專(zhuān)利名稱(chēng):一種車(chē)距測(cè)量方法、裝置及汽車(chē)的制作方法
技術(shù)領(lǐng)域:
本發(fā)明屬于機(jī)器視覺(jué)技術(shù)領(lǐng)域,尤其涉及一種車(chē)距測(cè)量方法、裝置及汽車(chē)。
背景技術(shù):
隨著高速交通運(yùn)輸時(shí)代的到來(lái),汽車(chē)成為人們生活中不可缺少的常用交通工具,然而,汽車(chē)事故也急劇上升,而汽車(chē)碰撞事故大多是因?yàn)樾熊?chē)速度過(guò)快,行車(chē)間距過(guò)小,剎車(chē)不及時(shí)造成的,尤其在駕駛過(guò)車(chē)中,司機(jī)如果過(guò)度疲勞或者注意力不集中更容易導(dǎo)致已方車(chē)輛與前方車(chē)輛的距離過(guò)近,從而避讓不及而導(dǎo)致事故的發(fā)生。為了降低此類(lèi)事故率,可以通過(guò)前方車(chē)距測(cè)量設(shè)備測(cè)算前方車(chē)輛與已方車(chē)輛的距離,并在車(chē)距過(guò)近時(shí)對(duì)駕駛?cè)藛T予以警示,提高駕駛?cè)藛T的警覺(jué)性。目前,用于車(chē)輛前方物體測(cè)距的主要有超聲波、毫米波雷達(dá)、激光等技術(shù),然而,現(xiàn)有技術(shù)的超聲波測(cè)量距離較短,毫米波雷達(dá)比較容易受到電磁波的干擾,而激光技術(shù)的成本又太高,這些因素限制了以上技術(shù)的廣泛應(yīng)用,而探索一種測(cè)距較遠(yuǎn)、且性能穩(wěn)定、成本較低的車(chē)輛前方物體測(cè)距的方法是亟待解決的問(wèn)題。
發(fā)明內(nèi)容
本發(fā)明實(shí)施例的目的在于提供一種車(chē)距測(cè)量方法及裝置,旨在解決現(xiàn)有技術(shù)的超聲波測(cè)量距離較短,毫米波雷達(dá)比較容易受到電磁波的干擾,而激光技術(shù)的成本又太高的問(wèn)題。為了實(shí)現(xiàn)上述目的,本發(fā)明實(shí)施例提供如下技術(shù)方案:本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的,一種車(chē)距測(cè)量方法,所述方法包括:通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像;獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量;判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域;計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置;根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。本發(fā)明實(shí)施例還提供了一種車(chē)距測(cè)量裝置,所述裝置包括:采集單元,用于通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像;獲取單元,用于獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量;判斷單元,用于判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域;第一計(jì)算單元,用于計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置;第二計(jì)算單元,用于根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。本發(fā)明實(shí)施例還提供了一種汽車(chē),所述汽車(chē)包括所述車(chē)距測(cè)量裝置。本發(fā)明實(shí)施例與現(xiàn)有技術(shù)相比,有益效果在于:通過(guò)在當(dāng)前車(chē)輛前方安置的雙目視覺(jué)系統(tǒng)同步獲取同一時(shí)刻的兩幅車(chē)輛前方圖像,并通過(guò)圖像處理手段得到圖像中可能存在車(chē)牌的區(qū)域,再?gòu)倪@些區(qū)域中提取出特征向量,將這些特征向量輸入一個(gè)預(yù)先訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器以判斷其對(duì)應(yīng)的區(qū)域是否為真實(shí)的車(chē)牌區(qū)域,進(jìn)而計(jì)算真實(shí)車(chē)牌區(qū)域的中心位置,在分別得到上述兩幅車(chē)輛前方圖像中車(chē)牌區(qū)域的中心位置后,基于雙目立體視覺(jué)測(cè)量原理計(jì)算得到該前方車(chē)輛與已方車(chē)輛的距離,實(shí)現(xiàn)了在復(fù)雜背景圖像中對(duì)汽車(chē)牌照進(jìn)行快速準(zhǔn)確的檢測(cè)定位,并計(jì)算當(dāng)前車(chē)輛與攝像頭視角范圍內(nèi)的前方車(chē)之間的距離,測(cè)量范圍較大,且測(cè)量過(guò)程簡(jiǎn)單、方便、性能穩(wěn)定。
