一种基于双目视觉的泊车位特征筛选方法技术

本发明专利技术公开了一种基于双目视觉的泊车位特征筛选方法，该方法包括以下步骤：分别提取左、右相机采集的泊车位图像的角点；对提取的角点进行筛选；识别泊车位标线和车档轮廓直线；提取车挡颜色特征区域；将直线段与角点进行互匹配；将颜色与角点进行互匹配。本发明专利技术提出了一种基于极线约束和泊车位多特征综合的特征筛选方法，可以有效的筛除干扰特征及无关特征，并大大减少特征量，便于快速、精确的实现对目标泊车位的识别和测距。

【技术实现步骤摘要】
一种基于双目视觉的泊车位特征筛选方法
本专利技术涉及泊车领域，具体涉及一种基于双目视觉的泊车位特征筛选方法。
技术介绍
据国外相关统计分析表明，8％的交通事故是由驾驶员倒车引发的，11％的交通事故死亡率则是由倒车事故导致的。自动泊车系统可以完成检测-控制车辆泊车入位，不但能彻底解放驾驶员的双手，还可以避免由于驾驶员的个人因素导致的泊车事故，具有极为广阔的应用前景。现有泊车环境感知技术主要基于超声波、毫米波雷达和机器视觉。超声波或毫米波雷达必须依靠障碍物的反射方可测定障碍物的方位，对于一些平面目标(如停车线、水面、钢板)以及悬崖等复杂环境确无能为力，无法适应所有的泊车场景。机器视觉主要分为单目视觉和双目视觉，单目视觉图像存在失真、抗干扰能力差，且无法直接获得目标的深度信息。双目视觉可有效感知停车线、水面等平面目标和悬崖等复杂环境，可直接从一对图像中测得目标的距离信息，因此基于双目视觉的泊车环境感知技术将越来越多的应用到自动泊车。对双目泊车位图像进行特征提取时，由于地面反光、左右相机视场存在差异等原因，提取结果存在大量的干扰特征点及无关特征点，由于干扰来源多样，使用现有图像滤波技术识别和筛除效果较差。
技术实现思路
有鉴于此，为了解决上述问题，本专利技术提供一种基于双目视觉的泊车位特征筛选方法。为实现上述目的及其他目的，本专利技术提供一种基于双目视觉的泊车位特征筛选方法，包括以下步骤：分别提取左、右相机采集的泊车位图像的角点；对提取的角点进行筛选；识别泊车位标线和车档轮廓直线；提取车挡颜色特征区域；将直线段与角点进行互匹配；将颜色与角点进行互匹配。优选地，所述对提取的角点进行筛选的具体方法为：将每对匹配点(pl,pr)置于二维数组中，依次取出每对匹配点进行比较；比较每对匹配点(pl,pr)在像素坐标系中的纵坐标值，当|Ypl-YpR|≤Δτ时，保留该匹配对，否则删除该匹配对，其中Δτ为像素定位误差，其中Δτ为像素定位误差，pl、pr分别为物点P在左右相机成像平面上的像点；将筛选完成的匹配对坐标分别返回左右图像角点数组。优选地，所述的识别泊车位标线和车档轮廓直线的具体方法为：采用Hough变换算法检测泊车位标线和车档轮廓直线。优选地，所述的提取车挡颜色特征区域的具体方法为：采用HSV颜色空间来提取车挡颜色特征区域。优选地，所述的将直线段与角点进行互匹配的具体方法为：将筛选出的角点与直线特征提取得到的直线段逐个比较；若角点在某条直线段上，则保留该角点和直线段，若不在任何一条直线段上，比较下一角点；直至所有角点比较完成，筛除不包含任何角点的直线段。优选地，所述的将颜色与角点进行互匹配的具体方法为：对提取出的每一个颜色特征区域，定义其靠近图像底边的边缘为底边缘，计算其长度Li；从每个特征区域底边缘两个端点开始，分别向底边缘所在直线两端搜索角点；分别记录两边搜索距离为Li/3范围内的角点，两边各保存1个距离底边缘最近的角点，若没有角点，则无匹配。由于采用了上述技术方案，本专利技术具有如下的优点：基于此，本专利技术根据泊车位的标线和车挡特征，提出了颜色-角点匹配和直线段-角点匹配相结合的筛选方法对泊车位特征进行筛选。本专利技术提出了一种基于极线约束和泊车位多特征综合的特征筛选方法，可以有效的筛除干扰特征及无关特征，并大大减少特征量，便于快速、精确的实现对目标泊车位的识别和测距。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步的详细描述：图1为预处理后的泊车位图；图2为Shi-Tomasi角点提取结果图(左相机)；图3为Shi-Tomasi角点提取结果图(右相机)；图4为双目对极线几何示意图；图5为立体校正后极线示意图；图6为角点提取极线对比图；图7为匹配对筛选结果图；图8为左相机角点筛选效果图；图9为右相机角点筛选效果图；图10为Hough变换提取结果图；图11为重合线合并效果图；图12为角点特征筛选结果图；图13为车挡颜色特征对比图；图14为车挡颜色特征提取结果图；图15为车挡颜色特征筛选结果图；图16为直线段-角点互匹配结果图；图17为颜色-角点匹配原理图；图18为颜色-角点互匹配结果图；图19为颜色-直线段-角点互匹配结果图；图20为本专利技术所述方法的流程图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，本实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图20所示，本专利技术提供一种基于双目视觉的泊车位特征筛选方法，包括以下步骤：分别提取左、右相机采集的泊车位图像的角点；对提取的角点进行筛选；识别泊车位标线和车档轮廓直线；提取车挡颜色特征区域；将直线段与角点进行互匹配；将颜色与角点进行互匹配。于本实施例中，在进行角点提取前先要进行图像预处理与特征提取：经过ROI区域提取、图像灰度化、形态学滤波及双目图像立体校正后，得到预处理后的双目泊车位图像如图1所示。对左相机泊车图像进行Shi-Tomasi角点提取，并设置最大角点数量阈值为100，提取结果如图2所示，其实际提取角点数为68个；采用同样的方法和参数对右相机采集图像进行提取，如图3所示，其实际提取角点数为64个。对于双目视觉成像，如图4所示，P为物点，Ol、Or分别为左右相机光心，pl、pr分别为其在左右相机成像平面上的像点，光心Ol、Or的连线与左右像平面的交点el、er称为极点,极点与像点的连线称为极线。根据相机成像模型，像素坐标系下的坐标p与其在世界坐标系中的坐标P之间存在关系p＝KP，其中，K为相机内外参数矩阵，将其写成齐次坐标的形式有：dp＝KP(1)其中，d为空间深度，那么对于双目相机来说有：dlpl＝KP，drpr＝K(RP+T)(2)其中，R是旋转矩阵，T是平移矩阵，令x＝k-1p，去掉相机内外参数矩阵K归一化成：dlxl＝P，drxr＝RP+T(3)即：drxr＝R(dlxl)+T(4)两边同时叉乘T消去加号后面单独的T项后化简得：T×xr＝T×Rxl(5)两边同时乘以可以得：xrT(T×xr)＝xrT(T×Rxl)(6)易知，等号左边等于0，于是有：xrTT×Rxl＝0(7)由此,可以得到向量T、Rxl共面，即边POl、POr、OlOr共面，令上式中T×R＝E，称之为本质矩阵，本质矩阵的几何意义为：因此左成像平面上的像点pl所对应的右成像平面上的像点pr总是在唯一确定的一条右极线上，可以得到右极线lr＝Exl，称之为极线约束。经过立体校正后，左右相机之间已经被旋转至共面，同时在y方向上被平移至本文档来自技高网...

