專利名稱：基于視覺的汽車列車彎道行駛軌跡測量方法
技術領域：
本發(fā)明涉及了一種汽車列車彎道行駛軌跡測量方法，特別是涉及了一種基于視覺的汽車列車彎道行駛軌跡測量方法。
背景技術：
隨著公路運輸?shù)目焖侔l(fā)展，汽車列車具有的高承載、經濟、效率等特征受到行業(yè)關注，逐漸成為長途物流的主要車型。準確地獲得汽車列車在行駛過程中的位置軌跡，再經過簡單的測量運算就可以知道汽車列車在轉彎時，車輛內側與外側在地面投影形成轉向通道軌跡，并可以測量轉向通道最大寬度、前擺值、后擺值和牽引車最后部兩側點的實際位置是否超過通道最大寬度等影響道路通行能力和行駛安全性的參數(shù)，為汽車列車行駛穩(wěn)定性的研究以及智能交通系統(tǒng)(ITS)的發(fā)展提供參數(shù)基礎?！吨腥A人民共和國交通行業(yè)標準》附加要求5.2.1.1中提到，即營業(yè)性貨運汽車列車沿標準中所述的路線轉彎時，車輛內側與外側在地面的投影形成轉向通道軌跡，其中轉向通道最大寬度應不大于7.2m，前擺值應不大于0.35m，后擺值應不大于0.8m。交通行標《貨運車輛運行安全技術要求》中的附加性能要求也提出“行駛穩(wěn)定性要求，包括側傾穩(wěn)定性要求、貨運汽車列車橫向穩(wěn)定性評價參數(shù)限值以及貨運車輛轉向特性要求”。因此，汽車列車彎道行駛時的前擺值、后擺值以及轉向通道最大寬度等參數(shù)成為判斷汽車列車的彎道行駛安全性的主要性能標準。準確地測量牽引車和掛車在行駛過程中的位置軌跡是研究以上內容的基礎。一種傳統(tǒng)的測量方法(南京智真電子科技有限公司.用于測量機動車輛行駛軌跡參數(shù)的液體噴射裝置[P].CN200810243074.2，2009-5-6):在牽引車和掛車底盤中間下方各固定一個噴槍，在汽車行駛 過程中同時朝下方地面噴射某種白色液體，在地面上形成兩條曲線，這兩條曲線就是噴槍固定點的位置軌跡，再進行航位推算就可以知道汽車列車在各個時刻的位置軌跡。上述方法存在以下缺點:
I)在汽車列車轉彎的時候，由于慣性作用，噴槍所噴出的液體所形成的曲線會偏離實際的位置，而且噴出的液體也容易受到周圍氣流的影響，造成較大的誤差。2)當進行一次實驗后，地面上的所存的液體不利于重復進行多次實驗；
3)這種方法準確率低，漏檢率高，不能完整的檢測出牽引車行駛的軌跡。隨著GPS技術的革新發(fā)展，GPS技術逐漸的應用于汽車列車運動性能測試。典型例子是一種基于GPS汽車列車位置軌跡測量方法(交通運輸部公路科學研究所.一種基于GPS的汽車列車位置軌跡測量系統(tǒng)及方法[P].201210177575, 2012.09.19)，其原理是:在牽引車部位安裝一套測向接收機系統(tǒng)，該系統(tǒng)通過數(shù)傳電臺接收基準站發(fā)送的位置差分改正數(shù)，實現(xiàn)雙頻載波相位差分位置解算，得到相對于基準站的高精度厘米級坐標，同時產生測向改正數(shù)，實現(xiàn)測量牽引車的航向信息。在掛車部位安裝移動站分系統(tǒng)，移動站系統(tǒng)通過數(shù)傳電臺接收基準站發(fā)送的位置差分改正數(shù)，實現(xiàn)雙頻載波相位差分位置解算，得到相對于基準站的高精度厘米級坐標。由牽引車的側向接收機得到牽引車的航向角以及其天線的高精度運動軌跡；由掛車的移動站系統(tǒng)得到其天線的高精度運動軌跡，進而由平面幾何知識可以推斷出牽引車任一點的運動軌跡。此方法具有測量精確、且不受環(huán)境影響的特點，但是其價格昂貴，使用之前必須對不同車型都要進行靜態(tài)標定，操作復雜，不適用與大范圍推廣應用。隨著計算機視覺技術的迅速發(fā)展，視覺技術越來越廣泛的用于導航定位研究。一種基于視覺的機器人室內定位導航方法(林國余，王海等.一種基于視覺的機器人室內定位導航方法[P].CN201010611473.7, 2011-07-27)是:根據(jù)二維碼的思路，設計了一種簡單設計了一種簡單方便、易于識別、內含絕對位置坐標且具有一定糾錯能力的人工路標，將路標設置于天花板上，由安裝在機器人上且光軸與天花板垂直的攝像機進行拍攝，再通過圖像的閾值分割、連通域提取、輪廓曲線匹配以及路標特征識別一系列步驟定位路標，解析路標中所包含的坐標信息，最終通過機器人的位置估計算法獲得機器人當前的絕對位置和航向角。