為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案,下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹,顯而易見(jiàn)地,下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例,對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明實(shí)施例一提供的車(chē)距測(cè)量方法的實(shí)現(xiàn)的流程圖;圖2是本發(fā)明實(shí)施例一提供的攝像頭在車(chē)輛上的典型安裝位置的示意圖;圖3是本發(fā)明實(shí)施例一提供的雙目立體視覺(jué)測(cè)量系統(tǒng)的示意圖;圖4是本發(fā)明實(shí)施例二提供的車(chē)距測(cè)量方法的實(shí)現(xiàn)的流程圖;圖5a是本發(fā)明實(shí)施例二提供的含有車(chē)牌的灰度圖像;圖5b是本發(fā)明實(shí)施例二提供的對(duì)灰度圖像垂直邊緣檢測(cè)后的邊緣圖像;圖6是本發(fā)明實(shí)施例二提供的二值化處理之后的垂直邊緣圖像;圖7是本發(fā)明實(shí)施例二提供的對(duì)垂直邊緣圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算后的圖像;圖8是本發(fā)明實(shí)施例二提供的對(duì)閉運(yùn)算后的圖像進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算的圖像;圖9是本發(fā)明實(shí)施例二提供的候選車(chē)牌區(qū)域所對(duì)應(yīng)的連通區(qū)域的外接矩形的示意圖;圖10是本發(fā)明實(shí)施例三提供的車(chē)距測(cè)量裝置的結(jié)構(gòu)圖;圖11是本發(fā)明實(shí)施例四提供的車(chē)距測(cè)量裝置的結(jié)構(gòu)圖。
具體實(shí)施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,以下結(jié)合附圖及實(shí)施例,對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。本發(fā)明實(shí)施例通過(guò)雙目視覺(jué)系統(tǒng)同步獲取同一時(shí)刻的兩幅車(chē)輛前方圖像,并通過(guò)圖像處理手段得到圖像中可能存在車(chē)牌的區(qū)域,從這些區(qū)域中提取出特征向量,根據(jù)特征向量判斷其對(duì)應(yīng)的區(qū)域是否為真實(shí)的車(chē)牌區(qū)域,進(jìn)而計(jì)算真實(shí)車(chē)牌區(qū)域的中心位置,根據(jù)所述中心位置及雙目立體視覺(jué)測(cè)量原理計(jì)算得到該前方車(chē)輛與當(dāng)前車(chē)輛的距離。本發(fā)明實(shí)施例提供了一種車(chē)距測(cè)量方法,所述方法包括:
通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像;獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量;判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域;計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置;根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。本發(fā)明實(shí)施例還提供了一種車(chē)距測(cè)量裝置,所述裝置包括:采集單元,用于通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像;獲取單元,用于獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量;判斷單元,用于判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域;第一計(jì)算單元,用于計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置;第二計(jì)算單元,用于根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。本發(fā)明實(shí)施例還提供了一種汽車(chē),所述汽車(chē)包括所述車(chē)距測(cè)量裝置。以下結(jié)合具體實(shí)施例對(duì)本發(fā)明的實(shí)現(xiàn)進(jìn)行詳細(xì)描述:實(shí)施例一圖1示出了本發(fā)明實(shí)施例一提供的車(chē)距測(cè)量方法的實(shí)現(xiàn)的流程圖,詳述如下:在SlOl中,通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像。