本發(fā)明屬于cms電子外后視鏡，具體涉及一種基于cms系統(tǒng)的半掛車車尾檢測方法及系統(tǒng)。

背景技術：

1、近年來，汽車領域的發(fā)展越來越趨于電子化和智能化，隨著科技的快速發(fā)展，汽車領域的相關技術取得了很大提升，cms(camera?monitor?system，電子外后視鏡)系統(tǒng)便是之一，不同于傳統(tǒng)的光學后視鏡，cms電子外后視鏡系統(tǒng)采用攝像頭與顯示屏的組合，外部攝像頭采集的圖像經過處理后顯示在艙內的顯示屏上，其優(yōu)勢包括視野寬闊、受環(huán)境影響小、體積小，風阻小等，尤其在商用車領域，惡劣環(huán)境和視野受阻是事故發(fā)生的重要因素，cms系統(tǒng)可以很大程度上改善這些問題，降低事故發(fā)生的概率。

2、通過cms系統(tǒng)的圖像可以觀察到車輛的姿態(tài)和周圍的行駛環(huán)境，cms的視野需滿足法規(guī)規(guī)定，并且可隨著場景的變化而臨時調整，相較于普通的乘用車，由于半掛車車身較長，車頭和車廂是分離的，因而在轉彎等場景下車廂和車頭的夾角較大，導致車尾超出或離開圖像的視野范圍，不利于駕駛員觀察車后方的環(huán)境，現(xiàn)有技術中的cms系統(tǒng)視野調整方法并不準確，不能保證半掛車的車尾始終在最佳視野內，只能結合司機經驗進行車身調整。

3、因此，需要一種半掛車車尾檢測方法，及時觀測到車尾的位置變化，調整cms系統(tǒng)的視野，保持車尾位于最佳觀測區(qū)域，避免視野遮擋造成事故。

技術實現(xiàn)思路

1、有鑒于此，本發(fā)明提出了一種基于cms系統(tǒng)的半掛車車尾檢測方法及系統(tǒng)，用于解決現(xiàn)有的cms系統(tǒng)不能使半掛車的車尾始終在最佳視野內的問題。

2、本發(fā)明第一方面，公開了一種基于cms系統(tǒng)的半掛車車尾檢測方法，所述方法包括：

3、通過cms系統(tǒng)持續(xù)采集當前車尾圖像，在車尾圖像中設置roi區(qū)域；

4、對所述roi區(qū)域進行垂直方向邊緣檢測，提取候選的車尾垂向邊緣線；

5、對所述車尾圖像進行邊緣檢測，得到邊緣圖像，對所述邊緣圖像進行直線檢測，提取車身底部邊緣線；

6、根據所述候選的車尾垂向邊緣線和所述車身底部邊緣線計算當前車尾點坐標；

7、根據當前車尾點坐標實時調整cms系統(tǒng)的視野，使車尾始終在預設的最佳顯示范圍內。

8、在以上技術方案的基礎上，優(yōu)選的，所述在車尾圖像中設置roi區(qū)域具體包括：

9、對于初始幀車尾圖像，根據cms系統(tǒng)的標定模塊獲取車尾點在圖像上的位置坐標；

10、以車尾點為參考點，設置寬度為w、高度為h的roi區(qū)域，以roi區(qū)域的左上角為坐標原點，使車尾點在roi區(qū)域中的坐標為(w/2,3h/4)；

11、對于非初始幀車尾圖像，使用上一幀檢測到的車尾點作為參考點，設置寬度為w、高度為h的roi區(qū)域，以roi區(qū)域的左上角為坐標原點，使車尾點在roi區(qū)域中的坐標為(w/2,3h/4)。

