基于计算机视觉的前方车辆位姿估计方法研究

• 作 者: 陆林东
• 出 处: 上海工程技术大学
• 发表日期: 2020年01期
• 关键词: 位姿估计 深度学习 三维检测 三维跟踪

智能驾驶中对前方车辆位姿估计问题的研究有助于对周围场景的信息获取与理解,同时也能推动自动驾驶感知领域的发展。然而车辆的位姿信息无法从图像中直接获得,本文在分析此问题的基础上,提出了基于计算机视觉对前方车辆位姿估计方法。结合深度学习的方法,对车辆三维检测并跟踪确定其姿态与位置信息。本文的主要研究内容如下:(1)研究构建了用于估计前方车辆速度及距离模型。分析了车辆相对距离的误差来源及误差大小,研究误差补偿方法,建立了基于俯仰角动态补偿的逆透视变换测距方法以减少测距误差。实验结果表明,本模型可以较准确的在运动场景中实时得到前方车辆的速度与距离。(2)研究提出了基于计算机视觉的前方车辆三维检测算法。基于Res Net-34的残差网络模型进行基础的特征提取,研究了多任务子网络的3D车辆检测算法模型。将目标编码采用3D参数表示,在模型中加入了候选区域生成网络模块,并将2D与3D信息编码融入到特征金字塔网络中,可以更好的检测小目标车辆位姿。实验结果表明,所提出的单目3D车辆检测算法通过端到端的方式最终预测出3D参数,回归得到车辆的位姿信息,包含了姿态角、尺寸以及中心点的世界坐标,且与先进的双目相机3D车辆检测算法效果相当。(3)研究提出了基于计算机视觉的前方车辆三维跟踪算法,将图像与空间信息融合到马尔科夫决策算法中。利用3D卡尔曼滤波预测车辆的位姿状态来生成所有检测结果与跟踪结果之间的相似性度量,借助数据关联法和深度排序匹配来解决车辆行驶中遇到的遮挡问题。得到新匹配的轨迹可以重新估计车辆在空间实际的三维位置。实验结果表明,本算法跟踪的中心点误差漂移较小,能够实时持续获得车辆的3D位姿。