智能车辆控制基础第六章智能车辆感知系统.pptxVIP

第六章 智能车辆感知系统;6.1——智能车辆的感知 6.2——双目视觉 6.3——车道线和路面识别 6.4——车辆与行人识别与追踪 6.5——道路交通标识识别 6.6——多传感器融合;;6.1.1　基于激光雷达的感知系统;1.激光雷达测距原理 激光雷达是工作在光频波段的雷达,激光雷达系统由收发天线、收发前端、信号处理模块、汽车控制装置和报警模块组成,如图6-1所示。;2.激光雷达感知原理和数据特点 现在自动驾驶中常用的激光雷达为机械式激光雷达,其由若干组可以旋转的激光发射器和接收器组成。每个发射器发射的一条激光束俗称“线”,主要有单线、4线、16线、32线、64线和128线。 常见机械式激光雷达中激光束是波长在900nm左右的近红外光(NIR),可以根据激光直接获得周围一圈的准确的三维空间信息。这种雷达的成像原理比较简单:发射器和接收器连接在一个可以旋转的机械结构上,某时刻发射器将激光发射出去,之后接收器接收返回的激光并计算激光与物体碰撞点到雷达原点的距离。 由于每次发射/接收的角度是预先设定的,因此根据距离、水平角度和垂直角度就能求出碰撞点相对于激光雷达中心的坐标。每条线每次发射激光得到的数据由一个四元组(x,y,z,i)表示,其中(x,y,z)是三维坐标,i表示反射强度。;图6-4　某32线激光雷达的成像原理示意图;6.1.2　基于微波雷达的感知系统;表6-8　各种传感器优缺点对比;1.毫米波雷达测距原理 雷达的调频器通过天线发射连续波信号,发射信号遇到目标后,经过目标的反射会产生回波信号,发射信号与回波信号相比,有相同的形状,只是时间上存在差值,以发射信号为三角波为例,则发射信号与返回的回波信号对比如图6-6a所示。;2.毫米波雷达测速原理 当目标与雷达信号发射源之间存在相对运动时,除了目标反射的回波信号与发射信号间存在时间差外,回波信号的频率与发射信号之间会产生多普勒位移fd,对比图如图6-7所示。;6.1.3　基于机器视觉的感知系统;1.视觉传感器 视觉传感器被广泛应用到智能车辆的环境感知系统。测距传感器和图像传感器的融合能发挥二者的长处,在获取车辆环境信息和目标识别等方???优势明显。 视觉传感器主要有光源、镜头、图像传感器、模/数转换器、图像处理器、图像存储器等组成,如 图6-10所示,以实现车道线识别、障碍物检测、交通标识和地面标志识别、交通信号灯识别、可通行空间检测等功能。;2.视觉感知关键技术 视觉感知主要用于检测动态(如车辆、行人)或静态(如车道、交通标识)障碍物,不同的障碍物会使车辆面临着不同的任务决策和驾驶规则。例如,一条道路对边界进行了严格定义,车辆必须在保证不超过边界的情况下安全行驶。近年来,主要集中于对车道、车辆、行人、交通标识的检测与研究。图6-12所示为视觉感知关键技术。;图6-12　视觉感知的关键技术;;6.2.1　立体匹配相关理论;图6-15　小孔成像过程;图6-16　图像成像的过程;2.立体匹配的原理 双目视觉系统是采用两个相同的相机搭建,用来得到外界三维环境信息的视觉系统。平行光轴的双目视觉系统是双目视觉系统中最常见的一种系统,它和人眼结构类似。两个相机水平放置,光轴平行,成像平面在空间共面,而且两个相机的焦距和图像的中心点都一样,成像示意图如图6-17所示。相机的参考坐标系的原点是OC,它与左相机的成像中心点OL重合,点M在相机的参考坐标系中坐标为M(xC,yC,zC),点M在左图像坐标系中对应点为m(u,v),在右图像坐标系中对应点m1(u1,v1),M点对应的视差值d=u-u1。在平行放置的双目视觉系统中,v=v1,这种情况下,双目视觉的匹配算法能够得到很大简化。;图6-17　平行放置的双目视觉系统成像示意图;3.立体匹配的约束条件 机器视觉的主要任务是处理视觉信息,从二维图像信息恢复三维的物理世界,让机器具有一些人眼的特性。这一处理过程本身属于逆过程,而且在成像过程中,由于系统畸变和噪声的存在,使得机器视觉任务变得非常困难,机器视觉实际上属于病态问题(ill-posed problem)。因此在解决机器视觉任务的时候,往往需要加入一些约束条件来简化图像处理算法。双目视觉的匹配算法也不例外,匹配算法的约束主要目的是减少视差值有哪些信誉好的足球投注网站范围和降低匹配点的歧义性,具体的约束条件包括极线约束、顺序约束、连续性约束、唯一性约束、对应约束和视差范围约束。;6.2.2　传统的立体匹配算法;1.匹配代价计算 匹配代价计算是双目匹配的第一步,它会计算每个