一种基于单目视觉的车辆测距方法技术

本发明专利技术公开了一种基于单目视觉的车辆测距方法，属于目标检测与测距领域。在车辆上安装单目摄像头，测取摄像头高度及其俯仰角，并确定摄像头焦距参数；采集高速公路环境下的视频图像；采用高斯滤波对视频图像进行初步去噪、滤波处理；对视频图像进行目标车辆检测前的兴趣区域分割预处理；在分割后的视频图像区域内进行车辆检测，目标车辆检测的过程中采用的是增加了车轮特征和车尾特征的Haar特征，有效提高了目标车辆识别的准确度；测量目标车辆距离，在近距离范围内采用基于小孔成像的测距方法；在长距离的范围上，采用数据拟合的测距方法，降低了误差率，可以达到实时测距的效果。本发明专利技术具有检测速度快，准确率高，实时性较强且成本低的优点。

【技术实现步骤摘要】
【专利说明】 所属
本专利技术属于目标检测与测距领域，尤其涉及.
技术介绍
随着公路交通特别是高速公路系统的发展，交通事故率也呈现上升趋势，交通安 全越来越成为人们关注的焦点。因此，研宄车辆安全辅助驾驶技术，为车辆提供安全辅助驾 驶功能，从而为减少因驾驶者主观因素造成的交通事故提供智能技术服务。计算机视觉因 其提供的信息量大、稳定性好等因素，逐渐成为车辆安全辅助驾驶技术的研宄重点，随着计 算机视觉技术的不断发展，它在智能车辆系统中的作用不断的完善，把计算机视觉技术应 用在车辆检测中，对汽车安全性的提高产生了重大的作用。 利用单目摄像头进行运动目标（例如车辆）的检测，其发展大致经历了三个阶段： 被动学习阶段一一主动学习阶段一一自适应学习阶段。在被动学习阶段，主要是根据图像 的特点，对所有存在的对象进行拟合，比较前后帧图像的不同点之后区分所要检测的目标， 其主要算法有混合高斯模型、背景差分法、卡尔曼滤波器等。在主动学习阶段，主要是针对 特定的运动目标，研宄其固有特征，通过对特征的学习，对运动目标进行检测。目前针对运 动的车辆，常用的固有特征包括车辆底部产生的阴影、阴影的熵值、车辆边缘的对称性、车 辆像素的亮度、车辆的纹理等。在自适应学习中，运动目标的检测大致分为三个步骤：第一 步是特征提取，这里的特征主要是数学特征，现今常用的特征提取算法有HOG、Haar、SIFT、 LBT等，这一步是后面两步的基础；第二部是分类器的训练，通过输入大量正负样本，经过 训练获得识别目标数学特征的分类器，现今常用的分类器算法包括SVM、Adab〇〇st等；第三 步是运动目标检测，这一步主要是运用经过训练得到的分类器，对输入的视频图像进行运 动目标检测。 单目视觉测距是利用一个摄像机获得的图片得出深度信息，按照测量的原理主要 分为基于几何关系的测量方法和基于数据信息的测量方法。基于几何关系的测量方法是指 利用摄像机的结构和摄像机得到的图片测得深度距离。利用计算机视觉理论与方法，在对 行车道内的前方车辆进行快速探测以及对摄像机进行预先标定的基础上，利用摄像机参数 和道路几何模型，获得前方车辆距离。上述测量的缺点是要对一幅或几幅图片进行特征点 的匹配，匹配误差对测量结果有明显的影响，同时处理时间长，对于多幅图像而言则必然需 要更多的计算时间。 基于数据信息的测量方法是指在已知物体信息的条件下利用摄像机获得的目标 图片得到深度距离。该类方法的缺点是需要利用图像的准确信息进行测量，容易因为图像 信息的不准确而导致测量的不准确。
技术实现思路
针对现有方法存在的不足，本专利技术提出。 本专利技术的技术方案是这样实现的： -种基于单目视觉的车辆测距方法，车辆测距对象为同向行驶的前方车辆，包括 如下步骤： 步骤1 :在车辆上安装单目摄像头，测取摄像头高度及其俯仰角，并确定摄像头焦 距参数； 首先把单目摄像头固定在车辆前方，确定该摄像头距离地面的高度及其轴线与水 平方向的夹角，即该单目摄像头的垂直高度和俯仰角； 步骤2 :利用所述单目摄像头采集高速公路环境下的视频图像； 步骤3:目标车辆检测前的视频图像预处理过程； 步骤3. 1:采用高斯滤波对视频图像进行初步去噪、滤波处理； 步骤3. 2:对步骤3. 1初步处理后的视频图像进行目标车辆检测前的兴趣区域分 割预处理； 步骤4:目标车辆检测过程； 在分割后的视频图像区域内进行车辆检测，并将检测出的目标车辆实时标注于画 面上； 步骤5:目标车辆测距过程； 测量目标车辆距离并在视频画面上实时显示该目标车辆距离。 所述的步骤3. 2包括如下具体步骤： 步骤3. 2. 