【摘要】：面向車輛環(huán)境感知的動態(tài)圖像拼接與重建技術,是在城市道路中對該車輛周圍的汽車、行人及障礙物進行檢測,通過車載相機獲取有重疊部分的序列圖像,運用圖像拼接技術和三維重建技術,對獲取的序列圖像進行車輛周圍二維和三維環(huán)境重建,生成車輛運行環(huán)境全景圖,以幫助駕駛員更好地認知車輛運行環(huán)境,實現(xiàn)行車安全�；谝曈X傳感器的圖像拼接與環(huán)境重建技術研究,已成為智能汽車領域研究的熱點,具有重要的理論意義和應用價值。本文針對序列圖像拼接算法及車輛環(huán)境重構技術展開研究,提出了基于平面區(qū)域判定的序列圖像拼接算法和基于平面區(qū)域分割的三維環(huán)境重建算法,設計了面向車輛環(huán)境感知的序列圖像拼接與重建系統(tǒng),實現(xiàn)了車輛周邊環(huán)境感知以及車輛在環(huán)境中位置的測量。仿真實驗和實車測試驗證了本文算法的優(yōu)點和有效性。本文的研究工作內(nèi)容如下:概述了面向車輛環(huán)境感知的動態(tài)圖像拼接與重建技術研究背景和發(fā)展現(xiàn)狀,分析了目前車輛環(huán)境感知中圖像拼接與重建存在的問題,提出了本課題的研究目標。針對現(xiàn)有的動態(tài)圖像拼接算法存在計算量大、效果難以滿足實際要求等問題,本文根據(jù)城市道路環(huán)境下車輛環(huán)境感知的實際需求和二維路面圖像特征點的特性,研究了平面區(qū)域逆投影變換下圖像平面特征點之間關于車輛坐標系運動的距離不變性,提出了車輛環(huán)境平面區(qū)域的判定方法。在此基礎上提出了基于平面區(qū)域圖像特征點三角匹配的車輛運動矩陣估計的快速算法,實現(xiàn)了車輛運動圖像的快速拼接和車輛周圍二維環(huán)境重建。仿真實驗表明,本文設計的算法能滿足車輛環(huán)境感知的實際需求且具有實時性。針對車載相機序列圖像中具有相對穩(wěn)定的平面區(qū)域的特點,本文提出了一種基于平面區(qū)域判定和分割的車輛環(huán)境三維重建快速算法。該算法利用平面區(qū)域圖像上特征點進行車輛運動估計,對平面區(qū)域圖像直接進行逆投影變換和二維圖像生成,對非平面區(qū)域圖像應用SLAM(即時定位與地圖構建)技術生成三維點云。仿真實驗表明了本文算法有效地提高了車輛環(huán)境感知的精度和本文算法的有效性及適用性。本文設計了面向車輛環(huán)境感知的動態(tài)圖像拼接與重建仿真實驗軟件平臺,并將本文所設計的相關算法應用于實車測試,驗證了算法在車輛環(huán)境感知工程應用中的有效性,從而為智能車高級輔助駕駛系統(tǒng)(ADAS)的設計奠定了良好的技術基礎�？偨Y課題研究工作,并給出課題未來的展望,為后續(xù)課題的研究提出新的思路。
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;U463.6
【圖文】：

(1) 世界坐標系。世界坐標系的定義是為了更好地描述相機的放置位置及三維空間中物體的位置。世界坐標系可任意定義，一旦定義之后就不能改變，如圖2.1中的W-XYZ。(2) 相機坐標系。相機坐標系的原點是相機的光心，X軸、Y軸分別與圖像坐標系的x軸、y軸平行，Z軸為坐標原點沿光軸的方向。如圖2.1中的C-XcYcZc所示。(3) 圖像坐標系。相機光軸與成像平面的交點定義為圖像坐標原點，圖像坐標的x軸和y軸分別是成像平面的兩條垂邊。其單位為毫米，如圖2.1中的o-xy。(4) 像素坐標系。像素坐標系的坐標原點在成像平面的左上角，u和v分別平行于圖像坐標系的x軸和y軸，其單位為像素。如圖2.1中的uv。圖 2.1 相機成像相關坐標系