在本發(fā)明實(shí)施例中,可以在當(dāng)前車(chē)輛前端增設(shè)兩枚攝像頭,攝像頭的安裝位置可位于前擋風(fēng)玻璃上部或車(chē)頭等位置處,如圖2所示為攝像頭在車(chē)輛上的典型安裝位置的示意圖,該兩枚攝像頭可實(shí)現(xiàn)對(duì)圖像的同步采集,采集到的圖像交由測(cè)量系統(tǒng)中進(jìn)行后續(xù)處理。在S102中,獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量。在本實(shí)施例中,可以通過(guò)圖像邊緣檢測(cè)技術(shù)和形態(tài)學(xué)處理方法對(duì)每一攝像頭采集的圖像進(jìn)行處理,將各個(gè)圖像中處理后得到的連通區(qū)域作為候選車(chē)牌區(qū)域,并提取各個(gè)候選車(chē)牌區(qū)域的外接矩形的寬度、高度、寬高比以及矩形度,以組成特征向量。在S103中,判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域。本實(shí)施例中,在根據(jù)候選車(chē)牌區(qū)域定位真實(shí)車(chē)牌區(qū)域時(shí),可以將提取的每一候選車(chē)牌區(qū)域的特征向量分別輸入預(yù)先訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器,根據(jù)神經(jīng)網(wǎng)絡(luò)的輸出即可判斷當(dāng)前候選車(chē)牌區(qū)域是否為真實(shí)的車(chē)牌區(qū)域,在S104中,計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置。本實(shí)施例中,當(dāng)判斷特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域?yàn)檎鎸?shí)車(chē)牌區(qū)域,則計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置。本實(shí)施例中,計(jì)算真實(shí)車(chē)牌區(qū)域的中心位置具體可以采用以下方式:將真實(shí)車(chē)牌區(qū)域的外接矩形的左垂直邊界與右垂直邊界在圖像中的橫坐標(biāo)的取均值即為真實(shí)車(chē)牌區(qū)域中心的橫坐標(biāo),同理,將真實(shí)車(chē)牌區(qū)域的外接矩形的上水平邊界與下水平邊界在圖像中的縱坐標(biāo)取均值即為車(chē)牌中心的縱坐標(biāo)。在S105中,根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。本實(shí)施例中,若前方車(chē)輛出現(xiàn)在附圖2所示的雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭的公共視角區(qū)域內(nèi),則兩個(gè)攝像頭所同步采集到的兩幅圖像中都會(huì)包含該車(chē)輛的車(chē)牌,通過(guò)SlOl至S105可分別得到前方車(chē)輛的車(chē)牌中心在采集到的兩幅圖像中的坐標(biāo)位置,其中,假定車(chē)牌所處的平面與攝像頭的像平面大致平行,根據(jù)所述坐標(biāo)位置及雙目立體視覺(jué)測(cè)量原理,計(jì)算得到該車(chē)牌中心的空間位置坐標(biāo)。如附圖3所示為雙目立體視覺(jué)測(cè)量系統(tǒng)的示意圖,xyz坐標(biāo)系為圖1中的攝像頭I的攝像機(jī)坐標(biāo)系,其中,01為攝像頭I的光心,Z軸即為攝像頭I的光軸,則前方車(chē)牌中心位置在該坐標(biāo)系中的z坐標(biāo)值即反映了前方車(chē)輛與當(dāng)前車(chē)輛的縱向車(chē)距。本發(fā)明實(shí)施例中,當(dāng)前車(chē)輛與前方車(chē)輛的車(chē)距小于預(yù)設(shè)的閾值時(shí),測(cè)量系統(tǒng)可通過(guò)聲、光等方式提醒駕駛?cè)藛T注意保持車(chē)距,從而更加有效的對(duì)駕駛?cè)藛T進(jìn)行提示,避免發(fā)生碰撞O本實(shí)施例中,通過(guò)在當(dāng)前車(chē)輛前方安置的雙目視覺(jué)系統(tǒng)同步獲取同一時(shí)刻的兩幅車(chē)輛前方圖像,并通過(guò)圖像處理手段得到圖像中可能存在車(chē)牌的區(qū)域,再?gòu)倪@些區(qū)域中提取出特征向量,將這些特征向量輸入一個(gè)預(yù)先訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器以判斷其對(duì)應(yīng)的區(qū)域是否為真實(shí)的車(chē)牌區(qū)域,進(jìn)而計(jì)算真實(shí)車(chē)牌區(qū)域的中心位置,在分別得到上述兩幅車(chē)輛前方圖像中車(chē)牌區(qū)域的中心位置后,基于雙目立體視覺(jué)測(cè)量原理計(jì)算得到該前方車(chē)輛與當(dāng)前車(chē)輛的距離,實(shí)現(xiàn)了在復(fù)雜背景圖像中對(duì)汽車(chē)牌照進(jìn)行快速準(zhǔn)確的檢測(cè)定位,并計(jì)算當(dāng)前車(chē)輛與攝像頭范圍內(nèi)的前方車(chē)之間的距離,測(cè)量范圍較大,且測(cè)量過(guò)程簡(jiǎn)單、方便、性能穩(wěn)定。