一、研究背景及意义
近年来，道路场景和目标的识别受到了越来越多的关注。在地震灾害救援中，道路识别技术可以帮助判断道路的受损情况，从而让救援人员能够快速判定现场环境从而尽快展开营救工作。而且这项技术还能用于城市环境中的导航系统，特别是在复杂路况的市中心，交通事故频发。由此，可通行区域的检测是非常必要的一项技术。它能自动的检测出一条安全的道路让车辆通行，从而规避一些可能出现的交通问题，减少交通事故。
本课题在无人车系统上进行试验。道路检测对智能车系统有着至关重要的作用。以前的基于视觉的方法受到硬件限制，图像处理的能力不足，所以一直没有较大发展。而现在处理了图像处理问题之后，基于视觉的移动机器人导航方法对于智能车系统来说具有越来越重要的实际意义。
二、国内外研究情况
在美国、欧洲和日本等发达国家很早就已经来世研究移动机器人技术，并且都取得了很大的成就。美国早期的自主车DemoIII上就已经开始使用双目立体视觉系统。DARPA曾与2004、2005和2007年三次举办DARPA大挑战，参赛自主车上也不乏立体视觉系统的身影。
国内开始研究此项技术则比较晚，而且现阶段国内外智能车辆感知系统一般采用视觉导航方式为主的技术，不难看出这将是未来的一个主要发展方向，但现有的视觉导航技术还没达到实际应用的水平，存在检测实时性不够，应用范围有限，设备造价高等问题。因此在这个领域的研究的前景很广阔。
三、障碍物检测方法综述
对自动车构成几何危险，阻碍其运行的物体或地形特征都可被称之为障碍物，障碍物检测的目的在于感知这些几何危险。
基于视觉的障碍物检测方法有很多，根据使用的视觉系统不同，主要分为单目视觉障碍物检测和立体视觉障碍物检测。由于本课题研究的是立体视觉障碍物检测，所以对于单目视觉障碍物检测的方法在此就不多做赘述。
立体视觉障碍物检测中至关重要的一环——视差图，主要通过立体匹配获得。有些文献通过采用基于区域的匹配算法获取稠密视差图，但缺点在于支持窗口的选取比较困难，选取过大的深度的话不连续处在视差图中会出现过度平滑，而过小则不能充分利用图像信息，容易造成误匹配。又写文献中提取角点作为特征，但视差图是稀疏的，需要通过插值算大才能得到稠密视差图。还有其他的方法也可以得到视差图，这是立体视觉障碍物检测的第一步。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