[35]。在不引起歧義的情況下，也可認為圖2.2也是針孔模型。假設三維世界中的一點 , , TP X Y Z，相機的焦距為f，根據(jù)相似三角形的關系可得到成像點 , Tp fX Z fY Z，整理得到公式(2.1)：fXxZfYyZ (2.1)圖 2.2 小孔成像空間點在相機成像中最終得到的是一個像素，需要對像平面進行采樣和量化，最終得到成像點x的像素坐標( u , v )。像素坐標系原點在圖像左上角，u軸與像平面x軸平行，v軸與像平面y軸平行。實際上像素坐標系與成像平面存在一個比例因子和坐標系原點的平移。假設像素坐標在u軸和v軸分別縮放了 倍和 倍，坐標系原點平移了( , )x yc c

該方法從不同視角拍攝標定物，然后提取標定物上的角點，通過非線性優(yōu)化算法計算出相機參數(shù)。相機標定中使用的標定物如圖2.3所示：圖 2.3 相機參數(shù)標定所使用的標定物相機標定需要設定世界坐標系的位置，為了計算方便，假設世界坐標系的原點是標定板左上角第一個內(nèi)角點[38]。由于標定板上所有特征點的Z坐標為0，則標定板上的特征點和其成像點之間的關系可以用公式(2.5)表示： 1 2 3 1 201 11 1X Xu XY Yz v M R t M r r r t M r r t YZ (2.5)將公式(2.5)簡寫為：

【參考文獻】

相關期刊論文 前10條

1 許佳佳;;結合Harris與SIFT算子的圖像快速配準算法[J];中國光學;2015年04期

2 熊哲源;熊小敏;吳勝益;袁幼平;;圖像拼接技術研究綜述[J];科技資訊;2015年01期

3 朱佳媛;;基于FFT相位相關的圖像匹配算法與實現(xiàn)[J];科技風;2013年14期

4 姚桂國;梁金祥;左保齊;;基于網(wǎng)格的織物圖像拼接技術[J];紡織學報;2012年02期

5 崔岑;趙淑清;張劍琦;;一種改進的頻域相關法復圖像快速配準[J];測繪科學技術學報;2011年03期

6 盧瑜;郝興文;王永俊;;Moravec和Harris角點檢測方法比較研究[J];計算機技術與發(fā)展;2011年06期

7 陸敬輝;王宏力;孫淵;崔祥祥;;三角形內(nèi)切圓的星圖識別算法[J];紅外與激光工程;2011年04期

8 高德芝;段建民;鄭榜貴;田炳香;;智能車輛環(huán)境感知傳感器的應用現(xiàn)狀[J];現(xiàn)代電子技術;2008年19期

9 侯舒維,郭寶龍;一種圖像自動拼接的快速算法[J];計算機工程;2005年15期

10 徐友春,王榮本,李兵,李斌;世界智能車輛近況綜述[J];汽車工程;2001年05期

相關博士學位論文 前3條

1 石金進;基于視覺的智能車輛道路識別與障礙物檢測方法研究[D];哈爾濱工業(yè)大學;2017年

2 王俊;無人駕駛車輛環(huán)境感知系統(tǒng)關鍵技術研究[D];中國科學技術大學;2016年

3 王肖;復雜環(huán)境下智能車輛動態(tài)目標三維感知方法研究[D];清華大學;2016年

相關碩士學位論文 前9條

1 汪濤;智能行駛車輛定位技術研究[D];吉林大學;2017年

2 韓夏冰;基于單目視覺的物體形狀三維重建方法研究[D];浙江大學;2017年

3 杜靜涵;紅外熱圖像拼接技術的研究與應用[D];南京理工大學;2017年

4 燕磊;雙目視覺三維重建技術研究[D];天津理工大學;2017年

5 劉祥峰;基于魚眼相機的全景環(huán)視系統(tǒng)關鍵技術研究[D];電子科技大學;2016年

6 斯聞豪;超大廣角畸變圖像校正算法的研究與實現(xiàn)[D];南京郵電大學;2015年

7 姚凱締;單目視覺車輛檢測與類型識別方法研究[D];國防科學技術大學;2014年

8 王鴻;圖像拼接方法及其應用研究[D];中南大學;2013年

9 啜國明;無人駕駛智能車三維環(huán)境建模與地圖構建[D];大連理工大學;2011年

本文編號：2748520