【项目实践】U-V视差路面检测之动态规划

系列文章：

1. 双目视觉（一）双目视觉系统
2. 双目视觉（二）双目匹配的困难和评判标准
3. 双目视觉（三）立体匹配算法
4. 双目视觉（四）匹配代价
5. 双目视觉（五）立体匹配算法之动态规划全局匹配
6. 双目视觉（六）U-V视差
7. 【项目实战】利用Ｕ-V视差进行地面检测
8. 【项目实践】U-V视差路面检测之动态规划

代码开源：GitHub - Xke1718He/U-V-disparity-detect-ground: using V-disparity to detetct ground

如果觉得可以，可以点赞、关注、收藏，感谢大家的支持

关于U-V视差的介绍，在这就不在叙述（【不懂看此链接】），这里主要将U-V视差路面检测中的方法之一——动态规划。

首先，通过观察U-V视差图像，可以发现U-V视差里包含着两种信息，可行驶区域和障碍物，而这两种信息经常混叠在一起，不好区分。因此我们需要对某一信息进行剔除，才能更好得到另一信息。

基于动态规划的路面检测使利用U视差信息进行路面检测，主要基于两个假设：

1. 垂直于路面的障碍物在视差图中的视差值基本相同，因此在垂直投影得到的U视差图中，该障碍物会在某一列中形成一个峰值
2. 可行驶区域通常是连续的，每列峰值之间应具有很小的纵向差距。

因此，可行驶区域问题的本质是检测一条由峰值序列组成的连续平滑曲线，这条曲线将图像分为两个部分，一部分是可行驶区域，一部分是障碍物，而动态规划就很适合解决这类问题。

2.实现

1.视差计算

通过视差算法，例如：elas，sgbm，AD-Census等，计算视差图像。

2.V视差图像计算

首先，我们知道路面上的点在V视差中的映射为一条倾斜的直线，那么可以对这条直线进行检测。

• 采用LSD直线检测算法对V视差图像进行直线检测，这时候可以发现，检测出来的直线为一小段一小段的，而且这些直线段主要对应着可行驶区域和障碍物区域。
• 为了得到可行驶区域的映射的线段，我们按照斜率对直线进行分类。
• 对分类后得到的线段组合，需要将其合并为一条直线，因此按照斜率进行聚类，将其线段的长度视为其权重。
• 合并后的直线表示为：y=kx+b,其中y=b为消失线，在其上面的部分为天空，这部分是我们不关系的。
• 为了检测障碍物和可行驶区域的交点，需要消除路面的点。这样保证U视差图像中尽可能是障碍物映射的点。这里面的2为容错度阈值。

3. U视差计算

•  得到消除了路面的视差图像，对b以下的部分进行U视差图像计算。
• 使用动态规划检测可行驶区域。

4.逆映射 

•  动态规划求解得到最小成本，然后从最后一行推算到第一行，得到一条成本最小的通路，再将其逆映射回原图像。

根据U视差可以得到，对应视差所在列数，然后将视差带入路面对应的直线y=kx+b，得到所在的行数，这样就逆映射回了原图像。

参考：

1.基于立体视觉的道路场景分割与车辆检测算法研究

2.Stereo Vision Based Road Free Space Detection