摘要
随着我国经济的腾飞，私家车的保有量呈指数型上升，立体车库为解决庞大数目车辆的停放问题应运而生。为确保立体车库和入库车辆的安全，需要提前对入库车辆进行重量和整车三维轮廓的超限检测。对于超重检测，压力传感器可以完美解决。但是对车辆整车三维尺寸的超限检测技术应用较多的仍是精度低、易受光照干扰的红外检测。双目视觉技术的出现为这一问题带来了新的解决方案。 为满足立体车库超限检测的需要，本文研究了一种利用双目视觉技术对入库车辆进行整车尺寸检测的超限判定的方法，以保证用户车辆及立体车库的安全。针对立体车库特定的场景，结合双目视觉技术和图像处理技术着重对超限检测系统的算法进行研究。首先，通过对双目摄像机进行标定操作，得到摄像机内外参数和畸变系数；针对标定算法中的Harris角点检测算法容易出现误检点和耗时较长的缺陷，进行了研究与改进。实验证明改进后的算法拥有良好的检测性能，可以有效地抑制误检点和缩短角点检测时间。然后，针对立体车库可能产生的噪声问题，融合改进Canny算子和改进形态学检测算子的边缘检测算法。通过实验证明该算法具有很好的抗噪能力，实现了对噪声的有效抑制，获得了更为优质的边缘轮廓。其次，针对双目测距最重要的立体匹配技术进行了重点研究，研究改进NLCA(Non-Local Cost Aggregation)算法，改进后的算法通过结合Census变换和边缘检测技术克服了单一算法高误匹配率的问题，同时保留了Census变换的高鲁棒性。通过多组实验证明该算法可以获得更为精确的视差图，并且相较于其它算法拥有更高的匹配性能和更低的误匹配率。最后，通过反算世界坐标，求解异面直线，最终获得待检车辆整车的三维尺寸，并进行超限判定。
NETL