论文部分内容阅读
视觉里程计技术是近年来智能车辆研究领域最具挑战性的问题之一,也是智能车辆依靠视觉定位导航实现自主驾驶的基础。然而现有的方法大多受到静态场景假设、平面假设等的限制,不适合于智能车辆的实际应用。本文针对适用于动态复杂环境的智能车辆视觉里程计技术展开研究。针对视觉里程计技术在智能车辆体系中的应用,建立车载视觉里程计系统模型,搭建了基于车辆动力学仿真软件的联合仿真平台,以用于分析不同车辆运动特性对视觉里程计中位姿估计算法性能的影响。针对智能车辆视觉里程计系统的特征检测与关联模块,提出了各子模块的评价指标以及综合评价指标。考虑智能车辆的实际应用环境,基于所搭建的实际智能车辆集成平台采集建立图像数据库,并依据所提出的评价指标对子模块进行选择和组合,对特征检测与关联模块进行了组合设计。针对静态场景假设、平面假设等难点问题,考虑智能车辆工作在动态复杂环境中,提出了两种考虑车辆运动特性的位姿估计算法。一种是适用于需要获取车速信息的单目视觉位姿估计算法:首先通过引入车辆动力学模型以及合理的线性近似,推导得到横摆角变化量与车体质心侧偏角之间的关系,并结合对俯仰角变换量的考虑,获得二自由度的高效内层数据关联;其次通过二维直方图投票方法避免了假设-验证结构算法机制的不确定性,并且保证了算法的高效执行。第二种是适合于能够获取场景深度信息的立体视觉位姿估计算法,通过运动学模型初始化的快速收敛三维配准,获取高质量的内数据从而得到精确的位姿估计;该方法不受平面假设的约束,能够在复杂的行驶条件下使用;并提出采用非迭代外层细化方法来保证算法的效率。这两种算法都充分利用了车辆的运动特性,能够正确地捕捉到运动的主分量,即使在动态目标较多的复杂场景中,也能够排除动态目标的干扰,获得正确的位姿估计。对特征检测与关联模块和位姿估计算法模块进行了集成,并针对集成系统算法的精度和效率,进行了全面的试验研究,包括仿真试验、数据库试验和实车试验。首先在所搭建的联合仿真平台上进行了验证,然后在国外著名的计算机视觉数据库上测试并与多种当前国际最新算法进行比较,最后基于所搭建的实际智能车辆集成平台进行了实车试验研究。试验结果均表明,本文提出的考虑车辆运动特性的视觉里程计系统方法,能满足智能车辆工作在动态复杂环境中对定位导航的需求。