通过前车视觉跟踪预测路面异常

提出了一种通过前车视觉跟踪检测路面异常的新方法。该方法具有通用性，能够预测各种路面异常，如坑洼、凸起、碎片等，不同于依赖训练这些情况视觉检测器的直接观测方法。该方法适用于能见度低或交通密集且异常被前车遮挡的情况。异常以预测方式被检测，即在车辆遇到异常之前，这允许预配置低层车辆系统（如底盘）或在自动驾驶情况下规划避让动作。挑战在于，基于相机的前车跟踪信号可能较弱，并受影响自车的振动引起的相机自运动干扰。因此，我们提出了一种通过迭代鲁棒估计器补偿相机俯仰旋转的高效方法。我们在受控装置和正常交通条件下的实验表明，即使在自车行驶不平整路面的挑战性情况下，也能远距离可靠检测路面异常。该方法有效且能在标准消费级硬件上实时运行。