專利名稱：基于雙目視覺的車距測量方法
技術領域：
本發明涉及一種前方車輛與后方車輛之間的車距測量方法。
背景技術：
作為智能交通系統(ITS)的重要組成部分，車輛的安全系統一直都是重要的
研究領域，而前方車輛距離測量技術則是車輛安全系統中最為關鍵的技術之一。 前方車輛車距測量技術不僅是當前車輛安全系統領域中研究的前沿和熱點，也是
計算機視覺技術和電子技術相結合的高技術。前方車輛距離測量的精度在很大程 度上決定了車輛安全系統性能。
在目前的車輛測距系統中，基于視覺的測距方法被公認是最有前途的一種方
法，目前現有技術中大部分視覺測距系統采用的都是基于單目視覺原理的前方車 輛車距測量的方法，這種方法通過一定的固定方式將攝像頭安置在車輛上，事先 對安裝后攝像頭的高度和俯仰角度進行測量，并通過一系列的公式計算來實現對 前方車輛距離的測量。采用這類方法雖然能夠使得系統的設計簡單、成本低且車
距計算復雜度降低，但也存在著一些問題。首先，由于這種方法的測量結果強烈 依賴于事先測量的攝像頭安裝高度和俯仰角度，因此隨著車輛行駛，攝像頭位置 會由于抖動作用，不可避免地相對原先安裝位置發生變化，從而改變了攝像頭參 數，尤其是俯仰角度，這會使測量結果發生偏差。其次這種單目測量車距方法對 于處于地面附近的被測量點的測量較為準確，如果前方車輛上的被測量點距離地 面有一定的高度，則此時測量結果存在較大誤差，尤其是兩車距離較近的時候， 誤差更為明顯，這將嚴重影響車輛的安全性。
另一方面，雙目立體視覺作為一種先進的視覺測量方法，已經得到廣泛的應 用，立體視覺可以直接恢復被測量點的三維坐標，從而可以精確得到空間距離信 息。因此采用立體視覺測量前方車輛距離具有更好的準確性和可靠性
發明內容
本發明的目的在于提供一種基于雙目視覺的車距測量方法，解決了現有技術 中測量誤差大的問題，本發明能夠自動根據車輛輪廓信息和道路信息，準確測量 本車和前方車輛之間的距離，并自動補償由于車輛抖動引起的攝像機參數變化，
提高系統測量的精確性和穩定性。
為達到上述技術目的，本發明采用的技術方案是
采用立體視覺的自適應前方車輛車距測量系統獲取測量所需的參數，所述立 體視覺的自適應前方車輛車距測量系統包括用于拍攝前方道路上信息的相機單 元，所述相機單元包括第一相機Cl和第二相機C2;所述第一相機Cl和第二相 機C2安裝在車輛擋風玻璃后面，選取所述相機單元中任一相機的坐標系作為整 個測量過程的世界坐標系，該相機的光心作為所述世界坐標系的原點，記為O， 標定所述相機單元中相機之間位置關系，獲取本車所在車道區域大小和車道線信 息，將獲取的所述本車所在車道區域大小和車道線信息構成的矩形區域的面積記 為SI;
步驟l:探測和驗證前方車輛的車輛外形輪廓的部分矩形區域，將獲得的前 方車輛的車輛外形輪廓的部分矩形區域的面積記為S2;
步驟2:將獲取的所述本車所在車道區域大小和車道線信息構成的矩形區域 面積Sl與獲得的所述前方車輛的車輛外形輪廓的部分矩形區域面積S2進行比
較，如果Sl/S2《閾值T，執行步驟3，如果S1/S2〉閾值T，執行步驟4，閾值
T = 2;
步驟3:計算所述前方車輛的車輛外形輪廓的部分矩形區域的矩形的形心， 記為P1，執行步驟5;
步驟4:提取所述前方車輛車牌輪廓的矩形區域的任一角的點，記為P2;
步驟5:恢復所述的P1或P2的三維坐標P;
步驟6:計算OP之間的距離，得到前后兩車之間的距離。
在本發明的一個優選實施例中，在計算前后車距的過程中，能同時對所述相 機單元中的相機的外參數進行動態調整，方法如下
步驟11:計算所述前方車輛所在車道的兩條車道線上點的三維坐標，記為
Pi;
步驟12:根據所述兩條車道線上點的三維坐標Pi擬合空間平面V;擬合空間平面的方法如下設三維點A坐標為(《，4)，平面方程為^Z+^y+CZ+hO， 則擬合的目的就是獲取平面方程參數A, B和C，將三維點P,坐標代入
