2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于立体视觉平面单应性的智能车辆可行驶道路边界检测

郭春钊 山部尚孝 三田诚一

郭春钊, 山部尚孝, 三田诚一. 基于立体视觉平面单应性的智能车辆可行驶道路边界检测. 自动化学报, 2013, 39(4): 371-380. doi: 10.3724/SP.J.1004.2013.00371
引用本文: 郭春钊, 山部尚孝, 三田诚一. 基于立体视觉平面单应性的智能车辆可行驶道路边界检测. 自动化学报, 2013, 39(4): 371-380. doi: 10.3724/SP.J.1004.2013.00371
GUO Chun-Zhao, YAMABE Takayuki, MITA Seiichi. Drivable Road Boundary Detection for Intelligent Vehicles Based on Stereovision with Plane-induced Homography. ACTA AUTOMATICA SINICA, 2013, 39(4): 371-380. doi: 10.3724/SP.J.1004.2013.00371
Citation: GUO Chun-Zhao, YAMABE Takayuki, MITA Seiichi. Drivable Road Boundary Detection for Intelligent Vehicles Based on Stereovision with Plane-induced Homography. ACTA AUTOMATICA SINICA, 2013, 39(4): 371-380. doi: 10.3724/SP.J.1004.2013.00371

基于立体视觉平面单应性的智能车辆可行驶道路边界检测


DOI: 10.3724/SP.J.1004.2013.00371
详细信息
    通讯作者: 郭春钊

Drivable Road Boundary Detection for Intelligent Vehicles Based on Stereovision with Plane-induced Homography