實(shí)施例二圖4示出了本發(fā)明實(shí)施例二提供的車(chē)距測(cè)量方法的實(shí)現(xiàn)的流程圖,詳述如下:在S401中,對(duì)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭進(jìn)彳丁標(biāo)定。本實(shí)施例中,通過(guò)對(duì)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭進(jìn)行標(biāo)定可以分別得到兩個(gè)攝像頭的內(nèi)外參數(shù),以及兩枚攝像頭的相對(duì)空間位置(其中,可由一個(gè)旋轉(zhuǎn)矩陣和一個(gè)平移矩陣來(lái)表征)。具體可以采用(Radial Alignment Constraint, RAC)兩步法進(jìn)行標(biāo)定,對(duì)攝像頭的標(biāo)定只需進(jìn)行一次即可,無(wú)需在每次使用時(shí)都重復(fù)標(biāo)定,得到的標(biāo)定參數(shù)可存儲(chǔ)于測(cè)量系統(tǒng)的內(nèi)部存儲(chǔ)器中,待計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離時(shí)調(diào)用。在S402中,通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像。在S403中,獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量。本實(shí)施例中,S403具體可以采用以下方式實(shí)現(xiàn):1、通過(guò)圖像邊緣檢測(cè)技術(shù)和形態(tài)學(xué)處理方法對(duì)每一攝像頭采集的圖像進(jìn)行處理,將各個(gè)圖像中處理后得到的連通區(qū)域作為候選車(chē)牌區(qū)域。
2、提取各個(gè)候選車(chē)牌區(qū)域的外接矩形的寬度、高度、寬高比以及矩形度,并將每一候選車(chē)牌區(qū)域的寬度、高度、寬高比及矩形度組成特征向量,其中,候選車(chē)牌區(qū)域?yàn)榭赡艽嬖谲?chē)牌的區(qū)域。以下為S403可以采用的一種實(shí)現(xiàn)示例,但不以本實(shí)現(xiàn)示例的實(shí)現(xiàn)方式為限:I)將每一攝像頭采集的彩色數(shù)字圖像轉(zhuǎn)換為灰度圖像,并對(duì)該灰度圖像進(jìn)行垂直邊緣檢測(cè),其中,附圖5a所示為含有車(chē)牌的灰度圖像,附圖5b所示為對(duì)附圖5a進(jìn)行垂直邊緣檢測(cè)后的邊緣圖像。2)對(duì)上述垂直邊緣檢測(cè)后的垂直邊緣圖像進(jìn)行二值化處理,即選取合適的閾值,使得只有強(qiáng)度大于該閾值的垂直邊緣才得以保留,強(qiáng)度不大于該閾值的垂直邊緣予以去除,對(duì)I)中得到的垂直邊緣圖像5b進(jìn)行二值化處理,附圖6所示為進(jìn)行二值化處理之后的垂直邊緣圖像。3)使用行結(jié)構(gòu)元素對(duì)所述二值化后的垂直邊緣圖像進(jìn)行形態(tài)學(xué)閉運(yùn)算,以將圖像中密集的垂直邊緣連通,其中,行結(jié)構(gòu)元素的尺寸應(yīng)根據(jù)圖像的分辨率和攝像頭的視角進(jìn)行設(shè)定,例如,對(duì)于320*240分辨率、視角為55度的攝像頭采集的圖像,可選取I行7列的行結(jié)構(gòu)元素,附圖7所示為對(duì)附圖6進(jìn)行閉運(yùn)算后的圖像。4)使用方形結(jié)構(gòu)元素對(duì)所述閉運(yùn)算后的圖像進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算,以將圖像中的小干擾區(qū)域去除。方形結(jié)構(gòu)元素的尺寸應(yīng)根據(jù)圖像的分辨率和攝像頭的視角進(jìn)行設(shè)定,例如,對(duì)于320*240分辨率、視角為55度的攝像頭采集的圖像,可選取5行5列的方形結(jié)構(gòu)元素。附圖8所示為對(duì)附圖7中得到的圖像進(jìn)行開(kāi)運(yùn)算后的圖像。