AY"+Br"+CZ+7=0中，構成如下方程組<formula>formula see original document page 8</formula>求解如上所示的方程組，即可獲得空間平面V的平面方程； 步驟13:將所述兩條車道線上點的三維坐標Pi向所述空間平面V投影，獲 得三維坐標Pi在空間平面V上的平面二維坐標Qi;
步驟14:對所述平面二維坐標Qi進行直線擬合，得到兩條直線向量a和b;
直線擬合的方法如下設二維點Qi的坐標為乂)，共有m個點，所在直線 為y=^+^;c，則利用最小二乘法公式即可獲取直線方程的參數^和a :
<formula>formula see original document page 8</formula>
步驟15:判斷所述直線向量a和b是否平行，如果不平行，則重新標定所
述相機單元中相機之間位置關系，得到新的相機標定參數；
在本發明的一個優選實施例中，獲得的前方車輛的車輛外形輪廓的部分矩形 區域方法步驟如下
1)在標準路面上，可以認為在上述獲得的車道區域內，本方和前方車輛之 間道路在圖像中的灰度變化是平緩的，但是在路面和車輛相交處，由于存在陰影， 因此形成圖像灰度從亮到暗的邊緣，認為該邊緣就是車輛的下邊緣。在本車前方 道路中，按照水平線掃描前方車輛的輪廓，獲得所述前方車輛的輪廓的圖像，計
算所述圖像中每行灰度平均值/ cn^w^)，如下式所示
i ow^r(r) =-^- !7(r,c)，上式中，Right (r)表示圖像中
車道區域第r行的最右邊坐標；Left(r)表示圖像中車道區域第r行的最左邊坐 標；I(r， c)是圖像中(r， c)的灰度；RowAvr (r)表示車道區域內第r行的灰度平 均值，將RowAvr(r)和RowAvr(r-l)變化最大的r作為前方車輛的下邊緣，記為 LowerPos;2) 在車道區域內進行索貝爾(SOBEL)邊緣提取算法獲取車道區域內前方車 輛的邊緣圖像，在邊緣圖像的[LowerPos-Tr, LowerPos]行內，判斷最左邊的邊 緣點位置和最右邊的邊緣點位置，并將其認為是前方車輛的左邊緣和右邊緣，分 別記為LeftPos和RightPos;其中Tr取2 6， LeftPos和RightPos分別表示車
輛區域的最左邊和最右邊；
3) 假設車輛矩形的長寬比為Ta，則根據步驟2)可知車輛外形輪廓的部分 矩形區域的寬邊為RightPos-LeftPos ，則獲得矩形區域的長邊為
(RightPos-Lef tPos) *Ta， Ta取值一般在0. 5_1. 0;
在本發明的一個優選實施例中，所述步驟3中，包括如下步驟 步驟31:提取所述前方車輛的車輛外形輪廓的部分矩形區域S2內所有邊緣 點Pi，并放入邊緣序列中；
步驟32:將所述邊緣序列Pi的坐標的平均值作為形心坐標，記為Pl，將
Pl作為測量點。
在本發明的一個優選實施例中，所述步驟4中，包括如下步驟 步驟41:在所述前方車輛車牌的矩形區域中利用索貝爾邊緣算子提取邊緣
圖像；
步驟42:根據圖像分割算法對提取到的所述邊緣圖像進行二值化處理； 步驟43:將提取到的所述邊緣圖像進行灰度投影，得到車牌的上限值a、
下限值b、左限值C右限值d;
步驟44:根據得到的所述車牌的上限值a、下限值b、左限值c和右限值d 得到表示車牌區域矩形的左上，左下，右上和右下四個角點在圖像中的坐標為(c, a)， (c，b)， (d,a)和(d,b);
步驟45:在所述車牌區域中定位任一角上的點，記為P2，將P2作為測量點。
在本發明的一個優選實施例中，在步驟l進行的同時，結合卡爾曼濾波算法 跟蹤前方車輛。
在本發明的一個優選實施例中，所述相機外參數包括旋轉矩陣R和平移矩 陣T。
在本發明的一個優選實施例中，步驟15中，對向量a和向量b是否平行采用列文伯格-馬夸爾特算法aevewZ^g-Ma^wan^);