計算機視覺方法還用與車輛輔助導航定位方式，典型的是一種基于計算機視覺的車輛輔助導航定位方法(郭君兵，郭曉松，左森等.基于計算機視覺的車輛輔助導航定位方法[J].自動化技術與應用，2005, 25 (7)，43-53)，通過隔行累加基礎上的Hough變換檢測出導航標尺的位置，分析車輛導航定位所需的信息量，并根據(jù)導航標尺給駕駛員實時提供角度和位置信息。。

發(fā)明內容
本發(fā)明主要是針對現(xiàn)在市場的要求，提供了一種具有檢測速度較快、精度較高的基于視覺的汽車列車彎道行駛軌跡測量方法。為了實現(xiàn)上述目的，本發(fā)明提供以下技術方案:
本發(fā)明提供了一種基于視覺的汽車列車彎道行駛軌跡測量方法，其步驟包括:在牽引車車頭左側、掛車前部車廂左側以及掛車后部左側分別設置第一攝像機、第二攝像機和第三攝像機；在轉彎通道上繪制五條平行的標識線，并分別為五條標識線設置顏色；沿著垂直于標識線方向，繪制若干橫向線和標識點；調整掛車和牽引車的位置，并啟動牽引車；第一攝像機、第二攝像機和第三攝像機采集和傳輸視頻圖像；上位機讀取一幀圖像，并對圖像進行預處理；讀取預處理后的圖像，建立圖像坐標系，并進行尺度標定；檢測是否有新的標識線出現(xiàn)；如果沒有新的標識線出現(xiàn)，則根據(jù)跟蹤方法求標識線上的目標點；如果有新的標識線出現(xiàn)，則使用連通域檢測方法求標識線上的目標點；得到標識線的參數(shù)方程；判斷所檢測的標識線的名稱和顏色；檢測是否有新的橫向線出現(xiàn)；如果沒有新的橫向線出現(xiàn)，則根據(jù)跟蹤方法求橫向線上的目標點；如果有新的橫向線出現(xiàn)，則使用連通域檢測方法求橫向線上的目標點；得到橫向線的參數(shù)方程和標識點的圖像坐標；得到當前攝像機的位置坐標和航向角；判斷視頻圖像是否處理完；如果沒有處理完，則繼續(xù)處理下一幀圖像；如果處理完，則得到當前列車和列車各個角點的行駛軌跡。在本發(fā)明一個較佳實施例中，所述標識線包括第一標識線、第二標識線、第三標識線、第四標識線和第五標識線。在本發(fā)明一個較佳實施例中,所述標志點是所述標識線與所述橫向線的交點。在本發(fā)明一個 較佳實施例中，相鄰兩條所述標識線的顏色不同，且兩兩間隔距離相同；在本發(fā)明一個較佳實施例中，所述橫向線的顏色與所述標識線的顏色不同，且所述橫向線兩兩間隔的距離相同。在本發(fā)明一個較佳實施例中，所述調整掛車和牽引車的位置，并啟動牽引車的具體步驟包括:將掛車設置于車道中央；將掛車的縱向對稱軸和地面的交線與第三標識線對齊；將牽引車的前部位于第一根橫向線之后。在本發(fā)明一個較佳實施例中，所述上位機讀取一幀圖像，并對圖像進行預處理的具體步驟包括:上位機讀取一幀圖像；設置標識線顏色的像素點的判斷條件；根據(jù)判斷條件，在讀取的圖像中檢測各個顏色的像素點的分量個數(shù)；采用基于鄰域搜索的連通域檢測算法分別提取各個顏色的目標點分量個數(shù)，并保存各個目標點的坐標值；獲取各個顏色的像素點的個數(shù)；得到檢測到的標識線的名稱和顏色。在本發(fā)明一個較佳實施例中，所述檢測是否有新的橫向線出現(xiàn)的具體步驟包括:確定橫向線像素點的判斷條件；根據(jù)橫向線像素點的判斷條件，在圖像區(qū)域內檢測橫向線的像素點，記錄橫向線像素點的個數(shù)，并記錄坐標值；判斷綠色像素點的個數(shù)。本發(fā)明的有益效果是:本發(fā)明所述的基于視覺的汽車列車彎道行駛軌跡測量方法，在檢測標識線上的點時，采用了基于鄰域搜索的連通域檢測的算法，即將所有的檢測到的點進行聚類，保留可能在標識線上的點，排除噪聲點，減少誤差，提高精度，而且，本發(fā)明所涉及的彎道行駛時汽車列車位置估計算法屬于一種絕對定位方法，只要在攝像機視野中出現(xiàn)了標識點，即可根據(jù)數(shù)學計算公式推導出汽車列車當前位置和航向，可以準確、有效的解決汽車列車彎道行駛軌跡的測量問題，為汽車列車彎道行駛穩(wěn)定性以及道路通行能力的研究提供有效的數(shù)據(jù)理論。


