本發(fā)明涉及汽車距離檢測
技術領域：
，尤其涉及一種前方車輛距離檢測方法。
背景技術：
：基于單目視覺的前方車輛距離檢測是智能車輛的關鍵技術之一，對于保持車輛間距和車道變換以及車輛碰撞預警具有重要意義。相對于其他車輛距離測量方法，基于單目視覺的前方車輛距離檢測具有成本低、信息豐富等優(yōu)勢。這些年對于單目視覺檢測前方車輛距離的研究有很多，可以通過圖像中像素距離與實際距離之間的統(tǒng)計關系估算前方車輛的距離，但沒有確切的計算模型來保證其通用性；可以利用車輛位置和車輛寬度估計前方車輛的距離，但不能計算出前方車輛的確切距離；可以利用前方車輛模型，將圖像中的前方車輛與主車在道路中的行駛位置聯(lián)系起來，進而估算前方車輛距離，但沒有實際路況下的實車實驗驗證其有效性；可以基于前方車輛陰影特征進行車輛距離的計算，但此方法并沒有確定前方車輛的具體位置，不能滿足精度要求。技術實現(xiàn)要素：基于
背景技術：
存在的技術問題，本發(fā)明提出了一種前方車輛距離檢測方法。本發(fā)明提出的前方車輛距離檢測方法，包括以下步驟：S1、采集自車輛行進方向上的圖像信息，并對上述采集的圖像信息進行檢測，以獲取采集的圖像信息中的目標區(qū)域；S2、在獲取的目標區(qū)域中，提取出前方車輛在圖像信息中的具體位置，再計算出前方車輛在圖像信息中像素點的位置；S3、通過前方車輛在圖像信息中像素點的位置，計算出前方車輛與自車輛的實際距離。優(yōu)選地，S1中利用視覺傳感器采集自車輛行進方向上的圖像信息，且該視覺傳感器為CCD攝像機。優(yōu)選地，令CCD攝像機采集的圖像信息中前方車輛的具體位置以世界坐標系表示，計算出的前方車輛在圖像信息中像素點的位置以像素坐標系表示，則CCD攝像機內部參數(shù)標定公式，即世界坐標系轉化為像素坐標系的公式為：Zcuv1=1dx0u001dyv0001f0000f000010RT0T1XwYwZw1=ax0u000ayv000010RT0T1XwYwZw1=M1M2Mw=MXw]]>其中：dx,dy為單位像素的物理大?。籾0,v0為像素坐標原點；f為CCD攝像機焦距；R是一個3×3的單位正交矩陣；T是3×1的平移向量；ax＝f/dx，ay＝f/dy；為CCD攝像機內部參數(shù)矩陣。優(yōu)選地，S3中采用單目視覺測距幾何模型計算出前方車輛與自車輛的實際距離，計算公式為：d＝h/tan{α+arctan[(y0-y)/f]}其中：f為CCD攝像機的有效焦距；α為CCD攝像機的俯仰角度；h為CCD攝像機的安裝高度，即CCD攝像機的鏡頭中心與地面的距離；y0為光軸與像平面交點的y軸坐標；y為路面上一點p在像平面上的投影坐標；上述點p即為機器視覺檢測出的前方車輛的角點位置在像平面中的像素點。優(yōu)選地，S1中利用機器視覺對采集的圖像信息進行檢測，以獲取采集的圖像信息中的目標區(qū)域。優(yōu)選地，S2中利用邊緣特征提取方法在獲取的目標區(qū)域中提取出前方車輛在圖像信息中的具體位置，并利用角點檢測方法計算出前方車輛在圖像信息中像素點的位置。優(yōu)選地，角點檢測方法的角點判定公式為：令窗口W發(fā)生位置偏移(u,v)，比較偏移前后窗口中每一個像素點的灰度變化值，使用誤差平方和定義誤差函數(shù)E(u,v)：E(u,v)=Σ(x,y)∈Wω(x,y)[I(x+u,y+v)-I(x,y)]2]]>其中：ω(x,y)為窗口函數(shù)；I(x+u,y+v)為平移后的圖像灰度；I(x,y)為圖像灰度；將I(x+u,y+v)進行Taylor展開：I(x+u,y+v)=I(x,y)+∂I∂xu+∂I∂yv+O(u2+v2)]]>舍去高階小量得：I(x+u,y+v)≈I(x,y)+∂I∂xu+∂I∂yv≈I(x,y)+[IxIy]uv]]>E(u,v)=Σ(x,y)∈Wω(x,y)IxIyuv2=[uv](Σ(x,y)∈Wω(x,y)Ix2IxIyIyIxIy2)]]>令H=Σ(x,y)∈Wω(x,y)Ix2IxIyIyIxIy2=ω(x,y)*Ix2IxIyIyIxIy2]]>H為自相關矩陣，λ1和λ2是H的2個特征值；當λ1和λ2均很小時，圖像窗口在所有方向上移動均沒有明顯灰度變化，此時判別此區(qū)域為平面；當λ1＞＞λ2或λ2＞＞λ1時，圖像窗口沿著邊緣移動，沒有灰度變化；當λ1和λ2均較大且數(shù)值相當λ1～λ2時，此時圖像窗口沿任意方向移動均有明顯灰度變化，則判別此時檢測到的為角點；角點應滿足的基本性質：最小特征值應盡量大，角點響應為R＝λmin，即對應特征值為λmin的點為角點。