在本發明的一個優選實施例中，所述步驟43中所述的將提取到的所述邊緣 圖像進行灰度投影，包括對提取到的所述邊緣圖像同時進行水平灰度投影和豎直 灰度投影，并對水平灰度投影圖從下到上尋找兩個最大值，作為所述前車車牌的 上限值和下限值；對豎直灰度投影圖從下到上尋找兩個最大值，作為所述前車車 輛車牌的左限值和右限值。
在本發明的一個優選實施例中，所述投影方法為將獲得的所述邊緣圖像為 記為I, I(x, y)表示圖像中點(x, y)處的灰度值，水平灰度投影即，固定y坐標進 行灰度累加，公式如下
//; = J;/(A，^.)，其中width表示圖像寬度，固定yj坐標；
同理，豎直灰度投影即，固定X坐標進行灰度累加，公式如下
^=￡/(^,>g，其中height表示圖像高度，固定Xj坐標；對于車牌區域
而言，水平灰度投影Hj中存在兩個極大值，對應車牌的上限值和下限，豎直灰 度投影Vj中存在兩個極大值，對應車牌的左限值和右限值。
下面結合附圖和具體實施方式
對本發明做進一步說明。 圖1是本發明兩個攝像頭安裝的結構裝置示意圖； 圖2是本發明提供的基于雙目視覺的車距測量方法的流程圖； 圖3是本發明提供的對相機單元中的相機的外參數進行動態調整方法的流 程圖4是本發明提供的獲得的前方車輛的車輛外形輪廓的部分矩形區域方法 流程圖5是本發明提供的計算所述前方車輛的車輛外形輪廓的部分矩形區域的 矩形的形心的方法流程圖6是本發明提供的提取所述前方車輛車牌輪廓的矩形區域的任一角的點 方法的流程圖。
具體實施例方式
如圖1所示，將兩個攝像頭安裝在車輛擋風玻璃后面，調整兩個攝像頭的 擺放方式，使得兩個攝像頭有著公共視野，且公共視野能夠包含前方道路上的大 部分信息。
立體視覺測量的高精確性取決于兩個前提， 一是前車測量點正確，二是攝像 機標定參數正確。
由于車輛作為一種人造剛體，其尾部圖像有以下特征
(1)車輛邊緣較道路中的自然景物相比，具有邊緣明顯，連續，且方向近似 豎直或水平的特點；
(2) 車輛外形輪廓從背后觀察，大體為符合矩形；
(3) 車輛背部紋理和道路紋理存在較大的差異；
(4) 車輛底部存在陰影，具有明顯的灰度特征， 一般為道路中最暗的地方。 所以可以根據車輛尾部圖像的特征，根據不同的情況來確定前車的測量點，
如圖2所示， 一種基于雙目視覺的車距測量方法，采用立體視覺的自適應前方車
輛車距測量系統獲取測量所需的參數，所述立體視覺的自適應前方車輛車距測量
系統包括用于拍攝前方道路上信息的相機單元，所述相機單元包括第一相機ci
和第二相機C2;所述第一相機Cl和第二相機C2安裝在車輛擋風玻璃后面，選 取所述相機單元中任一相機的坐標系作為整個測量過程的世界坐標系，該相機的 光心作為所述世界坐標系的原點，記為0，標定所述相機單元中相機之間位置關 系，(本發明標定相機之間的位置關系利用張正友提出的基于平面模板的高精度 相禾幾禾示定算法(《A Flexible New Technique for Camera Calibration》， Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2000, 11(22): 1330-1334))，獲取本車所在車道區域大小和車道線信息，(本發明利用下面這篇 文章提出的車道區域和車道線獲取算法(Zhu Wennan; Chen Qiang; Wang Hong 《lane detection in some complex conditions》，Intelligent Robots and Systems, 2006 IEEE/RSJ International Conference on, 2006， 117-122)，將獲取的所述本車所在車 道區域大小和車道線信息構成的矩形區域的面積記為SI;
步驟l:探測和驗證前方車輛的車輛外形輪廓的部分矩形區域，將獲得的前 方車輛的車輛外形輪廓的部分矩形區域面積記為S2;