圖1是本發(fā)明的測量配置示意 圖2是本發(fā)明基于視覺 的汽車列車彎道行駛軌跡測量方法的流程示意 圖3是本發(fā)明汽車列車位置估計示意 圖4是本發(fā)明汽車列車各個角點的軌跡推算示意 圖1中，1、第一標識線，2、第二標識線，3、第三標識線，4、第四標識線，5、第五標識線，
6、橫向線,7、第一攝像機,8、第二攝像機,9、第三攝像機；
圖3中，1、第一標識線，2、第二標識線，3、第三標識線，4、第四標識線，5、第五標識線。
具體實施例方式下面結合附圖對本發(fā)明的較佳實施例進行詳細闡述，以使本發(fā)明的優(yōu)點和特征能更易于被本領域技術人員理解，從而對本發(fā)明的保護范圍做出更為清楚明確的界定。請參閱圖1，圖1是本發(fā)明的測量配置示意圖；圖2是本發(fā)明基于視覺的汽車列車彎道行駛軌跡測量方法的流程示意圖；圖3是本發(fā)明汽車列車位置估計示意圖；圖4是本發(fā)明汽車列車各個角點的軌跡推算示意圖。具體實施例一
本發(fā)明提供了一種基于視覺的汽車列車彎道行駛軌跡測量方法，其步驟包括:
1.在牽引車車頭左側、掛車前部車廂左側以及掛車后部左側分別設置第一攝像機7、第二攝像機8和第三攝像機9，為保證攝像機在直線測量和彎道測量時保持一樣的安裝配置，因此攝像機都安裝在牽引車和掛車的外側。為了保證攝像機視野不被車身或者車輛遮擋，則攝像機距離車身外側600mm;因此，在牽引車車頭左側、掛車車廂前部左側以及掛車車廂后部左側分別安裝高清第一攝像機7、第二攝像機8和第三攝像機9，要求攝像機垂直向下安裝，使得攝像機光軸盡可能垂直于地面拍攝車頭前下方的圖像。根據(jù)實際掛車安裝攝像機位置，測量攝像機鏡頭到地面的高度為1.2m。2.在轉彎通道上繪制五條平行的標識線，并分別為五條標識線設置顏色，設置最中間一條線設為紅色，靠近紅色的兩條線設為黑色，最外側兩條線設為藍色，即第一標識線I為藍色標識線、第二標識線2為黑色標識線、第三標識線3為紅色標識線、第四標識線4為黑色標識線、第五標識線5為藍色標識線，橫向線6設置為綠色，定義四個變量此、flagblack.、flagred.、fIaggreen,作為標記符號，并賦值 flagblue=0、fIagblack=0.'fIagred=O^ flaggreen =O0
在地面上繪制標識線，總共分為三段:轉彎前的直線段、彎道段、轉彎后的直線段。根據(jù)行業(yè)標準，彎道行駛時，前擺值應不大于0.35m，后擺值應不大于0.Sm，根據(jù)寬度為2.55m的甩掛和國標要求，所設計的標識線要求如下:
①彎道前后的直線段設計為20米，包括車身長度為12.5米，加上頭車長度和車輛啟動所需長度；
②行業(yè)標準中規(guī)定，列車起步，由直線行駛過渡到半徑為11.25m的90°圓弧，為此在地面上繪制一段包含半徑為11.25m圓弧的輔助引導線，如圖1中的虛線表示，車輛實驗時，車輛外側輪胎外沿應沿著該輔助弓I導線行駛。此外考慮到車身寬度為2.55m，攝像機按照位置距離車身外側600mm，因此在距離11.25m圓弧為3.15m (2.55m+0.6m)的位置繪制半徑為
8.1m (11.25m -2.55m_0.6m)的90度圓弧作為最中間的第3條標識線；
③當攝像機安裝高度為1.2m時，所拍攝視場的長度約為850mm，寬度約為450mm，因此設計的標識線間隔約為600mm·，這樣保證攝像機視場中始終能看到一條標識線。因此，后續(xù)四條的90度圓弧的半徑按照600_的間隔，分布在第3條標識線兩側。3.沿著垂直于標識線方向，繪制若干橫向線6和標識點，根據(jù)攝像機安裝的高度，將橫向線間隔設為350mm。4.調整掛車和牽引車的位置，并啟動牽引車。5.第一攝像機7、第二攝像機8和第三攝像機9采集和傳輸視頻圖像，在使用攝像機時，需要將攝像機進行離線畸變參數(shù)標定和尺度標定?