本公開涉及安全駕駛技術領域，特別涉及一種障礙物檢測方法及裝置。

背景技術：

隨著現(xiàn)代社會的智能化發(fā)展，政府、社會團體以及消費者對汽車安全性的要求越來越高，汽車的自動/輔助駕駛也已成為近年來汽車廠商及互聯(lián)網(wǎng)等高科技公司競相追逐的技術熱點。在此背景下，基于gps地圖、超聲波、雷達、單攝像頭、雙攝像頭等多種傳感器的汽車自動/輔助駕駛方案應運而生。

但是，現(xiàn)有方案中，多采用多傳感器集成的方式進行汽車的碰撞預警或安全控制，系統(tǒng)構成相對復雜且成本昂貴，很難被實際采用?，F(xiàn)有被采用的實際解決方案中，尤其在汽車自動/輔助駕駛領域碰撞預警功能的實現(xiàn)上，對于行人及車輛等的障礙物檢測及距離的評估多基于單攝像頭的二維圖像進行處理，并利用不同障礙物的特征參數(shù)訓練模型，然后利用訓練好的模型對二維圖像中的障礙物進行檢測。

由上述可知，在障礙物檢測前需要收集所有可能的障礙物，對于未經(jīng)訓練的障礙物將無法準確檢測，由此可能因收集不全，存在無法識別的障礙物，導致檢測識別率低下，產(chǎn)生不可避免的安全隱患。

技術實現(xiàn)要素：

為了解決相關技術中存在的無法準確檢測未經(jīng)訓練的障礙物，導致檢測識別率低下的問題，本公開提供了一種障礙物檢測方法。

本公開提供了一種障礙物檢測方法，該方法包括：

獲取待測場景的雙目圖像，利用所述雙目圖像生成所述待測場景的視差圖像；

根據(jù)所述視差圖像中每個像素點的視差值，構建與所述視差圖像尺寸相同的彩色圖像；其中，所述彩色圖像的每個像素點的三原色值與所述視差圖像中對應像素點的視差值相關；

將所述彩色圖像劃分為若干候選區(qū)域，并結合所述視差圖像中與每個所述候選區(qū)域對應的像素點的視差值，確定每個候選區(qū)域的三維空間信息；

根據(jù)所述每個候選區(qū)域的三維空間信息以及預設的障礙物的三維空間信息閾值，確定所述每個候選區(qū)域是否為障礙物區(qū)域。

本公開還提供了一種障礙物檢測裝置，該裝置包括：

圖像獲取模塊，用于獲取待測場景的雙目圖像，利用所述雙目圖像生成所述待測場景的視差圖像；

圖像構建模塊，用于根據(jù)所述視差圖像中每個像素點的視差值，構建與所述視差圖像尺寸相同的彩色圖像；其中，所述彩色圖像的每個像素點的三原色值與所述視差圖像中對應像素點的視差值相關；

三維計算模塊，用于將所述彩色圖像劃分為若干候選區(qū)域，并結合所述視差圖像中與每個所述候選區(qū)域對應的像素點的視差值，確定每個候選區(qū)域的三維空間信息；

障礙判定模塊，用于根據(jù)所述每個候選區(qū)域的三維空間信息以及預設的障礙物的三維空間信息閾值，確定所述每個候選區(qū)域是否為障礙物區(qū)域。

本公開的實施例提供的技術方案可以包括以下有益效果：

本公開提供的障礙物檢測方法及裝置，通過獲取待測場景的雙目圖像，利用雙目圖像合成視差圖像，并利用視差圖像生成對應的彩色圖像，根據(jù)彩色圖像中的不同區(qū)域的三維空間信息來判斷待測場景的不同區(qū)域是否是障礙物區(qū)域。由此，本公開無需采集障礙物的特征參數(shù)進行訓練，解決了現(xiàn)有技術可能存在的因障礙物特征收集不全，存在未經(jīng)訓練的障礙物，導致無法準確檢測到障礙物的問題，通過本公開提供的方案，提高了障礙物檢測的準確性。