11獲得的前方車輛的車輛外形輪廓的部分矩形區域方法步驟如下 1)在標準路面上，可以認為在上述獲得的車道區域內，本方和前方車輛之 間道路在圖像中的灰度變化是平緩的，但是在路面和車輛相交處，由于存在陰影， 因此形成圖像灰度從亮到暗的邊緣，認為該邊緣就是車輛的下邊緣。在本車前方 道路中，按照水平線掃描前方車輛的輪廓，獲得所述前方車輛的輪廓的圖像，計 算所述圖像中每行灰度平均值及OM^W(r)，如下式所示
1 (/ )
及0油啡)=…，、…、X/(r,C)，上式中，Right (r)表示圖像中
車道區域第r行的最右邊坐標；Left(r)表示圖像中車道區域第r行的最左邊坐 標；I(r， c)是圖像中(r, c)的灰度；RowAvr (r)表示車道區域內第r行的灰度平 均值，將RowAvr (r)和RowAvr (r-1)變化最大的r作為前方車輛的下邊緣，記為 LowerPos;
2 )在車道區域內進行索貝爾(S0BEL)邊緣提取算法獲取車道區域內前方車 輛的邊緣圖像，在邊緣圖像的[LowerPos-Tr, LowerPos]行內，判斷最左邊的邊 緣點位置和最右邊的邊緣點位置，并將其認為是前方車輛的左邊緣和右邊緣，分 別記為LeftPos和RightPos;其中Tr取2~6， LeftPos和RightPos分別表示車 輛區域的最左邊和最右邊；
3)假設車輛矩形的長寬比為Ta，則根據步驟2)可知車輛外形輪廓的部分 矩形區域的寬邊為RightPos-LeftPos ，則獲得矩形區域的長邊為 (RightPos-LeftPos) *Ta， Ta取值一般在0. 5 — 1. 0;對于貨車等長寬比大于1 的情況，此時獲得的車輛矩形區域只是真實包含車輛的矩形的一部分，但是并不 影響后續的處理結果。
步驟2:將獲取的所述本車所在車道區域大小和車道線信息構成的矩形區域 面積Sl與獲得的所述前方車輛的車輛外形輪廓的部分矩形區域面積S2進行比 較，如果S1/S2《閾值T，執行步驟3，如果S1/S2〉閾值T，執行步驟4，閾值
T = 2;
步驟3:計算所述前方車輛的車輛外形輪廓的部分矩形區域的矩形的形心， 記為P1，執行步驟5;
計算所述前方車輛的車輛外形輪廓的部分矩形區域的矩形的形心，方法如下
步驟31:提取所述前方車輛的車輛外形輪廓的部分矩形區域S2內所有邊緣 點Pi，并放入邊緣序列中；
步驟32:將所述邊緣序列Pi的坐標的平均值作為形心坐標，記為Pl，將 Pl作為測量點。
步驟4:提取所述前方車輛車牌輪廓的矩形區域的任一角的點，記為P2; 提取所述前方車輛車牌輪廓的矩形區域的任一角的點的方法為 步驟41:在所述前方車輛車牌的矩形區域中利用索貝爾邊緣算子提取邊緣
圖像；
步驟42:根據圖像分割算法對提取到的所述邊緣圖像進行二值化處理；(圖 像分割算法參見孔明，孫希平，王永驥，《一種改進的基于類間方差的閾值 分割法》，華中科技大學學報，2007， 7];
步驟43:將提取到的所述邊緣圖像進行灰度投影，得到車牌的上限值a、
下限值b、左限值C右限值d;
步驟44:根據得到的所述車牌的上限值a、下限值b、左限值c和右限值d
得到表示車牌區域矩形的左上，左下，右上和右下四個角點在圖像中的坐標為(C,
a)， (c,b)， (d,a)和(d，b);
步驟45:在所述車牌區域中定位任一角上的點記為P2，將P2作為測量點。 由于車牌區域認為是矩形區域，因此取矩形區域的任一個角點(交點)都可以。
但是必須注意的是，對于左右相機拍攝的圖像而言，角點位置必須統一，即如果 在左圖車牌區域選擇左上角點，則在右圖車牌區域也必須選擇左上角點。
步驟5:恢復所述的P1或P2的三維坐標P;
步驟6:計算OP之間的距離，得到前后兩車之間的距離。
在計算前后車距的過程中，能同時對所述相機單元中的相機的外參數進行動
態調整，方法如下