；儏?shù)標定:根據(jù)張正友方法(ZhengyouZhang.A Flexible New Techniquefor Camera Calibration[J].1EEE Transactions on Pattern Analysis and MachineIntelligence, 2002，22 (11): 1330-1334)進行攝像機標定，求出攝像機所拍出的視頻圖像畸變參數(shù)，并根據(jù)畸變參數(shù)采用張正友方法將攝像機拍攝的圖像還原到實際。尺度標定:尺度標定是指當攝像機成像平面和地面平行時，選取地面上一根已知實際長度(單位:_)的標識線，然后統(tǒng)計這根線在圖像上的長度(單位:像素)，則可以獲得圖像上的I個像素長度和地面上Imm之間的比例關系，記為raiio，則raiio=線段的實際長度/線段在圖像上的像素長度。6.上位機讀取一幀圖像，并對圖像進行預處理；7.讀取預處理后的圖像，建立圖像坐標系，以圖像左下點為原點，以圖像寬度方向為X軸方向，以圖像高度方法為y軸方向，并進行尺度標定；
8.檢測是否有新的標識線出現(xiàn):
①首先根據(jù)紅色像素點、藍色像素點和黑色像素點的判斷條件，采用基于鄰域搜索的連通域檢測算法提取紅色分量、藍色分量和黑色分量，并保存各個分量的坐標值。②若fIagblue=O,且 flagblack.、fIagred 為任意值,執(zhí)行步驟③,若 flagblue=l,且其他標記符號為任意值，則用跟蹤方法求藍色標識線；若fIagblack=O,且flagblue、/Yagret/為任意值,執(zhí)行步驟④,若fIagblack=I，且其他標記符號為任意值,則用跟蹤方法求黑色標識線；若fIagred=O,且其他標記符號位任意值,執(zhí)行步驟⑤,若flagred=l,且fIagblack^ fIagbIue為任意值,則用跟蹤方法求紅色標識線。③如果藍色像素點的個數(shù)大于200，則認為能檢測到新的藍色標識線，用最小二乘法擬合藍色標識線的方程且fIagblue=I。④如果黑色像素點的個數(shù)大于200，則認為能檢測到新的黑色標識線，用最小二乘法擬合黑色標識線的方程且Uagblack=I。⑤如果紅色像素點的 個數(shù)大于200，則認為能檢測到紅色標識線，用最小二乘法擬合紅色標識線的方程Trerf=C7JTrcZVcilXrcfZcY且flagred=l。⑥直接執(zhí)行步驟12 ；
9.如果沒有新的標識線出現(xiàn)，則根據(jù)跟蹤方法求標識線上的目標點；
10.如果有新的標識線出現(xiàn)，則使用連通域檢測方法求標識線上的目標點；11.得到標識線的參數(shù)方程，跟蹤方法求藍色標識線:根據(jù)圖像已檢測到的
藍色標識線的標識線方程確定一定的圖像區(qū)域，即(-Yblae- ￡，Ybluejr ￡ )，其中S為閾值，取值20。確定藍色像素點的判斷條件，即(B-G) >￡ jand (B-R) >￡ 2 and /R~G/< s 3,其中 f 7、e 2、f ^ 分別取值 100、100、20，并在iy-e, y+s )區(qū)域內檢測是否有藍色標識點。若有藍色像素點，采用基于鄰域搜索的連通域檢測算法將藍色像素點聚類，并用最小二乘法擬合新標識線參數(shù)。若沒有藍色標識點，則認為是此幀圖像沒有檢測到藍色的標識線，則flagblue=0 ；
跟蹤方法求黑色標識線:根據(jù)圖像已檢測到的藍色標識線的標識線方程
也，確定一定的圖像區(qū)域，即Ow-￡，JW+￡ )，其中e為閾值，取值20。確定藍色像素點的判斷條件，即作-G/〈f IB-RK e 2 and /R~G/< ￡ 3 andB<e 4,其中 q、e 2、e 3、q 分別取值 100、100、20、50，，并在(Tw3rf-^ )區(qū)域內檢測是否有藍色標識點。若有藍色像素點，采用基于鄰域搜索的連通域檢測算法將藍色像素點聚類，并用最小二乘法擬合新標識線參數(shù)。若沒有藍色標識點，則認為是此幀圖像沒有檢測到藍色的標識線，則fIagblack=0\
