基于视觉的智能车辆道路识别与障碍物检测方法研究

研究道路图像分割问题。针对现有的基于消失点约束的道路图像分割方法过于依赖道路的边缘特征，导致容易出现过分割的问题，提出一种融合道路纹理、路面与非路面颜色特征提高道路图像分割精度的方法。算法基于消失点约束的直线道路模型，将道路分割转换为贝叶斯后验概率密度估计问题。该算法利用方向一致性比例来描述道路的纹理特征，及通过非线性转换函数及自监督策略计算图像像素与“路面”像素的相似性，凸显出图像中的路面区域，以此作为路面与非路面视觉特征测量的概率原型。算法利用了纹理、路面与非路面颜色三种视觉特征各自的优点，通过最大化贝叶斯后验概率密度估计分割出路面。通过与无监督或半监督道路分割研究领域最具代表性的方法进行比较，实验结果表明本文方法的精度更高。究基于双目视觉的道路场景三维重建与障碍物检测技术。光照变化、视差不连续、遮挡及弱纹理区域歧义匹配，以及实时性和资源消耗等是目前面向智能车辆的双目视觉算法所存在的主要问题。虽然在某一方面国内外研究已经取得了丰硕的成果，但是目前还没有相关研究能在保证系统精度与实时性的前提下综合性地解决好以上几个难题