本發(fā)明涉及智能交通技術(shù)領(lǐng)域，特別是涉及一種基于立體視覺目標(biāo)的輔助駕駛系統(tǒng)及方法。

背景技術(shù)：

隨著公路智慧化運(yùn)輸時(shí)代的來臨，智能車輛的概念日益普及，駕駛?cè)酸槍囕v主動(dòng)安全的功能訴求日益重要。然而目前行駛于公路上的車輛，仍須仰賴駕駛?cè)巳滩僮餍羞M(jìn)。盡管交通部不斷倡導(dǎo)公路交通安全的觀念，道路交通事故的肇事率仍然居高不下，表明道路交通安全的改善成效已達(dá)到瓶頸。

根據(jù)交通部的統(tǒng)計(jì)信息指出，道路交通事故的肇事主因，以疲勞駕駛、酒醉駕駛、駕駛?cè)朔中?、未注意四周路況等案例為大宗。此外，交通部道路交通安全督導(dǎo)委員會更進(jìn)一步針對常態(tài)駕駛行為分析平時(shí)可能成為肇事因子的狀況。駕駛?cè)穗S時(shí)由于內(nèi)在情緒與外在環(huán)境影響路況識別能力，難以每一分每一秒都專注于留意四周路況，致使每一位駕駛?cè)怂粢獾南群箜樞虿灰?，容易遺漏關(guān)鍵路況信息，充分顯示道路的交通需要進(jìn)行大幅度的提升。

智能交通系統(tǒng)領(lǐng)域的研究也是未來階段研究的核心。特別是在計(jì)算機(jī)技術(shù)、通信技術(shù)不斷發(fā)展的背景下，對于促進(jìn)智能交通系統(tǒng)的發(fā)展具有重要作用，能夠在未來發(fā)揮出全方位、大范圍的效果，促使交通管理系統(tǒng)朝著準(zhǔn)確、實(shí)時(shí)以及高效的方向發(fā)展。

近年來，在智能交通系統(tǒng)中逐漸加大了計(jì)算機(jī)視覺應(yīng)用，而在智能交通系統(tǒng)中的具體應(yīng)用可劃分為兩個(gè)方面。其一是路邊視頻監(jiān)視系統(tǒng)；其二是車載自動(dòng)駕駛系統(tǒng)。其中前者是指在道路上方或者路邊安裝攝像機(jī)，主要的作用是將車輛位置、速度以及類型等信息傳輸?shù)街悄芙煌ㄏ到y(tǒng)中；后者的特點(diǎn)是攝像機(jī)是隨著車輛而進(jìn)行運(yùn)動(dòng)的，主要能夠?qū)嚿碇車那闆r以及司機(jī)的疲勞狀態(tài)等情況進(jìn)行監(jiān)督并傳輸?shù)较到y(tǒng)當(dāng)中。

針對立體視覺識別的問題與研究現(xiàn)況深入探討，如何通過雙鏡頭圖像識別共同像素特征并獲得特征景深信息，將是立體視覺識別算法過程的主要瓶頸。探索當(dāng)前的發(fā)展現(xiàn)況，立體視覺可應(yīng)用的范圍已廣泛延伸至生活周遭各領(lǐng)域，但若要將圖像內(nèi)所有的特征進(jìn)行立體視覺識別，一來將帶來繁雜卻不必要的額外算法數(shù)據(jù)，二來過長的算法時(shí)間將難以達(dá)到實(shí)時(shí)化視覺識別與服務(wù)控制的系統(tǒng)要求。

因此，針對上述技術(shù)問題，有必要提供一種基于立體視覺目標(biāo)的輔助駕駛系統(tǒng)及方法。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種基于立體視覺目標(biāo)的輔助駕駛系統(tǒng)及方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供的技術(shù)方案如下：