【技术保护点】
1.一种基于双目视觉的泊车位特征筛选方法，其特征在于，包括以下步骤：分别提取左、右相机采集的泊车位图像的角点；对提取的角点进行筛选；识别泊车位标线和车档轮廓直线；提取车挡颜色特征区域；将直线段与角点进行互匹配；将颜色与角点进行互匹配。

【技术特征摘要】
1.一种基于双目视觉的泊车位特征筛选方法，其特征在于，包括以下步骤：分别提取左、右相机采集的泊车位图像的角点；对提取的角点进行筛选；识别泊车位标线和车档轮廓直线；提取车挡颜色特征区域；将直线段与角点进行互匹配；将颜色与角点进行互匹配。2.根据权利要求1所述的一种基于双目视觉的泊车位特征筛选方法，其特征在于，所述对提取的角点进行筛选的具体方法为：将每对匹配点(pl,pr)置于二维数组中，依次取出每对匹配点进行比较；比较每对匹配点(pl,pr)在像素坐标系中的纵坐标值，当|Ypl-YpR|≤Δτ时，保留该匹配对，否则删除该匹配对，其中Δτ为像素定位误差，pl、pr分别为物点P在左右相机成像平面上的像点；将筛选完成的匹配对坐标分别返回左右图像角点数组。3.根据权利要求1所述的一种基于双目视觉的泊车位特征筛选方法，其特征在于，所述的识别泊车位标线和车档轮廓直线的具体方法为：采用Hough变换算法检测泊车位标线和车档轮廓直线。...

【专利技术属性】
技术研发人员：程森林，周志伟，韩雨松，余小清，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50