基于双目视觉的障碍物识别研究学习教案.pptx

会计学基于双目视觉的障碍物识别研究1.研究的目的意义2国内外研究现状1.利用神经网络分别提取立体图像对中的边缘，然后进行边缘匹配，最后通过场景重建提取目标。

优点：简化了逐像素匹配过程，仅对边缘匹配，可准确识别距离摄像机近的目标。
缺点：远离摄像机或目标部分残缺时，出现错误识别。2.首先划分目标区和非目标区，然后利用反透视原理，对图像对中一幅图像的几个特征点进行变换，并与另一幅图像内相同特征点比较，确定是否存在障碍物。

缺点：经验值并不适用于所有背景；通过几个特征点的变换寻找目标的方法，不利于小目标或多目标识。3.首先检测车道和车辆轮廓，并组成一定的骨架结构，然后在立体图像中寻找类似的结构来判定目标。

缺点：仅适用于同类型目标的识别。3算法的对比分析4.1算法的提出4.2算法设计3.在此视差图中，采用基于灰度图像中的直线提取方法，从v方向视差图中，提取出一些直线信息。

4.通常，代表障碍物的直线一般是竖直的。可将障碍物从背景中提取出来。5.算法的实现2.障碍物目标的识别
通过引入Hough变换或直线拟合等其它算法提取v一视差图像中的线段，即可确定路面和障碍物面在图像中的准确位置。

而且路面和障碍物面的交点即为障碍物的触地点。垂直的直线段高度代表障碍物的高度。宽度可以通过2种方法得到:
1.对前面得到的浓密视差图进行U方向的视差计算得到U视差图，从而得到一条代表障碍物宽度的水平线。
2.根据同一目标上的点视差值相近的原理，以每一个障碍物垂线为中心在水平方向延伸进行搜索，就可以最终锁定障碍物所在区域。6结论