More Information
  • 摘要: 道路检测是智能车辆及先进驾驶辅助系统(Advanced driver assistance systems, ADAS) 研究的关键问题之一.本文提出了一种基于立体视觉的可行驶道路区域与非道路区域间边界的检测方法. 该方法基于立体视觉平面单应性建立了一个隐马尔科夫模型(Hidden Markov model, HMM).针对该模型,我们应用Viterbi算法,并提出了一种巧妙的状态序列的观测概率函数,以寻找道路/非道路边界的最优状态序列. 实验结果证明了该方法在各种典型且复杂的实际道路场景中的有效性和鲁棒性.
  • [1] Nieto M, Salgado L. Real-time vanishing point estimation in road sequences using adaptive steerable filter banks. In: Proceedings of the 9th International Conference on Advanced Concepts for Intelligent Vision Systems. Berlin, Heidelberg: Springer-Verlag, 2007. 840-848[2] Franke U, Loose H, Knoppel C. Lane recognition on country roads. In: Proceedings of the 2007 IEEE Intelligent Vehicles Symposium. Istanbul, Turkey: IEEE, 2007. 99-104[3] McCall J C, Trivedi M M. Video-based lane estimation and tracking for driver assistance: survey, system, and evaluation. IEEE Transactions on Intelligent Transportation Systems, 2006, 7(1): 20-37[4] Kuhnl T, Kummert F, Fritsch J. Monocular road segmentation using slow feature analysis. In: Proceedings of the 2011 IEEE Intelligent Vehicles Symposium. Baden-Baden, Germany: IEEE, 2011. 800-806[5] Sotelo M A, Rodriguez F J, Magdalena L. Virtuous: vision-based road transportation for unmanned operation on urban-like scenarios. IEEE Transactions on Intelligent Transportation Systems, 2004, 5(2): 69-83[6] Thrun S, Montemerlo M, Dahlkamp H. Stanley: the robot that won the DARPA grand challenge. Journal of Field Robotics, 2006, 23(9): 661-692[7] Lookingbill A, Rogers J, Lieb D, Curry J, Thrun S. Reverse optical flow for self-supervised adaptive autonomous robot navigation. International Journal of Computer Vision, 2007, 74(3): 287-302[8] Darms M, Komar M, Lueke S. Map based road boundary estimation. In: Proceedings of the 2010 IEEE Intelligent Vehicles Symposium. San Diego, CA: IEEE, 2010. 609-614[9] Gupta A, Efros A A, Hebert M. Map based road boundary estimation. In: ECCV. 2010[10] Akbarzadeh A, Frahm J M, Mordohai P, Clipp B, Engels C, Gallup D, Merrell P, Phelps M, Sinha S, Talton B, Wang L, Yang Q, Stewenius H, Yang R, Welch G, Towles H, Nister D, Pollefeys M. Towards urban 3D reconstruction from video. In: Proceedings of the 3rd International Symposium on 3D Data Processing, Visualization, and Transmission. Chapel Hill, NC: IEEE, 2006. 1-8[11] Gallup D, Frahm J M, Pollefeys M. Piecewise planar and non-planar stereo for urban scene reconstruction. In: Proceedings of the 2010 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). San Francisco, CA: IEEE, 2010. 1418-1425[12] Kubota S, Nakano T, Okamoto Y. A global optimization algorithm for real-time on-board stereo obstacle detection systems. In: Proceedings of the 2007 IEEE Intelligent Vehicles Symposium. Istanbul, Turkey: IEEE, 2007. 7-12[13] Seki A, Okutomi M. Robust obstacle detection in general road environment based on road extraction and pose estimation. In: Proceedings of the 2006 IEEE Intelligent Vehicles Symposium. Tokyo, Japan: IEEE, 2006. 437-444[14] Guo C, Mita S, McAllester D. Robust road detection and tracking in challenging scenarios based on Markov random fields with unsupervised learning. IEEE Transactions on Intelligent Transportation Systems, 2012, 13(3): 1338-1354[15] Hartley R, Zisserman A. Multiple View Geometry in Computer Vision. Cambridge, UK: Cambridge University Press, 2003[16] Harris C, Stephens M. A combined corner and edge detector. In: Proceedings of the 4th Alvey Vision Conference. Manchester, UK: Organising Committee AVC, 1988. 147-151[17] Gill P E, Murray W. Algorithms for the solution of the nonlinear least-squares problem. SIAM Journal on Numerical Analysis, 1978, 15(5): 977-992[18] Rabiner L R. A tutorial on hidden Markov models and selected applications in speech recognition.[19] D. Scharstei and R. Szeliski, A taxonomy and evaluation of dense two-frame stereo correspondence algorithms, in Int. J. of Compution Vision, 2002, 47(1/2/3): 7-42.
  • [1] 周晓君, 阳春华, 桂卫华. 状态转移算法原理与发展[J]. 自动化学报, 2020, 46(): 1-15. doi: 10.16383/j.aas.c190624
    [2] 史青宣, 邸慧军, 陆耀, 田学东. 基于中粒度模型的视频人体姿态估计[J]. 自动化学报, 2018, 44(4): 646-655. doi: 10.16383/j.aas.2018.c160847
    [3] 张光华, 韩崇昭, 连峰, 曾令豪. Pairwise马尔科夫模型下的势均衡多目标多伯努利滤波器[J]. 自动化学报, 2017, 43(12): 2100-2108. doi: 10.16383/j.aas.2017.c160430
    [4] 关秋菊, 罗晓牧, 郭雪梅, 王国利. 基于隐马尔科夫模型的人体动作压缩红外分类[J]. 自动化学报, 2017, 43(3): 398-406. doi: 10.16383/j.aas.2017.c160130
    [5] 张天, 刘检华, 唐承统, 刘少丽. 基于中心线匹配的导管三维重建技术[J]. 自动化学报, 2015, 41(4): 735-748. doi: 10.16383/j.aas.2015.c130287
    [6] 周晓根, 张贵军, 郝小虎. 局部抽象凸区域剖分差分进化算法[J]. 自动化学报, 2015, 41(7): 1315-1327. doi: 10.16383/j.aas.2015.c140680
    [7] 姜岩, 王琦, 龚建伟, 陈慧岩. 无人驾驶车辆局部路径规划的时间一致性与鲁棒性研究[J]. 自动化学报, 2015, 41(3): 518-527. doi: 10.16383/j.aas.2015.c140341
    [8] 孙新建, 张雄伟, 杨吉斌, 曹铁勇, 钟新毅. 基于双因子高斯过程动态模型的声道谱转换方法[J]. 自动化学报, 2014, 40(6): 1198-1207. doi: 10.3724/SP.J.1004.2014.01198
    [9] 王相海, 丛志环, 方玲玲, 秦钜鳌. 基于HMM的车辆行驶状态实时判别方法研究[J]. 自动化学报, 2013, 39(12): 2131-2142. doi: 10.3724/SP.J.1004.2013.02131
    [10] 许华荣, 王晓栋, 方遒. 基于B样条曲线模型的结构化道路检测算法[J]. 自动化学报, 2011, 37(3): 270-275. doi: 10.3724/SP.J.1004.2011.00270
    [11] 解仑, 王志良, 任冬淳, 滕少冬. 简化路况模式下驾驶员情绪模型的研究[J]. 自动化学报, 2010, 36(12): 1732-1743. doi: 10.3724/SP.J.1004.2010.01732
    [12] 胡斌, 何克忠. 计算机视觉在室外移动机器人中的应用[J]. 自动化学报, 2006, 32(5): 774-784.
    [13] 李换琴, 万百五. 基于填充函数算法的工业产品小波网络质量模型[J]. 自动化学报, 2004, 30(2): 283-287.
    [14] 贾云得, 吕宏静, 徐一华, 徐岸. 星球漫游车超广角实时立体视觉系统[J]. 自动化学报, 2004, 30(6): 986-990.
    [15] 林粤彤, 王飞跃, 肖靖, 王知学. 基于模糊神经元网络的智能车辆个性自动驾驶系统的设计与实现[J]. 自动化学报, 2001, 27(4): 531-542.
    [16] 肖轶军, 丁明跃, 彭嘉雄. 基于B样条的空间自由曲线三维重建[J]. 自动化学报, 2000, 26(4): 572-576.
    [17] 邱茂林, 马颂德, 李毅. 计算机视觉中摄像机定标综述[J]. 自动化学报, 2000, 26(1): 43-55.
    [18] 汪涛, 邢小良, 庄新华. 无对应点三维表面重建的全局优化算法[J]. 自动化学报, 1993, 19(4): 497-499.
    [19] 司绍华, 马颂德. 基于二次曲线的立体视觉[J]. 自动化学报, 1993, 19(4): 420-427.
    [20] 艾海舟, 许万雍, 周远清. 基于线条特征的双目立体视觉系统[J]. 自动化学报, 1990, 16(4): 340-346.
  • 加载中
计量
  • 文章访问数:  1264
  • HTML全文浏览量:  18
  • PDF下载量:  1169
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-03-13
  • 修回日期:  2012-11-26
  • 刊出日期:  2013-04-20

