为什么双目自动驾驶系统难以普及技术详解＋典型案例分析( 二 ) 单目视觉是Mobileye的看家法宝

3)时域传播:前后帧考虑对应像素的估计；
4)平面细化:随机产生样本，如果估计使匹配成本下降，更新。
5)后处理:左右一致性和加权中值滤波器去除出格点。
在线标定
再说在线标定。
这是一个利用路上标志线的标定方法：已知斑马线的平行线模式，检测斑马线并提取角点，计算斑马线模式和路面实现匹配的单映性变换参数，得到标定参数。
文章插图
和单目方法类似，采用车道线平行和路平面这个假设可以快速完成在线标定，即消失点理论：假设一个平坦的道路模型，清晰的纵向车道线，没有其他目标的边缘和它们平行；要求驾驶车辆速度慢，车道线连续，左右相机的双目配置要左摄像头相对路面的仰角/斜角比较小；这样跟初始化的消失点比较可以算出双目外参数的漂移量，其算法就是从消失点估计摄像头仰角/斜角。
文章插图
典型的双目自动驾驶系统
下面介绍几个典型的双目自动驾驶系统。
文章插图
这是他们加上深度学习做视差融合之后再做Stixel的框图和新结果：
文章插图
介绍一个VisLab早期双目障碍物的算法， GenericObstacleandLaneDetectionsystem 。基于IPM ，检测车道线，根据左右图像的差计算路上障碍物：
a)Left.RightRemappedleft.Remappedright.Thresholdedandfiltereddifferencebetweenremappedviews.Inlightgray,theroadareavisiblefrombothcameras.
a)Original.Remapped.Filtered.Enhanced.Binarized.
GOLDsystemarchitecture
这是VisLab参加自动驾驶比赛VIAC的车辆，除了双目摄像头以外，车上还有激光雷达作为道路分类的辅助。
文章插图
后处理中加了两个DSI空间的滤波器，见图5-274 ，一个是平滑处理，另一个是基于惯导的运动轨迹处理。
障碍物检测算法采用了JPL的方法，基于空间布置特性以及车辆的物理特性聚类得到障碍物。物理特性包括最大的高度，最小高度和最大道路可通过范围，这些约束定义了一个空间截断锥,如图所示，那么在聚类过程中凡是落在截断锥内的点划为障碍物。
文章插图
为加速视差估计算法，采用了划分DSI的方法：
另外一种经典的方法是根据路面方程得到路面视差，基于此计算出路面的障碍物。
总结
总的看，双目检测障碍物的方法基本基于视差图，基于路面视差的方法较多。也许随着深度学习发展的突飞猛进，加上计算平台的增强，双目自动驾驶系统也会普及起来。
本文来源：无人驾驶视界
本文仅作学术分享，著作权归作者所有，如有侵权，请联系后台作删文处理。