一種基于立體視覺目標(biāo)的輔助駕駛系統(tǒng)，所述輔助駕駛系統(tǒng)包括：

圖像采集單元，包括設(shè)于汽車上部位置的2個(gè)鏡頭，分別采集行車前方的路況場景圖像；

特征轉(zhuǎn)換單元，將采集后路況場景圖像的有效特征轉(zhuǎn)換為空間坐標(biāo)信息；

特征識別單元，用于識別路面上的標(biāo)記標(biāo)線和前方的指示牌。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述圖像采集單元中2個(gè)鏡頭中心高度h為1.5米，2個(gè)鏡頭間距b為0.5米。

本發(fā)明實(shí)施例提供的技術(shù)方案如下：

一種基于立體視覺目標(biāo)的輔助駕駛方法，所述方法包括：

S1、通過汽車上部位置的2個(gè)鏡頭分別采集行車前方的路況場景圖像；

S2、將采集后路況場景圖像的有效特征轉(zhuǎn)換為空間坐標(biāo)信息；

S3、識別路面上的標(biāo)記標(biāo)線和前方的指示牌，輔助駕駛?cè)藦?qiáng)化前方路況的視覺識別。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S1還包括：

對路況場景圖像進(jìn)行局部邊緣裁剪，以使水平方位與垂直方位都相同。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S2包括：

將特征由三維空間坐標(biāo)系統(tǒng)轉(zhuǎn)換至二維像素坐標(biāo)系統(tǒng)；和/或

將已知的圖像共同特征由二維像素坐標(biāo)系統(tǒng)求得景深，進(jìn)一步轉(zhuǎn)換至三維空間坐標(biāo)系統(tǒng)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S2中的有效特征包括雙黃實(shí)線、右側(cè)紅線、左側(cè)紅線的像素特征。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S3具體為：

S31、以MedianFilter矩陣處理10次，再與原圖相減求得圖像；

S32、Sobel濾波器先以矩陣S_x處理濾除路面可能出現(xiàn)的陰影，再以矩陣S_xy求得二階邊緣特征分布圖像；

S33、將同性質(zhì)區(qū)域的高頻成分濾除；

S34、根據(jù)圖像處理經(jīng)驗(yàn)選取二值化閾值；

S35、二值化圖像先后由原圖與負(fù)片轉(zhuǎn)換，分別以卷標(biāo)化處理，根據(jù)噪聲卷標(biāo)尺寸設(shè)定高通過濾閾值，濾除小尺寸的噪聲與孔隙；

S36、噪聲濾除后的區(qū)塊再次以標(biāo)簽化處理，根據(jù)路面區(qū)域卷標(biāo)的尺寸，選定濾通上限與下限閾值，將路面特征濾出；

S37、依據(jù)行車正前方位在圖像平面的位置，路面區(qū)域坐落于圖像下方。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S34中的二值化閾值為80％至95％灰階分位。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S37還包括：

濾除上方區(qū)域，并采集下方圖像區(qū)域作為ROI興趣區(qū)域。

本發(fā)明的有益效果是：

本發(fā)明對駕駛?cè)俗R別車前方路況的過程以及視覺信息讀取行為進(jìn)行重現(xiàn)，借助于立體視覺圖像來對行車前方道路場景識別的算法處理方法，模擬并重現(xiàn)駕駛?cè)说囊曈X識別處理模式，能夠在不同的氣候環(huán)境下，識別路面上的標(biāo)記標(biāo)線和前方的各類指示牌，輔助駕駛?cè)藦?qiáng)化前方路況的視覺識別。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明中記載的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明基于立體視覺目標(biāo)的輔助駕駛系統(tǒng)的模塊示意圖；

圖2為本發(fā)明行車正前方位的概念示意圖；

圖3為本發(fā)明基于立體視覺目標(biāo)的輔助駕駛方法的流程圖；

圖4a～4d分別為本發(fā)明一具體實(shí)施方式中左側(cè)標(biāo)線特征濾出、右側(cè)標(biāo)線特征濾出、左側(cè)綠色標(biāo)記坐落的v坐標(biāo)、右側(cè)綠色標(biāo)記坐落的v坐標(biāo)的示意圖；