跟蹤方法求紅色標識線:根據(jù)圖像已檢測到的紅色標識線的標識線方程Yred=C lXred +C 2Xred+C 3，確定一定的圖像區(qū)域，即^YrecT ￡，Yredr ￡)，其中e為閾值，取值20。根據(jù)紅色像素點的判斷條件，即(R-G)> ￡ I and (R-B)> s 2 and /B~G/< s 3,其中q、e 2、分別取值100、100、20，在Ow-G JW+O區(qū)域內檢測是否有紅色標識點。若有紅色像素點，采用基于鄰域搜索的連通域檢測算法將紅色像素點聚類，并用最小二乘法擬合新標識線參數(shù)，若沒有紅色標識點，則認為是此幀圖像沒有檢測到紅色的標識線，則f Iagred=O ；
12.判斷所檢測的標識線的名稱和顏色，由于攝像機最少能拍到一條標識線，因此出現(xiàn)一條新的標識線的時候，必然能在所拍攝的視頻圖像中看到2條標識線。判斷方法如下:
a.如果檢測到的是紅色標識線，則可以判斷新檢測到的是第三條紅色標識線，其參數(shù)
方程為 Y=Si3X2+bjX+Cj。b.如果檢測到的是藍色標識線，則必定也能跟蹤檢測到黑色標識線，若藍色標識線在黑色標識線的左邊，即，則新檢測到的是第一條藍色標識線，其方程為參數(shù)y=a1x2+b1x+c1 ;若藍色標識線在黑色標識線的右邊，即a3>b3,則新檢測到的是第五條標識線，其參數(shù)方程為ysag^+bgx+c^。c.如果檢測到的是黑色標識線，若跟蹤檢測到的是紅色標識線，黑色標識 線若在紅色標識線的左邊，即b3<c3,則檢測到的是第二條黑色標識線；黑色標識線若
在紅色標識線的右邊，即則檢測到的是第四條黑色標識線。同理，若跟蹤到的是藍色標識線，若黑色標識線在藍色標識線的右邊，即b3>a3，則檢測到的是第二條黑色標識線；若黑色標識線在藍色 標識線的左邊，即則檢測到的是第四條黑色標識線。其中，第2條黑線的參數(shù)方程為第4條黑線的參數(shù)方程為;
13.檢測是否有新的橫向線出現(xiàn)；
14.如果沒有新的橫向線出現(xiàn)，則根據(jù)跟蹤方法求橫向線上的目標點；
15.如果有新的橫向線出現(xiàn)，則使用連通域檢測方法求橫向線上的目標點；16.得到橫向線的參數(shù)方程和標識點的圖像坐標，根據(jù)圖像已檢測到的綠色
標識線的標識線方程_7= >介4，確定一定的圖像區(qū)域，即)，其中己為閾值，取值20。根據(jù)綠色像素點的判斷條件，即(G-Φ ε , and (G~B)> ε 2 and /B~R/< ε 3,其中q、ε 2、分別取值100，100，20，并在Cf-G )區(qū)域內檢測是否有綠色標識點。若有綠色像素點，采用基于鄰域搜索的連通域檢測算法將綠色像素點聚類，并用最小二乘法擬合新標識線參數(shù)。若沒有綠色標識點，則認為是此幀圖像沒有檢測到綠色的橫向線，則fIaggreen=O,以檢測到第三根紅色標識線為例，紅色標識線的參數(shù)方程為Y=H3X2+bjX+c:^ ,綠色橫向線的參數(shù)方程為Y=C^d2。則紅色標識線和綠色橫向線的交點為 Orj)，(.X=C-Cb3-Cl1)+ Δ )/2a32, y=(-dj Cb3-(J1)Δ )/2a32)
或者是(Z= (-Cb3-Cl1)- Δ )/2a32, Y=^d1 ^3-(I1)+2aj (I2-Ci1* Δ )/2a[^),其中 Λ =
-y/f4asdj-4a,jc玉+bs-2hgi』+d/) °根據(jù)所求出來的交點是否在圖像沮圍內來取舍;
17.得到當前攝像機的位置坐標和航向角，以紅色標識線為例，設O點為圖像的中點，其坐標為(x0=width/2, y0=heigh t/2)，其中，其中dth為圖像的寬度,heigh 為圖像的高度。PkpJp)為紅色標識線4和橫向線Z的交點。撕7坐標系代表自定義的全局坐標系，W坐標系為圖像上的坐標系。通過事先測量可以獲得每個標識點在全局坐標系下的坐標Ui，Λ.)，單位為mm，以及轉彎處橫向線和全局坐標系中X軸之間的夾角盧,.，其中i表示的是橫向線Z的索引號。汽車列車實際位置和航向角計算過程如下所示:
1)根據(jù)計算圖像中心點ο和標識點/^之間的歐式距離IM；
