将平视行人轨迹点向量映射至二维世界坐标系的方法技术

将平视行人轨迹点向量映射至二维世界坐标系的方法，属于行车风险分析领域，为了解决将俯视视角转化为平视视角的问题，要点是S1.对车载摄像机拍摄的行人图像，计算所有行人目标的行人轨迹点，行人目标数量为N，获取并更新实时时刻的所有行人目标平视行人轨迹点向量；S2.将所有平视行人轨迹点向量映射至二维世界坐标系，得到对应N个俯视二维世界坐标系行人轨迹点向量，效果是便于驾驶者以更精确视角观测各行人目标运动趋势。

【技术实现步骤摘要】
将平视行人轨迹点向量映射至二维世界坐标系的方法
本专利技术属于行车风险分析领域，涉及一种将平视行人轨迹点向量映射至二维世界坐标系的方法。
技术介绍
中国许多地区道路交通长期存在人车混行的危险情况，行人作为道路交通中的弱势群体，并且在事故人员致死率中常年占据较大比重，理应受到车辆方的避障保护，因此改善汽车对行人安全规避能力重要性不言而喻。基于汽车板载系统的行人风险分析方法主要使用传感器感知车辆环境信息，并结合行人目标运动状态，评判行人目标危险并据此调整行车决策，实现对危险行人目标的早期保护。基于车载图像的行人风险分析方法是目前主流研究方向，许多研究者通过识别行人目标姿态，分析行人运动趋势以分类危险行人。其中，JokoHariyono等人使用光流法分割行人轮廓，并以行人姿态比方法识别行人水平运动趋势，判定存在向车行区域运动行人为危险行人。此外，Keller和Gavrila等人使用高斯动态过程模型和轨迹概率分层匹配，鉴别图像中行人目标的站立或水平运动状态。基于车载图像的行人风险分析方法大多直接从图像视角直接分析行人风险，但由于车载图像“近大远小”的成像扭曲，研究者往往只能识别行人运动姿态，而并非把握行人确切运动状态。据此，现有行人风险分析方法通常只能给出行人危险与否的定性二分类判决，因此其主要用途在于为驾驶员提供实时预警，不能为车行决策提供精细数据支持。为了实现精确驾驶员辅助以及改善智能车载自主巡航性能，公开号：CN107240167A的中国专利申请公开了一种行车记录仪行人监控系统，给出了一种定量式行人风险分析方法。该系统使用感知设备包括体感控制器、红外传感器和测探计，获得车行环境中行人信息，并通过行人深度图像流与行人目标模型匹配方式，计算行人碰撞系数并以此实现行人危险预警。该专利技术虽然给出了定量的风险分析结果，但风险量化因素来源于行人姿态，实际上判断的是行人对车辆蓄意碰撞的意图，因此量化系数不具备运动学客观性质，不足以反映行人真实运动风险程度。公开号：CN104239741A的中国专利申请基于汽车风险场的汽车驾驶安全辅助方法，从人、车和路三个综合角度出发，通过分析车行环境的动能场、势能场和行为场，融合构建车辆行驶对障碍物风险的车行风险场模型，量化车辆对道路障碍物的行车风险，以此评估不同程度。该专利技术通过引入了势场论，赋予行车风险场合理的运动学原理，使其风险量化结果能够客观有效地用于行车决策。
技术实现思路
为了解决将俯视视角转化为平视视角的问题，本专利技术提出将平视行人轨迹点向量映射至二维世界坐标系的方法，其技术方案如下：一种将平视行人轨迹点向量映射至二维世界坐标系的方法，包括如下步骤：S1.对车载摄像机拍摄的行人图像，计算所有行人目标的行人轨迹点，行人目标数量为N，获取并更新实时时刻的所有行人目标平视行人轨迹点向量；S2.将所有平视行人轨迹点向量映射至二维世界坐标系，得到对应N个俯视二维世界坐标系行人轨迹点向量。进一步的，所述步骤S2是将平视行人轨迹点向量映射变换到俯视行人轨迹点向量其具体步骤是：第一步，计算映射因子rFactor和cFactor：其中u和v为输入值代表图像中逆透视映射点，M和N为定值，代表图像宽度和高度，AlphaU为水平孔近角，AlphaV为竖直孔近角；第二步，计算二维世界坐标初始映射点(x',y')：其中Cx、Cy和Cz为定值，代表摄像机在世界坐标系中坐标，设定Cx＝Cy＝0且Cz＝H，H为距地高度；θ为摄像机与地面俯仰角；第三步，修正初始映射点获得二维世界坐标系映射坐标点(x,y)：其中γ为定值，代表摄像机偏转角。进一步的，所述水平孔近角AlphaU和竖直孔近角AlphaV的计算方法为：其中焦距是f、感光元件长度是dx、感光元件宽度是dy。有益效果：行人风险分析使用了具有直观视角优势的俯视二维世界坐标系，此举便于驾驶者以更精确视角观测各行人目标运动趋势；俯视二维世界坐标系车前风险矩阵描述的是一种车前区域的静态风险分布，其风险分布情况与城市限速相关，且不受路面环境和车行速度影响，降低了实际应用的复杂程度。附图说明图1专利技术原理图；图2图像坐标系；图3世界坐标系；图4俯视二维世界坐标系；图5参数图1；图6参数图2；图7平视轨迹点图；图8俯视二维世界坐标系行人轨迹矩阵图；图9俯视二维世界坐标系车前风险矩阵图；图10邻近行人风险系数计算方法图；图11实施例1的邻近行人风险系数计算结果图；图12实施例2的邻近行人风险系数计算结果图；图13实施例3的邻近行人风险系数计算结果图；具体实施方式下面结合图与具体实时方式对本专利技术做进一步详细描述：如图1所示，本专利技术公开了一种基于二维世界坐标系的俯视行人风险量化方法，可以使用软件实现，可以通过对车载摄像机的视频进行变换，求解俯视条件下行人目标在车前的量化风险程度。该方法主要实施步骤如下：第1步：对于尺寸为1920×1080图像(单位：像素)，逐帧计算所有N个行人目标的行人轨迹点，获取并更新实时时刻的所有行人目标平视行人轨迹点向量第2步：将所有平视行人轨迹点映射至二维世界坐标系，并基于二维世界坐标系原点OW，以±10m水平距离和0–20m竖直距离为行人运动分析范围，获得对应N个二维世界坐标系行人轨迹矩阵第3步，复制N份俯视二维世界坐标系车前风险矩阵副本第4步，对于行人目标i∈[1,N]，使用公式计算邻近行人风险系数R。本公开以下对上述方法作出详细的介绍，该方法针对直接采用图像视角难以精确行人目标风险问题，其原理如图1所示，主要是将行人运动轨迹点映射到俯视角的二维世界坐标系中，并在二维世界坐标系中计算车前风险权重。进一步，通过量化映射生成行人轨迹矩阵和车前风险矩阵，每个行人目标具有独立的行人轨迹矩阵，共享同一个车前风险矩阵，实现量化风险计算，获取不同行人目标的归一化邻近行人风险系数。邻近行人风险系数作为基于二维世界坐标系的俯视行人风险量化方法输出结果，可用于支持辅助驾驶和自主汽车的行车决策模块工作。本专利技术技术方案涉及相关图像坐标系、世界坐标系和摄像机参数定义，具体可见示意图见图1、图2、图3和图4。图像坐标系定义(见图1)：以图像左上角为原点O，水平向右为u轴，竖直向下为v轴，定义为图像坐标系。世界坐标系定义(见图2)：以车载摄像机光心对地投影点为原点OW，车行方向为YW正方向，与车辆驾驶平面共面且与YW垂直向右方向为XW轴正方向，指向摄像机所处方向为ZW轴正方向，定义为世界坐标系。二维世界坐标系定义(见图3)：忽略世界坐标系ZW轴(高度轴)的世界坐标系，被定义为二维世界坐标系。本专利技术要求车载摄像机装配方式如图2所示，装配于车顶处并且面向车行方向。车载摄像机需要进行动态拍摄，因此摄像机内在参数和装配参数相对固定，内在参数包括焦距f、感光元件长度dx、感光元件宽度dy、图像长度M和图像宽度N；装配参数包括据地高度H、偏航角γ、俯仰角θ、水平孔径角AlphaU和竖直孔径角AlphaV。本专利技术内部参数适配值：焦距f为16mm-23mm；感光元件大小无特殊要求；图像长度M常规选用1920像素且不应小于1080像素尺寸；图像宽度N常规选用1080像素且不小于640像素。本专利技术装配参数适配值：据地高度H适应范围为1.2m至1.6m之间；偏航角理想装配角度为0°，装配误差可本文档来自技高网...