圖5為本發(fā)明一具體實(shí)施方式中特征識別的具體步驟圖；

圖6a、6b分別為左側(cè)特征識別處理、右側(cè)特征識別處理的示意圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明中的技術(shù)方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。

參圖1所示，本發(fā)明公開了一種基于立體視覺目標(biāo)的輔助駕駛系統(tǒng)，包括：

圖像采集單元10，包括設(shè)于汽車上部位置的2個(gè)鏡頭，分別采集行車前方的路況場景圖像；

特征轉(zhuǎn)換單元20，將采集后路況場景圖像的有效特征轉(zhuǎn)換為空間坐標(biāo)信息；

特征識別單元30，用于識別路面上的標(biāo)記標(biāo)線和前方的指示牌。

本發(fā)明立體視覺是以平行鏡頭為基礎(chǔ)，參圖2所示，安裝在汽車上部位置的2個(gè)鏡頭11代替真實(shí)人的視覺，本發(fā)明選定一處道路場景，并在鏡頭前方路面處以固定間距黏貼綠色膠帶，以標(biāo)記空間坐標(biāo)的位置，再以平行雙鏡頭架構(gòu)采集行車前方圖像。通過本發(fā)明介紹的有效特征識別策略與深度信息處理，將圖像有效特征反轉(zhuǎn)換為深度信息，并與現(xiàn)場估測的空間坐標(biāo)位置進(jìn)行誤差比對，協(xié)助評估模擬成效。

優(yōu)選地，本發(fā)明中鏡頭中心高度h＝1.5米，雙鏡頭間距b＝0.5米，焦距f，坐標(biāo)方向遵照向量外積的右手定則，以針孔成像原理建構(gòu)坐標(biāo)系統(tǒng)。行車正前方位，意指相對于車輛直行軌跡的方向與路面的起伏方向呈平行的方位，如圖2所示。求得行車正前方位對應(yīng)于兩側(cè)鏡頭的像素坐標(biāo)位置，將有利于保留圖像下方保留ROI區(qū)域，并提供坐標(biāo)系統(tǒng)轉(zhuǎn)換的基準(zhǔn)。

參圖3所示，本發(fā)明還公開了一種基于立體視覺目標(biāo)的輔助駕駛方法，該方法包括：

S1、通過汽車上部位置的2個(gè)鏡頭分別采集行車前方的路況場景圖像；

S2、將采集后路況場景圖像的有效特征轉(zhuǎn)換為空間坐標(biāo)信息；

S3、識別路面上的標(biāo)記標(biāo)線和前方的指示牌，輔助駕駛?cè)藦?qiáng)化前方路況的視覺識別。

本發(fā)明在理想的投影成像條件下，不考慮透鏡扭曲產(chǎn)生的誤差，可直接以相似三角形的關(guān)系，將特征由三維空間坐標(biāo)系統(tǒng)轉(zhuǎn)換至二維像素坐標(biāo)系統(tǒng)，亦可將已知的圖像共同特征由二維像素坐標(biāo)系統(tǒng)求得景深，進(jìn)一步轉(zhuǎn)換至三維空間坐標(biāo)系統(tǒng)。然而在兩者坐標(biāo)系統(tǒng)間的線性轉(zhuǎn)換過程當(dāng)中，仍需要通過已知的空間坐標(biāo)方位校正對應(yīng)于像素坐標(biāo)的位置，作為坐標(biāo)系統(tǒng)轉(zhuǎn)換的基準(zhǔn)。

