基于三目视觉系统的车辆导引方法

doi:10.11772/j.issn.1001-9081.2014.06.1762

计算机应用 ›› 2014, Vol. 34 ›› Issue (6): 1762-1764.DOI: 10.11772/j.issn.1001-9081.2014.06.1762

基于三目视觉系统的车辆导引方法

王军¹,²,柳红岩¹

1. 苏州科技学院电子与信息工程学院,江苏苏州 215000;
2. 中国科学院大学,北京 100049

收稿日期:2013-12-25 修回日期:2014-02-18 发布日期:2014-07-02 出版日期:2014-06-01
通讯作者: 柳红岩
作者简介:王军(1979-),男,江苏徐州人,副教授,博士,主要研究方向:光电检测;柳红岩(1990-),女,山西晋中人,硕士研究生,主要研究方向:光电信息、数字图像处理
基金资助:
江苏省青年科学基金资助项目

Vehicle navigation method based on trinocular vision

WANG Jun¹,²,LIU Hongyan¹

1. College of Electronic and Information Engineering, Suzhou University of Science and Technology, Suzhou Jiangsu 215000,China;
2. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2013-12-25 Revised:2014-02-18 Online:2014-07-02 Published:2014-06-01
Contact: LIU Hongyan

摘要/Abstract

摘要：

为使车辆在非结构化地形环境中实现自动导引,提出一种基于三目立体视觉系统的自适应地形分类方法。该地形分类方法利用三目视觉系统采集地形的几何信息与颜色信息, 方法中的几何分类器通过分析采集的数据对地形进行初步分类,而颜色分类器则在几何分类器的基础上对不同地形进行颜色标注。分类过程中,为使车辆能够有效地适应变化的地形环境,需根据分类所得新数据实时更新原有分类数据。该地形分类方法最终把可行驶的地面和不可行驶的任何地形作出分类并用不同颜色标注。从实验结果可看出,该方法可对实验中三目立体视觉系统所拍摄的地形作出准确分类。

Abstract:

A classification method based on trinocular stereovision, which consisted of geometrical classifier and color classifier, was proposed to autonomously guide vehicles on unstructured terrain. In this method, rich 3D data which were taken by stereovision system included range and color information of the surrounding environment. Then the geometrical classifier was used to detect the broad class of ground according to the collected data, and the color classifier was adopted to label ground subclasses with different colors. During the classifying stage, the new classification data needed to be updated continuously to make the vehicle adapt to variable surrounding environment. Two broad categories of terrain what vehicles can drive and can not drive were marked with different colors by using the classification method. The experimental results show that the classification method can make an accurate classification of the terrain taken by trinocular stereovision system.

中图分类号:

TP183

王军柳红岩. 基于三目视觉系统的车辆导引方法[J]. 计算机应用, 2014, 34(6): 1762-1764.

WANG Jun LIU Hongyan. Vehicle navigation method based on trinocular vision[J]. Journal of Computer Applications, 2014, 34(6): 1762-1764.

