论文部分内容阅读
摘要：本文基于视觉传感器和激光传感器实现可行驶路径的分割与提取，提出一种智能车路径识别算法。该算法可为越野智能车的自主控制提供道路信息，具有广泛的应用前景。
关键词：越野智能车，路径识别，传感器
【分类号】：TP273
越野智能车可用于执行侦察、运输、营救、探索、监视、科学数据采集等任务，无论在军事还是民用领域均具有广泛的应用前景。若要在越野环境中成功实现智能车的自主导航行驶，其关键在于开发有效的可行驶路径检测算法，并设计能够适应越野地形轨迹跟踪控制器。
在越野环境感知领域，针对非结构化道路的检测算法主要有基于道路特征的方法[1]，基于道路模型的方法[2]和基于学习的方法[3]等。受越野环境场景复杂、光照多变以及视觉投影造成信息丢失等因素的影响，单凭视觉类传感器难以实现完全可靠的可行驶路径识别。
实现越野智能车的导航控制，需要实时获取期望路径信息，并从中提取车辆预瞄点处相对期望路径的方位偏差和横向偏差，作为协调控制的反馈输入。本文提出通过视觉传感器，在激光传感器的辅助下实现越野路径的识别，并从中提取出期望的行驶轨迹。算法具体实现步骤：1）环境信息采集：通过彩色摄像机获取智能车前方的道路图像，同时基于能够获取所扫描对象相对车体的位置信息的激光传感器检测道路中是否存在凸起障碍物，以提高可行驶区域判别的可靠性。假定两类传感器已通过预先标定的方式建立了激光数据点与图像像素点的对应关系。2）图像预处理：首先对所采集的图像进行光照补偿以减弱光照的影响，然后采用直方图均衡化方法进行图像增强以方便道路特征的提取，最后在图像中标识出凸起障碍物区域以保证后续区域增长算法的种子点能够在非障碍区域自动选取。3）纹理特征提取：鉴于纹理特征能够反映图像灰度的性质及其空间关系，而自然景物在纹理上能够体现明显区别，故采用构造共生矩阵的方法生成越野图像中各像素点的纹理向量。共生矩阵能够反映图像灰度分布关于方向、局部领域和变化幅度的综合信息。4）基于区域增长的图像分割：在激光传感器的辅助下，可以在图像中确定出车辆正前方近处的一块可行驶区域，从该区域中随机选择种子点，按照纹理和灰度的相似性质进行区域增长，即可检测到道路的左右边缘，从而完成道路分割。5）期望轨迹提取：对分割后的图像进行形态学滤波处理，填充空穴并滤除孤立点后提取边缘，然后从图像中心线向两侧搜索，辅助完成左右道路边界的识别。
随着战时军事侦察不确定因素、不可预知性的增加，越野智能车的研发无疑具有广泛的应用前景。道路识别是越野智能车的“眼睛”，准确无误的道路信息是越野智能车自主控制的基础。
参考文献：
[1]HUANG J G，KONG B，LI B C，et al. A new method of unstructured detection based on HSV color space and road features[C]//Proceeding of the 2007 International Conference on Information Acquisiton.Piscataway，IEEE，2007，2：596-601.
[2]DUFOURD D，DALGALERRONDO A. An assessment methodology for image processing detectors of unstructured road edges[C]//Unmanned Ground Vehicle Technology，2002，4715：189-200.
[3]ZHOU S Y，IAGNEMMA K. Self-supervised learning method for unstructured road detection using fuzzy support vector machines[C]//IEEE/RSJ the 2010 International Conference on intelligent Robots and Systems，IEEE，2010：1183-1189.
关键词：越野智能车，路径识别，传感器
【分类号】：TP273
越野智能车可用于执行侦察、运输、营救、探索、监视、科学数据采集等任务，无论在军事还是民用领域均具有广泛的应用前景。若要在越野环境中成功实现智能车的自主导航行驶，其关键在于开发有效的可行驶路径检测算法，并设计能够适应越野地形轨迹跟踪控制器。
在越野环境感知领域，针对非结构化道路的检测算法主要有基于道路特征的方法[1]，基于道路模型的方法[2]和基于学习的方法[3]等。受越野环境场景复杂、光照多变以及视觉投影造成信息丢失等因素的影响，单凭视觉类传感器难以实现完全可靠的可行驶路径识别。
实现越野智能车的导航控制，需要实时获取期望路径信息，并从中提取车辆预瞄点处相对期望路径的方位偏差和横向偏差，作为协调控制的反馈输入。本文提出通过视觉传感器，在激光传感器的辅助下实现越野路径的识别，并从中提取出期望的行驶轨迹。算法具体实现步骤：1）环境信息采集：通过彩色摄像机获取智能车前方的道路图像，同时基于能够获取所扫描对象相对车体的位置信息的激光传感器检测道路中是否存在凸起障碍物，以提高可行驶区域判别的可靠性。假定两类传感器已通过预先标定的方式建立了激光数据点与图像像素点的对应关系。2）图像预处理：首先对所采集的图像进行光照补偿以减弱光照的影响，然后采用直方图均衡化方法进行图像增强以方便道路特征的提取，最后在图像中标识出凸起障碍物区域以保证后续区域增长算法的种子点能够在非障碍区域自动选取。3）纹理特征提取：鉴于纹理特征能够反映图像灰度的性质及其空间关系，而自然景物在纹理上能够体现明显区别，故采用构造共生矩阵的方法生成越野图像中各像素点的纹理向量。共生矩阵能够反映图像灰度分布关于方向、局部领域和变化幅度的综合信息。4）基于区域增长的图像分割：在激光传感器的辅助下，可以在图像中确定出车辆正前方近处的一块可行驶区域，从该区域中随机选择种子点，按照纹理和灰度的相似性质进行区域增长，即可检测到道路的左右边缘，从而完成道路分割。5）期望轨迹提取：对分割后的图像进行形态学滤波处理，填充空穴并滤除孤立点后提取边缘，然后从图像中心线向两侧搜索，辅助完成左右道路边界的识别。
随着战时军事侦察不确定因素、不可预知性的增加，越野智能车的研发无疑具有广泛的应用前景。道路识别是越野智能车的“眼睛”，准确无误的道路信息是越野智能车自主控制的基础。
参考文献：
[1]HUANG J G，KONG B，LI B C，et al. A new method of unstructured detection based on HSV color space and road features[C]//Proceeding of the 2007 International Conference on Information Acquisiton.Piscataway，IEEE，2007，2：596-601.
[2]DUFOURD D，DALGALERRONDO A. An assessment methodology for image processing detectors of unstructured road edges[C]//Unmanned Ground Vehicle Technology，2002，4715：189-200.
[3]ZHOU S Y，IAGNEMMA K. Self-supervised learning method for unstructured road detection using fuzzy support vector machines[C]//IEEE/RSJ the 2010 International Conference on intelligent Robots and Systems，IEEE，2010：1183-1189.