除了坐標(biāo)系統(tǒng)轉(zhuǎn)換的基準(zhǔn)，行車正前方位在像素的位置亦可提供視覺識別路面與車道標(biāo)線的圖像處理過程中，選取空間坐標(biāo)中，水平面以下的興趣區(qū)域ROI處理。在本發(fā)明探討的道路場景中，已確定路面與車道標(biāo)線都位于空間坐標(biāo)的水平線以下，因此若僅考慮處理水平線以下的圖像區(qū)域，便有利于確保路面與車道標(biāo)線特征的識別效果，避免有效特征區(qū)域混淆等不必要的處理問題出現(xiàn)。例如天空與路面同屬二階高頻成分較低的區(qū)域，利用行車正前方位選取ROI處理，可避免天空被視為路面特征的一部分。

本發(fā)明根據(jù)模擬架構(gòu)采集道路場景，為使雙鏡頭采集圖像的水平方位與垂直方位都相同，本發(fā)明將圖像進(jìn)行局部邊緣裁剪，以達(dá)到水平方位與垂直方位都相同的條件，因此本仿真識別所采用的圖像長寬尺寸為(736*592)。系統(tǒng)通過平行雙鏡頭所采集的圖像，首先根據(jù)前述的特征識別策略，屬于白天場景模式，通過前面的識別車道標(biāo)線識別策略，將像素格式由RGB轉(zhuǎn)為HSV色系，并以所選取的HSV色系閾值，將中央雙黃實(shí)線與兩側(cè)紅色標(biāo)線特征濾出，如圖4a、4b所示。

為了比對特征景深所計(jì)算的坐標(biāo)分布結(jié)果相較于實(shí)際估測位置的差異，本發(fā)明在路面的車道標(biāo)線旁黏貼綠色膠帶作為標(biāo)記，由鏡頭拍攝位置為起始原點(diǎn)，以行車正前方位為延伸方向，固定每5米作為標(biāo)記間距。通過平行雙鏡頭采集圖像后，利用圖像讀取綠色標(biāo)記坐落的v坐標(biāo)，如圖4c、4d，再將路面上所黏貼的標(biāo)記位置，由景深z坐標(biāo)對應(yīng)于像素的v坐標(biāo)逐一記錄。行車正前方位坐落于兩側(cè)鏡頭圖像的像素坐標(biāo)位置，亦為坐標(biāo)系統(tǒng)的原點(diǎn)。

在本發(fā)明的模擬架構(gòu)中，已預(yù)先將FOE設(shè)為已知坐標(biāo)，并在后續(xù)仿真處理鎖定于靜態(tài)圖像屬性，因此在仿真架構(gòu)中所探討的處理過程將采靜態(tài)圖像為主，選用CANON IXUS960IS Digital Camera作為靜態(tài)圖像采集來源。其中路面特征識別策略與算法流程如圖5所示，具體流程步驟如下：

S31、根據(jù)強(qiáng)光陰影，以適應(yīng)性亮度均勻化機(jī)制處理景物照度不均的問題。先以MedianFilter矩陣[5×5]處理10次，再與原圖相減求得圖像；

S32、Sobel濾波器先以矩陣S_x處理濾除路面可能出現(xiàn)的陰影，再以矩陣S_xy求得二階邊緣特征分布圖像；

S33、為保留遠(yuǎn)處路面有效特征，先以Median Filter矩陣尺寸[3×3]處理5次，再以矩陣[5×5]處理5次，將同性質(zhì)區(qū)域的高頻成分濾除，以利于后續(xù)二值化閾值選擇；

S34、根據(jù)圖像處理經(jīng)驗(yàn)，選取80％至95％灰階分位作為二值化閾值；

S35、二值化圖像先后由原圖與負(fù)片轉(zhuǎn)換，分別以卷標(biāo)化處理，根據(jù)噪聲卷標(biāo)尺寸設(shè)定Size Filter高通過濾閾值，濾除小尺寸的噪聲與孔隙；

S36、噪聲濾除后的區(qū)塊再次以標(biāo)簽化處理，根據(jù)路面區(qū)域卷標(biāo)的尺寸，選定Size Filter濾通上限與下限閾值值，即可將路面特征濾出；

