一種障礙物檢測方法和裝置制造方法
【專利摘要】本發(fā)明實施例公開了一種障礙物檢測方法，所述方法包括：獲取第一幀圖像和第二幀圖像；檢測所述第一幀圖像的特征點；將所述特征點和第二幀圖像中對應(yīng)位置的特征點進行匹配；對匹配成功的第一幀圖像的特征點進行聚類，形成特征點類；選取表示接近自車的特征點類來代表障礙物進行顯示，實現(xiàn)對障礙物的檢測。本發(fā)明實施例還公開了一種障礙物檢測裝置。本發(fā)明實施例提供的障礙物檢測方法和裝置能夠使自車在任何狀態(tài)均可以檢測到接近自車的障礙物，提高了駕駛?cè)藛T及乘車人員的安全性。
【專利說明】一種障礙物檢測方法和裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種障礙物檢測方法和裝置。

【背景技術(shù)】
[0002] 在駕駛員駕駛車輛行駛時，位于自車后方及兩側(cè)盲區(qū)區(qū)域內(nèi)的障礙物（如車輛、 行人等）容易對駕駛者構(gòu)成安全隱患，尤其是當(dāng)駕駛員沒有注意到障礙物存在而進行變道 行駛時。因此，檢測盲區(qū)區(qū)域內(nèi)是否存在障礙物，并將障礙物的信息反饋給駕駛員對駕駛員 來說非常重要。
[0003] 現(xiàn)有技術(shù)中檢測障礙物的方法有兩類：一類是基于障礙物外觀的方法，另一類是 基于運動方向的方法。
[0004] 基于障礙物外觀的方法是利用特定障礙物的外觀特征來判斷障礙物是否為特定 障礙物，如果是，則將該障礙物的相關(guān)信息匯報給駕駛員。舉例而言，如果特定障礙物為車 輛，則利用車輛的外觀特征（如車輪、車牌、車輛底部陰影等）來判斷障礙物是否為車輛；如 果特定障礙物為行人，則利用人的外觀特征（如頭部、軀干部、四肢部等）來判斷障礙物是 否為人。
[0005] 基于障礙物外觀的方法的優(yōu)點在于不易受光照變化影響，檢測結(jié)果較為穩(wěn)定。但 是由于該方法需要對特定障礙物事先進行定義，所以檢測的對象種類有限。從另一角度來 講，由于該方法需要依此判斷檢測的障礙物是否為特定的障礙物（例如首先判斷障礙物是 否為車輛，如果否，再判斷該障礙物是否為人），當(dāng)特定檢測物的種類較多時，檢測的時間相 應(yīng)增加，很有可能導(dǎo)致駕駛員接收到障礙物信息時來不及采取相應(yīng)措施，發(fā)生車輛事故，所 以為了防止這種情況的出現(xiàn)，特定障礙物的種類需要被限制。
[0006] 基于運動方向的方法的基本原理是：當(dāng)車輛向前直行時，以該車輛為參照物，車輛 后面的相對于地面靜止的物體、與車輛前進方向相反的物體、雖與車輛前進方向相同但是 其速度小于該車輛的物體均向背離該車輛的方向運動，只有與該車輛前進方向相同且速度 大于該車輛的速度的物體是朝向該車輛的位置前進的，即該物體正在追趕該車輛，所以該 物體因成為潛在的障礙物而被檢測。
[0007] 所述基于運動方向的方法的優(yōu)點在于不需要考慮檢測目標(biāo)的種類，克服了基于障 礙物外觀方法只能檢測特定種類障礙物的缺點，但是該方法對檢測車輛直行時的障礙物較 為容易，當(dāng)車輛轉(zhuǎn)彎時，需要獲取車輛的旋轉(zhuǎn)角度等運動參數(shù)。而通過圖像獲取車輛的運動 參數(shù)需要利用圖像中相對于地面靜止的物體來做參照物進行計算，而車載環(huán)境下，地面的 特征常常不夠豐富，無法達到計算要求。所以基于運動的方法通常僅能在車輛直行時對障 礙物進行檢測，無法保證車輛轉(zhuǎn)彎時駕駛員的安全性。


【發(fā)明內(nèi)容】

[0008] 為了解決現(xiàn)有技術(shù)，本發(fā)明實施例提供一種障礙物檢測方法和裝置，實現(xiàn)了車輛 在任何狀態(tài)都能進行障礙物的檢測，提高了駕駛員的安全性。
[0009] 本發(fā)明實施例提供了一種障礙物檢測方法，所述方法包括：
[0010] 獲取第一幀圖像和第二幀圖像；
