一种车载单目摄像头外部参数自标定方法技术

本发明专利技术公开了一种车载单目摄像头外部参数自标定方法，包括以下步骤：1)通过车载摄像头拍摄汽车行驶的路面上的图像序列；所述车载摄像头安装在车前挡风玻璃居中位置；2)基于所采集的图像序列，运用图像分割算法提取车道标识特征点，根据特征点拟合得到两条平行车道线，建立道路标识模型，确定消失点；3)通过特征点匹配方法对车道标识特征点运动矢量进行匹配，并提取纵向运动矢量为零的点拟合得到运动方向线，计算摄像头的偏航角；4)确定图像的延伸焦距；5)根据延伸焦距及已知的图像主点计算摄像头的外部参数。本发明专利技术无需复杂的人为操纵手续，实现方便快捷，仅需要将车辆行驶一定时间，通过计算获得摄像头的参数标定结果。

Self calibration method for external parameters of vehicle monocular camera

The invention discloses a vehicle self calibration method of single camera external parameters, which comprises the following steps: 1) image sequence by vehicle camera vehicle on the road; the camera installed at the centre position of the front windshield; 2) acquired image sequence based on the extracted feature points of image segmentation using the lane mark according to the algorithm, get two parallel Lane feature points fitting, establish road model, determine the vanishing point; 3) through the feature point matching method of lane mark motion vectors of feature points matching, and extract the longitudinal motion vector for fitting the points of zero motion direction line, yaw angle calculation of 4) to determine the camera; extend the focal length of the image; 5) to calculate the external parameters of the camera image according to the main points of focus and extend the known. The invention does not need complicated human handling procedures and is convenient and quick to realize, and only needs to drive the vehicle for a certain time, and the calibration result of the camera parameters is obtained by calculation.

