一种限高杆检测和高度计算方法与流程

本发明涉及一种限高杆检测和高度计算方法，属于汽车辅助驾驶技术领域。

背景技术：

限高杆是一种常见安全装置，其目的大致分为两种，一种是为了警示驾驶员前方有障碍物限制高度(停车场入口，高架桥，隧道等)，另一种是提醒货车不许进入。一般限高杆上面有具体限高高度，由驾驶员自行判断车辆是否可以安全通过。近年来为提高安全，出现了一些更精确的警示装置，如在限高杆前面的路边设置激光测高装置，经过车辆超高时向司机发出警示信号。

近来，有人提出使用双目视觉进行限高杆检测。车载限高杆检测和高度测量的优点是，在驾驶员判断失误或忽略(如未看清、短暂打盹等)时，系统可以直接向驾驶员发出警告信号，甚至可以配合自动驾驶l3级的自动紧急刹车(automaticemergencebreaking，aeb)功能，使车辆及时停下，避免事故和伤亡。目前车载基于双目视觉的限高杆检测的方法是，先计算出视差图，然后根据限高杆上面的点视差相等，检测出限高杆。此方法有两个根本局限：1/因为限高杆是水平的，与极线重合，加之限高杆外表为同色或二色油漆条，计算出的视差可靠性低；2/在距离稍远时，限高杆在图像里宽度很小，匹配可靠性低，因而在后处理时被去掉，在视差图里为空。

技术实现要素：

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种限高杆检测和高度计算方法。

为解决上述技术问题，本发明提供一种限高杆检测和高度计算方法，通过双目高度错位排列的双目相机获取限位杆的图像信息；

在左右图像中提取边缘点，利用高鲁棒性的边缘点匹配算法进行匹配，得到边缘点视差图，所述边缘点视差图为只有边缘点的图，每点的值为双目相机的左右视差大小；

基于边缘视差图检测得到一组可能代表限高杆的边缘，计算边缘的各自高度，其中高度落入限高杆高度范围的边缘为限高杆，输出其高度。

进一步的，所述边缘匹配算法模型的匹配计算过程为：

将双目相机的左右摄像头采集的图像信息转换为灰度图像，得到左边图像和右边图像，使用canny边缘点检测算法从左边图像和右边图像中，分别获取左边缘点和右边缘点；

分别将左边缘点和右边缘点按直接相连性连接为左边缘和右边缘，边缘反映对应物体的外形轮廓或图画特征；

对每个左边缘点，根据标定参数计算其在右边图像的极线，沿极线在一定范围内搜索，通过简单特征寻找候选对应点(简单特征如亮度，梯度值与方向等)；

对每一个左边缘点，在左边缘上，考察以该边缘点为中心的固定大小邻域中的每个邻点；

确定该边缘点的的所有邻点中是否有候选对应点，如果邻点中有至少一个候选对应点，对当前边缘点的候选对应点之一和当前边缘点的一个邻点的候选对应点之一进行视差梯度计算，若计算结果小于预先设置的视差梯度极限，则此邻点投给当前边缘点的当前候选对应点一票；

找出每个边缘点票数最高的候选对应点，如果票数高于预先设定的票数阈值，则确定该边缘点有匹配的候选对应点。

进一步的，所述一定范围为车辆前方欲检测的最远最近距离对应的最大和最小视差；

所述候选对应点的确定标准为：左边缘点和右边缘点的梯度和方向之差的绝对值小于预先设置的阈值。

进一步的，所述视差梯度计算的公式为：

|disp1–disp2|<dg0*d12+1.5

其中，disp1和disp2为进行比较的两个候选对应点的视差，d12为同一边缘上当前点和其邻域内的一个邻点的距离，dg0为视差梯度极限。

进一步的，所述限高杆检测算法模型的高度计算过程为：

将左边图像中每一行中有匹配候选对应点的边缘点，聚为一个集合；

如果集合点数高于预先设置的点数阈值，计算集合内的边缘点的视差直方图；

确定直方图横轴每一个视差值，如果当前视差值、左视差高度和右视差高度之和大于预先设置的高度阈值，则此左边图像的该行为候选限高杆；

对每一个候选限高杆的视差和其图像内高度，计算求出候选限高杆高度；

根据限高杆设置规定，删除候选限高杆中不合理的候选限高杆，保留最近限高杆设置规定的候选限高杆，输出该候选限高杆的高度。

进一步的，如果候选限高杆数量大于一，且有视差值相近(限高杆较近时，图像内较宽，边缘检测可能给出上边缘轮廓和下边缘轮廓，二者视差相近。这时取较低者。)的候选限高杆，合并取其图像内低者为候选限高杆。本发明所达到的有益效果：