基于立体视觉平面单应性的智能车辆可行驶道路边界检测

doi: 10.3724/SP.J.1004.2013.00371
    通讯作者: 郭春钊

摘要: 道路检测是智能车辆及先进驾驶辅助系统(Advanced driver assistance systems, ADAS) 研究的关键问题之一.本文提出了一种基于立体视觉的可行驶道路区域与非道路区域间边界的检测方法. 该方法基于立体视觉平面单应性建立了一个隐马尔科夫模型(Hidden Markov model, HMM).针对该模型,我们应用Viterbi算法,并提出了一种巧妙的状态序列的观测概率函数,以寻找道路/非道路边界的最优状态序列. 实验结果证明了该方法在各种典型且复杂的实际道路场景中的有效性和鲁棒性.

English Abstract

郭春钊, 山部尚孝, 三田诚一. 基于立体视觉平面单应性的智能车辆可行驶道路边界检测. 自动化学报, 2013, 39(4): 371-380. doi: 10.3724/SP.J.1004.2013.00371
引用本文: 郭春钊, 山部尚孝, 三田诚一. 基于立体视觉平面单应性的智能车辆可行驶道路边界检测. 自动化学报, 2013, 39(4): 371-380. doi: 10.3724/SP.J.1004.2013.00371
GUO Chun-Zhao, YAMABE Takayuki, MITA Seiichi. Drivable Road Boundary Detection for Intelligent Vehicles Based on Stereovision with Plane-induced Homography. ACTA AUTOMATICA SINICA, 2013, 39(4): 371-380. doi: 10.3724/SP.J.1004.2013.00371
Citation: GUO Chun-Zhao, YAMABE Takayuki, MITA Seiichi. Drivable Road Boundary Detection for Intelligent Vehicles Based on Stereovision with Plane-induced Homography. ACTA AUTOMATICA SINICA, 2013, 39(4): 371-380. doi: 10.3724/SP.J.1004.2013.00371
参考文献 (1)

目录

    /

    返回文章
    返回