2)通過計數(shù)得到橫向線Z的索引號i，并以此獲得產在全局坐標系中的實際坐標Cri，Λ.)，以及獲取橫向線Z對應的橫向線與I軸之間的夾角βi ;3)計算Z和圖像坐標系中z軸的夾角，記為a；
4)計算全局坐標系X軸和圖像行方向X軸的夾角e，〃二該夾角e即為汽車列車行駛的航向角；
5)計算W和圖像行方向Z軸的夾角r，計算公式為:
Y =arc tan ((j0~yp) / {x0~xp)),或者 Y =兀-arc tan (iy0~y) / {x0~x))。6)計算向量W和全局坐標系Z軸的夾角《，計算公式為'0J = Y+e。7)計算全局坐標軸中圖像中心點0的坐標沈,，IV，即汽車列車當前的實際位置，計算公式如下；
X0- Xi + s IOPI cos Co
Y0=Yi + s /OPjsi/ ,其中 s=ra tio ；
18.判斷視頻圖像是否處理完；
19.如果沒有處理完，則繼續(xù)處理下一幀圖像；
20.如果處理完，則得到當前列車和列車各個角點的行駛軌跡，20代表為攝像機鏡頭的位置，其坐標為U。點到10點的距離記為n'ofeo/ijr,其值已知，為600遞 。牽引車前內角ii點到點的距離已知，為videoposition。根據(jù)步驟12點可以求得牽引車的航向角為0 其中(i=l， 2…)。後10點的坐標值為(Hixi, my,)，則點I點點I點的坐標值{pointIxj, pointIyi)具體計算過程如下:
①根據(jù)航向角的值，求出Lom的斜率左,則k=tand ；
②根據(jù)^ 的斜率和videofix的值,求出m的坐標值。Inyi 二 Foj + (videofix*k)/ (sqrt (l+k*k))，Oixi= ( Iny1- Yoi) + Xoi
③求ipoin Hxi, poin Hyi)的值
poinHyi = myf!~ videoposition / (sqrt (I+k*k))poinHxi 二一 (Pointly1- Oiy1) *k +Bixi
按上述求點U點坐標原理，點12點、13點、14點、15點、16點、17點、點的坐標值均可以計算出來。所述標識線包括第一標識線、第二標識線、第三標識線、第四標識線和第五標識線。 所述標志點是所述標識線與所述橫向線的交點。相鄰兩條所述標識線的顏色不同，且兩兩間隔距離相同，所述橫向線的顏色與所述標識線的顏色不同，且所述橫向線兩兩間隔的距離相同，所述的五條標識線要選擇與實際地面顏色反差較大的顏色，且要求相鄰兩條標識線的顏色不同，五條標識線兩兩間隔距離相同；所述的橫向線要選擇與地面顏色反差較大的顏色，且要求與五條標識線顏色不同，橫向線兩兩間隔距離相同，可以在轉彎處適當增加橫向線的條數(shù)，以保證第一攝像機、第二攝像機和第三攝像機能夠拍攝到至少一根橫向線。所述調整掛車和牽引車的位置，并啟動牽引車的具體步驟包括:將掛車設置于車道中央；將掛車的縱向對稱軸和地面的交線與第三標識線對齊；將牽引車的前部位于第一根橫向線之后。所述上位機讀取一幀圖像，并對圖像進行預處理的具體步驟包括:
I)上位機讀取一幀圖像；2)設置標識線顏色的像素點的判斷條件，紅色像素點的判斷條件為:根據(jù)像素點的財汲值，如果(R-G) y e J and (R~B)> ￡ 2 and /B~G/< ￡ 3,其中e ” e 2、^為閾值，此處分別取值100、100、20，則認為該像素點為紅色像素點；綠色像素點的判斷條件為:根據(jù)像素點的財汲值，如果(B-G) e ! and (B~R)> ￡ 2 and /R-G/< ￡ 3,其中e ” e 2、^為閾值，此處分別取值100、100、20，則認為該像素點為綠色像素點。黑色像素點的判斷條件為:根據(jù)像素點的財汲值，如果/沒-以〈/B~R/<￡ 2and /R~G/< ￡ 3 and B< ￡4,其中 e ” e 2、e 3、￡ 4為閾值，此處分別取值100、100、20、50，則認為該像素點為綠色像素點；
3)根據(jù)判斷條件，在讀取的圖像中檢測各個顏色的像素點的分量個數(shù)；