5)對(duì)所述形態(tài)學(xué)開(kāi)運(yùn)算中得到的結(jié)果圖像進(jìn)行連通區(qū)域標(biāo)記,將所述連通區(qū)域確定為圖像中的可能的候選車(chē)牌區(qū)域;6)計(jì)算每一個(gè)候選車(chē)牌區(qū)域所對(duì)應(yīng)的連通區(qū)域的外接矩形的寬度、高度、寬高比,以及各連通區(qū)域的矩形度,作為連通區(qū)域的特征,并組成每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量。如附圖9所示,w為圖像中一個(gè)連通區(qū)域的外接矩形寬度,h為該連通區(qū)域的外接矩形高度,外接矩形的寬高比為w/h,其中,連通區(qū)域的矩形度則定義為連通區(qū)域的面積與該連通區(qū)域外接矩形面積的比值。在S404中,將提取的特征向量輸入預(yù)先訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器,以判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域。本實(shí)施例中,人工神經(jīng)網(wǎng)絡(luò)分類(lèi)是預(yù)先訓(xùn)練的,具體可以采用以下方式進(jìn)行訓(xùn)練:對(duì)訓(xùn)練樣本圖像集實(shí)施S403中1Γ6)所述的處理,提取出各樣本圖像中所有的候選車(chē)牌區(qū)域的特征向量,并將真實(shí)的車(chē)牌區(qū)域的特征向量放入正樣本集,將非車(chē)牌區(qū)域的特征向量放入負(fù)樣本集,從而進(jìn)行對(duì)神經(jīng)網(wǎng)絡(luò)分類(lèi)器的訓(xùn)練。本實(shí)施例中,在根據(jù)候選車(chē)牌區(qū)域定位真實(shí)車(chē)牌區(qū)域時(shí),可以將提取的每一候選車(chē)牌區(qū)域的特征向量分別輸入預(yù)先訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器,根據(jù)神經(jīng)網(wǎng)絡(luò)的輸出即可判斷當(dāng)前候選車(chē)牌區(qū)域是否為真實(shí)的車(chē)牌區(qū)域,實(shí)現(xiàn)方式簡(jiǎn)單、方便。在S405中,計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置。在S406中,將同一輛車(chē)的車(chē)牌區(qū)域的中心位置在所述每一攝像頭采集的圖像中的坐標(biāo)位置進(jìn)行匹配。本實(shí)施例中,同一時(shí)間內(nèi),雙目視覺(jué)系統(tǒng)的攝像頭采集的圖像中可能包含一個(gè)車(chē)牌區(qū)域,也可能包含多個(gè)車(chē)牌區(qū)域,在確定并計(jì)算完真實(shí)車(chē)牌區(qū)域的中心位置后,需要對(duì)同一輛車(chē)的車(chē)牌區(qū)域的中心位置在所述每一攝像頭采集的圖像中的坐標(biāo)位置進(jìn)行匹配,以確保后續(xù)計(jì)算采用的是同一車(chē)牌在不同的圖像中的中心位置坐標(biāo)。在S407中,根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。本實(shí)施例中,根據(jù)所述坐標(biāo)位置、預(yù)先標(biāo)定的攝像頭的參數(shù)及雙目立體視覺(jué)測(cè)量原理,計(jì)算得到該車(chē)牌中心的空間位置坐標(biāo)。本實(shí)施例中,通過(guò)圖像邊緣檢測(cè)技術(shù)和形態(tài)學(xué)處理方法對(duì)每一攝像頭采集的圖像進(jìn)行處理,將各個(gè)圖像中處理后得到的連通區(qū)域作為候選車(chē)牌區(qū)域,提取各個(gè)候選車(chē)牌區(qū)域的外接矩形的寬度、高度、寬高比以及矩形度,并將每一候選車(chē)牌區(qū)域的寬度、高度、寬高比及矩形度組成每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量,并將提取的特征向量輸入預(yù)先訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器,以判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域,實(shí)現(xiàn)可以準(zhǔn)確的判斷出真實(shí)車(chē)牌所在的區(qū)域,實(shí)現(xiàn)方式簡(jiǎn)單、且成本較低。實(shí)施例三圖10示出了本發(fā)明實(shí)施例三提供的車(chē)距測(cè)量裝置的結(jié)構(gòu)圖,為了便于說(shuō)明,僅示出了與本發(fā)明實(shí)施例相關(guān)的部分,該裝置可以是內(nèi)置于汽車(chē)中的軟件單元、硬件單元或者軟硬結(jié)合單元。本實(shí)施例中,所述裝置包括:采集單元101、獲取單元102、判斷單元103及第一計(jì)算單元104、及第二計(jì)算單元105。采集單元101,用于通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像;獲取單元102,用于獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量;判斷單元103,用于判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域;第一計(jì)算單元104,用于計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置;第二計(jì)算單元105,根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。