一种基于双目序列图像的车辆位置与速度估计方法技术

本发明专利技术公开了一种基于双目序列图像的车辆位置与速度估计方法，包括以下步骤：S1.利用ZED双目摄像头，获取深度图和点云图；S2.通过KNN算法实现背景减除，辨识序列图像中的运动目标和静止背景环境；S3.检测运动目标边缘点，绘制位于运动目标上的矩形识别框，实时跟踪运动目标；S4.去除光影等误差因素导致的非运动目标上出现的矩形识别框；S5.计算锁定在运动目标上的有效矩形识别框的中心点的像素坐标；S6.获得点的（X，Y，Z）三维空间坐标；S7.利用卡尔曼滤波算法，由上一帧和当前帧的三维空间坐标，对下一时刻的位置和速度进行估算。本发明专利技术算法原理简单，计算复杂度低，适用于仿真技术领域，用于无人驾驶车辆对同向或对向车辆的位置速度进行检测。

【技术实现步骤摘要】
一种基于双目序列图像的车辆位置与速度估计方法
本专利技术涉及智能汽车定位的
，具体涉及一种基于双目序列图像的车辆位置与速度估计方法。技术背景车辆的位置与速度的测算与预测，在无人操控领域有重要意义。其中，利用双目摄像头获取的序列图像来进行位置和速度的测算和预测，同时保证预测值的相对准确性，是一种较为新颖的途径，也能够较好的控制使用成本。基于双目图像序列的车辆速度与位置估计，考虑使用双目摄像机获取的序列图像，借助KNN算法实现背景减除并进行相关优化调整，获取相关数值后利用卡尔曼滤波算法进行处理计算。即利用实时图像的前后两帧的特征点的位置变化来预测下一时刻的位置和速度。目前，已有的比较成熟的车速检测技术有地上磁感应线圈检测、红外激光射线车速检测、雷达车速检测和基于视频的车速检测等。由于视频的检测速度相对较快、通过视频能同时获取的信息量大、检测技术成本低等特点而受到关注。基于视频的检测方法，需要通过视频帧获取相关运动目标，检测其位置坐标信息，进而计算出速度。比较成熟的有Madasu和Hanmandlu等人在2010年提出的一种基于运动本文档来自技高网...

【技术保护点】
1.一种基于双目序列图像的车辆位置与速度估计方法，其特征在于：包括以下步骤：/nS1.利用ZED双目摄像头，连续采集视觉范围内序列图像，获取深度图和点云图；/nS2.通过KNN算法实现背景减除，辨识序列图像中的运动目标和静止背景环境；/nS3.检测运动目标边缘点，绘制位于运动目标上的矩形识别框，实时跟踪运动目标；/nS4.设置矩形识别框筛选机制，去除光影等误差因素导致的非运动目标上出现的矩形识别框；/nS5.计算锁定在运动目标上的有效矩形识别框的中心点的像素坐标X′、Y′；/nS6.利用所得的X′、Y′并借助ZED点云坐标，获取对应的真实坐标X、Y和深度坐标Z，即获得点的(X，Y，Z)三维空间...

【技术特征摘要】
1.一种基于双目序列图像的车辆位置与速度估计方法，其特征在于：包括以下步骤：
S1.利用ZED双目摄像头，连续采集视觉范围内序列图像，获取深度图和点云图；
S2.通过KNN算法实现背景减除，辨识序列图像中的运动目标和静止背景环境；
S3.检测运动目标边缘点，绘制位于运动目标上的矩形识别框，实时跟踪运动目标；
S4.设置矩形识别框筛选机制，去除光影等误差因素导致的非运动目标上出现的矩形识别框；
S5.计算锁定在运动目标上的有效矩形识别框的中心点的像素坐标X′、Y′；
S6.利用所得的X′、Y′并借助ZED点云坐标，获取对应的真实坐标X、Y和深度坐标Z，即获得点的(X，Y，Z)三维空间坐标；
S7.利用卡尔曼滤波算法，由上一帧和当前帧的三维空间坐标，对下一时刻的位置和速度进行估算。


2.根据权利要求1所述的方法，所述的步骤S1中，所述ZED双目摄像头完整地获取运动物体的几何信息；
通过ZED双目摄像头获取的三维坐标统一储存在ZED内置的点云类Pointcloud之中，实现三维坐标系与图像坐标系的转化，即：
通过左目摄像头获取的图像得到的动态目标在图像坐标系中的(x，y)坐标，代入三维点云图的检索函数中，即完成坐标系转换并返回左目摄像头坐标系中该目标点的(x，y，z)坐标，用于卡尔曼滤波中的代数计算。


3.根据权利要求1所述的方法。其特征在于：所述步骤S2中，利用KNN算法实现背景消除，...

【专利技术属性】
技术研发人员：钟赫冉，耿可可，殷国栋，刘能，范世硕，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32