论文部分内容阅读
双目视觉系统由于具有结构简单,成本低廉,功耗更低,重建结果更加稠密的优点,被广泛应用于无人驾驶和自主机器人等领域。本文以双目立体视觉为核心,给出了一套应用于道路交通环境的实时双目视觉解决方案。本文完成的主要工作如下:1.提出了一种基于特征选择的Census匹配算子设计方法。该方法充分结合了特征选择的核心思想,联合使用信息增益,相关性和匹配错误率等评价函数,通过启发式前向搜索和包裹式选择得到Census匹配算子。实验表明,该方法得到的Census匹配算子具有错误率更低和效率更高的优点,有利于算法加速和硬件部署。2.设计并实现了基于FPGA的双目视觉系统。以本文提出的基于特征选择的Census匹配算子和基于方向梯度的路径加权半全局匹配算法为核心,设计和优化了面向FPGA的立体匹配算法,并且具体介绍了基于FPGA的双目视觉系统设计。实验表明,本文算法在面向FPGA的立体匹配算法中具有更低错误率,系统具有较好的运行速度和资源占用情况。本文提出的分块图像校正方法,与传统的图像校正策略相比,具有BRAM资源占用少和DDR访问效率高等优点,有利于高分辨率或畸变严重的多摄像头图像校正场合的应用;核心算法并行设计则充分利用了组合逻辑和倍频复用方法,使得系统可以针对不同的帧率要求和资源限制适配不同的硬件平台。3.设计了基于视差图的自由空间估计和障碍检测算法。从双目几何原理出发,通过公式推导和图像分析,提出了一种高效的无参化道路视差估计方法,它可以适应远处的起伏路面,减少漏检和误检。同时,我们挖掘了纹理梯度信息用于计算自由空间和检测障碍物,只选取局部梯度极值点作为候选节点参与动态规划过程,可以大幅减少计算量,并且将梯度信息纳入代价方程,获得了更精确的检测结果。多个场景实验表明,本文提出的算法在精度和运行效率两方面都要优于标准算法,对于远处的障碍物和起伏的路面具有较好的检测效果,算法实时性较高,有利于自主导航和物体识别等后续任务的跟进。