1:对采集的视频图像进行天空区域分割； 对采集的视频图像采用基于颜色空间进行天空区域分割，方法具体如下：首先获 取视频图像在HIS(色调、色饱和度、亮度）、RGB(红、绿、蓝三色）、HQ(亮度、色调、饱和度） 和YCbCr(颜色亮度、蓝色和红色颜色偏移量）四种颜色空间中的直方图；然后分别在该四 种颜色空间中确定天空区域的各个颜色分量的分布范围，计算和比较所确定的四组分布范 围数据的方差和极值，选取其中方差和极值最小也即各个分量分布最集中的YCbCr色彩空 间作为天空域分割的色彩空间；最后对视频图像进行二值化处理，确定天空的联通区域并 计算其面积，并采用Otsu自适应阈值法，自动调整分割阈值，将天空部分从图像中去除； 步骤3. 2. 2 :对天空区域分割后的视频图像，采用最小误差阈值分割法检测车道 线，即最靠近图像边缘的道路边沿线，并对检测出的车道线建立二维直线方程，并以此方程 为基础去除边缘线之外的区域，进一步减小车辆检测区域面积； 所述的步骤4包括如下具体步骤： 步骤4. 1:采集正负样本图像（正样本是指车辆后部图片，负样本是指其它任意图 片，但不能包含车辆后部），对所有的正负样本图片进行归一化处理为同样大小； 步骤4. 2:在Haar特征中增加车尾特征和车后轮特征，并根据该Haar特征，采用 Adaboost算法训练正负样本集，获得级联分类器； 步骤4.3:利用获得的级联分类器，对单目摄像头采集的视频图像进行目标车辆 检测，并将检测出的目标车辆实时标注于画面上； 所述的步骤4. 3中的目标车辆检测过程中，利用多尺度窗口方法（multiscale approach)对单目摄像头采集的视频图像进行扫描检测； 所述的步骤5中测量目标车辆距离的方法如下： 若目标车辆距离在30米以内，则根据小孔成像原理建立摄像机投影模型，把世界 坐标系投影到图像坐标系中，通过两坐标系之间对应的关系来建立车辆测距几何关系模 型，求取前方目标车辆距离；若目标车辆距离大于30米，则先通过数据拟合方法获取实际 道路样本点与像平面之间的映射关系，并根据该映射关系求取前方目标车辆距离。 本专利技术的优点是：本专利技术的基于单目视觉的车辆测距方法的适用环境为高速公 路，该方法首先对安装在车辆上的单目摄像头进行必要参数的获取，然后采用高斯滤波对 该摄像机采集的视频图像进行初步处理后，再对视频图像进行预处理：首先是采用基于色 彩空间的天空区域分割方法，通过自适应的调整阈值的方法找到合理的分割阈值，分辨出 天空区域，减少了图像的扫描面积；接下来对车道域进行分割，进一步减少了图像的扫描面 积；在目标车辆检测的过程中采用的是增加了车轮特征和车尾特征的Haar特征，有效提高 了目标车辆识别的准确度；在目标车辆检测（识别）的过程中，采用多尺度窗口方法对单目 摄像头采集的视频图像进行扫描检测，也会显著提高目标车辆检测速度。在目标车辆距离 测量中，在近距离范围内（30米以内）采用基于小孔成像的测距方法；在长距离的范围上 (大于30米），采用数据拟合（线性差值）的测距方法，降低了误差率，可以达到实时测距 的效果。而且，本专利技术的方法只采用一个摄像头采集视频，设备简单。因此，本专利技术的方法 具有检测速度快，准确率高，实时性较强且成本低的优点。【附图说明】图1为本专利技术一种实施方式的基于单目视觉的车辆测距方法流程图； 图2为本专利技术一种实施方式的Haar特征集合图； 图3为本专利技术一种实施方式的Adaboost训练流程图； 图4当前第1页1 2 3 本文档来自技高网...

【技术保护点】
一种基于单目视觉的车辆测距方法，车辆测距对象为同向行驶的前方车辆，其特征在于：包括如下步骤：步骤1：在车辆上安装单目摄像头，测取摄像头高度及其俯仰角，并确定摄像头焦距参数；首先把单目摄像头固定在车辆前方，确定该摄像头距离地面的高度及其轴线与水平方向的夹角，即该单目摄像头的垂直高度和俯仰角；步骤2：利用所述单目摄像头采集高速公路环境下的视频图像；步骤3：目标车辆检测前的视频图像预处理过程；步骤3.1：采用高斯滤波对视频图像进行初步去噪、滤波处理；步骤3.2：对步骤3.1初步处理后的视频图像进行目标车辆检测前的兴趣区域分割预处理；步骤4：目标车辆检测过程；在分割后的视频图像区域内进行车辆检测，并将检测出的目标车辆实时标注于画面上；步骤5：目标车辆测距过程；测量目标车辆距离并在视频画面上实时显示该目标车辆距离。

【技术特征摘要】

【专利技术属性】
技术研发人员：张云洲，孙鹏飞，李继凡，孟蕾，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21