針對智能汽車避障問題,提出了一種相機自身運動情況下,基于雙目立體視覺和擴展卡爾曼濾波器(EKF)的運動估計方法.檢測階段,借助立體視覺的三維重建能力依據(jù)目標(biāo)位置分割目標(biāo)獲得感興趣區(qū)域(ROI).跟蹤階段,通過光流法跟蹤ROI內(nèi)的邊緣點,建立EKF預(yù)測與測量模型將自車運動、光流及視差融合在一起,更新獲得優(yōu)化的目標(biāo)位置和速度信息.該方法針對自車運動平臺,建立自車和目標(biāo)相對運動模型,采用邊緣點跟蹤約束和隨機采樣一致性算法(RANSAC)剔除不可靠的跟蹤點.以KITTI公共數(shù)據(jù)集提供的交通場景為測試對象,驗證了方法的有效性.

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 方法總體框架
2 基于位置的目標(biāo)檢測
3 跟蹤與運動估計
    3.1 自車與目標(biāo)的相對運動模型
    3.2 卡爾曼濾波器的設(shè)計
        3.2.1 狀態(tài)方程
        3.2.2 測量方程
        3.2.3 估計和更新
    3.3 特征點選取
4 實驗與分析
    4.1 目標(biāo)檢測結(jié)果
    4.2 特征點篩選結(jié)果
    4.3 運動估計結(jié)果
    4.4 算法評估及比較
    4.5 實驗結(jié)果分析
5 結(jié)論



本文編號：3796806