本發(fā)明通過采用角點檢測方法確定前方車輛在圖像信息中像素點的具體位置，再利用單目視覺測距幾何模型計算出前方車輛與自車輛的實際距離，采用本發(fā)明提出的方法，在計算出前方車輛與自車輛間的確切距離的同時，保證了該計算模型的通用性；本發(fā)明提出的方法適用于結構化道路上不同行駛速度、不同的光照條件下對前方車輛進行距離檢測，在實際路況下保證了本方法有效性的同時，滿足了對前方車輛具體位置測量的精度要求。本發(fā)明通用性高、魯棒性好、計算速度快、實施簡單，適合廣泛推廣以測量前方車輛距離，對于車輛在行駛過程中保持車距、變換車道、以及車輛碰撞預警等方面具有重要意義。附圖說明圖1為一種前方車輛距離檢測方法的步驟示意圖；圖2為一種前方車輛距離檢測方法的單目視覺測距幾何模型；圖3為一種前方車輛距離檢測方法的點特征檢測窗口圖；圖4為一種前方車輛距離檢測方法的CCD攝像機內部參數(shù)標定模型；圖5為光照充足、車速為30km/h時檢測距離與實際距離對比圖；圖6為光照充足、車速為60km/h時檢測距離與實際距離對比圖；圖7為光照不足、車速為30km/h時檢測距離與實際距離對比圖；圖8為光照不足、車速為60km/h時檢測距離與實際距離對比圖。具體實施方式如圖1-圖8所示，圖1-圖8為本發(fā)明提出的一種前方車輛距離檢測方法。參照圖1-圖8，本發(fā)明提出的前方車輛距離檢測方法，包括以下步驟：S1、采集自車輛行進方向上的圖像信息，并對上述采集的圖像信息進行檢測，以獲取采集的圖像信息中的目標區(qū)域；S2、在獲取的目標區(qū)域中，提取出前方車輛在圖像信息中的具體位置，再計算出前方車輛在圖像信息中像素點的位置；S3、通過前方車輛在圖像信息中像素點的位置，計算出前方車輛與自車輛的實際距離。在結構化道路中利用視覺傳感器采集自車輛行進方向上的圖像信息，且利用機器視覺檢測圖像信息中可能存在目標區(qū)域，上述目標區(qū)域指的是圖像信息中有車輛的區(qū)域，該目標區(qū)域表明自身車輛前方有車輛，再通過邊緣特征確定目標車輛的具體位置；對于確定位置的前方車輛進行角點檢測確定前方車輛在圖像信息中的像素點位置；在視覺傳感器參數(shù)確定的基礎上根據透視幾何投影關系的單目視覺測距幾何模型計算出前方車輛在現(xiàn)實三維世界中的距離。本實施方式中，視覺傳感器采用CCD攝像機。令CCD攝像機采集的圖像信息中前方車輛的具體位置以世界坐標系表示，計算出的前方車輛在圖像信息中像素點的位置以像素坐標系表示，則CCD攝像機內部參數(shù)標定公式，即世界坐標系轉化為像素坐標系的公式為：Zcuv1=1dx0u001dyv0001f0000f000010RT0T1XwYwZw1=ax0u000ayv000010RT0T1XwYwZw1=M1M2Mw=MXw]]>其中：dx,dy為單位像素的物理大??；u0,v0為像素坐標原點；f為CCD攝像機焦距；R是一個3×3的單位正交矩陣；T是3×1的平移向量；ax＝f/dx，ay＝f/dy；為CCD攝像機內部參數(shù)矩陣。采用單目視覺測距幾何模型計算出前方車輛與自車輛的實際距離，計算公式為：d＝h/tan{α+arctan[(y0-y)/f]}其中：f為CCD攝像機的有效焦距；α為CCD攝像機的俯仰角度；h為CCD攝像機的安裝高度，即CCD攝像機的鏡頭中心與地面的距離；y0為光軸與像平面交點的y軸坐標；y為路面上一點p在像平面上的投影坐標；上述點p即為機器視覺檢測出的前方車輛的角點位置在像平面中的像素點。