[0011] 檢測所述第一幀圖像的特征點；
[0012] 將所述特征點和第二幀圖像中對應(yīng)位置的特征點進行匹配；
[0013] 對匹配成功的第一幀圖像的特征點進行聚類，形成特征點類；
[0014] 選取表示接近自車的特征點類來代表障礙物進行顯示，實現(xiàn)對障礙物的檢測。
[0015] 優(yōu)選的，所述檢測所述第一幀圖像的特征點具體為：
[0016] 根據(jù)所述第一幀圖像生成像素梯度圖像；
[0017] 選取所述像素梯度圖像中在X軸或y軸方向的梯度值為局部極大值的特征點；
[0018] 將沒有被選擇的特征點的梯度值設(shè)為零，并重新生成像素梯度圖像；
[0019] 遍歷重新生成的像素梯度圖像的點，以被遍歷的特征點為中心，在預(yù)設(shè)搜索窗口 內(nèi)統(tǒng)計重新生成的像素梯度圖像中梯度值大于梯度閾值的特征點的個數(shù)；
[0020] 判斷所述特征點的個數(shù)是否大于或等于第一閾值；
[0021] 如果是，則選取所述搜索窗口內(nèi)梯度值最大的點作為所述第一幀圖像的特征點。
[0022] 優(yōu)選的，在所述將所述特征點和第二幀圖像中對應(yīng)位置的特征點進行匹配之后， 所述方法還包括：
[0023] 對包含所述第一幀圖像的連續(xù)k幀圖像進行特征點匹配，獲取特征點序列，所述 特征點序列是指由相鄰的兩幀圖像中匹配的特征點組成的向量集，且所述k大于或等于4;
[0024] 判斷所述向量集中相鄰的兩個向量是否至少滿足以下兩個條件中的其一：所述相 鄰的兩個向量的長度變化在第一預(yù)設(shè)范圍內(nèi)；所述相鄰的兩個向量的角度變化在第二預(yù)設(shè) 范圍內(nèi)；
[0025] 如果否，則去除構(gòu)成所述特征點序列的所有特征點。
[0026] 優(yōu)選的，所述對匹配成功的第一幀圖像的特征點進行聚類具體為：
[0027] 步驟A:選取一未被編號和標(biāo)記的第一幀圖像的特征點作為種子點，并對述種子 點進行編號和標(biāo)記；
[0028] 步驟B:按照預(yù)設(shè)規(guī)則查找所述種子點的所有鄰居點；
[0029] 步驟C:對所有鄰居點進行編號，所述鄰居點的編號與所述種子點的編號一致；
[0030] 步驟D:選取任一鄰居點，將所述鄰居點作為種子點并進行標(biāo)記，執(zhí)行步驟B和步 驟C，直至所有符合預(yù)設(shè)規(guī)則的鄰居點均被編號和標(biāo)記；
[0031] 步驟E:將編號相同的特征點歸為一類特征點。
[0032] 優(yōu)選的，所述預(yù)設(shè)規(guī)則為：
[0033]所述第一幀圖像的種子點的像素坐標(biāo)為(x;，.V:)，所述第二幀圖像中與所述種子點 匹配的特征點的像素坐標(biāo)為^ ,.K所述種子點的鄰居點的像素坐標(biāo)為，所述第 二幀圖像中與所述鄰居點匹配的特征點的像素坐標(biāo)為(.C兄％)，其中j尹i，所述r為與所 述第一幀圖像與所述第二幀圖像之間相隔的圖像的幀數(shù)；
[0034] 所述種子點與所述鄰居點至少需要滿足以下其中一個關(guān)系條件：

【權(quán)利要求】
1. 一種障礙物檢測方法，其特征在于，所述方法包括： 獲取第一幀圖像和第二幀圖像； 檢測所述第一幀圖像的特征點； 將所述特征點和第二幀圖像中對應(yīng)位置的特征點進行匹配； 對匹配成功的第一幀圖像的特征點進行聚類，形成特征點類； 選取表示接近自車的特征點類來代表障礙物進行顯示，實現(xiàn)對障礙物的檢測。