應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性的，并不能限制本公開。

附圖說明

此處的附圖被并入說明書中并構成本說明書的一部分，示出了符合本發(fā)明的實施例，并于說明書一起用于解釋本發(fā)明的原理。

圖1是根據(jù)本公開所涉及的實施環(huán)境的示意圖；

圖2是根據(jù)一示例性實施例示出的一種裝置的框圖；

圖3是根據(jù)一示例性實施例示出的一種障礙物檢測方法的流程圖；

圖4a、4b、4c、4d、4e是根據(jù)另一示例性實施例示出的依次對二維圖像進行處理的效果圖；

圖5為根據(jù)一示例性實施例示出的對步驟s350的細節(jié)進行描述的流程示意圖；

圖6為根據(jù)一示例性實施例示出的對步驟s310的細節(jié)進行描述的流程示意圖；

圖7a、7b、7c是根據(jù)另一示例性實施例示出的進行立體匹配處理的原理圖

圖8是根據(jù)另一示例性實施例示出的一種障礙物檢測方法的流程圖；

圖9是根據(jù)一示例性實施例示出的一種障礙物檢測裝置的框圖；

圖10為根據(jù)本公開一示例性實施例示出的對圖像獲取模塊910的細節(jié)進行描述的框圖；

圖11為根據(jù)本公開一示例性實施例示出的對三維計算模塊950的細節(jié)進行描述的框圖。

具體實施方式

這里將詳細地對示例性實施例執(zhí)行說明，其示例表示在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本發(fā)明相一致的所有實施方式。相反，它們僅是與如所附權利要求書中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。

圖1是根據(jù)本公開所涉及的實施環(huán)境的示意圖。該實施環(huán)境包括：雙目攝像頭110和車載終端120；雙目攝像頭110與車載終端120之間的關聯(lián)方式，包括硬件的網(wǎng)絡關聯(lián)方式和/或協(xié)議，以及二者之間往來的數(shù)據(jù)關聯(lián)方式。雙目攝像頭110包括左、右兩個平行等高的攝像頭，左、兩個攝像頭分別采集二維圖像，也就是雙目圖像。左、右兩個攝像頭采集的二維圖像均傳輸至車載終端120，車載終端120獲取了雙目攝像頭110采集的二維圖像后，可以采用本公開實施例提供的障礙物檢測方法對圖像進行處理，確定障礙物區(qū)域。

圖2是根據(jù)一示例性實施例示出的一種裝置200的框圖。例如，裝置200可以是圖1所示實施環(huán)境中的車載終端120。

參照圖2，裝置200可以包括以下一個或多個組件：處理組件202，存儲器204，電源組件206，多媒體組件208，音頻組件210，傳感器組件214以及通信組件216。

處理組件202通?？刂蒲b置200的整體操作，諸如與顯示，電話呼叫，數(shù)據(jù)通信，相機操作以及記錄操作相關聯(lián)的操作等。處理組件202可以包括一個或多個處理器218來執(zhí)行指令，以完成下述的方法的全部或部分步驟。此外，處理組件202可以包括一個或多個模塊，便于處理組件202和其他組件之間的交互。例如，處理組件202可以包括多媒體模塊，以方便多媒體組件208和處理組件202之間的交互。

存儲器204被配置為存儲各種類型的數(shù)據(jù)以支持在裝置200的操作。這些數(shù)據(jù)的示例包括用于在裝置200上操作的任何應用程序或方法的指令。存儲器204可以由任何類型的易失性或非易失性存儲設備或者它們的組合實現(xiàn)，如靜態(tài)隨機存取存儲器(staticrandomaccessmemory，簡稱sram)，電可擦除可編程只讀存儲器(electricallyerasableprogrammableread-onlymemory，簡稱eeprom)，可擦除可編程只讀存儲器(erasableprogrammablereadonlymemory，簡稱eprom)，可編程只讀存儲器(programmablered-onlymemory，簡稱prom)，只讀存儲器(read-onlymemory，簡稱rom)，磁存儲器，快閃存儲器，磁盤或光盤。存儲器204中還存儲有一個或多個模塊，該一個或多個模塊被配置成由該一個或多個處理器218執(zhí)行，以完成下述圖3、圖5、圖6、圖8任一所示方法中的全部或者部分步驟。