4)采用基于鄰域搜索的連通域檢測算法分別提取各個顏色的目標點分量個數(shù)，并保存各個目標點的坐標值，在讀取的圖片中檢測紅色像素點、綠色像素點和黑色像素點的分量個數(shù)，并采用基于鄰域搜索的連通域檢測算法分別提取紅色目標點分量、綠色目標點分量和黑色目標點分量個數(shù)，并保存各個坐標點的坐標值。以紅色像素點為例，基于鄰域搜索的連通域檢測算法流程如下所示:
i)在所獲得的圖像中獲取一個未被標記的紅色像素點，并對此點進行標記，并將此點置于先入先出的堆棧中；
ii)從先入先出的堆棧中取出一個目標像素點，在二值化圖像中的該目標3X3鄰域中再次尋找未被標記的紅色目標像素點，對此紅色目標像素點進行標記，并將其置入先入先出的堆棧中。iii)重復步驟ii)，遍歷先入先出堆棧中的各個目標像素，找出所有符合條件的紅色像素點；
5 )獲取各個顏色的像素點的個數(shù)，判斷綠色像素點的個數(shù):如果綠色像素點的個數(shù)大于200，則認為能檢測到綠色標識線，用最小二乘法擬合綠色標識線的方程
Yblue-aIxUue +a2Xblue+a3°判斷黑色像素點的個數(shù)，如果黑色像素點的個數(shù)大于200，則認為能檢測到黑色標識線，用最小二乘法擬合黑色標識線的方程yblack=b]XbllJ+b2Xblack+b3 ；
判斷紅色像素點的個數(shù)，如果紅色像素點的個數(shù)大于200，則認為能檢測到紅色標識線，用最小二乘法擬合紅色標識線的方程Yred=C1XrJ+c2xred+c3 ;
6)得到檢測到的標識線的名稱和顏色，如果C3X),則可以判斷最開始檢測到的是第三條紅色標識線；若0〈b3〈c3,則表示最開始檢測到的是第二條黑色標識線，若&入則表示最開始檢測到的是第四條黑色標識線；同理，若，則表示最開始檢測到的是第一條綠色標識線，若隊則表示最開始檢測到的是第五條綠色標識線；若此時and b3>0and c產0或者apO and b3=0 and c產0或者and b3=0 and c產0,則重新求黑色標識線。所述檢測是否有新的橫向線出現(xiàn)的具體步驟包括:確定橫向線像素點的判斷 條件；根據(jù)橫向線像素點的判斷條件，在圖像區(qū)域內檢測橫向線的像素點，記錄橫向線
像素點的個數(shù)，并記錄坐標值。判斷綠色像素點的個數(shù)，如果綠色像素點的個數(shù)突然變多，則檢測到一條新的橫向線；
確定綠色像素點的判斷條件。根據(jù)像素點的/ 值，如果(G-R)W iand(G-B)> ￡ 2 and /B-R/<￡ 3,其中e ” e 2、^為閾值，此處分別取值100、100、20，則認為該像素點為綠色像素。
根據(jù)綠色像素點的判斷條件，在圖像的(知，，height)區(qū)域內檢測綠色像素點，其中ε '為閾值,此處取為圖像的高度,記錄綠色像素點的個數(shù),并保持坐標值。如果flaggreen=0,執(zhí)行步驟④；如果flaggreen=l,則用跟蹤法求綠色橫向線。判斷綠色像素點的個數(shù)。如果綠色像素點的個數(shù)突然變多，則認為是檢測到了一條新的橫向線。采用基于鄰域搜索的連通域檢測算法將綠色像素點聚類，并用最小二乘法擬合綠色橫向線的參數(shù)方程flaggreen=l。本發(fā)明所述的基于視覺的汽車列車彎道行駛軌跡測量方法，在檢測標識線上的點時，采用了基于鄰域搜索的連通域檢測的算法，即將所有的檢測到的點進行聚類，保留可能在標識線上的點，排除噪聲點，減少誤差，提高精度，而且，本發(fā)明所涉及的彎道行駛時汽車列車位置估計算法屬于一種絕對定位方法，只要在攝像機視野中出現(xiàn)了標識點，即可根據(jù)數(shù)學計算公式推導出汽車列車當前位置和航向，可以準確、有效的解決汽車列車彎道行駛軌跡的測量問題，為汽車列車彎道行駛穩(wěn)定性以及道路通行能力的研究提供有效的數(shù)據(jù)理論。以上所述僅為本發(fā)明的實施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發(fā)明 的專利保護范圍內。
權利要求