步驟11:計算所述前方車輛所在車道的兩條車道線上點的三維坐標，記為
Pi;根據(Zhu We皿an; Chen Qiang; Wang Hong 《lane detection in some complex conditions》， Intelligent Robots and Systems, 2006 IEEE/RSJ International Conference on， 2006， 117-122)算法獲得前方車輛所在得車道得兩條車道線的近似直線方程，分別標記為L1和L2，利用直線的立體匹配算法以及點的三維重建
算法(立體匹配算法和三維重建算法詳見馬頌德，張正友.計算機視覺——計算
理論與算法基礎[C].北京科學出版社，1997)，獲取兩條車道線Ll和L2上點 的三維坐標，統一記為Pi;對于已經標定過的雙目相機，如果獲取了左右圖像 中的對應點，可以利用三維重建算法恢復對應點的三維坐標，具體算法參見馬 頌德，張正友.計算機視覺——計算理論與算法基礎[C].北京科學出版社，
1997
步驟12:根據所述兩條車道線上點的三維坐標Pi擬合空間平面V;擬合空 間平面的方法如下設三維點戶,坐標為CY;， K, 2,)，平面方程為^&^7+(^+/=0， 則擬合的目的就是獲取平面方程參數A, B和C，將三維點P,坐標代入 ^4X+5y+CZ+7=0中，構成如下方程組
<formula>formula see original document page 14</formula>
采用奇異值分解方法求解如上所示的方程組，即可獲得空間平面V的平面 方程；
步驟13:將所述兩條車道線上點的三維坐標Pi向所述空間平面V投影，獲 得三維坐標Pi在空間平面V上的平面二維坐標Qi;
步驟14;對所述平面二維坐標Qi進行直線擬合，得到兩條直線向量a和b; 直線擬合的方法如下設二維點Qi的坐標為(x/，》)，共有m個點，所在直線 為;;^^+A;c，則利用最小二乘法公式即可獲取直線方程的參數^和
步驟15:判斷所述直線向量a和b是否平行，如果不平行，則重新標定所
述相機單元中相機之間位置關系，得到新的相機標定參數；如果不平行表示此時 相機的外參數發生變化，此時重新對靶標圖像進行拍攝，利用張正友提出的基于
平面模板的高精度相機標定算法(《A Flexible New Technique for Camera Calibration》，Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2000, 11(22): 1330-1334)重新對相機進行標定。在步驟l進行的同時，結合卡爾曼濾波算法跟蹤前方車輛。卡爾曼濾波算法 是現有方法，參考文獻是趙莉，陳泉林，《基于Kalman濾波器的車輛檢測與跟 蹤系統的實現》，電子測量技術，2007， 30 (2): 165 — 168。
相機外參數包括旋轉矩陣R和平移矩陣T。
對向量a和向量b是否平行采用列文伯格-馬夸爾特算法
步驟43中所述的將提取到的所述邊緣圖像進行灰度投影，包括對提取到的 所述邊緣圖像同時進行水平灰度投影和豎直灰度投影，并對水平灰度投影圖從下 到上尋找兩個最大值，作為所述前車車牌的上限值和下限值；對豎直灰度投影圖 從下到上尋找兩個最大值，作為所述前車車輛車牌的左限值和右限值。
所述投影方法為將獲得的所述邊緣圖像為記為I， I(x,y)表示圖像中點(x，y) 處的灰度值，水平灰度投影即，固定y坐標進行灰度累加，公式如下
& = ￡/",^.)，其中Width表示圖像寬度，固定yj坐標； 同理，豎直灰度投影即，固定X坐標進行灰度累加，公式如下
^= J;/(、,x)，其中height表示圖像高度，固定xj坐標；對于車牌區域
而言，水平灰度投影Hj中存在兩個極大值，對應車牌的上限值和下限，豎直灰 度投影Vj中存在兩個極大值，對應車牌的左限值和右限值。