電源組件206為裝置200的各種組件提供電力。電源組件206可以包括電源管理系統(tǒng)，一個或多個電源，及其他與為裝置200生成、管理和分配電力相關聯(lián)的組件。

多媒體組件208包括在所述裝置200和用戶之間的提供一個輸出接口的屏幕。在一些實施例中，屏幕可以包括液晶顯示器(liquidcrystaldisplay，簡稱lcd)和觸摸面板。如果屏幕包括觸摸面板，屏幕可以被實現(xiàn)為觸摸屏，以接收來自用戶的輸入信號。觸摸面板包括一個或多個觸摸傳感器以感測觸摸、滑動和觸摸面板上的手勢。所述觸摸傳感器可以不僅感測觸摸或滑動動作的邊界，而且還檢測與所述觸摸或滑動操作相關的持續(xù)時間和壓力。屏幕還可以包括有機電致發(fā)光顯示器(organiclightemittingdisplay，簡稱oled)。

音頻組件210被配置為輸出和/或輸入音頻信號。例如，音頻組件210包括一個麥克風(microphone，簡稱mic)，當裝置200處于操作模式，如呼叫模式、記錄模式和語音識別模式時，麥克風被配置為接收外部音頻信號。所接收的音頻信號可以被進一步存儲在存儲器204或經(jīng)由通信組件216發(fā)送。在一些實施例中，音頻組件210還包括一個揚聲器，用于輸出音頻信號。

傳感器組件214包括一個或多個傳感器，用于為裝置200提供各個方面的狀態(tài)評估。例如，傳感器組件214可以檢測到裝置200的打開/關閉狀態(tài)，組件的相對定位，傳感器組件214還可以檢測裝置200或裝置200一個組件的位置改變以及裝置200的溫度變化。在一些實施例中，該傳感器組件214還可以包括磁傳感器，壓力傳感器或溫度傳感器。

通信組件216被配置為便于裝置200和其他設備之間有線或無線方式的通信。裝置200可以接入基于通信標準的無線網(wǎng)絡，如wifi(wireless-fidelity，無線保真)。在一個示例性實施例中，通信組件216經(jīng)由廣播信道接收來自外部廣播管理系統(tǒng)的廣播信號或廣播相關信息。在一個示例性實施例中，所述通信組件216還包括近場通信(nearfieldcommunication，簡稱nfc)模塊，以促進短程通信。例如，在nfc模塊可基于射頻識別(radiofrequencyidentification，簡稱rfid)技術，紅外數(shù)據(jù)協(xié)會(infrareddataassociation，簡稱irda)技術，超寬帶(ultrawideband，簡稱uwb)技術，藍牙技術和其他技術來實現(xiàn)。

在示例性實施例中，裝置200可以被一個或多個應用專用集成電路(applicationspecificintegratedcircuit，簡稱asic)、數(shù)字信號處理器、數(shù)字信號處理設備、可編程邏輯器件、現(xiàn)場可編程門陣列、控制器、微控制器、微處理器或其他電子元件實現(xiàn)，用于執(zhí)行下述方法。

圖3是根據(jù)一示例性實施例示出的一種障礙物檢測方法的流程圖。該障礙物檢測方法的適用范圍和執(zhí)行主體，例如，該方法用于圖1所示實施環(huán)境的車載終端120。另外，該方法還可以用于其他交通工具(如飛機、輪船)、智能設備(如智能拐杖)、智能穿戴設備(如智能安全頭盔等)。如圖3所示，該障礙物檢測方法，可以包括以下步驟：

步驟s310：獲取待測場景的雙目圖像，利用所述雙目圖像生成所述待測場景的視差圖像；

以具體應用舉例來說，可以在車輛的前端，面向車輛行駛的方向，設置雙目攝像頭，由雙目攝像頭采集雙目圖像。如圖4a和4b所示，為雙目攝像頭的左、右兩個攝像頭分別采集的待測場景的二維圖像。車載終端中可以設置圖像處理引擎，由圖像處理引擎將雙目攝像頭采集的雙目圖像生成視差圖像，即三維立體圖像。圖像處理引擎可有cpu，dsp，gpu，fpga或專用asic來實現(xiàn)。該圖像處理引擎的輸入為雙目攝像頭分別采集的二維圖像，輸出為大小與二維圖像相同的三維立體圖像，如圖4c所示。三維立體圖像的灰度值對應為立體匹配合成后的二維圖像像素點的視差值。其中，圖像處理引擎生成視差圖像的具體過程參見下文。