S37、視處理結(jié)果而定，依據(jù)行車正前方位在圖像平面的位置，路面區(qū)域坐落于圖像下方，為避免上方低頻圖像區(qū)域被一并濾出，可在處理過程中，濾除上方區(qū)域，并采集下方圖像區(qū)域作為ROI興趣區(qū)域。

特征識別之后求得校正后的內(nèi)部參數(shù)，即可根據(jù)針孔成像原理，以相似三角形的幾何推導(dǎo)概念，將特征投影在兩側(cè)圖像已知的像素坐標(biāo)與通過矩陣等式轉(zhuǎn)換。特征通過矩陣轉(zhuǎn)換至空間坐標(biāo)分布的仿真結(jié)果，將以表格與圖文件呈現(xiàn)轉(zhuǎn)換坐標(biāo)與仿真圖示。依序獨(dú)立顯示雙黃實(shí)線、右側(cè)紅線、左側(cè)紅線的像素特征識別對應(yīng)坐標(biāo)，并各自針對現(xiàn)場估測的特征坐標(biāo)位置進(jìn)行誤差比對分析。

根據(jù)仿真結(jié)果，分析圖像特征識別位置在空間坐標(biāo)中，相較于現(xiàn)場估測特征理想位置之間的偏移誤差。以d作為圖像特征識別位置與現(xiàn)場估測理想位置之間的距離誤差，如下表示：

根據(jù)雙黃實(shí)線特征的立體視覺識別結(jié)果進(jìn)行分析。由于景深坐標(biāo)80與85米的水平線并未經(jīng)過雙黃實(shí)線，因此未能得到明確的特征坐標(biāo)信息。景深坐標(biāo)75米處的特征，由于位處于雙黃實(shí)線的末端，形狀略偏不規(guī)則所影響，加上遠(yuǎn)處像素分辨率不佳的緣故，導(dǎo)致雙鏡頭圖像所采集的共同特征，水平偏移量(Disparity)采集的精度不足，通過算法轉(zhuǎn)換的空間坐標(biāo)位置亦因而明顯失真。而近距離坐標(biāo)15米處的特征，由于右側(cè)鏡頭捕捉的圖像范圍有限，僅采集到局部的雙黃實(shí)線，因此無法求得真實(shí)的雙黃實(shí)線中心位置。

本實(shí)施例中鏡頭離地面高度為0.7米，有效特征識別處理后的左右兩側(cè)圖像分別如圖6a、6b。最后將4條水平線搜尋的有效特征，分別計(jì)算雙黃實(shí)線與右側(cè)紅線的空間坐標(biāo)信息，采集水平線所搜尋兩點(diǎn)特征的深度信息z坐標(biāo)，并求得平均值。本實(shí)施例的最上方的水平線，由于右側(cè)并未兩側(cè)圖像都能搜尋到有效特征而無法求得其深度信息，因此以雙黃實(shí)線的深度信息呈現(xiàn)。

白天且理想的氣候場景模式，識別路面與車道標(biāo)線的穩(wěn)健性，可達(dá)到所要求的標(biāo)準(zhǔn)。

由上述技術(shù)方案可以看出，本發(fā)明具有以下有益效果：

本發(fā)明對駕駛?cè)俗R別車前方路況的過程以及視覺信息讀取行為進(jìn)行重現(xiàn)，借助于立體視覺圖像來對行車前方道路場景識別的算法處理方法，模擬并重現(xiàn)駕駛?cè)说囊曈X識別處理模式，能夠在不同的氣候環(huán)境下，識別路面上的標(biāo)記標(biāo)線和前方的各類指示牌，輔助駕駛?cè)藦?qiáng)化前方路況的視覺識別。

對于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。因此，無論從哪一點(diǎn)來看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。

此外，應(yīng)當(dāng)理解，雖然本說明書按照實(shí)施方式加以描述，但并非每個(gè)實(shí)施方式僅包含一個(gè)獨(dú)立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)將說明書作為一個(gè)整體，各實(shí)施例中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實(shí)施方式。