【技术实现步骤摘要】
一种车载单目摄像头外部参数自标定方法
本专利技术涉及汽车辅助驾驶技术，尤其涉及一种车载单目摄像头外部参数自标定方法。
技术介绍
传统摄像头标定方法是一种相对严格的标定方法，因此其精度较高，但标定过程比较复杂，且计算量大，因此对于应用比较广泛的车载摄像头而言，具有使用的局限性。对既有自标定方法而言，三个垂直方向平行线对的场景一般不容易找到，即便存在这样的场景条件，但由于环境因素的影响，其直线边缘的提取精度也会存在问题，进而影响摄像头标定参数标定的精度。本专利技术不完全依赖于特定的场景标识物，且采用运动基础上的多帧图像为参考，结合置信度的概念，能够更为精准的获取摄像头的内部参数，且适用面更为广泛。本专利技术所提出的摄像头自标定方法在保证足够精度的同时，不需要专门的技术人员进行标定，只需要汽车行驶于路上一段时间，便可以方便快捷的得到摄像头的外参标定结果。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种车载单目摄像头外部参数自标定方法。本专利技术解决其技术问题所采用的技术方案是：一种车载单目摄像头外部参数自标定方法，包括以下步骤：1)通过车载摄像头拍摄汽车行驶的路面上的图像序列；所述车载摄像头安装在车前挡风玻璃居中位置；2)基于所采集的图像序列，运用图像分割算法提取车道标识特征点，特别是两条平行的车道线标识特征点，根据特征点拟合得到两条平行车道线，建立道路标识模型，确定消失点；3)通过特征点匹配方法对车道标识特征点运动矢量进行匹配，并提取纵向运动矢量为零的点拟合得到运动方向线，计算摄像头的偏航角；具体方法如下：3.1)确定汽车的初始速度；3.2)对已知地面上任一点P(X,Y,Z)及其在图像ψ上的投影p(x,y)，引入运动矢量(u,v)几何约束：式中：f为摄像头的焦距，t为平移运动参数，w为偏转运动速度；t和w根据步骤3.1)的初始速度得到；3.3)根据连续帧光照不变的特点，引入亮度约束：I(x,y,t)＝I(x+uδt,y+vδt,t+δt)3.4)考虑实际图像的噪声干扰，结合几何约束和亮度约束，采用梯度下降法搜索最优运动参数，使得前一帧图像对当前帧对象的补偿图像和当前帧实际图像相应坐标的灰度值最为接近；将图像分成多个宏块Wi进行处理，则最优准则为：式中，运动参数的估计值，M为运动参数的搜索范围；4)确定图像的延伸焦距：根据路面纹理特征确定置信度，排除非路面的特征点，并提取水平向运动矢量为零的多个特征点及矢量汇集的特征点；5)根据延伸焦距及已知的图像主点计算摄像头的俯仰角(Picth)，综合考虑延伸焦距和消失点，引入置信度权重，如果二者综合置信度大于阈值T1，则确定天际线的像素纵坐标y，进而结合摄像头的内部参数之一主点的纵坐标v0，便可计算出摄像头的俯仰角：6)通过水平运动矢量为零的多个点确定运动方向线，求其斜率kα，基于逆透视变换得到世界坐标线方向线的斜率Kα，进而可以求得偏航角：α＝tan-1(Kα)7)根据图像中的垂直边缘计算摄像头的偏转角(Roll)确定垂直于水平路面的边缘特征点及其水平坐标xi，并拟合得到直线方程，确定其斜率kβ，便可得到摄像头的偏转角：β＝tan-1(kβ)8)根据运动速度和时间以及所匹配的特征点计算摄像头的安装高度。基于天际线纵坐标y、摄像头自运动参数(平移速度tZ)以及对应的特征点坐标A(x1,y1)和B(x2,y2)，通过下式求解摄像头的安装高度h：按上述方案，所述步骤1)中通过图像滤波方法，降低躁点，对图像进行平滑。按上述方案，所述步骤3)的特征点匹配算法为光流相关的特征点匹配算法。按上述方案，所述步骤2)中的车道标识特征点为两条平行的车道线标识特征点。本专利技术产生的有益效果是：本专利技术所涉及的一种车载摄像头外部参数自标定方法，与传统标定板标定方法相比，无需复杂的人为操纵手续，实现方便快捷，仅需要将车辆行驶于道路上一定时间，通过计算自主获得摄像头的参数标定结果。与既有自标定方法相比，本专利技术所需要的场景比较容易获取，且本专利技术通过多帧图像进行处理，提高了标定结果的精度，更有利于实用化。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例的方法流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，一种车载摄像头外部参数标定方法，具体实现步骤如下：步骤1：将汽车行驶于路面上(行驶过程中最好包含有平直路线的车道标识，但不限于这种路面)，使用车载摄像头拍摄图像序列，并通过图像滤波方法，降低躁点，对图像进行平滑。步骤2：基于所采集的图像序列，运用图像分割算法提取车道标识特征点，特别是两条平行的车道线标识特征点，根据这些特征点可以拟合得到两条平行车道线：其交点即为消失点，坐标表示为(x0，y0)。步骤3：通过特征点匹配方法(最好是光流相关的方法)对车道标识特征点运动矢量进行匹配，并提取纵向运动矢量为零的点拟合得到运动方向线，计算摄像头的偏航角；本步骤通过光流相关的特征点匹配算法，确定满足要求的特征点，并基于此得到特征点的光流矢量和摄像头的自运动参数。具体方法如下：(1)确定初始速度：汽车在平直路面上从静止到运动持续一定的时间，因此初始速度为0，如果汽车在平直道路上行驶初速度不为0，则可参考汽车OBD输出速度或GPS输出速度。(2)已知地面上一点P(X,Y,Z)及其在图像ψ上的投影p(x,y)，加之平移运动参数t，偏转运动速度w，引入运动矢量(u,v)几何约束：式中：f为摄像头的焦距。(3)根据连续帧光照不变的特点，引入亮度约束：I(x,y,t)＝I(x+uδt,y+vδt,t+δt)(3)(4)考虑实际图像的噪声干扰，结合几何约束和亮度约束，采用梯度下降法搜索最优运动参数，使得前一帧图像对当前帧对象的补偿图像和当前帧实际图像相应坐标的灰度值最为接近。如果将图像分成多个宏块Wi进行处理，则最优准则为：式中，运动参数的估计值，M为运动参数的搜索范围。(5)考虑路面纹理特征，引入置信度，排除非路面的特征点，并提取水平向运动矢量为零的多个点及矢量汇集的点(即延伸焦距，FOE)步骤4：综合考虑FOE和消失点，引入置信度权重，如果二者综合置信度大于阈值T1，则确定天际线的像素纵坐标y，进而结合摄像头的内部参数之一主点的纵坐标v0，便可计算出摄像头的俯仰角；其中，v0是已经标定好的已知量。属于摄像头的内部参数；步骤5：通过水平运动矢量为零的多个点确定运动方向线，求其斜率kα，基于逆透视变换得到世界坐标线方向线的斜率Kα，进而可以求得偏航角：α＝tan-1(Kα)(6)步骤6：基于天际线纵坐标y、摄像头自运动参数(平移速度tZ)以及对应的特征点坐标A(x1,y1)和B(x2,y2)，其中A、B两点是地面上同一点在不同时刻两帧图像上的投影点；通过下式求解摄像头的安装高度h：步骤7：确定垂直于水平路面的边缘特征点及其水平坐标xi，并拟合得到直线方程，确定其斜率kβ，便可得到摄像头的偏转角：β＝tan-1(kβ)(8)应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本专利技术所附权利要求本文档来自技高网...

