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2阶HMM的智能车视觉地图定位方法

本文中针对视觉地图匹配问题,将视觉地图匹配问题转化为基于图像序列的最优视觉地图节点匹配问题,并提出基于2阶隐马尔科夫模型(hidden Markov model,HMM)的视觉地图匹配方法。在该模型中,状态变量被定义为高精度视觉地图节点,查询图像被定义为观测数据。在状态转移模型中,引入2阶模型对短时间车辆运动进行匀速运动建模,与传统的1阶HMM相比,可以提高模型的适用性与准确性。提出利用全局图像特征建立查询图像与地图节点之间的匹配关系,并从匹配的汉明距离建立发射概率模型,可有效提高地图匹配的效率。最后,通过前向算法来求解最优匹配的地图节点。为了验证算法的性能,分别在封闭工业园区、开放道路和KITTI公开数据集对算法进行验证。实验结果表明:2阶HMM模型能够有效融合车辆运动信息和图像信息,提高匹配的稳定性和精确度,算法性能明显优于传统的基于单帧匹配和序列匹配算法。

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。

基于固定/PTZ摄像机系统的开阔水域小目标船舶主动式跟踪方法

仅依靠当前的闭路电视(closed-circuit television,CCTV)系统,往往难以主动跟踪并拍摄内河船舶清晰的图像。针对上述问题,研究了基于固定/平移-倾斜-对焦(pan-tilt-zoom,PTZ)摄像机系统的开阔水域小目标船舶主动式跟踪方法。采用基于虚拟四边形的三层联合标定模型对固定摄像机和PTZ摄像机进行联合标定,将虚拟四边形内的图像坐标与PTZ摄像机的平移角和倾斜角一一对应;引入虚拟四边形的概念,有效过滤虚拟四边形外目标的干扰,提高小目标船舶的检测准确率;利用透视n点(perspective-n-point, PnP)问题算法和虚拟四边形顶点的图像坐标,得到图像坐标与世界坐标间的映射关系,再利用Pan-Tilt-Height(PTH)模型将虚拟四边形中目标的世界坐标转化为PTH坐标;在小目标跟踪过程中,通过连续检测虚拟四边形中船舶边框质心的图像坐标,即可计算得到PTZ摄像机的平移角与倾斜角,从而实现实时主动跟踪的目的,并尽最大限度的保持船舶目标处于PTZ摄像机图像的中心位置。选取湖北省孝感市春晖湖和武汉市汉江中法桥段这2处真实场景,进行可靠性和有效性验证,实验结果表明:①利用改进的目标检测方法对固定摄像机图像中的船舶进行检测,F1-Score分别为96.82%和97.62%;②利用研究的主动式跟踪方法跟踪运动船舶时,PTZ摄像机的跟踪失败率为4.63%。本文研究的主动式跟踪方法的跟踪速率可以达到18.55 fps。