面向智能车的地下停车场环视特征地图构建与定位

针对地下停车场环境GPS信号缺失的问题,本文在环视特征地图构建的基础上,提出基于二阶马尔科夫模型的粒子滤波定位算法(Markov model-particle filter,MM-PF),实现智能车在地下停车场环境中的高精度定位。在该模型中,环视特征地图节点被定义为粒子,查询图像被定义为观测数据。在状态转移过程中,引入二阶马尔可夫模型,对短时间车辆运动进行建模,构建状态转移模型。利用图像的全局特征建立当前车辆获取的图像与各粒子(环视地图节点)之间的匹配关系,从获取的汉明距离建立粒子权重分布模型,可以大幅提高系统的计算效率。当前车辆的位置由局部特征匹配获得。选取两个典型的地下停车场场景对本文算法进行验证,在选取的两个场景中,本文算法平均定位精度小于0.38 m,定位误差均方差小于0.29 m,定位误差在1 m以下的概率不低于95.4%。试验结果表明:本文所提出的二阶MM-PF算法能够将车辆的运动信息与视觉信息相融合,相较于对比算法,定位精度与稳健性得到大幅提高。

基于双目逆投影的停车位占位快速检测方法

本文中提出了一种基于双目逆投影变换的停车位快速检测与定位方法。首先,通过逆投影变换将双目相机获取的两张图像投影到参考平面,生成两个新视图,即双目逆投影图,并利用其差分图来区分平面上与平面外的目标;随后,通过对差分图进行阈值化与滤波来实现障碍物的快速检测;同时,障碍物的位置也可从参考平面获取。与现有方法相比,该方法不需要明确的目标检测或三维重建,仅利用基本的图像变换实现停车位的快速检测与障碍物定位。在地下停车场与室外停车场环境下,利用智能车搭载的双目摄像机采集数据对本文算法进行验证。试验结果表明,此方法能快速有效地检测和定位车位附近的动静态障碍物,例如路障、行人、车辆和车位锁等,检测速度达到18帧/s,识别准确率高于95.0%,在算法效率、准确率和定位精度方面均优于现有的检测方法。

基于逆投影差分的移动机器人障碍物快速检测

移动机器人的障碍物快速检测是其导航、避障、轨迹跟踪的关键技术。目前多数传感器存在距离盲区以及异常尺度等问题,且现有算法大多计算复杂,难以满足实时性需求。为了改善这些问题,本文提出了一种基于环视逆投影差分的移动机器人障碍物快速检测与定位新方法。该方法以水平地面为参考平面,对移动机器人上环视系统中相邻视角相机拍摄的图像进行逆投影变换,再经图像差分得到逆投影差分图,图中像素值为零的点位于参考平面,反之则位于参考平面之外,经过阈值化、滤波后即可用来区分参考平面与非参考平面目标,实现其视场公共区域内障碍物的快速检测;同时以逆投影差分图为基础,通过像素坐标系到机器人自身坐标系的转换可获得目标相对于移动机器人精准的位置信息。在实际场景中对5 m范围内不同类型、大小、距离的障碍物进行测试,平均检测精度为97.3%,平均检测耗时为46 ms/帧,平均定位误差为1.1%。实验结果表明,本文方法能快速有效地检测和定位移动机器人附近的动、静态障碍物。