1.一種基于視覺的汽車列車彎道行駛軌跡測量方法，其特征在于:步驟包括: 在牽引車車頭左側、掛車前部車廂左側以及掛車后部左側分別設置第一攝像機、第二攝像機和第二攝像機； 在轉彎通道上繪制五條平行的標識線，并分別為五條標識線設置顏色； 沿著垂直于標識線方向，繪制若干橫向線和標識點； 調整掛車和牽引車的位置，并啟動牽引車； 第一攝像機、第二攝像機和第二攝像機米集和傳輸視頻圖像； 上位機讀取一幀圖像，并對圖像進行預處理； 讀取預處理后的圖像，建立圖像坐標系，并進行尺度標定； 檢測是否有新的標識線出現(xiàn)； 如果沒有新的標識線出現(xiàn)，則根據(jù)跟蹤方法求標識線上的目標點； 如果有新的標識線出現(xiàn)，則使用連通域檢測方法求標識線上的目標點； 得到標識線的參數(shù)方程； 判斷所檢測的標識線的名稱和顏色； 檢測是否有新的橫向線出現(xiàn)； 如果沒有新的橫向線出現(xiàn)，則根據(jù)跟蹤方法求橫向線上的目標點； 如果有新的橫向線出現(xiàn)，則使用連通域檢測方法求橫向線上的目標點； 得到橫向線的參數(shù)方程和標識點的圖像坐標； 得到當前攝像機的位置坐標和航向角； 判斷視頻圖像是否處理完； 如果沒有處理完，則繼續(xù)處理下一幀圖像； 如果處理完，則得到當前列車和列車各個角點的行駛軌跡。
2.根據(jù)權利要求1所述的基于視覺的汽車列車彎道行駛軌跡測量方法，其特征在于，所述標識線包括第一標識線、第二標識線、第三標識線、第四標識線和第五標識線。
3.根據(jù)權利要求1所述的基于視覺的汽車列車彎道行駛軌跡測量方法，其特征在于，所述標志點是所述標識線與所述橫向線的交點。
4.根據(jù)權利要求1所述的基于視覺的汽車列車彎道行駛軌跡測量方法，其特征在于，相鄰兩條所述標識線的顏色不同，且兩兩間隔距離相同。
5.根據(jù)權利要求1所述的基于視覺的汽車列車彎道行駛軌跡測量方法，其特征在于，所述橫向線的顏色與所述標識線的顏色不同，且所述橫向線兩兩間隔的距離相同。
6.根據(jù)權利要求1所述的基于視覺的汽車列車彎道行駛軌跡測量方法，其特征在于，所述調整掛車和牽引車的位置的具體步驟包括: 將掛車設置于車道中央； 將掛車的縱向對稱軸和地面的交線與第三標識線對齊； 將牽引車的前部位于第一根橫向線之后。
7.根據(jù)權利要求1所述的基于視覺的汽車列車彎道行駛軌跡測量方法，其特征在于，所述上位機讀取一幀圖像，并對圖像進行預處理的具體步驟包括: 上位機讀取一幀圖像； 設置標識線顏色的像素點的判斷條件；根據(jù)判斷條件，在讀取的圖像中檢測各個顏色的像素點的分量個數(shù)； 采用基于鄰域搜索的連通域檢測算法分別提取各個顏色的目標點分量個數(shù)，并保存各個目標點的坐標值； 獲取各個顏色的像素點的個數(shù)； 得到檢測到的標識線的名稱和顏色。
8.根據(jù)權利要求1所述的基于視覺的汽車列車彎道行駛軌跡測量方法，其特征在于，所述檢測是否有新的橫向線出現(xiàn)的具體步驟包括: 確定橫向線像素點的判斷條件； 根據(jù)橫向線像素點的判斷條件， 在圖像區(qū)域內檢測橫向線的像素點，記錄橫向線像素點的個數(shù)，并記錄坐標值； 判斷橫向線像素點的個數(shù)。
全文摘要
本發(fā)明公開了一種基于視覺的汽車列車彎道行駛軌跡測量方法，其步驟包括設置第一攝像機、第二攝像機和第三攝像機；在轉彎通道上繪制五條平行的標識線，并分別為五條標識線設置顏色；沿垂直標識線方向，繪制若干橫向線和標識點；第一攝像機、第二攝像機和第三攝像機采集和傳輸視頻圖像；上位機讀取一幀圖像，并對圖像進行預處理；讀取預處理后的圖像，建立圖像坐標系，并進行尺度標定；檢測是否有新的標識線出現(xiàn)；得到標識線的參數(shù)方程；判斷所檢測的標識線的名稱和顏色；檢測是否有新的橫向線出現(xiàn)；得到橫向線的參數(shù)方程和標識點的圖像坐標；得到當前攝像機的位置坐標和航向角；判斷視頻圖像是否處理完；本發(fā)明具有減少誤差，提高精度的特點。
文檔編號G01C21/20GK103234542SQ20131012723
公開日2013年8月7日 申請日期2013年4月12日 優(yōu)先權日2013年4月12日
發(fā)明者林國余 申請人:東南大學