一種基于單目視覺的車輛測距方法

【專利說明】一種基于單目視覺的車輛測距方法 所屬技術領域

[0001] 本發明屬于目標檢測與測距領域，尤其涉及一種基于單目視覺的車輛測距方法.

【背景技術】

[0002] 隨著公路交通特別是高速公路系統的發展，交通事故率也呈現上升趨勢，交通安 全越來越成為人們關注的焦點。因此，研宄車輛安全輔助駕駛技術，為車輛提供安全輔助駕 駛功能，從而為減少因駕駛者主觀因素造成的交通事故提供智能技術服務。計算機視覺因 其提供的信息量大、穩定性好等因素，逐漸成為車輛安全輔助駕駛技術的研宄重點，隨著計 算機視覺技術的不斷發展，它在智能車輛系統中的作用不斷的完善，把計算機視覺技術應 用在車輛檢測中，對汽車安全性的提高產生了重大的作用。

[0003] 利用單目攝像頭進行運動目標(例如車輛)的檢測，其發展大致經歷了三個階段： 被動學習階段一一主動學習階段一一自適應學習階段。在被動學習階段，主要是根據圖像 的特點，對所有存在的對象進行擬合，比較前后幀圖像的不同點之后區分所要檢測的目標， 其主要算法有混合高斯模型、背景差分法、卡爾曼濾波器等。在主動學習階段，主要是針對 特定的運動目標，研宄其固有特征，通過對特征的學習，對運動目標進行檢測。目前針對運 動的車輛，常用的固有特征包括車輛底部產生的陰影、陰影的熵值、車輛邊緣的對稱性、車 輛像素的亮度、車輛的紋理等。在自適應學習中，運動目標的檢測大致分為三個步驟：第一 步是特征提取，這里的特征主要是數學特征，現今常用的特征提取算法有HOG、Haar、SIFT、 LBT等，這一步是后面兩步的基礎；第二部是分類器的訓練，通過輸入大量正負樣本，經過 訓練獲得識別目標數學特征的分類器，現今常用的分類器算法包括SVM、Adab〇〇st等；第三 步是運動目標檢測，這一步主要是運用經過訓練得到的分類器，對輸入的視頻圖像進行運 動目標檢測。

[0004] 單目視覺測距是利用一個攝像機獲得的圖片得出深度信息，按照測量的原理主要 分為基于幾何關系的測量方法和基于數據信息的測量方法。基于幾何關系的測量方法是指 利用攝像機的結構和攝像機得到的圖片測得深度距離。利用計算機視覺理論與方法，在對 行車道內的前方車輛進行快速探測以及對攝像機進行預先標定的基礎上，利用攝像機參數 和道路幾何模型，獲得前方車輛距離。上述測量的缺點是要對一幅或幾幅圖片進行特征點 的匹配，匹配誤差對測量結果有明顯的影響，同時處理時間長，對于多幅圖像而言則必然需 要更多的計算時間。

[0005] 基于數據信息的測量方法是指在已知物體信息的條件下利用攝像機獲得的目標 圖片得到深度距離。該類方法的缺點是需要利用圖像的準確信息進行測量，容易因為圖像 信息的不準確而導致測量的不準確。

【發明內容】

[0006] 針對現有方法存在的不足，本發明提出一種基于單目視覺的車輛測距方法。

[0007] 本發明的技術方案是這樣實現的：

[0008] -種基于單目視覺的車輛測距方法，車輛測距對象為同向行駛的前方車輛，包括 如下步驟：

[0009] 步驟1 :在車輛上安裝單目攝像頭，測取攝像頭高度及其俯仰角，并確定攝像頭焦 距參數；

[0010] 首先把單目攝像頭固定在車輛前方，確定該攝像頭距離地面的高度及其軸線與水 平方向的夾角，即該單目攝像頭的垂直高度和俯仰角；

[0011] 步驟2 :利用所述單目攝像頭采集高速公路環境下的視頻圖像；

[0012] 步驟3:目標車輛檢測前的視頻圖像預處理過程；

[0013] 步驟3. 1:采用高斯濾波對視頻圖像進行初步去噪、濾波處理；

[0014] 步驟3. 2:對步驟3. 1初步處理后的視頻圖像進行目標車輛檢測前的興趣區域分 割預處理；

[0015] 步驟4:目標車輛檢測過程；

[0016] 在分割后的視頻圖像區域內進行車輛檢測，并將檢測出的目標車輛實時標注于畫 面上；

[0017] 步驟5:目標車輛測距過程；

[0018] 測量目標車輛距離并在視頻畫面上實時顯示該目標車輛距離。

[0019] 所述的步驟3. 2包括如下具體步驟：

[0020] 步驟3. 2. 1:對采集的視頻圖像進行天空區域分割；

[0021] 對采集的視頻圖像采用基于顏色空間進行天空區域分割，方法具體如下：首先獲 取視頻圖像在HIS(色調、色飽和度、亮度)、RGB(紅、綠、藍三色)、HQ(亮度、色調、飽和度) 和YCbCr(顏色亮度、藍色和紅色顏色偏移量)四種顏色空間中的直方圖；然后分別在該四 種顏色空間中確定天空區域的各個顏色分量的分布范圍，計算和比較所確定的四組分布范 圍數據的方差和極值，選取其中方差和極值最小也即各個分量分布最集中的YCbCr色彩空 間作為天空域分割的色彩空間；最后對視頻圖像進行二值化處理，確定天空的聯通區域并 計算其面積，并采用Otsu自適應閾值法，自動調整分割閾值，將天空部分從圖像中去除；

[0022] 步驟3. 2. 2 :對天空區域分割后的視頻圖像，采用最小誤差閾值分割法檢測車道 線，即最靠近圖像邊緣的道路邊沿線，并對檢測出的車道線建立二維直線方程，并以此方程 為基礎去除邊緣線之外的區域，進一步減小車輛檢測區域面積；

[0023] 所述的步驟4包括如下具體步驟：

[0024] 步驟4. 1:采集正負樣本圖像(正樣本是指車輛后部圖片，負樣本是指其它任意圖 片，但不能包含車輛后部)，對所有的正負樣本圖片進行歸一化處理為同樣大小；

[0025] 步驟4. 2:在Haar特征中增加車尾特征和車后輪特征，并根據該Haar特征，采用 Adaboost算法訓練正負樣本集，獲得級聯分類器；

[0026] 步驟4.3:利用獲得的級聯分類器，對單目攝像頭采集的視頻圖像進行目標車輛 檢測，并將檢測出的目標車輛實時標注于畫面上；

[0027] 所述的步驟4. 3中的目標車輛檢測過程中，利用多尺度窗口方法(multiscale approach)對單目攝像頭采集的視頻圖像進行掃描檢測；

[0028] 所述的步驟5中測量目標車輛距離的方法如下：

[0029] 若目標車輛距離在30米以內，則根據小孔成像原理建立攝像機投影模型，把世界 坐標系投影到圖像坐標系中，通過兩坐標系之間對應的關系來建立車輛測距幾何關系模 型，求取前方目標車輛距離；若目標車輛距離大于30米，則先通過數據擬合方法獲取實際 道路樣本點與像平面之間的映射關系，并根據該映射關系求取前方目標車輛距離。

[0030] 本發明的優點是：本發明的基于單目視覺的車輛測距方法的適用環境為高速公 路，該方法首先對安裝在車輛上的單目攝像頭進行必要參數的獲取，然后采用高斯濾波對 該攝像機采集的視頻圖像進行初步處理后，再對視頻圖像進行預處理：首先是采用基于色 彩空間的天空區域分割方法，通過自適應的調整閾值的方法找到合理的分割閾值，分辨出 天空區域，減少了圖像的掃描面積；接下來對車道域進行分割，進一步減少了圖像的掃描面 積；在目標車輛檢測的過程中采用的是增加了車輪特征和車尾特征的Haar特征，有效提高 了目標車輛識別的準確度；在目標車輛檢測(識別)的過程中，采用多尺度窗口方法對單目 攝像頭采集的視頻圖像進行掃描檢測，也會顯著提高目標車輛檢測速度。在目標車輛距離 測量中，在近距離范圍內(30米以內)采用基于小孔成像的測距方法；在長距離的范圍上 (大于30米)，采用數據擬合(線性差值)的測距方法，降低了誤差率，可以達到實時測距 的效果。而且，本發明的方法只采用一個攝像頭采集視頻，設備簡單。因此，本發明的方法 具有檢測速度快，準確率高，實時性較強且成本低的優點。

【附圖說明】

[0031]圖1為本發明一種實施方式的基于單目視覺的車輛測距方法流程圖；

[0032] 圖2為本發明一種實施方式的Haar特征集合圖；

[0033] 圖3為本發明一種實施方式的Adaboost訓練流程圖；

[0034] 圖4

總結

以上是生活随笔為你收集整理的matlab车辆测距,一种基于单目视觉的车辆测距方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。