角點檢測方法的角點判定公式為：令窗口W發(fā)生位置偏移(u,v)，比較偏移前后窗口中每一個像素點的灰度變化值，使用誤差平方和定義誤差函數(shù)E(u,v)：E(u,v)=Σ(x,y)∈Wω(x,y)[I(x+u,y+v)-I(x,y)]2]]>其中：ω(x,y)為窗口函數(shù)；I(x+u,y+v)為平移后的圖像灰度；I(x,y)為圖像灰度；將I(x+u,y+v)進行Taylor展開：I(x+u,y+v)=I(x,y)+∂I∂xu+∂I∂yv+O(u2+v2)]]>舍去高階小量得：I(x+u,y+v)≈I(x,y)+∂I∂xu+∂I∂yv≈I(x,y)+[IxIy]uv]]>E(u,v)=Σ(x,y)∈Wω(x,y)IxIyuv2=[uv](Σ(x,y)∈Wω(x,y)Ix2IxIyIyIxIy2)]]>令H=Σ(x,y)∈Wω(x,y)Ix2IxIyIyIxIy2=ω(x,y)*Ix2IxIyIyIxIy2]]>H為自相關矩陣，λ1和λ2是H的2個特征值；當λ1和λ2均很小時，圖像窗口在所有方向上移動均沒有明顯灰度變化，此時判別此區(qū)域為平面；當λ1＞＞λ2或λ2＞＞λ1時，圖像窗口沿著邊緣移動，沒有灰度變化；當λ1和λ2均較大且數(shù)值相當λ1～λ2時，此時圖像窗口沿任意方向移動均有明顯灰度變化，則判別此時檢測到的為角點；角點應滿足的基本性質：最小特征值應盡量大，角點響應為R＝λmin，即對應特征值為λmin的點為角點。結合上述方法，且根據不同的天氣情況、不同的光照條件以及自車輛不同的行駛速度，本實施方式給出了4個實施例及4個實驗結果檢驗上述方法的可行性和準確性：實施例1：在結構化道路上，天氣晴朗、光照充足的情況下，自車以30km/h時速行進時對前方不同距離車輛進行檢測。前方車輛的實際距離分別為10m、20m、30m、40m、50m；根據本方法測得的距離與實際距離進行對比，如圖5；圖中距離測量值分別為9.50m、19.25m、31.45m、41.80m、52.00m；根據上述實驗結果可知，利用本方法獲得的測量值與實際值之間的誤差均控制在5％之內。實施例2：在結構化道路上，天氣晴朗、光照充足的情況下，自車以60km/h時速行進時對前方不同距離車輛進行檢測。前方車輛的實際距離分別為10m、20m、30m、40m、50m；根據本方法測得的距離與實際距離進行對比，如圖6；圖中距離測量值分別為10.25m、20.85m、31.30m、42.00m、52.50m；根據上述實驗結果可知，利用本方法獲取的測量值與實際值之間的誤差均控制在5％之內。實施例3：在結構化道路上，天氣有霧、光照不足的情況下，自車以30km/h時速行進時對前方不同距離車輛進行檢測。前方車輛的實際距離分別為10m、20m、30m、40m、50m；根據本方法測得的距離與實際距離進行對比，如圖7；圖中距離測量值分別為9.65m、20.50m、31.35m、38.85m、51.50m；根據上述實驗結果可知，利用本方法獲得的測量值與實際值之間的誤差均控制在5％之內。實施例4：在結構化道路上，天氣有霧、光照不足的情況下，自車以60km/h時速行進時對前方不同距離車輛進行檢測。前方車輛的實際距離分別為10m、20m、30m、40m、50m；根據本方法測得的距離與實際距離進行對比，如圖8；圖中距離測量值分別為10.50m、21.00m、31.50m、42.00m、49.50m；根據上述實驗結果可知，利用本方法獲得的測量值與實際值之間的誤差均控制在5％之內。結合實施例1、2、3、4的實驗結果，表明利用本方法測量的前方車輛與自車輛的距離值與實際距離值的誤差小，滿足實際需求，在實際的使用過程中，能準確的測量出前方車輛與自車輛的實際距離，為車輛采取應急措施等舉措提供有力的數(shù)據，進一步保證車輛在行駛過程中的安全性，避免危險事故的發(fā)生。本實施方式中，采用角點檢測方法確定前方車輛在圖像信息中像素點具體位置來檢測前方車輛的距離，與傳統(tǒng)方法相比，具有通用性高、魯棒性好、計算速度快、實施簡單等優(yōu)點；采用單目視覺測距幾何模型對前方車輛與自車輛間的距離進行計算，其算法簡單穩(wěn)定，不需要進行任何的算法轉換；且該方法可用于結構化道路上不同行駛速度、不同的光照條件環(huán)境下的前方車輛距離檢測，保證了該方法的有效性和廣泛實用性。以上所述，僅為本發(fā)明較佳的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本
技術領域：
的技術人員在本發(fā)明揭露的技術范圍內，根據本發(fā)明的技術方案及其發(fā)明構思加以等同替換或改變，都應涵蓋在本發(fā)明的保護范圍之內。當前第1頁1 2 3