双目相机设计为高度错位排列，避免极线平行于水平线，保证视差计算的可靠性；以限高杆的边缘点代表限高杆，这样即便距离较远图像宽度窄，限高杆边缘也能够获得检测，然后进行匹配并算出视差。采用的高鲁棒性的边缘匹配算法，保证视差计算高可靠性，进而保证检测算法的可靠性。基于图像的边缘视差图的限高杆检测算法，计算结果更准确。

附图说明

图1是本发明的流程示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

如图1所示，一种限高杆检测和高度计算方法，通过双目高度错位排列的双目相机获取限位杆的图像信息；

采用预先构建的高鲁棒性的边缘匹配算法模型进行匹配，确定匹配参数；

将匹配参数输入至预先构建的基于边缘视差图的限高杆检测算法模型，确定限高杆高度。

高鲁棒性的边缘匹配算法模型的边缘匹配算法过程为：

1.边缘点检测(edgedetection)：左右摄像头视频图像转换为灰度图像，使用canny边缘点检测算法。

2.边缘点连接(edgelinkingintocontours)：将直接相连的边缘点连接为边缘。

3.候选对应点选择：对左边图像每一点，计算其在右边图像的极线，沿极线在一定范围内搜索。

a)搜索范围：计算三维空间最远最近距离对应的最大和最小视差。

b)候选对应点接受标准：左右边缘点的梯度和方向小于给定阈值。这里不要求相等，因为左右相机无法做到相同且图像存在噪声。

c)每个边缘点都有0到n个候选对应点。

4.投票机制：

a)对左边图像每一个边缘点，考察每个邻点，即属于同一边缘、以该边缘点为中心的固定大小邻域。

b)考察当前边缘点的每一个候选对应点。如果邻点有至少一个候选对应点，二者的视差梯度——即视差之差除以当前边缘点和邻点距离——小于一个阈值，此阈值称为“视差梯度极限(disparitygradientlimit)”，则此邻点投给当前边缘点的当前候选对应点一票。实施中考虑到边缘位置误差，上述条件改写为|disp1–disp2|<dg0*d12+1.5，disp1和disp2为进行比较的两个候选对应点的视差，d12为二者的距离，dg0为视差梯度极限，我们选为0.2。

c)检查每个边缘点最高票数的候选对应点。如果总票数高于给定阈值，认定该候选对应点为正确。

基于边缘视差图的限高杆检测算法模型的限高杆检测算法过程为：

1.左边图像每一行有匹配对应点的边缘点，聚为一个集合。

2.如果集合点数高于给定阈值，计算集合内的点的视差直方图。

3.考察直方图横轴每一个视差值。如果当前视差和左右视差高度之和大于给定阈值，则此图像行为候选限高杆。

4.如果候选限高杆数量大于一，且有视差值相近的候选限高杆，合并取其低者。

5.对每一个候选限高杆的视差和其图像内高度，算出候选限高杆高度。

6.根据限高杆设置规定，删除不合理候选限高杆。

本发明的主要特点是：1/双目相机设计为高度错位排列，避免极线平行于水平线，保证视差计算的可靠性；2/以限高杆的边缘点代表限高杆，这样即便距离较远图像宽度窄，限高杆边缘也能够获得检测，然后进行匹配并算出视差。3/本发明提出一种高鲁棒性的边缘匹配算法，保证视差计算高可靠性，进而保证检测算法的可靠性。4/本发明是基于图像的边缘视差图的限高杆检测算法，计算跟准确。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的得同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。