X（k）是k時刻的系統(tǒng)狀體方程，U（k）是k時刻對系統(tǒng)的控制量。A和B是系統(tǒng)參數(shù)，在多模型系統(tǒng)中，這兩個參數(shù)是矩陣。W（k）是過程的噪聲，V（k）是測量時的噪聲。可以用高斯白噪聲對其進(jìn)行假設(shè)。

用Kalman建立的數(shù)學(xué)模型為：

（1）從上一次的系統(tǒng)狀態(tài)對下一次進(jìn)行預(yù)測：

（2）Kalman協(xié)方差的方程為：

其中X（k|k－1）為上一狀態(tài)預(yù)測結(jié)果，X（k－1|k－1）為上一狀態(tài)最優(yōu)結(jié)果。U（k）是現(xiàn)在狀態(tài)的控制量。第二個方程是第一個方程對應(yīng)的協(xié)方差。

（3）通過上述的方程可以得到現(xiàn)狀態(tài)的最優(yōu)化估計(jì)值，方程為：

（4）K代表現(xiàn)狀態(tài)，X（k|k）是最優(yōu)化估計(jì)值。Kg是Kalman增益。

Kalman增益方程為：

通過上面的公式可以求出最好的估計(jì)值，接下來更新K狀態(tài)時的協(xié)方差。

更新K狀態(tài)的公式為：

公式當(dāng)中前兩個是對時間的更新，后3個是對狀態(tài)的更新。Kalman濾波很容易通過計(jì)算機(jī)進(jìn)行遞歸的編程。

用Kalman方程可以對目標(biāo)進(jìn)行最優(yōu)化的跟蹤，結(jié)合上述檢測，可以實(shí)時對障礙物進(jìn)行檢測。

4 結(jié)語

基于雙目攝像頭的路面障礙物檢測，利用了兩個CCD攝像頭成像，再通過圖像處理，將世界坐標(biāo)轉(zhuǎn)化為圖像坐標(biāo)，然后通過Hough變換檢測出車道線。在可行域內(nèi)進(jìn)行熵值的計(jì)算檢測出障礙物，利用Kalman進(jìn)行目標(biāo)跟蹤。通過雙目攝像頭拍攝圖片可以拍攝出一個點(diǎn)的兩個坐標(biāo)，結(jié)合兩幅圖片的同一個位置可以很好地判定是否為障礙物，從而對障礙物進(jìn)行實(shí)時檢測與跟蹤。用此方法可以更精確、實(shí)時地檢測出障礙物目標(biāo)。