泊位 matlab,一种基于环视相机的自动泊车方法 | 厚势汽车

原标题：一种基于环视相机的自动泊车方法 | 厚势汽车

厚势按：针对泊车摄像头视场有限的问题，提出了一种基于环视相机的自动泊车方法。采用 4 个鱼眼摄像头，构建了一种环绕车身 360° 的实时视觉泊车辅助系统，用于停车位的实时检测和识别：

首先，运用多项式鱼眼校正模型校正失真图像，用 Levenberg Marquardt 算法求得最优的缝隙拼接方向并合成环视图；

其次，采用 Radon 变换提取停车位特征识别停车位；

最后，使用基于双圆弧的路径规划算法和基于预瞄点的改进 PID 路径跟踪算法，实现自动泊车。

实验表明，该方法具有较高的检测精度和鲁棒性。

本文来自 2013 年 07 月 28 日出版的《 上海交通大学学报》，作者是上海交通大学机器人所的王旭东和王春香副教授，以及上海交通大学系统控制与信息处理教育部重点实验室的杨明教授和王冰高工。

随着经济和社会的不断发展，汽车作为现代交通工具已日益普及。但现代都市的「停车难」，越来越狭窄的停车空间已成为人们普遍关注的问题。因此，泊车辅助驾驶研究已成为智能交通领域的一个热点。另外，据有关新技术调查研究 [1] 显示：超过 66％ 的用户都愿意购买泊车辅助系统。

目前，泊车辅助系统主要基于传感器检测停车位，如基于激光雷达传感器 [2]，基于超声传感器 [3] 和基于视觉传感器 [4] 等，摄像头作为主流传感器已将其应用在泊车辅助上。但由于大多处于起步阶段或仅适用于部分环境，有些只是单一的使用一个摄像头，在泊车时难免有一些盲区，要达到理想的泊车入位仍有很大难度。本文基于 4 个摄像头设计了低成本的环视相机消除盲区，提高了泊车效率。

另外，大多数视觉的停车位检测方法都是基于 Hough 变换实现的 [3-４]，然而：

一方面，实际泊车环境往往存在较大的噪声或振动或光线变化，用 Hough 变换检测平行线或平行四边形时，它的鲁棒性和准确性往往很差 [5]；

另一方面，Hough 变换在同时检测多个停车位时往往漏检率很高 [6]。

因此，本文提出运用 Radon 变换的新方法进行停车位检测，提高了检测的鲁棒性和精确度，并基于设计的环视泊车辅助系统，通过双圆弧的路径规划和基于预瞄点的路径跟踪方法，实现了自动泊车。

1. 环视泊车辅助系统

环视泊车辅助系统由 4 个安装在车身周围的带 180° 广角镜头的鱼眼摄像头构成，如图 1 所示。

图 1 环视泊车辅助系统

环视泊车辅助系统主要包括图像校正与图像拼接处理 2 部分：

图像校正是对摄像头进行标定后，运用多项式的鱼眼摄像头校正模型 [7] 对各个摄像头的图像进行去畸变校正，并运用逆透视变换方法 [8] 将各个校正图像变换到世界坐标系同一平面上，方便后续拼接。

图像拼接是为了消除泊车时的盲区，利用相邻两帧图像间的公共叠加部分，运用 Levenberg Marquardt 非线性优化算法确定最优的拼接方向，并沿缝隙将各个摄像头的图像拼接成围绕车身的环视图像即环视图，如图 1 (b) 所示。

由于环视图包含车身周边丰富的信息，从而能更好地引导驾驶者完成泊车动作。

2. 停车位检测与自动泊车

Radon 与 Hough 变换的原理基本相同，都是将图像空间变换到 (θ,ρ) 的参数空间。不同的是 Radon 变换的 R