基于道路消失点的远距离路面微小障碍物检测

针对自动驾驶汽车,提出一种以道路消失点为导向的结构化道路上远距离障碍物检测方法.分别搭建了现实和虚拟数据采集系统,在现实和虚拟环境中采集了新的数据集.采用深度学习方法,设计了一种新的基于全局特征的道路消失点检测模型,以该模型检测到的道路消失点为导向,确定图像中包含障碍物的区域,在该区域上进行障碍物检测.选择目前主流目标检测网络,在有消失点和无消失点导向的条件下进行对比试验.试验结果表明在增加消失点导向的情况下,对于微小障碍物的检测得到了较好的结果.

基于单目视觉车辆姿态角估计和逆透视变换的车距测量

针对一般的单目视觉测距方法忽略汽车在行驶过程中姿态角变化的问题,该文提出了一种基于变参数逆透视变换和道路消失点检测的单目视觉测距模型,实现了车辆在相对运动过程中的纵向距离和横向距离实时测量。首先,该文通过基于纹理方向估计的道路消失点检测算法计算出汽车运动的偏航角和俯仰角,然后运用变参数的逆透视变换和几何建模分析方法,建立车辆测距模型。对不同道路环境和测距方法的2组对比试验分析该文方法的可行性和有效性,结果表明,该文所提出的测距模型能够有效测量纵向70 m、横向4 m以内的目标车辆距离,测量误差在5%以内,且道路环境越好,误差越小,道路良好的平坦道路测距误差在3%以内;该文算法的平均处理速度达到了40帧/s。