本發(fā)明實(shí)施例提供的車(chē)距測(cè)量裝置可以使用在前述對(duì)應(yīng)的方法實(shí)施例一中,詳情參見(jiàn)上述實(shí)施例一的描述,在此不再贅述。實(shí)施例四圖11示出了本發(fā)明實(shí)施例四提供的車(chē)距測(cè)量裝置的結(jié)構(gòu)圖,為了便于說(shuō)明,僅示出了與本發(fā)明實(shí)施例相關(guān)的部分,該裝置可以是內(nèi)置于汽車(chē)中的軟件單元、硬件單元或者軟硬結(jié)合單元。本實(shí)施例中,所述裝置包括:標(biāo)定單元111、采集單元112、獲取單元113、判斷單元114及第一計(jì)算單元115、匹配單元116及第二計(jì)算單元117。本實(shí)施例與實(shí)施例三的區(qū)別在于:所述車(chē)距測(cè)量裝置包括:標(biāo)定單元111,用于對(duì)所述雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭進(jìn)行標(biāo)定。
匹配單元116,用于將同一輛車(chē)的車(chē)牌區(qū)域的中心位置在所述每一攝像頭采集的圖像中的坐標(biāo)位置進(jìn)行匹配??蛇x的,所述獲取單元113包括:處理模塊1131和提取模塊1132。處理模塊1131,用于通過(guò)圖像邊緣檢測(cè)技術(shù)和形態(tài)學(xué)處理方法對(duì)每一攝像頭采集的圖像進(jìn)行處理,將各個(gè)圖像中處理后得到的連通區(qū)域作為候選車(chē)牌區(qū)域;提取模塊1132,用于提取各個(gè)候選車(chē)牌區(qū)域的外接矩形的寬度、高度、寬高比以及矩形度,并將每一候選車(chē)牌區(qū)域的寬度、高度、寬高比及矩形度組成特征向量??蛇x的,所述判斷單元114,具體用于將提取的特征向量輸入預(yù)先訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器,以判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域。本發(fā)明實(shí)施例提供的車(chē)距測(cè)量裝置可以使用在前述對(duì)應(yīng)的方法實(shí)施例二中,詳情參見(jiàn)上述實(shí)施例二的描述,在此不再贅述。值得注意的是,上述裝置實(shí)施例中,所包括的各個(gè)單元只是按照功能邏輯進(jìn)行劃分的,但并不局限于上述的劃分,只要能夠?qū)崿F(xiàn)相應(yīng)的功能即可;另外,各功能單元的具體名稱(chēng)也只是為了便于相互區(qū)分,并不用于限制本發(fā)明的保護(hù)范圍。另外,本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述各實(shí)施例方法中的全部或部分步驟是可以通過(guò)程序來(lái)指令相關(guān)的硬件來(lái)完成,相應(yīng)的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中,所述的存儲(chǔ)介質(zhì),如R0M/RAM、磁盤(pán)或光盤(pán)等。以上所述僅為本發(fā)明的較佳實(shí)施例而已,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種車(chē)距測(cè)量方法,其特征在于,所述方法包括: 通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像; 獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量; 判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域; 計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置; 根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。
2.如權(quán)利要求1所述的方法,其特征在于,所述獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量具體為: 通過(guò)圖像邊緣檢測(cè)技術(shù)和形態(tài)學(xué)處理方法對(duì)每一攝像頭采集的圖像進(jìn)行處理,將各個(gè)圖像中處理后得到的連通區(qū)域作為候選車(chē)牌區(qū)域; 提取各個(gè)候選車(chē)牌區(qū)域的外接矩形的寬度、高度、寬高比以及矩形度,并將每一候選車(chē)牌區(qū)域的寬度、高度、寬高比及矩形度組成特征向量。
