1. 研究目的与意义（文献综述）

在新型工业化、信息化时代的当代社会，基于大数据、云计算、互联网等新一代信息技术的人工智能发展迅速。由于电子产品软硬件技术创新与发展，成本不断降低，包括无人车在内的智能产品的研究和开发已经成为热点。

无人车是一种能够通过传感器感应识别周围环境，自动进行环境、障碍识别并控制汽车行驶路径的智能化汽车，是智能交通系统的核心组成部分。其中，无人车对环境感知识别技术的研究显得尤为重要。现阶段无人驾驶汽车使用的车载传感器和感知技术也各自具有需要克服的问题，主要表现在高精度的gps和雷达系统成本高的问题上，因此成本较低的基于机器视觉系统的无人车周围环境检测感知方面成为研究人员关注的关键研究方向。

基于机器视觉的环境感知技术是无人车对于行驶环境识别的重要组成部分，常见的视觉系统有两种：单个摄像机组成的单目视觉系统和由两个及以上摄像机以某种确定的方式组合在一起形成的双目或多目视觉系统。目前关于摄像机模型的研究中使用最多的是针孔模型。在摄像机标定方面，最有代表性的研究成果是张正友在1999年提出的通过摄像机在不同位置拍摄的标定物的图像回归计算摄像机参数的标定技术^[1]。

2. 研究的基本内容与方案

双目视觉主要有图像获取、相机标定、图像校正、立体匹配和三维重建以上五个步骤，在《车载双目视觉环境感知系统的研究》题目的背景下，了解双目视觉原理、相机标定的方法并着重研究立体匹配、三维环境重建两大关键步骤。

通过立体匹配、三维重建的研究，利用成功标定的双目相机对场景环境进行平面图的成像并且获取相应的视差图，从而以三角关系计算场景物体的深度信息，最终得到空间物体的三维坐标，完成环境感知全过程。

立体匹配算法的分类主要有两种：根据采用图像表示的基元不同，分为区域立体匹配算法（如BM和CV模型）、基于特征的立体匹配算法和基于相位的立体匹配算法；根据采用的最优化理论方法，分为局部立体匹配算法（SGM）和全局立体匹配算法（如图割法、置信传播和动态规划）。通过大量开源代码的学习，分析一种立体匹配算法，并在该算法的基础上提出可以改进的地方，根据立体匹配算法，在OpenCV和Matlab平台上完成相应的调试仿真，最后通过三维重建完成环境感知全过程的研究。

3. 研究计划与安排

时间	工作内容
第7学期第20周	毕业论文选题确定，了解双目视觉国内外研究进展，完成视觉处理、Matlab等相应资料收集
第8学期第1周	确定主要研究内容为立体匹配和三维重建，完成开题报告与文献检索工作
第8学期第2至3周	完成外文翻译工作，收集相应开源项目资料并学习整理
第8学期第4至6周	完成论文引言、原理部分的底稿，提出可行的方案
第8学期第7至9周	在原有方案基础上提出改进的地方并在Matlab等相关软件上完成方案的仿真，整理论文底稿
第8学期第10至12周	修改论文底稿、完善排版格式
第8学期第13周	提交答辩申请并作答辩准备，教师审阅论文
第8学期第14至15周	参加答辩

4. 参考文献（12篇以上）

[1] zhang z. flexible cameracalibration by viewing a plane from unknown orientations[c]／／iccv.1999:666.

[2]tomasi c,manduchi r．bilateral firefing for gray and colorimages[c]／／computervision,1998．sixthinternational conference on．ieee，1998：839.846．