進一步的，在步驟s310獲取待測場景的雙目圖像，利用所述雙目圖像生成所述待測場景的視差圖像之后，所述方法還可以包括以下步驟：

步驟s321：對所述視差圖像進行降噪處理和邊緣提取操作處理；

具體的，可以由車載終端的嵌入式微處理器對視差圖像進行基于高斯等濾波器的降噪處理，并基于canny等算法提取視差圖像的邊緣信息。其中，對于經(jīng)過邊緣提取操作后的圖像，邊緣像素的灰度值即為該像素點的視差值，邊緣像素以外的其他像素點的視差值為0。

步驟s322：將經(jīng)過所述邊緣提取操作處理后的視差圖像的非邊緣像素點進行圖像修復操作，填充非邊緣像素點的視差值，使得所述視差圖像的每個像素點的視差值呈漸變狀態(tài)。

需要說明的是，針對經(jīng)過步驟s321處理后的視差圖像，對視差圖像的非邊緣像素點(視差值為0的像素)進行in-painting(圖像修復)操作，即基于各個方向的邊緣像素的視差值填充非邊緣像素(視差值為0的像素)的視差值，使得視差圖像中的每個像素點均具備非0視差值。如圖4d所示，為經(jīng)過in-painting操作后的視差圖像，視差圖像的每個像素點的視差值呈漸變狀態(tài)，換句話說，視差圖像的每個像素點的灰度值有一個變化，不是全為黑或全為白。

步驟s330：根據(jù)所述視差圖像中每個像素點的視差值，構建與所述視差圖像尺寸相同的彩色圖像；其中，所述彩色圖像的每個像素點的三原色值與所述視差圖像中對應像素點的視差值相關；

其中，可以由車載終端的嵌入式微處理器將圖像處理引擎生成的視差圖像進一步生成與視差圖像尺寸相同的彩色圖像，如圖4e所示。具體的，嵌入式微處理器新建與視差圖像尺寸相同的彩色圖像；其中，視差圖像每個像素點與彩色圖像的每個像素點一一對應。嵌入式微處理器根據(jù)視差圖像中每個像素點的視差值，將彩色圖像的對應像素點進行色彩填充。

需要解釋的是，基于經(jīng)過in-painting操作后的視差圖像，結合雙目攝像頭的兩個攝像頭之間的距離b以及攝像頭鏡頭的焦距f，通過公式z＝b*f/d，d為視差值，就可以計算出每個像素點在實際三維空間中的深度信息，即z值。之后可以根據(jù)深度信息對彩色圖像的對應像素點進行色彩填充。例如，可以根據(jù)所有像素點的深度信息的波動范圍，調(diào)整彩色圖像的每個像素點的rgb(三原色)值，使每個像素點的rgb值在0-255之間波動。

根據(jù)需要，還可以對彩色圖像進行基于高斯等濾波器的降噪及平滑處理。

步驟s350：將所述彩色圖像劃分為若干候選區(qū)域，并結合所述視差圖像中與每個所述候選區(qū)域對應的像素點的視差值，確定每個候選區(qū)域的三維空間信息；

需要說明的是，可以對彩色圖像進行像素級分割，并將分割后的圖像劃分為若干候選區(qū)域。對于劃分出來的每個候選區(qū)域，可以根據(jù)每個候選區(qū)域在視差圖像中對應位置的像素點的視差值，確定每個候選區(qū)域的三維空間信息。其中，三維空間信息包括每個候選區(qū)域對應的長、寬、高、位置等信息。

圖5為根據(jù)一示例性實施例示出的對步驟s350的細節(jié)進行描述的流程示意圖，如圖5所示，步驟s350具體包括：

步驟s351：根據(jù)所述彩色圖像的不同區(qū)域的顏色不同，將所述彩色圖像劃分為若干候選區(qū)域；

具體的，將顏色相同的一個區(qū)域劃分在一起，通過進行劃分，可以將車輛、馬路，樹木等分別劃分在不同的區(qū)域。

步驟ss52：根據(jù)所述視差圖像中每個像素點的視差值，計算所述每個像素點的三維空間坐標；

具體的，根據(jù)視差圖像中每個像素點的視差值，計算每個像素點的三維空間坐標，可以采用以下公式進行計算：

z＝b*f/d

x＝(w/2-u)*b/d-b/2

y＝h’-(v-h/2)*b/d

其中，(x,y,z)為所求的世界坐標系下的三維空間坐標值，b為雙目攝像頭的兩個攝像頭之間的距離，f為攝像頭鏡頭焦距，d為是視差值，h’為雙攝像頭距離地面的高度，視差圖像尺寸大小為(w，h)，例如：1280*960，像素點在圖像坐標系中的坐標為(u，v)，例如像素(100,100)。

由于b、f、d、h’以及(w，h)和(u，v)均為已知量，由此通過上述公式就可以計算出劃分后的每個候選區(qū)域的像素點的三維空間坐標值。

步驟s353：根據(jù)每個候選區(qū)域包含的像素點的三維空間坐標確定所述每個候選區(qū)域的尺寸和位置。

需要說明的是，在計算出每個候選區(qū)域的每個像素點的三維空間坐標值(x,y,z)后，就可以直接通過計算坐標值的差值，得到每個區(qū)域的長、寬、高尺寸信息。并且根據(jù)每個區(qū)域內(nèi)的所有像素點的三維空間坐標值可以確定每個區(qū)域的所處的空間位置。

步驟s370：根據(jù)所述每個候選區(qū)域的三維空間信息以及預設的障礙物的三維空間信息閾值，確定所述每個候選區(qū)域是否為障礙物區(qū)域。

需要說明的是，在得到了每個候選區(qū)域的三維空間信息之后，例如，在計算得到出每個候選區(qū)域的尺寸和位置之后，可以根據(jù)預先設定的障礙物的三維空間閾值，如長寬高的閾值和位置的閾值，對劃分后的每個候選區(qū)域做障礙物判定操作，即確定每個候選區(qū)域是否為障礙物區(qū)域。舉例來說，當某個區(qū)域的長寬高的尺寸大于預設的長寬高閾值，且該區(qū)域的位置處于預設的障礙物位置范圍內(nèi)時，認為該區(qū)域屬于障礙物區(qū)域。舉例來說，馬路所屬的候選區(qū)域只有長寬，沒有高度，所以馬路所屬的候選區(qū)域不屬于障礙物區(qū)域。同理，可以分別判斷出其他候選區(qū)域是否為障礙物區(qū)域。

對于障礙物的檢測，現(xiàn)有技術中主要通過收集可能存在的不同障礙物的特征參數(shù)訓練模型，然后利用訓練后的模型檢測采集的待測場景的二維圖像中是否存在障礙物。由此未經(jīng)訓練的障礙物，將無法準確檢測到。本公開上述實施例提供的障礙物檢測方法，通過獲取待測場景的雙目圖像，利用雙目圖像合成視差圖像，并利用視差圖像生成對應的彩色圖像，根據(jù)彩色圖像中的不同區(qū)域的三維空間信息來判斷待測場景的不同區(qū)域是否是障礙物區(qū)域。由此，本公開無需采集障礙物的特征參數(shù)進行訓練，解決了現(xiàn)有技術可能存在的因障礙物特征收集不全，存在未經(jīng)訓練的障礙物，導致無法準確檢測到障礙物的問題，通過本公開提供的方案，提高了障礙物檢測的準確性。

圖6為根據(jù)一示例性實施例示出的對步驟s310的細節(jié)進行描述的流程示意圖，如圖6所示，步驟s310具體包括：

步驟s311：獲取雙目圖像采集裝置采集的所述待測場景的第一二維圖像和第二二維圖像；

以圖1所示實施場景舉例來說，雙目圖像采集裝置為雙目攝像頭110，左攝像頭和右攝像頭分別采集待測場景的二維圖像，為進行區(qū)分，分別成為第一二維圖像和第二二維圖像。車載終端獲取左攝像頭采集的二維圖像和右攝像頭采集的二維圖像。

步驟s312：以所述第一二維圖像為基準圖像，所述第二二維圖像為比較圖像，對所述第一二維圖像和第二二維圖像進行立體匹配處理，確定所述基準圖像的各個像素點所對應的視差值；

其中，可以將左攝像頭采集的二維圖像作為基準圖像，將右攝像頭采集的二維圖像作為比較圖像，當然也可以，將右攝像頭采集的二維圖像作為基準圖像，將左攝像頭采集的二維圖像作為比較圖像。之后針對比較圖像和基準圖像進行三維圖像的立體匹配處理。

具體的，首先針對比較圖像，遍歷需要進行立體匹配的中心像素點，并在該中心像素點周圍建立固定大小(wxh)的窗口，如圖7a所示，作為該中心像素點與基準圖像進行立體匹配時的最小計算單位。針對選定的比較圖像的像素中心點，將相應的窗口映射在同y坐標的基準圖像上，如圖7b所示。從左到右的順序遍歷同y軸的基準圖像的窗口中心像素點，運用sad(sumofabsolutedifference對應像素差的絕對值)算法或ssd(sumofsquareddifference對應像素差的平方和)算法進行差異cost(值)計算，并保存相應計算結果，如圖7c所示。在sad或ssd計算時，與比較圖像差異cost最小的窗口中心像素點將被作為該選定像素中心點的匹配點，比較圖像的選定像素中心點與基準圖像的匹配點之間的位移差(x坐標之差)即為如圖7c所示的最小視差d’，其相應的深度信息則為在三維圖像中，該基準圖像像素中心點的對應距離。通過遍歷比較圖像中的所有像素中心點，將得到基準圖像的各個像素點所對應的視差值。

步驟s313：將所述基準圖像的各個像素點所對應的視差值作為所述視差圖像的對應像素點的灰度值生成所述待測場景的視差圖像。

具體的，通過遍歷比較圖像中的所有像素中心點，將計算出大小與基準圖像相同的三維立體圖像，即視差圖像?；鶞蕡D像的各像素點所對應的視差值，則將保存為三維立體圖像的各像素點的灰度值。

進一步的，在上述示例性實施例的基礎上，在步驟s370確定每個候選區(qū)域是否為障礙物區(qū)域之后，如圖8所示，本公開提供的障礙物檢測方法還可以包括以下步驟：

步驟810：若確定存在障礙物區(qū)域，則根據(jù)所述視差圖像中與障礙物區(qū)域對應的各個像素點的視差值，計算所述障礙物區(qū)域的各個像素點的深度值；

需要說明的是，若在步驟s370中，確定了某個候選區(qū)域為障礙物區(qū)域，則可以利用公式z＝b*f/d(d為視差值，b為雙目攝像頭的兩個攝像頭之間的距離，f為攝像頭鏡頭焦距)，根據(jù)視差圖像中給出的障礙物區(qū)域對應的各個像素點的視差值，即d為已知量，計算出障礙物區(qū)域的各個像素點的深度值，即各個像素點的z值。

步驟811：對所述障礙物區(qū)域的所有像素點的深度值進行均值化處理，得到與待測場景中障礙物之間的實際距離；

具體的，對于障礙物區(qū)域，在計算出障礙物區(qū)域對應的所有像素點的深度值之后，可以通過計算深度值的平均值，得到與障礙物之間的實際距離。例如行駛中的車輛與障礙物之間的距離。

步驟812：根據(jù)所述與待測場景中障礙物之間的實際距離，估計與障礙物發(fā)生碰撞的預測時間，并在所述預測時間小于風險閾值時，發(fā)出報警信號。

需要解釋的是，在計算出與障礙物之間的實際距離后，可以根據(jù)車速，估計可能與障礙物發(fā)生碰撞的時間。當估計得到的發(fā)生碰撞的時間(如1.5秒后發(fā)生碰撞)小于風險閾值(如2秒)，則判定與前方障礙物發(fā)生碰撞的可能性較大，此時可以將報警信號發(fā)送到報警終端，以實現(xiàn)預警的功能，

或者，根據(jù)實際距離的實時變化，可以計算出與障礙物的相對速度變化，進而估計出與障礙物可能發(fā)生碰撞的時間，當該時間小于風險閾值時，發(fā)出報警信號。

更進一步的，在上述任一示例性實施例的基礎上，在步驟s370確定每個候選區(qū)域是否為障礙物區(qū)域之后，本公開提供的障礙物檢測方法還可以包括：

若確定存在障礙物區(qū)域，則根據(jù)所述雙目圖像中障礙物區(qū)域對應的灰度值特征信息或色彩值特征信息，確定障礙物的類別。

需要說明的是，如果確定了某個候選區(qū)域為障礙物區(qū)域，則可以結合雙目圖像采集裝置采集的二維圖像，根據(jù)二維圖像中障礙物區(qū)域對應位置的灰度值或色彩值特征信息，確定障礙物的類別。例如，色彩是綠色的表示樹木。以此類推，對于不同的障礙物，均具備各自的灰度特征或色彩特征，通過獲取二維圖像中障礙物區(qū)域的灰度值特征信息和色彩值信息，就可以確定障礙物的類別，是人、車或其他障礙物，進一步提高障礙物檢測的準確度。如果將該方法運用到交通運輸領域，也可以提高安全駕駛的穩(wěn)定性和可靠性。

下述為本公開裝置實施例，可以用于執(zhí)行本公開上述車載終端120執(zhí)行的障礙物檢測方法實施例。對于本公開裝置實施例中未披露的細節(jié)，請參照本公開障礙物檢測方法實施例。

圖9是根據(jù)一示例性實施例示出的一種障礙物檢測裝置的框圖，該障礙物檢測裝置可以用于圖1所示實施環(huán)境的車載終端120中，執(zhí)行圖3、圖5、圖6、圖8任一所示的障礙物檢測方法的全部或者部分步驟。如圖9所示，該障礙物檢測裝置包括但不限于：圖像獲取模塊910、圖像構建模塊930、三維計算模塊950及障礙判定模塊970；

圖像獲取模塊910，用于獲取待測場景的雙目圖像，利用所述雙目圖像生成所述待測場景的視差圖像；

圖像構建模塊930，用于根據(jù)所述視差圖像中每個像素點的視差值，構建與所述視差圖像尺寸相同的彩色圖像；其中，所述彩色圖像的每個像素點的三原色值與所述視差圖像中對應像素點的視差值相關；

三維計算模塊950，用于將所述彩色圖像劃分為若干候選區(qū)域，并結合所述視差圖像中與每個所述候選區(qū)域對應的像素點的視差值，確定每個候選區(qū)域的三維空間信息；

障礙判定模塊970，用于根據(jù)所述每個候選區(qū)域的三維空間信息以及預設的障礙物的三維空間信息閾值，確定所述每個候選區(qū)域是否為障礙物區(qū)域。

上述裝置中各個模塊的功能和作用的實現(xiàn)過程具體詳見上述障礙物檢測方法中對應步驟的實現(xiàn)過程，在此不再贅述。

圖像獲取模塊910比如可以是圖2中的某一個物理結構通信組件216。

圖像構建模塊930、三維計算模塊950及障礙判定模塊970也可以是功能模塊，用于執(zhí)行上述障礙物檢測方法中的對應步驟?？梢岳斫?，這些模塊可以通過硬件、軟件、或二者結合來實現(xiàn)。當以硬件方式實現(xiàn)時，這些模塊可以實施為一個或多個硬件模塊，例如一個或多個專用集成電路。當以軟件方式實現(xiàn)時，這些模塊可以實施為在一個或多個處理器上執(zhí)行的一個或多個計算機程序，例如圖2的處理器218所執(zhí)行的存儲在存儲器204中的程序。

圖10為根據(jù)本公開一示例性實施例示出的對圖像獲取模塊910的細節(jié)進行描述的框圖，如圖10所示，該圖像獲取模塊910可以包括但不限：

圖像獲取單元911，用于獲取雙目圖像采集裝置采集的所述待測場景的第一二維圖像和第二二維圖像；

立體匹配單元912，用于以所述第一二維圖像為基準圖像，所述第二二維圖像為比較圖像，對所述第一二維圖像和第二二維圖像進行立體匹配處理，確定所述基準圖像的各個像素點所對應的視差值；

圖像生成單元913，用于將所述基準圖像的各個像素點所對應的視差值作為所述視差圖像的對應像素點的灰度值生成所述待測場景的視差圖像。

可選的，所述裝置還可以包括但不限：

邊緣提取模塊，用于對所述視差圖像進行降噪處理和邊緣提取操作處理；

圖像修復模塊，用于將經(jīng)過所述邊緣提取操作處理后的視差圖像的非邊緣像素點進行圖像修復操作，填充非邊緣像素點的視差值，使得所述視差圖像的每個像素點的視差值呈漸變狀態(tài)。

圖11為根據(jù)本公開一示例性實施例示出的對三維計算模塊950的細節(jié)進行描述的框圖，如圖11所示，所述三維計算模塊950可以包括但不限：

圖像分割單元951，用于根據(jù)所述彩色圖像的不同區(qū)域的顏色不同，將所述彩色圖像劃分為若干區(qū)域；

坐標計算單元952，用于根據(jù)所述視差圖像中每個像素點的視差值，計算所述每個像素點的三維空間坐標；

區(qū)域計算單元953，用于根據(jù)每個候選區(qū)域包含的像素點的三維空間坐標確定所述每個候選區(qū)域的尺寸和位置。

在上述任一示例性實施例的基礎上，可選的，所述裝置還可以包括但不限：

深度計算模塊，用于當確定存在障礙物區(qū)域時，根據(jù)所述視差圖像中與障礙物區(qū)域對應的各個像素點的視差值，計算所述障礙物區(qū)域的各個像素點的深度值；

距離計算模塊，用于對所述障礙物區(qū)域的所有像素點的深度值進行均值化處理，得到與待測場景中障礙物之間的實際距離；

障礙預警模塊，用于根據(jù)所述與待測場景中障礙物之間的實際距離，估計與障礙物發(fā)生碰撞的預測時間，并在所述預測時間小于風險閾值時，發(fā)出報警信號。

在上述任一示例性實施例的基礎上，可選的，所述裝置還可以包括但不限：

障礙識別模塊，用于當確定存在障礙物區(qū)域時，根據(jù)所述雙目圖像中障礙物區(qū)域對應的灰度值特征信息或色彩值特征信息，確定障礙物的類別。

可選的，本公開還提供一種障礙物檢測裝置，該障礙物檢測裝置可以用于圖1所示實施環(huán)境的車載終端120中，執(zhí)行圖3、圖5、圖6、圖8任一所示的障礙物檢測方法的全部或者部分步驟。所述裝置包括：

處理器；

用于存儲處理器可執(zhí)行指令的存儲器；

其中，所述處理器被配置為執(zhí)行：

獲取待測場景的雙目圖像，利用所述雙目圖像生成所述待測場景的視差圖像；

根據(jù)所述視差圖像中每個像素點的視差值，構建與所述視差圖像尺寸相同的彩色圖像；其中，所述彩色圖像的每個像素點的三原色值與所述視差圖像中對應像素點的視差值相關；

將所述彩色圖像劃分為若干候選區(qū)域，并結合所述視差圖像中與每個所述候選區(qū)域對應的像素點的視差值，確定每個候選區(qū)域的三維空間信息；

根據(jù)所述每個候選區(qū)域的三維空間信息以及預設的障礙物的三維空間信息閾值，確定所述每個候選區(qū)域是否為障礙物區(qū)域。

該實施例中的裝置的處理器執(zhí)行操作的具體方式已經(jīng)在有關該障礙物檢測方法的實施例中執(zhí)行了詳細描述，此處將不做詳細闡述說明。

在示例性實施例中，還提供了一種存儲介質，該存儲介質為計算機可讀存儲介質，例如可以為包括指令的臨時性和非臨時性計算機可讀存儲介質。該存儲介質例如包括指令的存儲器204，上述指令可由裝置200的處理器218執(zhí)行以完成上述障礙物檢測方法。

應當理解的是，本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結構，并且可以在不脫離其范圍執(zhí)行各種修改和改變。本發(fā)明的范圍僅由所附的權利要求來限制。