權利要求
1、一種基于雙目視覺的車距測量方法，其特征在于采用立體視覺的自適應前方車輛車距測量系統獲取測量所需的參數，所述立體視覺的自適應前方車輛車距測量系統包括用于拍攝前方道路上信息的相機單元，所述相機單元包括第一相機C1和第二相機C2；所述第一相機C1和第二相機C2安裝在車輛擋風玻璃后面，選取所述相機單元中任一相機的坐標系作為整個測量過程的世界坐標系，該相機的光心作為所述世界坐標系的原點，記為0，標定所述相機單元中相機之間位置關系，獲取本車所在車道區域大小和車道線信息，將獲取的所述本車所在車道區域大小和車道線信息構成的矩形區域的面積記為S1；步驟1探測和驗證前方車輛的車輛外形輪廓的部分矩形區域，將獲得的前方車輛的車輛外形輪廓的部分矩形區域的面積記為S2；步驟2將獲取的所述本車所在車道區域大小和車道線信息構成的矩形區域的面積S1與獲得的所述前方車輛的車輛外形輪廓的部分矩形區域面積S2進行比較，如果S1/S2＜＝閾值T，執行步驟3，如果S1/S2＞閾值T，執行步驟4，閾值T＝2；步驟3計算所述前方車輛的車輛外形輪廓的部分矩形區域的矩形的形心，記為P1，執行步驟5；步驟4提取所述前方車輛車牌輪廓的矩形區域的任一角的點，記為P2；步驟5恢復所述的P1或P2的三維坐標P；步驟6計算OP之間的距離，得到前后兩車之間的距離。
2、 如權利要求1所述的基于雙目視覺的車距測量方法，其特征在于，在計 算前后車距的過程中，能同時對所述相機單元中的相機的外參數進行動態調整， 方法如下步驟11:計算所述前方車輛所在車道的兩條車道線上點的三維坐標，記為Pi;步驟12:根據所述兩條車道線上點的三維坐標Pi擬合空間平面V;擬合空 間平面的方法如下設三維點戶,坐標為(足，K， Zi)，平面方程為^X+SFfCZ+X)， 則擬合的目的就是獲取平面方程參數A， B和C，將三維點^坐標代入xt+57+cz+7=0中，構成如下方程組:<formula>formula see original document page 3</formula>求解如上所示的方程組，即可獲得空間平面V的平面方程；步驟13:將所述兩條車道線上點的三維坐標Pi向所述空間平面V投影，獲 得三維坐標Pi在空間平面V上的平面二維坐標Qi;步驟14:對所述平面二維坐標Qi進行直線擬合，得到兩條直線向量a和b; 直線擬合的方法如下設二維點Qi的坐標為(A， 乂)，共有m個點，所在直線 為y=@+a;;c，則利用最小二乘法公式即可獲取直線方程的參數^和a :<formula>formula see original document page 3</formula>步驟15:所述直線向量a和b如果不平行，則重新標定所述相機單元中相 機之間位置關系，得到新的相機標定參數。
3、如權利要求l所述的基于雙目視覺的車距測量方法，其特征在于，所述步驟l中，獲得的前方車輛的車輛外形輪廓的部分矩形區域方法步驟如下l)在本車前方道路中，按照水平線掃描前方車輛的輪廓，獲得所述前方車輛的輪廓的圖像，計算所述圖像中每行灰度平均值^v^w"(0，如下式所示7 0油*)=…，、…，、Z/(r，c)，上式中，Right(r)表示圖像中車道區域第r行的最右邊坐標；Left(r)表示圖像中車道區域第r行的最左邊坐 標；I(r， c)是圖像中(r， c)的灰度；RowAvr(r)表示車道區域內第r行的灰度平 均值，將RowAvr (r)和RowAvr (r-1)變化最大的r作為前方車輛的下邊緣，記為 LowerPos;2 )在車道區域內進行索貝爾(S0BEL)邊緣提取算法獲取車道區域內前方車 輛的邊緣圖像，在邊緣圖像的[LowerPos-Tr， LowerPos]行內，判斷最左邊的邊 緣點位置和最右邊的邊緣點位置，并將其認為是前方車輛的左邊緣和右邊緣，分 別記為LeftPos和RightPos;其中Tr取2~6， LeftPos和RightPos分別表示車 輛區域的最左邊和最右邊；3)假設車輛矩形的長寬比為Ta，則根據步驟2)可知車輛外形輪廓的部分 矩形區域的寬邊為RightPos-LeftPos ，則獲得矩形區域的長邊為 (RightPos-LeftPos) *Ta， Ta取值一般在0. 5—1. 0 。