参考文献

[1]HAGUE T, MARCHANT J, TILLETT N D, et al. Ground-based sensing systems for autonomous agricultural vehicles[J]. Computers and Electronics in Agriculture, 2000,25(1):11-28.
[2]LEGER P C, DEEN R G, BONITZ R G, et al. Remote image analysis for mars exploration rover mobility and manipulation operations[C]// Proceedings of the 2005 IEEE International Conference on Systems, Man and Cybernetics. Piscataway: IEEE Press, 2005,1:210-217.
[3]THRUN S, MONTEMERLO M, DAHKAMP H, et al. Stanley: the robot that won the DARPA grand challenge: research articles [J]. Journal of Robotic Systems — Special Issue on the DARPA Grand Challenge, Part 2, 2006,23(9):661-692.
[4]WANG F, LIU Y, SHAO J. The application of multi-sensor combination technology[J]. Journal of Harbin University of Science and Technology, 2001, 6(1):81-84.(王芳, 刘岩, 邵骏鹏. 多传感器数据融合技术及其应用[J]. 哈尔滨理工大学学报, 2001, 6(1):81-84.)
[5]QIN F, HUANG J, CHENG Z, et al. A study on accuracy evaluation method for multy-label classifier[J]. Computer Technology and Development, 2010, 20(1):46-49.(秦锋, 黄俊, 程泽凯, 等. 多标签分类器准确性评估方法的研究[J]. 计算机技术与发展, 2010, 20(1):46-49.)
[6]REINA G, MILELLA A. Towards autonomous agriculture: automatic ground detection using trinocular stereovision[J]. Sensors, 2012(12):12405-12423.
[7]XU Y, ZHOU J, ZHOU Y. On stereo matching technology[J]. Computer Engineering and Applications, 2003, 39(15):1-6.(徐奕, 周军, 周源华. 立体视觉匹配技术[J]. 计算机工程与应用, 2003, 39(15):1-6.)
[8]CHEN H, DU X, LI H, et al. Rectification of images for parallel multiple-baseline stereo vision[J]. Journal of Zhejiang University: Engineering Science, 2004, 38(7):799-804.(陈华华, 杜歆, 李宏东, 等. 平行多基线立体视觉图像校正[J]. 浙江大学学报:工学版, 2004, 38(7):799-804.)
[9]SONG D, LEE H, YI J, et al. Vision-based motion planning for an autonomous motorcycle on ill-structured roads[J]. Autonomous Robots, 2007,23(3):197-212.
[10]CHU Y. An k means clustering algorithm based on Bayesian information criterion[J]. Journal of Anhui University of Technology: Natural Science, 2010, 27(4):409-412.(储岳中. 一种基于贝叶斯信息准则的k均值聚类算法[J]. 安徽工业大学学报:自然科学版, 2010, 27(4):409-412.)
[11]YUE J, WANG S. Algorithm EM and its initialization in Gaussian-mixture-model based clustering[J]. Microcomputer Information, 2006, 22(11-3):244-247.(岳佳王士同. 高斯混合模型聚类中EM算法及初始化的研究[J]. 微计算机信息, 2006, 22(11-3):244-247.)
[12]LI F, WANG Z, XU C, et al. Dimensionality reduction algorithm of local marginal Fisher analysis based on Mahalanobis distance[J]. , 2013, 33(7):1930-1937.(李峰, 王正群, 徐春林, 等. 基于马氏距离的局部边界Fisher分析降维算法[J]. 计算机应用, 2013, 33(7):1930-1937.)

[1]	沈嫣然, 温昕, 张瑾昊, 张帅, 曹锐, 高保禄. 轻量级多尺度卷积网络的功能磁共振成像脑龄预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3949-3957.
[2]	蒋权黄文清苟志勇. 基于等变图神经网络的拉格朗日粒子流模拟[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[3]	李岚皓严皓钧周号益孙庆赟李建欣. 基于神经网络的多尺度信息融合时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	陈丹阳张长伦. 多尺度去相关的图卷积网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	蒋沛宇王永光任亚亭李硕晨谭火彬. 基于测量不确定度表示指南的目标检测不确定度测量方案[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	胡能兵, 蔡彪, 李旭, 曹旦华. 基于图池化对比学习的图分类方法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3327-3334.
[7]	林滏, 石稼晟, 高泽, 楚遵康, 马琼敏, 余海燕, 饶卫雄. 基于3D几何特征深度表达学习的物理系统仿真[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3548-3555.
[8]	范艺扬, 张洋, 曾尚, 曾渝, 付茂栗. 基于分解和频域特征提取的多变量长时间序列预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3442-3448.
[9]	刘文博, 于连飞, 谢冬梅, 蔡闯, 曲志坚, 任崇广. 基于多尺度特征融合的时间序列长期预测模型[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3435-3441.
[10]	王芳胡静张睿范文婷. 内容引导下多角度特征融合医学图像分割网络[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	王翔陈志祥毛国君. 融合局部和全局相关性的多变量时间序列预测方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	蒋汶娟, 过弋, 付娇娇. 融合图注意力的复杂时序知识图谱推理问答模型[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3047-3057.
[13]	黄华, 杨子仪, 李小龙, 李闯. 基于概念漂移的预测性业务流程监控方法[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3167-3176.
[14]	张睿, 潘俊铭, 白晓露, 胡静, 张荣国, 张鹏云. 面向深度分类模型超参数自优化的代理模型[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3021-3031.
[15]	陈满杨小军杨慧敏. 基于图卷积网络和终点诱导的行人轨迹预测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.

基于三目视觉系统的车辆导引方法

Vehicle navigation method based on trinocular vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics