推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于单目视觉车辆姿态角估计和逆透视变换的车距测量

更新时间:2019-12-27 14:02:46 大小:1M 上传用户:IC老兵查看TA发布的资源 标签:单目视觉逆透视变换道路消失点检测单目测距 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

针对一般的单目视觉测距方法忽略汽车在行驶过程中姿态角变化的问题,该文提出了一种基于变参数逆透视变换和道路消失点检测的单目视觉测距模型,实现了车辆在相对运动过程中的纵向距离和横向距离实时测量。首先,该文通过基于纹理方向估计的道路消失点检测算法计算出汽车运动的偏航角和俯仰角,然后运用变参数的逆透视变换和几何建模分析方法,建立车辆测距模型。对不同道路环境和测距方法的2组对比试验分析该文方法的可行性和有效性,结果表明,该文所提出的测距模型能够有效测量纵向70 m、横向4 m以内的目标车辆距离,测量误差在5%以内,且道路环境越好,误差越小,道路良好的平坦道路测距误差在3%以内;该文算法的平均处理速度达到了40帧/s。


部分文件列表

文件名 大小
基于单目视觉车辆姿态角估计和逆透视变换的车距测量.pdf 1M

部分页面预览

(完整内容请下载后查看)
34 13 期  
2018 7 月  
农 业 工 程 学 报  
Vol.34 No.13  
Jul. 2018  
70  
Transactions of the Chinese Society of Agricultural Engineering  
基于单目视觉车辆姿态角估计和逆透视变换的车距测量  
刘 军,后士浩,张 凯,晏晓娟  
(江苏大学汽车与交通工程学院,镇江 212013)  
摘 要:针对一般的单目视觉测距方法忽略汽车在行驶过程中姿态角变化的问题,该文提出了一种基于变参数逆透视变  
换和道路消失点检测的单目视觉测距模型,实现了车辆在相对运动过程中的纵向距离和横向距离实时测量。首先,该文  
通过基于纹理方向估计的道路消失点检测算法计算出汽车运动的偏航角和俯仰角,然后运用变参数的逆透视变换和几何  
建模分析方法,建立车辆测距模型。对不同道路环境和测距方法的 2 组对比试验分析该文方法的可行性和有效性,结果  
表明,该文所提出的测距模型能够有效测量纵70 m、横4 m 以内的目标车辆距离,测量误差5%以内,且道路环  
境越好,误差越小,道路良好的平坦道路测距误差3%以内;该文算法的平均处理速度达到40 /s。  
关键词:算法;模型;车辆;单目视觉;逆透视变换;道路消失点检测;单目测距  
doi10.11975/j.issn.1002-6819.2018.13.009  
中图分类号:TP391;U491.6  
刘 军,后士浩,张 凯,晏晓娟. 基于单目视觉车辆姿态角估计和逆透视变换的车距测量[J]. 农业工程学报,2018,  
34(13):70-76. doi10.11975/j.issn.1002-
文献标志码:A  
文章编号:1002-6819(2018)-13-0070-07  
Liu Jun, Hou Shihao, Zhang Kai, Yan Xiaojuan. Vehicle distance measurement with implementation of vehicle attitude angle  
estimation and inverse perspective mapping based on monocular vision[J]. Transactions of the Chinese Society of Agricultural  
Engineering (Transactions of the CSAE), 2018, 34(13): 70 76. (in Chinese with English abstract)  
10.11975/j.issn.1002-
doi :  
立体视觉,将单目测距转化为双目视觉的平面测距方法,  
但是其需要大量的姿态角匹配模板,模板匹配不佳时会  
造成很大的测距误差,并且需要消耗大量的匹配时间。  
余厚云等[17-18]提出了一种基于车道线消失点的几何模型  
测量前方目标车辆的纵向距离的方法,但其只适用于结  
构化的道路,未考虑汽车运动的偏航角、俯仰角的变化,  
也没有考虑横向距离测量的问题。许宇能等[19]提出了一  
种基于道路消失点计算摄像机偏航角和俯仰角的 6 自由  
度变换测距模型,把整个测距模型建立在考虑摄像机畸  
变的针孔模型上,其需要标定大量的摄像机内外参数而  
带来了测量误差。吴骏等[20]提出了一种基于检测车辆位  
置信息的车辆纵向距离测量几何模型,但未考虑到偏航  
角、俯仰角的实时补偿,只适用于结构化道路。  
Tuohy [21]提出了一种基于逆透视变换的测距方法,  
通过逆透视变换还原出道路平面的信息,并且该平面与  
真实道路平面具有线性的比例关系,该方法简单易行,  
但是其没有考虑汽车运动的偏航角和俯仰角补偿,导致  
在汽车产生偏航和俯仰运动时会产生较大的测距误差。  
Nakamura [22]提出了一种基于水平方向和垂直方向三角  
几何关系联合估计车宽长度的单目视觉车辆测距方法;  
Han [23]提出了基于车宽长度估计的单目视觉车辆测距  
方法,并综合考虑了结构化道路和非结构化道路 2 种测  
距环境;文献[22-23]通过卡尔曼滤波算法减少由于车辆  
俯仰角变化引起的测距误差,但是对非正前方目标的车  
宽长度估计存在较大误差,且并没有从俯仰角变化的机  
理上进行建模分析,只是在跟踪过程中减小车宽长度的  
估计误差Bao [24]提出了一种基于车宽的平均长度与检  
0 引 言  
在智能车和高级驾驶辅助系统中,车辆检测和测距  
是对道路交通信息理解的关键内容,也是汽车避免危险  
而做出响应的前提条件。视觉机器学习方法被广泛运用  
在车辆检测任务上,而车辆测距技术是在车辆检测任务  
的基础上发展而成的一项技术。测量车辆的纵向距离和  
横向距离可以对车辆进行准确定位,而且还可以为汽车  
行驶过程中纵向、横向提供安全距离控制[1-5]。  
目前基于毫米波雷达和激光雷达等主动式传感器的  
测距方法[6-7]价格昂贵,扫描范围和速度有限,同时易受  
外界信号干扰。而基于视觉类被动式传感器的测距方法,  
价格低廉,信息丰富,具有更广泛的应用范围。现有的  
视觉测距方法主要为单目视觉和立体视觉测距。基于立  
体视觉的测距方法[8-11]直观明了,测量精度较高,但这种  
方法需融合匹配多个摄像头的信息,计算量大,实现实  
时测距的成本相对较高,使其在汽车上的应用受到限制。  
此外,基于单目视觉的测距方法算法简单,计算量  
小,成本低廉且实时性能更好。近年来国内外对单目视  
觉测距方法的研究取得了一些成果[12-15],主要分为拟合  
建模法、逆透视变换法、成像几何关系法以及光学投影  
特性法。徐超等[16]提出了一种通过特征变换匹配算法估  
计坦克的姿态角,从而用匹配的模板和目标图像来模拟  
收稿日期:2017-11-08  
修订日期:2018-04-10  
基金项目:国家自然科学基金项目(51275212)  
作者简介:刘 军,教授,博士,主要研究方向为汽车主动安全。  
Email
13 期  
刘 军等:基于单目视觉车辆姿态角估计和逆透视变换的车距测量  
71  
测车辆的实际距离之间存在的线性关系的单目视觉车辆  
测距方法,但是其没有考虑到汽车运动过程中的姿态角  
变化,同时统计得到的车宽平均值只能保证平均的测距  
精度,对单个车辆目标的测距误差较大。  
Vy p   
   
p arctan  
   
4)  
Vx  
p
   
为了降低每帧图片里的敏感噪声对消失点检测的干  
当前帧消失点的位置与之20 帧的位置取平均值,  
同时通过帧间消失点位移的大小来调节候选消失点的分  
布,大大增加了消失点检测的稳定性。在不同光照和道  
路环境下道路消失点检测的试验效果示例如1 所示。  
上述逆透视变换测距方法没有考虑汽车运动的偏航  
角、俯仰角补偿,成像几何关系测距方法需要标定大量  
的摄像机内外参数。为提高车辆单目视觉测距在复杂应  
用场景的精度和稳定性,在已有目标检测算法的基础下,  
本文提出了基于汽车姿态角估计的单目视觉车辆测距算  
法,利用基于纹理的道路消失点检测跟踪方法建立实时  
的车辆纵向和横向距离检测几何模型。本文叙述了算法  
的实现过程,并以某型号的试验车为例,进行了测距试  
验,最终给出了相应的结果和分析。  
a. 强光照且无车道线  
b. 强光照且有车道线  
a. Strong light and no lane  
b. Strong light and with lane  
1 道路消失点的检测与跟踪  
根据透视投影原理,所有平行的直线经过透视投影  
后都会相交于一点,该点称为消失点。道路消失点是道  
路环境的重要信息,其总是指向道路的尽头,可以为智  
能车导航系统提供重要的方向信息和道路边界信息,同  
时可用来估计汽车运动的姿态角[25-28]  
c. 弱光照且无车道线  
c. Weak light and no lane  
d. 弱光照且有车道线  
d. Weak light and with lane  
本文采用的消失点检测方法首先基于 4 个方向的  
Gabor 滤波器计算视频帧中每个像素点的显著纹理方  
后通过粒子滤波器跟踪算法确定候选消失点最  
后采用改进的局部适应性软投票方法快速估计道路消  
失 点 的 [28] 4 Gabor 波器的方向为  
1 道路消失点检测效果示例  
Fig.1 Examples of road vanishing point detection effect  
2 汽车姿态角估计模型  
= 04590135Ei  
p i Gabor 滤波器在像  
,   
将单目摄像机固定安装在汽车上,从而可以用摄像  
机估计汽车的姿态角。摄像机到成像坐标系的成像原理  
可以抽象为小孔成像模型,摄像机偏航角会对道路消失  
点的横坐标造成一定的偏移,摄像机俯仰角会对消失点  
的纵坐标造成一定的偏移。如2 所示,假W H 分  
别为成像平面的水平方向和垂直方向像素数量,f 为摄像  
机的焦距,2α2β 分别为摄像机上下视场角和水平视场  
角范围,γθ 分别为摄像机偏航角和俯仰角。在摄像机  
没有偏航角和俯仰角时成像平面中消失点坐标为  
V(u0,v0),当存在偏航角时成像平面中消失点的坐标为  
V(u1,v1)ABC 中,可得  
素点 p=(x,y) 处的 Gabor 能量响应值,对其进行排序:  
E1 ,p E2  
p E3  
p E4  
p ,并按照式(1)  
,0  
   
,0  
,0  
0
计算该像素点的置信conf(p),置信度小于阈0.85 的  
像素点不参与消失点的投票。  
E4 ,  
E1 ,  
p
   
   
1  
,
E1 ,p 0.2  
0
0
   
0
p
conf p   
   
1)  
0,  
E1 ,p 0.2  
   
0
对存在显著纹理方向的像素点取最大 2 Gabor 能  
量响应值计算显著纹理方向,估计方程[28]如下。  
1)最大的 2 Gabor 能量响应方向若为 Φ1=0 和  
Φ4=135º,则  
h
tan  
5)  
f
Vx p E4  
p cosE1  
   
p
h DADB u1 0.5W  
6)  
   
   
,0  
4
,0  
2)  
u1 为存在偏航角时成像平面中消失点的横坐标。  
新的像平面(粗线矩形区域)是由于摄像机偏航角  
的存在,导致标准成像平面(细线矩形区域)向左偏移  
得到的,但这并不会导致视场角的改变,因此水平视场  
角仍然存在如下关系  
V
p E4  
p sin  
   
y    
,0  
4
2)其他情况,则  
Vx p Ei  
p cosE j  
   
   
p cos  
   
   
,0  
,0  
i
,0  
j
3)  
V
p Ei  
p sinE j  
p sin  
   
y    
i
,0  
j
0.5W  
tan   
7)  
式中 ω0 为径向频率E j p 为第 j Gabor 滤波器在  
f
,   
由式(5)和(6)可知  
像素p=(x, y) Gabor 能量响应值,Vx(p)Vy(p)分  
别为像素点的显Gabor 能量响应值xy 方向的分量。  
显著纹理方θ(p)定义为  
arctan[ u 0.5W / f ]  
8)  
同理,对于摄像机的俯仰角,也和消失点存在着  
1

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载