【技术保护点】
1.一种将平视行人轨迹点向量映射至二维世界坐标系的方法，其特征在于，包括如下步骤：S1.对车载摄像机拍摄的行人图像，计算所有行人目标的行人轨迹点，行人目标数量为N，获取并更新实时时刻的所有行人目标平视行人轨迹点向量；S2.将所有平视行人轨迹点向量映射至二维世界坐标系，得到对应N个俯视二维世界坐标系行人轨迹点向量。

【技术特征摘要】
1.一种将平视行人轨迹点向量映射至二维世界坐标系的方法，其特征在于，包括如下步骤：S1.对车载摄像机拍摄的行人图像，计算所有行人目标的行人轨迹点，行人目标数量为N，获取并更新实时时刻的所有行人目标平视行人轨迹点向量；S2.将所有平视行人轨迹点向量映射至二维世界坐标系，得到对应N个俯视二维世界坐标系行人轨迹点向量。2.如权利要求1所述的将平视行人轨迹点向量映射至二维世界坐标系的方法，其特征在于，所述步骤S2是将平视行人轨迹点向量映射变换到俯视行人轨迹点向量其具体步骤是：第一步，计算映射因子rFactor和cFactor：其中u和v为输入值代表图像中逆透视映...

【专利技术属性】
技术研发人员：毛琳，杨大伟，黄俊达，陈思宇，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：辽宁,21