4、如權利要求l所述的基于雙目視覺的車距測量方法，其特征在于，所述 步驟3中，包括如下步驟步驟31:提取所述前方車輛的車輛外形輪廓的部分矩形區域S2內所有邊緣 點Pi，并放入邊緣序列中；步驟32:將所述邊緣序列Pi的坐標的平均值作為形心坐標，記為Pl，將Pl作為測量點。
5、 如權利要求l所述的基于雙目視覺的車距測量方法，其特征在于，所述步驟4中，包括如下步驟步驟41:在所述前方車輛車牌的矩形區域中利用索貝爾邊緣算子提取邊緣圖像；步驟42:根據圖像分割算法對提取到的所述邊緣圖像進行二值化處理； 步驟43:將提取到的所述邊緣圖像進行灰度投影，得到車牌的上限值a、 下限值b、左限值C右限值d;步驟44:根據得到的所述車牌的上限值a、下限值b、左限值c和右限值d， 得到表示車牌區域矩形的左上，左下，右上和右下四個角點在圖像中的坐標為(c, a)， (c,b)， (d,a)和(d，b);步驟45:在所述車牌區域中定位任一角上的點，記為P2，將P2作為測量點。
6、 如權利要求l所述的基于雙目視覺的車距測量方法，其特征在于，在步 驟l進行的同時，結合卡爾曼濾波算法跟蹤前方車輛。
7、 如權利要求2所述的基于雙目視覺的車距測量方法，其特征在于，所述 相機外參數包括旋轉矩陣R和平移矩陣T。
8、 如權利要求2所述的基于雙目視覺的車距測量方法，其特征在于，步驟 15中，對向量a和向量b是否平行采用列文伯格-馬夸爾特算法
9、 如權利要求5所述的基于雙目視覺的車距測量方法，其特征在于，所述步驟43中所述的將提取到的所述邊緣圖像進行灰度投影，包括對提取到的所述 邊緣圖像同時進行水平灰度投影和豎直灰度投影，并對水平灰度投影圖從下到上 尋找兩個最大值，作為所述前車車牌的上限值和下限值；對豎直灰度投影圖從下 到上尋找兩個最大值，作為所述前車車輛車牌的左限值和右限值。
10、如權利要求9所述的基于雙目視覺的車距測量方法，其特征在于，所述 投影方法為將獲得的所述邊緣圖像為記為I， I(x, y)表示圖像中點(x， y)處的灰 度值，水平灰度投影即，固定y坐標進行灰度累加，公式如下w淑<formula>formula see original document page 5</formula>其中Width表示圖像寬度，固定yj坐標；同理，豎直灰度投影即，固定X坐標進行灰度累加，公式如下<formula>formula see original document page 5</formula>其中height表示圖像高度，固定Xj坐標；對于車牌區域而言，水平灰度投影Hj中存在兩個極大值，對應車牌的上限值和下限，豎直灰 度投影Vj中存在兩個極大值，對應車牌的左限值和右限值。
全文摘要
本發明提供的基于雙目視覺的車距測量方法，采用立體視覺的自適應前方車輛車距測量系統獲取測量所需的參數，所述立體視覺的自適應前方車輛車距測量系統包括用于拍攝前方道路上信息的相機單元，所述相機單元包括第一相機C1和第二相機C2；選取所述相機單元中任一相機的坐標系作為整個測量過程的世界坐標系，該相機的光心作為所述世界坐標系的原點，記為0，標定所述相機單元中相機之間位置關系，獲取本車所在車道區域大小和車道線信息，將獲取的所述本車所在車道區域大小和車道線信息記為S1；從而提高了測量的準確度，確保了行車的安全性。
文檔編號G01C3/00GK101294801SQ20071002516
公開日2008年10月29日 申請日期2007年7月13日 優先權日2007年7月13日
發明者張為公, 林國余 申請人:東南大學