本发明涉及一种汽车避障系统及方法，特别涉及一种基于3D摄像头的无人驾驶汽车避障系统及方法。
背景技术：
近年来，经济的快速发展，私家车数量与日俱增，造成道路汽车拥挤，带来了许多的交通事故，对人们的人身和财产造成巨大的损失。造成交通事故的原因有很多，主要因素还是驾驶员自身的原因，具体来讲，是驾驶员对事故的发生不能做出正确的预判而造成的。如果能采取某种措施，对驾驶员的操作起到引导作用，会降低交通事故的发生率。
随着汽车工业的快速发展和人们生活水平的不断提高，汽车已经取代了传统交通工具。由于道路上行驶的车辆越来越多，因此如果不对车辆避障进行有效控制，就可能引发交通安全事故。作为汽车主动安全系统的关键技术之一，车辆避障方法得到了广泛关注。
无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。中国从20世纪80年代开始进行无人驾驶汽车的研究，国防科技大学在1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。2005年，首辆城市无人驾驶汽车在上海交通大学研制成功。
无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。它是利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。
我国作为一个世界大国，在高科技领域也必须占据一席之地，未来汽车的智能化是汽车产业发展必然的，在这种情况下研究汽车避障具有深远意义，这将对我国未来智能汽车的研究在世界高科技领域占据领先地位具有重要作用。
技术实现要素：
本发明所要解决的技术问题是提供一种基于3D摄像头的无人驾驶汽车避障系统及方法，本发明体积轻、功效低、算法实时性强，避障算法基于目标物体的色度信息和深度信息，能对取景范围内的所有障碍物进行一次性综合评估后得到最优行驶路径，和人眼避障具有极大的相似性，将无人驾驶汽车的智能避障技术提升到了一个新的层次。
本发明为解决上述技术问题采用以下技术方案：
一方面，本发明提供一种于3D摄像头的无人驾驶汽车避障系统，包括3D摄像头、视觉分析模块和驾驶控制模块；其中：3D摄像头，用于采集无人驾驶汽车前方的3D图像，发送给视觉分析模块；视觉分析模块，用于向驾驶控制模块请求无人驾驶汽车的行驶状态，并根据3D图像信息以及无人驾驶汽车的行驶状态对障碍物建模，利用障碍物模型和无人驾驶汽车的行驶状态确定行驶调整路径；驾驶控制模块，用于根据视觉分析模块确定的行驶调整路径来控制无人驾驶汽车进行路径调整。
作为本发明的进一步优化方案，3D图像包括色彩图像和深度图像，视觉分析模块利用色彩图像识别出障碍物轮廓，利用深度图像获取障碍物的距离。
作为本发明的进一步优化方案，视觉分析模块根据无人驾驶汽车的行驶状态重新计算障碍物在地球坐标系中的大小和距离以及与无人驾驶汽车的相对位置，实现障碍物建模。
另一方面，本发明还提供一种根据上述的基于3D摄像头的无人驾驶汽车避障系统的避障方法，具体步骤如下：
1)3D摄像头采集无人驾驶汽车行驶前方的3D图像，发送给视觉分析模块；
2)视觉分析模块获取无人驾驶汽车的行驶状态；
3)视觉分析模块根据3D图像以及无人驾驶汽车的行驶状态对障碍物建模；
4)利用障碍物模型和无人驾驶汽车的行驶状态确定行驶调整路径。
作为本发明的进一步优化方案，将障碍物模型和无人驾驶汽车的行驶状态作为输入，应用神经网络模型和遗传算法，输出为最新的行驶调整路径。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
1)采用3D摄像头，简化结构，能够实现自动避障；
2)依据彩色图像和深度图像、以及无人驾驶汽车的行驶状态对障碍物进行建模，更加精确；
3)应用神经网络模型和遗传算法，提高了响应速度。
具体实施方式
下面详细描述本发明的实施方式，且描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解的是，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
下面对本发明的技术方案做进一步的详细说明：
本发明公开了一种于3D摄像头的无人驾驶汽车避障系统，包括3D摄像头、视觉分析模块和驾驶控制模块。
在无人驾驶汽车的行驶过程中，首先3D摄像头以一定的频率对行驶前方进行摄像，用于对前方障碍物进行3D建模，获取障碍物的位置、形状、大小以及距离信息。3D摄像头可以是基于双可见光摄像头，或者是可见光摄像头+红外激光投射仪。双可见光摄像头测距利用视差原理，处理不同视角下获取的对同一场景的两幅图像，从而恢复出物体的三维几何信息，并测得空间距离。可见光摄像头+红外激光投射仪利用可见光摄像获取图像的色彩信息，利用红外激光投射仪获取同一幅图像的深度信息，可见光摄像头和红外激光投射仪保持对外界图像的帧同步，叠加图像的色彩和深度信息可以重建眼前障碍物的3D图像。无论是哪种原理的3D摄像头，障碍物的信息实时传送到视觉分析模块进行处理。
视觉分析模块是本发明技术方案中的核心模块。主要功能如下：
1)接收和分析3D摄像头的原始数据，运用图像识别算法识别图片中的所有障碍物，对每个障碍物，解析出障碍物的形状、大小、在图像中的相对位置、和摄像头的距离等信息；
2)向驾驶控制模块索取当前行驶状态信息，根据行驶状态信息重新计算1)中障碍物在地球坐标系中的大小和距离以及相对位置；
3)对2)中所有障碍物信息运用导航避障算法，得到最优的行驶轨迹调整参数，这些参数包括调整角度和调整最后期限等，将这些参数发送至驾驶控制模块；
4)驾驶控制模块收到行驶轨迹调整参数后，重新规划行驶路线；如果视觉分析模块的调整参数均为0，表明此次摄像范围内没有探测到任何障碍物，驾驶控制模块可根据预设行驶路线继续行驶。
本发明的一实施例中，采用了Intel RealSense 3D Camera作为图像采集和图像处理平台，其摄像头采用了可见光摄像头+红外激光投射仪方式，成像范围在户外可达10m以上，图像分辨率达到1080P@30帧。运行环境为英特尔酷睿处理器和Microsoft Windows 8.1以上平台，采用Intel提供的SDK开发包，开发环境为Microsoft Visual Studio 2013,开发语言为C++。
驾驶控制模块主要接收视觉分析模块的行驶轨迹调整参数，对这些参数进行解析验证后，在调整最后期限前对行驶路线进行改变，控制无人驾驶汽车的行驶。
下面重点介绍一下障碍物建模的方法：
首先对工作空间提出假设：
把障碍物边界向外扩展无人驾驶汽车本体在长、宽方向上最大尺寸的1/2，则无人驾驶汽车可看作质点忽略不计；
障碍物可用凸多边形来描述：障碍物轮廓识别采用为SDK中的blob识别算法。3D摄像头的图像数据通过视觉分析模块处理后生成色彩图像和深度图像，blob识别算法针对色彩图像识别出障碍物轮廓。通过深度图像获取障碍物的距离，从而可以对前方障碍物建模。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。