一种基于ARM和Opencv的视觉导航车环境感知系统

一种基于arm和opencv的视觉导航车环境感知系统
技术领域
1.本发明属于导航技术领域，具体涉及基于arm和opencv的视觉导航车环境感知系统。


背景技术：

2.车辆自动驾驶的环境感知要求快速准确地检测和识别目标区域的车辆和行人，这是维护交通规则和保证交通安全的关键，但由于目标位姿的多样化，环境的复杂和遮挡问题，使行人检测也成为热门研究和探索方向。依据当今交通环境感知研究的大环境下，用视觉传感器完成对路面特征和行人车辆信息的检测是实现自动驾驶自主规划路线的前提。使环境感知系统适应不同的路况和复杂多变的周边环境，并实现实时精准的检测是环境感知研究是关键部分，同时也是现有需要解决的问题。


技术实现要素：

3.为解决背景技术中的问题；本发明的目的在于提供基于arm和opencv的视觉导航车环境感知系统。
4.本发明的基于arm和opencv的视觉导航车环境感知系统，包括如下步骤：步骤一：搭建交叉编译环境：在ubuntu安装交叉编译工具链，完成的算法先在x86平台编译运行观察效果，再交叉编译为arm架构的可执行程序；另外linux内核裁剪后也需交叉编译后再移植；步骤二：相关算法的选择：基于霍夫变换的车道线检测，车道线的最明显特征就是直线，所以使用经典的霍夫变换检测路面的直线，并根据车道线的面积、长宽和位置特征去除干扰直线；基于centrist特征的行人检测，这个特征检测方法特征提取时间，满足实时性的要求；步骤三：根据车牌宽度和所占像素数量进行车辆距离测量：在测量车距时，通过检测机构来进行测量，各种车辆的车牌宽度总是相近，根据车牌所占像素的多少可粗略估测前方车辆的距离；由于摄像头视角原因，通过车辆底部在屏幕中的位置推测距离。
5.作为优选，所述检测机构包括控制机构、检测传感器、采集摄像头、数据传输器；数个检测传感器、采集摄像头与控制器的输入端连接，控制机构的输出端与数据传感器连接，所述采集摄像头包括摄像头、连接杆、粘接板、不干胶体；摄像头的上端安装有连接杆，连接杆的上端安装有粘接板，粘接板上安装有不干胶体。
6.作为优选，所述控制机构包括控制器、存储器、连接插接器；控制器的存储端与存储器连接，控制器通过数据线与连接插接器连接。
7.与现有技术相比，本发明的有益效果为：一、能够使得目标检测算法和车辆测距的准确性和实时性，且测量准确。
8.二、能够实现快速检测，使用方便，同时能够节省检测的时间。
附图说明
9.为了易于说明，本发明由下述的具体实施及附图作以详细描述。
10.图1为本发明的结构示意图；图2为本发明中检测机构的结构示意图；图3为本发明中控制器的结构示意图。
11.附图说明：1-控制机构；2-检测传感器；3-采集摄像头；4-数据传输器；11-控制器；12-存储器；13-连接插接器；31-摄像头；32-连接杆；33-粘接板；34-不干胶体。
具体实施方式
12.为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图中示出的具体实施例来描述本发明。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。本说明书附图所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
13.在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
14.如图1所示，本具体实施方式采用以下技术方案：包括如下步骤：步骤一：搭建交叉编译环境：在ubuntu安装交叉编译工具链，完成的算法先在x86平台编译运行观察效果，再交叉编译为arm架构的可执行程序；另外linux内核裁剪后也需交叉编译后再移植；步骤二：相关算法的选择：基于霍夫变换的车道线检测，车道线的最明显特征就是直线，所以使用经典的霍夫变换检测路面的直线，并根据车道线的面积、长宽和位置特征去除干扰直线；基于centrist特征的行人检测，这个特征检测方法特征提取时间，满足实时性的要求；如图2、图3所示，步骤三：根据车牌宽度和所占像素数量进行车辆距离测量：在测量车距时，各种车辆的车牌宽度总是相近，根据车牌所占像素的多少可粗略估测前方车辆的距离；由于摄像头视角原因，也可以通过车辆底部在屏幕中的位置推测距离。
15.如图2所示，进一步的，本具体实施方式中所述检测机构包括控制机构1、检测传感器2、采集摄像头3、数据传输器4；数个检测传感器2、采集摄像头3与控制器1的输入端连接，控制机构1的输出端与数据传感器4连接，所述采集摄像头3包括摄像头31、连接杆32、粘接板33、不干胶体34；摄像头31的上端安装有连接杆32，连接杆32的上端安装有粘接板33，粘接板33上安装有不干胶体34。
16.如图3所示，进一步的，本具体实施方式中所述控制机构1包括控制器11、存储器12、连接插接器13；控制器11的存储端与存储器12连接，控制器11通过数据线与连接插接器13连接。
17.本具体实施方式的主要技术内容如下：一、嵌入式设备操作系统移植：arm芯片的操作系统移植包括linux内核的裁剪、编译和移植，uboot移植，根文件系统的制作和移植。此外还有qt开发环境搭建和opencv源程序的编译和移植。完成这些操作系统相关的工作，目标识别算法才能在嵌入式设备运行。
18.二、车道线检测、行人检测和车辆识别：自动导航车辆的基本能力就是识别车道和障碍物检测，车道线最明显的特征是直线，所以选择经典的霍夫变换检测车道线。校园环境下车辆行驶的障碍物主要是其他车辆和周围行人，为保证算法能在算力不足的嵌入式设备上流畅运行，需要选择具备快速准确特点的行人检测和车辆识别算法，以达到实时检测的目的，程序执行时间冗长要极力避免。
19.三、前方车辆实时测距：测距可以使用一些传感器完成，但是硬件传感器不能适应各类干扰，同时为了减少成本和降低硬件的复杂程度，这里编写摄像头驱动程序使用摄像头获取周围环境的视频，用视频测距算法完成障碍物测距，由于周边环境障碍物过于复杂多样，只考虑了自动驾驶车辆与其他车辆车距的视频测距，测量车距也是最重要障碍物测距功能。
20.四、算法移植和总体性能测试：完成linux内核和opencv依赖库的移植后，把上面算法交叉编译为arm架构的可执行程序，把可执行程序移植到arm开发板执行，观察效果，主要要求目标检测算法和车辆测距的准确性和实时性。
21.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
22.此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。