基于单目视觉的障碍物检测方法研究

沈阳职业技术学院 李 斌

基于单目视觉的障碍物检测方法研究

沈阳职业技术学院 李 斌

单目视觉技术应用于障碍物检测领域的常用方法，都是以传统的单目视觉成像原理为基础。因此首先要对了传统的单目视觉检测障碍物的原理进行简单介绍。根据被测障碍物的不同，其测量方法也不尽相同，文中针对不同场合下的障碍物检测方法进行了分析研究。

单目视觉；障碍物；检测

随着智能车辆、机器人以及智能交通等科学技术的发展，对障碍物的检测已成为了智能设备必须要完成的基本功能。应用激光、超声波等传感器技术也可以实现对障碍物的检测，但立体视觉检测障碍物相比于其他技术，具有更直观、测量信息更完整等优势。

单目视觉测量技术是计算机视觉领域的一种对障碍物检测的重要方法之一，研究的是物体的几何空间位置与二维图像的对应关系。按照视觉传感器数量可分为单目视觉测量、双目视觉测量、多目视觉测量等。其中的单目视觉是指用一个摄像机完成图像的采集和障碍物的实际测量工作，相比于双目视觉与多目视觉，单目视觉具有结构简单、成本低等优势。本文首先简单介绍传统立体视觉的测距原理，然后根据被测物的不同分别介绍几种当前国内相关领域常用的基于单目视觉测量障碍物的方法。

1. 传统立体视觉检测原理

2. 单目视觉障碍物测量方法

2.1利用特征点检测障碍物

根据传统立体视觉测距原理可以发现，测距之前大都要先对摄像机进行标定，即找到图像和标定范围之内被测物体的对应几何关系，而没有事先被标定的空间点，其图像上的映射像素坐标为已标定点的近似值，并非实际值。根据这一现象可以推断，被测物体到摄像机的距离，实际是测量摄像机到目标前表面上某点的近似距离，对于无法成像的部分是无法精确测量的。在选择某点时，应选择有意义的点作为特征点，即将目标物到摄像机的测距转化为摄像机光心到特征点的距离，该测距原理的关键是找到代表性的特征点。其中，以目标的形心作为特征点，利用图像处理进行特征点计算，从而可得出特征点到摄像机的完全距离。但是这种测量方法随着被测物体距离摄像机距离越远，其测距误差会出现逐渐变大的趋势。对目标所在平面内测量值进行修正，测量误差会明显减小［7］。

2.2利用几何方法检测障碍物

单目视觉测量中最简单的一种测量法是几何相似法测量［8］。几何相似法测量应用场合是指在被测对象的几何参数都要在同一平面，并且被测物面与摄像系统光轴垂直的情况。根据透视投影模型，物体及其对应的图像满足相似关系，只要从图像上提取所需参数，再乘以实际放大倍数，就可以得到实际物体的几何参数，但这种方法只限于二维测量。

为了在几何测量的基础上，提高障碍物的三维信息测量精度，又产生了结构光法测量技术。其原理是用激光光源照射被测物体表面，通过反射光线在CCD摄像机上的投影，从而确定点、线、面的三维信息，再通过测量多个光平面或者用多个结构光传感器将各个光平面测量的参考坐标系统一起来，继而获得被测物体表面的三维空间信息。结构光测量的特点是测量速度快，但整体测量精度受结构参数标定影响较大。

2.3实时运动的障碍物检测方法

当前，单目视觉对固定障碍物的检测研究相对较多，而运动障碍物的检测需要大量的不断采集图像并对其进行误差补偿，运算量较大，而这就导致了障碍物检测时间的延长［9］。文献［11］提出了一种应用单目视觉对实时运动物体进行检测的方法。该方法将摄像机的俯仰角和实际高度作为影响障碍物距离检测即障碍物三维位置和二维图像对应关系的两个重要因素，而经过实验对比分析，摄像机高度对测量结果的影响很小，而俯仰角则是影响测量结果最关键的因素。而摄像机实际运动过程中其俯仰角会随着路况而变化，因此通过初始俯仰角计算所得的车道线将不再平行，用固定的初始化俯仰角并不总是准确的，所以要在实际路面上重新计

算。利用道路车到平行线作为约束条件，可以求解摄像机实时的实际俯仰角。根据三维位置和二维图像对应关系，带入该俯仰角，即可求得实时变化的障碍物位置。通过实验结果分析发现，这种方法结果存在一定误差。校正的方法是人为的将结果减去不同的误差经验值，其中在某个误差值校正下所测得障碍物距离最接近实际障碍物距离，就确认该误差值为最佳校正值。用这种方法测得的实验结果表明，在10m～50m范围之内所测障碍物误差范围不超过1m。由此可见，其对障碍物检测的距离范围是有约束的，但是其实时性却得到了保证。

3. 结束语

立体视觉技术在障碍物检测中的应用是计算机技术的一个热门研究领域，就单目视觉来说，其对障碍物的检测方法也种类繁多。本文就当前常用的单目视觉障碍物检测方法进行了研究，发现每种方法都各有优缺利弊，也就是有其应用的局限性，其局限性的根本是被测障碍物的不确定性所造成的。因此，要想提高障碍物的检测精度和测量时效性，必须要多种技术融合。比如将单目视觉技术同激光、雷达、超声波等技术融合，或者采取视觉多元化的处理办法，比如将障碍物的色彩信息［10］、阴影信息［11］等等作为被处理对象的有用信息，使其参与单目视觉检测障碍物的运算过程中，都可以极大幅度的提高检测质量。

［1］Zhao Liang，Thorpe C.Stereo and neural network-based pendestrian detection.IEEE Transactions on Intelligent Transportation Systems，2000，1（3）：148-154.

［2］贾慧星，章毓晋.车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述［J］.自动化学报，2007（1）.

［3］李斌.智能车辆前方车辆探测及安全车距控制方法的研究［D］.吉林大学，2002.

［4］Xu Feng-Liang，Liu Xia，Fujimura K.Pedestrian detection and tracking with night vision.IEEE Transactions on Intelligent Transportation Systems，2005，6（1）：63-71.

［5］马颂德，张正友.计算机视觉-计算理论与算法基础［M］.北京：科学出版社，2003.

［6］李斌，高宏伟.基于立体视觉的岩石表面三维评估技术研究［D］.沈阳理工大学，2013

［7］韩延祥，张志胜，戴敏.用于目标测距的单目视觉测量方法［J］.光学精密工程，2011（5）.

［8］黄桂平，李广云，王保丰，叶声华.单目视觉测量技术研究［J］.计量学报，2004（4）.

［9］郭磊，徐友春，李克强，连小珉.基于单目视觉的实时测距方法研究［J］.中国图象图形学报，2006（1）.

［10］王荣本，赵兵，李琳辉，张明恒.智能车辆的障碍物检测研究方法综述［J］.公路交通科技，2007（11）.

［11］杨建荣，曲仕茹.基于单目视觉的障碍物检测方法研究［J］.计算机仿真，2009（2）.

Approach Review of Obstacle Detection based on Monocular Vision

Li Bin
（Shenyang Polytechnic College，Shenyang 110045，China）

The commonly method of monocular vision technology that used in obstacle detection are based on traditional monocular vision imaging principle.So the principle about obstacle detection based on traditional monocular vision must be introduced firstly.And then，the measurenment method is diffenrent depending on the different obstacles to be measured.So the paper analyzed and reasearched several obstacle detection method according to different situations.

Monocular vision；Obstacles；Detection

李斌（1985—），男，辽宁沈阳人，硕士，助教，研究方向：控制理论与控制工程。