基于双目视觉的障碍物识别研究论文(PDF 55页）

1．2课题研究的现状
1．3本课题研究的内容
1．I课题研究的目的和意义
1．U一视差法
1．分离并提取道路面直线
1．梯度算子
2．2摄像机模型与标定
2．2．1几何企业管理变换
2．2．2摄像机模型
2．2．3摄像机物镜畸变
2．2．4双臼摄像机标定
2．3双目立体匹配
2．3．1立体匹配韵内容
2．3．2选择匹配基元
2．3．3匹配准则
2．3．4立体匹配方法
2．垂直面(Vertical Plane)
2．拉普拉斯算子
2．视差值水平搜索方法
2．连续性约束(Disparity Constraint)
2．非对称畸变引起的畸交差为：
3．1双目视觉对障碍物识别算法设计
3．2双目摄像机模型
3．3 V一视差图的面特征
3．4 V．视差图的生成
3．5障碍物目标的识别
3．5．1拟合提取直线算法
3．5．2拟合提取直线步骤
3．5．3障碍物识别
3．倾斜面(Oblique Plane)
3．分别提取三条垂直线
4．1图像的预处理
4．1．1图像边缘检测
4．1．2道路边界线的检测
4．1．3图像冗余信息的处理
4．2图像冗余信息的处理
4．3双目图像视差的计算
4．4计算V一视差
4．5障碍物识别
4．极线约束(Epipolar Constraint)
图2-1双目立体视觉模型
图2-3透镜成像模型
图2-4区域匹配视差搜索
图2-6不同窗口时的视差图
图2．5滑动窗口算法示意图
图2．7双向匹配视差图
图3-1简单背景图像
图3-2复杂背景图像
图3-3双目摄像机模型
图3-5双目图像对
图3-6浓密视差图图3．7 V一视差图
图34 v一视差可识别的特征面
图3．11去掉道路
图3．12纵向投影
图3．13 V一视差图直
图3．14 u—V一视差图结合识别目标
图3．15视差值水平搜索方法识别目标
图3．8 v一视差图图3-9道路面图图3．10道路面直线
图4-10搜索道路边界线图4-11道路边界线拟合
图4-12去除冗余信息后的左右图像对
图4-13编译完成后的软件界面
图4-16 V一视差阈值设定
图4-17计算得到的V一视差图
图4-19直线提取结果
图4-5 Prewitt模板
图4-7 Laplacian常用的两种模板
图4—20障碍物识别结果
图4．-15计算得到的立体匹配视差图
图4．14视差计算的软件界面
图4．18直线提取阈值设定
图4．6 Sobel模板
..............................