【技术保护点】
一种车载单目摄像头外部参数自标定方法，其特征在于，包括以下步骤：1)通过车载摄像头采集汽车行驶的路面上的图像序列；2)基于所采集的图像序列，运用图像分割算法提取车道标识特征点，根据特征点拟合得到两条平行车道线，建立道路标识模型，确定消失点；3)通过特征点匹配方法对车道标识特征点运动矢量进行匹配，并提取纵向运动矢量为零的点拟合得到运动方向线，计算摄像头的运动参数；4)确定图像的延伸焦距：根据路面纹理特征确定置信度，排除非路面的特征点，并提取水平向运动矢量为零的多个特征点及矢量汇集的特征点；5)根据延伸焦距及已知的图像主点计算摄像头的俯仰角；6)通过水平运动矢量为零的多个点确定运动方向线，求其斜率k

【技术特征摘要】
1.一种车载单目摄像头外部参数自标定方法，其特征在于，包括以下步骤：1)通过车载摄像头采集汽车行驶的路面上的图像序列；2)基于所采集的图像序列，运用图像分割算法提取车道标识特征点，根据特征点拟合得到两条平行车道线，建立道路标识模型，确定消失点；3)通过特征点匹配方法对车道标识特征点运动矢量进行匹配，并提取纵向运动矢量为零的点拟合得到运动方向线，计算摄像头的运动参数；4)确定图像的延伸焦距：根据路面纹理特征确定置信度，排除非路面的特征点，并提取水平向运动矢量为零的多个特征点及矢量汇集的特征点；5)根据延伸焦距及已知的图像主点计算摄像头的俯仰角；6)通过水平运动矢量为零的多个点确定运动方向线，求其斜率kα，基于逆透视变换得到世界坐标线方向线的斜率Kα，进而可以求得偏航角：α＝tan-1(Kα)；7)根据图像中的垂直边缘计算摄像头的偏转角确定垂直于水平路面的边缘特征点及其水平坐标xi，并拟合得到直线方程，确定其斜率kβ，便可得到摄像头的偏转角：β＝tan-1(kβ)；8)根据运动速度和时间以及所匹配的特征点计算摄像头的安装高度；基于天际线纵坐标y、摄像头自运动参数平移速度tZ以及对应的特征点坐标A(x1,y1)和B(x2,y2)，通过下式求解摄像头的安装高度h：其中，f为摄像头的焦距。2.根据权利要求1所述的车载单目摄像头外部参数自标定方法，其特征在于，所述步骤1)中通过图像滤波方法，降低躁点，对图像进行平滑。3.根据权利要求1所述的车载单目摄像头外部参数自标定方法，其特征在于，所述步骤3)的特征点匹配算法为光流相关的特征点匹配...

【专利技术属性】
技术研发人员：许端，王述良，刘国虎，艾凯，程建伟，
申请(专利权)人：武汉极目智能技术有限公司，
类型：发明
国别省市：湖北,42