论文部分内容阅读
基于双目视觉的车辆三维环境重建是车辆视觉环境感知系统中的重要组成部分。该方法通过三维重建技术能给智能车辆提供精准的三维局部区域地图,方便智能车辆的决策控制系统对车辆当前的行驶环境进行决策控制。该方法有利于提高道路的交通安全水平以及改善道路的交通堵塞情况。因此近年来,面向智能汽车的三维重建技术研究得到了国内外研究学者的普遍重视,并且已经成为车辆视觉环境感知领域的研究热点。可见,开展基于双目视觉的车辆三维环境重建方法研究具有非常重要的意义。本文针对双目视觉的车辆三维环境重建方法展开研究,采用了一种自定义的特征提取与描述算法和特征点环形匹配算法,设计了一种基于双目视觉的车辆三维环境重建系统,实现了车辆周围环境感知以及车辆在环境中运动位置的定位,并且通过实验验证了重建结果的实时性以及精确性。此外,还提出了一种可以重构出车辆四周环境的基于多相机的车辆环境三维重建和运动估计方法。本文的研究工作主要包括:1.本文概述了基于双目视觉的车辆三维环境重建的研究背景和意义、智能车辆视觉感知的国内外研究现状、双目视觉三维重建算法的研究进展以及双目SLAM算法的发展与研究现状。2.本文利用张正友标定法通过实验对双目相机进行了标定,并对实验中应用到的双目立体视觉的基本理论进行了分析与实现。3.针对传统的双目视觉三维重建方法步骤繁琐、计算量大、实时性受限等问题,本文根据一般道路环境下车辆环境感知的实际需求,采用了一种自定义的特征提取算法,该算法与其他算法相比步骤简单,计算量较小,并且提取的图像特征信息较丰富。既保证了一般道路环境下车辆环境感知的实时性需求,又保证了充分的图像特征信息。4.针对传统的特征点匹配算法误差大并且耗时长,本文采用了将特征点的前后匹配与立体匹配相结合的特征点环形匹配算法,再通过随机抽样一致性(RANSAC)算法剔除误匹配对,同时对其他参数进行了进一步地优化。保证该算法在具备匹配精度的同时还能得到精准的相机运动估计。5.基于本文研究的自定义特征点提取算法及特征点环形匹配算法,本文采用KITTI的车辆行驶环境数据集,在搭建的基于双目视觉的车辆环境三维重建方法研究的仿真实验平台上,进行了各个部分的实验验证,并且最终实现了双目视觉的车辆环境三维重建的点云生成图。通过最终的实验数据表明了相关算法的可靠性和实时性,从而为基于双目视觉的智能汽车可视化辅助驾驶系统的设计应用奠定了良好的基础。6.针对双目相机只能监测到车辆前方的场景,即只能重建出车辆前方的环境,本文提出了一种可以重构出车辆四周环境的基于多相机的车辆环境三维重建和运动估计方法。