3.如權(quán)利要求1所述的方法,其特征在于,所述計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置之后,所述方法還包括: 將同一輛車(chē)的車(chē)牌區(qū)域的中心位置在所述每一攝像頭采集的圖像中的坐標(biāo)位置進(jìn)行匹配。
4.如權(quán)利要求1所述的方法,其特征在于,所述判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē) 牌區(qū)域具體為: 將提取的特征向量輸入預(yù)先訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器,以判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域。
5.如權(quán)利要求1所述的方法,其特征在于,所述通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像之前,所述方法還包括: 對(duì)所述雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭進(jìn)行標(biāo)定。
6.一種車(chē)距測(cè)量裝置,其特征在于,所述裝置包括: 采集單元,用于通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像; 獲取單元,用于獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量; 判斷單元,用于判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域; 第一計(jì)算單元,用于計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置; 第二計(jì)算單元,用于根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。
7.—種如權(quán)利要求6所述的裝置,其特征在于,所述獲取單元包括: 處理模塊,用于通過(guò)圖像邊緣檢測(cè)技術(shù)和形態(tài)學(xué)處理方法對(duì)每一攝像頭采集的圖像進(jìn)行處理,將各個(gè)圖像中處理后得到的連通區(qū)域作為候選車(chē)牌區(qū)域; 提取模塊,用于提取各個(gè)候選車(chē)牌區(qū)域的外接矩形的寬度、高度、寬高比以及矩形度,并將每一候選車(chē)牌區(qū)域的寬度、高度、寬高比及矩形度組成特征向量。
8.—種如權(quán)利要求6所述的裝置,其特征在于,所述裝置包括:匹配單元,用于將同一輛車(chē)的車(chē)牌區(qū)域的中心位置在所述每一攝像頭采集的圖像中的坐標(biāo)位置進(jìn)行匹配。
9.一種如權(quán)利要求6所述的裝置,其特征在于,所述判斷單元,具體用于將提取的特征向量輸入預(yù)先訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)分類(lèi)器,以判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域。
10.一種如權(quán)利要求6所述的裝置,其特征在于,所述裝置包括: 標(biāo)定單元,用于對(duì)所述雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭進(jìn)行標(biāo)定。
11.一種汽車(chē),其特征在于,所述汽車(chē)包括權(quán)利要求6至10所述的車(chē)距測(cè)量裝置。
全文摘要
本發(fā)明適用于機(jī)器視覺(jué)領(lǐng)域,提供了一種車(chē)距測(cè)量方法、裝置及汽車(chē),所述方法包括通過(guò)雙目視覺(jué)系統(tǒng)的兩個(gè)攝像頭,同步采集當(dāng)前車(chē)輛前方景象的圖像;獲取每一攝像頭采集的圖像中的候選車(chē)牌區(qū)域,并提取每一候選車(chē)牌區(qū)域?qū)?yīng)的特征向量;判斷每一特征向量對(duì)應(yīng)的候選車(chē)牌區(qū)域是否為真實(shí)車(chē)牌區(qū)域;計(jì)算所述真實(shí)車(chē)牌區(qū)域的中心位置;根據(jù)所述中心位置,以及雙目立體視覺(jué)測(cè)量原理,計(jì)算當(dāng)前車(chē)輛與前方車(chē)輛的距離。本發(fā)明實(shí)現(xiàn)了在復(fù)雜背景圖像中對(duì)汽車(chē)牌照進(jìn)行快速準(zhǔn)確的檢測(cè)定位,并計(jì)算當(dāng)前車(chē)輛與攝像頭視角范圍內(nèi)的前方車(chē)之間的距離,測(cè)量范圍較大,且測(cè)量過(guò)程簡(jiǎn)單、方便、性能穩(wěn)定。
文檔編號(hào)G01C11/00GK103148837SQ20121046786
公開(kāi)日2013年6月12日 申請(qǐng)日期2012年11月16日 優(yōu)先權(quán)日2012年11月16日
發(fā)明者陳永灑, 吳美芬, 邵詩(shī)強(qiáng) 申請(qǐng)人:Tcl集團(tuán)股份有限公司