视觉里程计信息获取技术概述

在汽车辅助驾驶中，环境感知作为信息获取的首要环节，处于无人驾驶车辆各部分关键的位置。环境感知包括车辆周围环境态势感知和车辆自身状态感知。车辆自身状态感知包括整车工况和车辆动力、控制系统的状态，以及从卫星定位设备和惯性导航系统得到的车辆位置、速度、加速度、角速度等数据。车辆周围环境态势感知则是通过车辆搭载的大量传感器对车辆周围的可行驶区域、障碍物、三维地形等信息进行获取和理解。如图15-1 所示，无人驾驶车辆上搭载的众多传感器包括视觉传感器(可见光相机、红外相机)、激光雷达、毫米波雷达、惯性导航系统、卫星定位系统、车辆轮速计、方向盘偏角仪、超声波声呐等。

图15-1 卡内基·梅隆大学的无人驾驶车辆(www.xing528.com)

在这些传感器中，视觉传感器具有安装使用简单、获取的图像信息量丰富、成本低等特性，目前有很多算法是使用视觉传感器进行环境感知的。单目视觉主要用于行人、车辆、标志物的检测和识别以及道路分割等，双目视觉主要应用于图像立体匹配、深度信息获取、障碍物检测等。

无人车在行驶过程中需要对自身位置进行定位，并对周围环境地图进行重建，单一传感器无法胜任和完成所有感知任务，所以多传感器融合是今后的技术趋势。定位任务可以由卫星定位和惯性导航系统完成，但是卫星信号存在盲区和惯性导航系统的累计误差使得完成长时间精准的定位任务变得困难，基于视觉信息的定位算法可以很好地弥补这些缺陷。同样，对于地图重建来说，激光雷达所采集的仅仅是稀疏的点云图，能够用来做导航用途的稠密点云地图必须依赖深度相机或者双目立体相机来完成。

双目立体全景视觉相较于普通单目和双目视觉，全景视觉视场角度更大，信息量更丰富，使用双目立体视觉可以获得大场景下的深度信息，能够完成大场景下障碍物的检测与定位，在精度、鲁棒性方面都更有优势。全景视觉可以分为单相机旋转式、多相机拼接式、鱼眼相机、反射式。单相机旋转式由于其存在转动结构并且同一时刻观察视野有限已经很少使用。多相机拼接的分辨率高，但是整个系统标定复杂、成本太高、图像拼接困难。鱼眼相机的结构接近普通相机，但是图像畸变较大、镜头可选种类不多且昂贵。反射式相机构造简单、成本低，成像特性由反射面决定，可以衍变多种类型，但标定算法较特殊，调试方法较复杂。近年来对于结合双目立体全景视觉和SLAM 方向的研究开始起步且内容较少，所以设计并实现双目全景立体视觉以及双目立体全景视觉里程计，将对无人驾驶感知定位具有一定的探索意义。