论文部分内容阅读
障碍物检测是盲人行走辅助(ETA)系统中的关键技术,其检测准确性和实时性是衡量ETA系统实用性的重要标志。长期以来,盲人或低视力人士基本依靠盲杖和导盲犬等传统方式辅助行走,而这些导盲工具都有很大的局限性。因此,开发出一种实用的智能ETA系统具有极大的研究价值和社会意义,也具有广阔的应用前景。近年来,国内外学者对盲人ETA系统进行了大量的研究,提出了许多新的方法,以提高ETA系统的实用性。但是,现有的ETA系统一般采用超声波、激光及红外技术检测障碍物,三者都存在波束窄,检测范围有限的缺点,而少数基于单目视觉的ETA系统其测距仍然要依赖额外的测距仪来实现。另外,在信息输出方式上,多数采用触觉提示或非自然语音提示,盲人需要一个长期的学习训练和适应过程。因此,本文以盲人行走辅助系统(ETA)为研究背景,考虑到现有ETA系统存在的不足,本文尝试从双目立体视觉这一新的角度,研究基于双目视觉的B-ETA系统模型及其关键算法。完整的B-ETA系统主要包括全局导航、局部避障、语音输出等模块。本文着重对其中的局部障碍检测与测量方法这一核心问题展开较为系统、深入的研究进行研究。主要的研究工作及取得的研究成果包含以下几个方面。1) 分析了ETA技术的国内外研究现状,从不同角度对现有ETA系统进行对比分析,并在总结它们存在的不足的基础上,然后提出了基于双目视觉的盲人电子行走辅助系统模型(B-EAT模型)。2)针对障碍物检测中的图像分割,提出了结合类内方差和类间方差的二维方差最大法。并将3维正态分布及信息论的最小相对熵原理应用到阈值图像分割,提出了三维最小误差阈值分割法(3D-MET)。同时,为了提高这两种新方法的运算速度,分别提出了基于构建查找表的和基于三维直方图降维和重建的两种快速实现方法。并将这些新方法应用于后续章节的障碍物分割。3)针对复杂场景中显著障碍物的检测,本文基于人眼的视觉注意机制,提出了加权调频与3D-MET相结合的显著障碍物检测算法,实现对复杂场景中显著障碍物的自动选择。实验对比结果表明,与其它方法相比,新方法能更准确有效地突出图像中最显著的物体,且能生成全分辨率显著图。4)对盲人行走安全威胁最大的是距离盲人最近的物体,因此障碍物距离的准确快速测量对于盲人及时避障至关重要。本文研究了基于双目视觉的距离测量方法及其在B-ETA系统中的应用。具体针对非稳视差估计的误差能量阈值设计中容错系数α的确定问题,将满意优化理论与效用理论相结合,提出了关于容错系数a的效用满意度函数,实现α的自适应确定,较好地解决了其以往只能靠经验判断的问题。