2. 根據(jù)權(quán)利要求1所述的障礙物檢測方法，其特征在于，所述檢測所述第一幀圖像的 特征點具體為： 根據(jù)所述第一幀圖像生成像素梯度圖像； 選取所述像素梯度圖像中在X軸或y軸方向的梯度值為局部極大值的特征點； 將沒有被選擇的特征點的梯度值設(shè)為零，并重新生成像素梯度圖像； 遍歷重新生成的像素梯度圖像的點，以被遍歷的特征點為中心，在預(yù)設(shè)搜索窗口內(nèi)統(tǒng) 計重新生成的像素梯度圖像中梯度值大于梯度閾值的特征點的個數(shù)； 判斷所述特征點的個數(shù)是否大于或等于第一閾值； 如果是，則選取所述搜索窗口內(nèi)梯度值最大的點作為所述第一幀圖像的特征點。
3. 根據(jù)權(quán)利要求1所述的障礙物檢測方法，其特征在于，在所述將所述特征點和第二 幀圖像中對應(yīng)位置的特征點進行匹配之后，所述方法還包括： 對包含所述第一幀圖像的連續(xù)k幀圖像進行特征點匹配，獲取特征點序列，所述特征 點序列是指由相鄰的兩幀圖像中匹配的特征點組成的向量集，且所述k大于或等于4 ; 判斷所述向量集中相鄰的兩個向量是否至少滿足以下兩個條件中的其一：所述相鄰的 兩個向量的長度變化在第一預(yù)設(shè)范圍內(nèi)；所述相鄰的兩個向量的角度變化在第二預(yù)設(shè)范圍 內(nèi)； 如果否，則去除構(gòu)成所述特征點序列的所有特征點。
4. 根據(jù)權(quán)利要求1所述的障礙物檢測方法，其特征在于，所述對匹配成功的第一幀圖 像的特征點進行聚類具體為： 步驟A:選取一未被編號和標(biāo)記的第一幀圖像的特征點作為種子點，并對述種子點進 行編號和標(biāo)記； 步驟B:按照預(yù)設(shè)規(guī)則查找所述種子點的所有鄰居點； 步驟C:對所有鄰居點進行編號，所述鄰居點的編號與所述種子點的編號一致； 步驟D:選取任一鄰居點，將所述鄰居點作為種子點并進行標(biāo)記，執(zhí)行步驟B和步驟C， 直至所有符合預(yù)設(shè)規(guī)則的鄰居點均被編號和標(biāo)記； 步驟E:將編號相同的特征點歸為一類特征點。
5. 根據(jù)權(quán)利要求4所述的障礙物檢測方法，其特征在于，所述預(yù)設(shè)規(guī)則為： 所述第一幀圖像的種子點的像素坐標(biāo)為所述第二幀圖像中與所述種子點匹配 的特征點的像素坐標(biāo)為(.<?',);所述種子點的鄰居點的像素坐標(biāo)為，所述第二 幀圖像中與所述鄰居點匹配的特征點的像素坐標(biāo)為，其中j尹i，所述r為與所述 第一幀圖像與所述第二幀圖像之間相隔的圖像的幀數(shù)； 所述種子點與所述鄰居點至少需要滿足以下其中一個關(guān)系條件：
其中，所述R為距離閾值，所述λ為長度變化閾值，所述C為角度閾值。
6. 根據(jù)權(quán)利要求1所述的障礙物檢測方法，其特征在于，所述選取表示接近自車的特 征點類來代表障礙物具體為： 計算所述第一幀圖像與所述第二幀圖像的距離變化比，所述距離變化比為第一幀圖像 中某類特征點的矢量長度總和與所述第二幀圖像中位置對應(yīng)的該類特征點的矢量長度總 和之比，所述矢量長度總和是指某類特征點中所有任意兩個特征點的長度矢量之和； 當(dāng)所述第一幀圖像的獲取時間比所述第二幀圖像的獲取時間早，則將所述距離變化比 小于1的特征點類表示接近自車的特征點類； 當(dāng)所述第一幀圖像的獲取時間比所述第二幀圖像的獲取時間晚，則將所述距離變化比 大于1的特征點類表示接近自車的特征點類。
7. -種障礙物檢測裝置，其特征在于，所述裝置包括：圖像獲取單元、特征點檢測單 元、特征點匹配單元、特征點聚類單元、特征點類選取單元和顯示單元； 所述圖像獲取單元和所述特征點檢測單元連接，所述特征點檢測單元和所述特征點匹 配單元連接，所述特征點匹配單元和所述特征點聚類單元連接，所述特征點聚類單元和所 述特征點類選取單元連接，所述特征點類選取單元和所述顯示單元連接； 其中，所述圖像獲取單元，用于獲取第一幀圖像和第二幀圖像； 所述特征點檢測單元，用于檢測所述第一幀圖像的特征點； 所述特征點匹配單元，用于將所述特征點和第二幀圖像中對應(yīng)位置的特征點進行匹 配； 所述特征點聚類單元，用于對匹配成功的第一幀圖像的特征點進行聚類，形成特征點 類； 所述特征點類選取單元，用于選取表示接近自車的特征點類； 所述顯示單元，用于將選取的特征點類代表障礙物進行顯示，實現(xiàn)對障礙物的檢測。
