所属领域： A 电子信息技术

技术成果简介

基于视觉方法的运动目标检测作为智能车环境感知的重要组成部分，是智能车环境理解、导航、规划、行为决策与控制的基础，对安全驾驶、行人保护具有重要意义。目前，基于静止相机的运动目标检测主要采用背景相减、帧差法、光流法等方法实现运动目标检测，也得到了广泛的应用，例如对公共场所的人群监控，然而在自动驾驶环境中，相机需要固定在车辆上进行运动目标检测，故现有方法不再适用，而因为相机自身的运动，使目标自身的运动和背景的运动混合在一起，给运动目标的检测带来了很大的困难。现有技术中，也有采用光流技术结合视觉技术对运动目标进行检测，以应用到自动驾驶领域作为智能车的环境感知数据，但其在应用光流技术对道路上障碍物的判断时，受视觉技术中图像复杂度的影响，检测精度只能达到百分之50左右，满足不了智能驾驶对环境感知的要求。针对现有技术中的不足，本发明公开了一种基于视觉的智能车运动目标检测方法，包括：步骤一，基于立体匹配算法对相机采集到的道路图像生成对应的原视差图像，以构建相应的U‑V视差图像；步骤二，基于U‑V视差图像得到与车辆可行驶区域相关的预处理图像；步骤三，基于预处理图像生成与道路上潜在运动相关的感兴趣区，以作为潜在的障碍物目标；步骤四，结合光流和相机自运动属性对障碍物的运动属性进行判断。本发明提供一种基于视觉的智能车运动目标检测方法，通过融合光流和立体视觉计算目标运动的可能性，结合可行使区域检测结果，能有效降低车辆行驶前方中运动目标的误检率。

技术成果前景

其一，本发明通过融合光流和立体视觉计算目标运动的可能性，结合可行使区域检测结果，降低车辆行驶前方中运动目标的误检率，其检测精度可达到70％-80％。其二，本发明的检测方法相对现有技术而方，无需对相机的运动进行约束，可直接用于移动平台的运动目标检测，能够有效的检测动态目标，增强了实用性，采用误差模型降低整个算法中各阶段的估计带来的误差影响，且在算法中融合可行驶区域的检测结果，减少真实场景中复杂景物复杂化、模糊化带来的影响，一定程度上降低运动目标的误检率。