8. 根據(jù)權(quán)利要求7所述的障礙物檢測裝置，其特征在于，所述特征點檢測單元包括：梯 度圖像生成單元、第一特征點選取單元、圖像重新生成單元、統(tǒng)計單元、第一判斷單元和第 二特征點選取單元； 所述圖像獲取單元與所述梯度圖像生成單元連接，所述梯度圖像生成單元與所述第一 特征點選取單元連接，所述第一特征點選取單元與所述圖像重新生成單元連接，所述圖像 重新生成單元與所述統(tǒng)計單元連接，所述統(tǒng)計單元與所述第一判斷單元連接，所述第一判 斷單元與所述第二特征點選取單元連接，所述第二特征點選取單元與所述特征點匹配單元 連接； 其中，所述梯度圖像生成單元，用于根據(jù)所述第一幀圖像生成像素梯度圖像； 所述第一特征點選取單元，用于選取所述像素梯度圖像中在X軸或y軸方向的梯度值 為局部極大值的特征點； 所述圖像重新生成單元，用于將沒有被所述第一特征點選取單元選擇的特征點的梯度 值設(shè)為零，并重新生成像素梯度圖像； 所述統(tǒng)計單元，用于遍歷重新生成的像素梯度圖像的點，以被遍歷的特征點為中心，在 預(yù)設(shè)搜索窗口內(nèi)統(tǒng)計重新生成的像素梯度圖像中梯度值大于梯度閾值的特征點的個數(shù)； 所述第一判斷單元，用于判斷所述特征點的個數(shù)是否大于或等于第一閾值，如果是，則 激活所述第二特征點選取單元； 所述第二特征點選取單元，用于選取所述搜索窗口內(nèi)梯度值最大的點作為所述第一幀 圖像的特征點。
9. 根據(jù)權(quán)利要求7所述的障礙物檢測裝置，其特征在于，所述裝置還包括特征點序列 獲取單元、第二判斷單元和特征點去除單元； 所述特征點匹配單元與所述特征點序列獲取單元連接，所述特征點序列獲取單元與所 述第二判斷單元連接，所述第二判斷單元和所述特征點去除單元連接，所述特征點去除單 元和所述特征點聚類單元連接； 其中，所述特征點序列獲取單元，用于對包含所述第一幀圖像的連續(xù)k幀圖像進行特 征點匹配，獲取特征點序列，所述特征點序列是指由相鄰的兩幀圖像中匹配的特征點組成 的向量集，且所述k大于或等于4 ; 所述第二判斷單元，用于判斷所述向量集中相鄰的兩個向量是否至少滿足以下兩個條 件中的其一：所述相鄰的兩個向量的長度變化在第一預(yù)設(shè)范圍內(nèi)；所述相鄰的兩個向量的 角度變化在第二預(yù)設(shè)范圍內(nèi)；如果否，則激活所述特征點去除單元； 所述特征點去除單元，用于去除構(gòu)成所述特征點序列的所有特征點。
10. 根據(jù)權(quán)利要求7所述的障礙物檢測裝置，其特征在于，所述特征點類選取單元包 括：距離變化比計算單元和選取單元； 所述特征點聚類單元與所述距離變化比計算單元連接，所述距離變化比計算單元與所 述選取單元連接，所述選取單元與所述顯示單元連接； 其中，所述距離變化比計算單元，用于計算所述第一幀圖像與所述第二幀圖像的距離 變化比，所述距離變化比為第一幀圖像中某類特征點的矢量長度總和與所述第二幀圖像中 位置對應(yīng)的該類特征點的矢量長度總和之比，所述矢量長度總和是指某類特征點中所有任 意兩個特征點的長度矢量之和； 所述選取單元，用于當(dāng)所述第一幀圖像的獲取時間比所述第二幀圖像的獲取時間早 時，將所述距離變化比小于1的特征點類表示接近自車的特征點類；或，當(dāng)所述第一幀圖像 的獲取時間比所述第二幀圖像的獲取時間晚時，將所述距離變化比大于1的特征點類表示 接近自車的特征點類。
【文檔編號】G06K9/00GK104318206SQ201410520226
【公開日】2015年1月28日 申請日期:2014年9月30日 優(yōu)先權(quán)日:2014年9月30日
【發(fā)明者】于紅緋, 劉威, 袁淮 申請人:東軟集團股份有限公司