12、在以上技術方案的基礎上，優(yōu)選的，所述對所述roi區(qū)域進行垂直方向邊緣檢測，提取候選的車尾垂向邊緣線具體包括：

13、通過sobel算子提取roi區(qū)域的垂直邊緣圖像；

14、在所述垂直邊緣圖像中，每一列像素的垂直邊緣累計值，得到垂直邊緣累計值序列；

15、使用高斯濾波對所述垂直邊緣累計值序列進行平滑處理，查找所述垂直邊緣累計值序列的峰值以及峰值對應的橫坐標；

16、將各個峰值對應的橫坐標組成橫坐標數(shù)組；

17、將每個峰值對應的橫坐標處垂直于橫軸的直線作為候選的車尾垂向邊緣線。

18、在以上技術方案的基礎上，優(yōu)選的，所述對所述邊緣圖像進行直線檢測，提取車身底部邊緣線具體包括：

19、對于初始幀車尾圖像，在提取的邊緣圖像中使用hough變換做直線檢測，提取多個第一候選直線；

20、根據cms系統(tǒng)的標定模塊計算攝像頭對應的地面投影點在圖像上的投影坐標，將初始幀車尾圖像中的車尾點與投影坐標形成的直線作為初始車身參考線l；

21、分別計算各個第一候選直線與初始車身參考線l的夾角，濾除與初始車身參考線l的夾角大于預設角度閾值的第一候選直線；

22、分別計算車尾點(u0,v0)和投影坐標(uc,vc)到各個第一候選直線的距離，選取與兩點的距離之和最小的第一候選直線作為車身底部邊緣線。

23、在以上技術方案的基礎上，優(yōu)選的，所述對所述邊緣圖像進行直線檢測，提取車身底部邊緣線還包括：

24、對于非初始幀車尾圖像，計算上一幀車尾圖像的車身底部邊緣線與圖像邊緣的交點p，計算上一幀車尾圖像的車尾點和交點p的水平距離dw；

25、以上一幀車尾圖像的車身底部邊緣線為中心線，平行向兩側拓展寬度d，得到拓展區(qū)域，其中，d＝2dw；

26、在所述拓展區(qū)域內進行canny邊緣和hough直線檢測，提取多個第二候選直線；

27、分別計算上一幀車尾圖像的車尾點和交點p到各個第二候選直線的距離，選取與兩點的距離之和最小的第二候選直線作為車身底部邊緣線。

28、在以上技術方案的基礎上，優(yōu)選的，所述根據所述候選的車尾垂向邊緣線和所述車身底部邊緣線計算當前車尾點坐標具體包括：

29、分別將各個候選的車尾垂向邊緣線的橫坐標代入車身底部邊緣線的直線方程，得到相應的縱坐標；

30、將各個候選的車尾垂向邊緣線的橫坐標與對應的縱坐標作為候選車尾點；

31、計算各個候選車尾點與上一幀車尾圖像的車尾點的歐氏距離；

32、選擇歐氏距離最小的候選車尾點作為當前幀的車尾點坐標。

33、在以上技術方案的基礎上，優(yōu)選的，所述根據當前車尾點坐標實時調整cms系統(tǒng)的視野，使車尾始終在預設的最佳顯示范圍內：

34、根據前幀的車尾點坐標剪裁水平方向的可視視野，使車尾點到車身所在圖像邊緣的水平寬度占整個視野寬度的比例不超過預設比例閾值。本發(fā)明第二方面，公開了一種基于cms系統(tǒng)的半掛車車尾檢測系統(tǒng)，所述系統(tǒng)包括：

35、數(shù)據采集模塊：用于通過cms系統(tǒng)持續(xù)采集當前車尾圖像；

36、車尾邊緣檢測模塊：用于在車尾圖像中設置roi區(qū)域，對所述roi區(qū)域進行垂直方向邊緣檢測，提取候選的車尾垂向邊緣線；

37、車身邊緣檢測模塊：用于對所述車尾圖像進行邊緣檢測，得到邊緣圖像，對所述邊緣圖像進行直線檢測，提取車身底部邊緣線；

38、車尾點計算模塊：用于根據所述候選的車尾垂向邊緣線和所述車身底部邊緣線計算當前車尾點坐標；

39、視野調整模塊：用于根據當前車尾點坐標實時調整cms系統(tǒng)的視野，使車尾始終在預設的最佳顯示范圍內。

40、本發(fā)明第三方面，公開一種電子設備，包括：至少一個處理器、至少一個存儲器、通信接口和總線；

41、其中，所述處理器、存儲器、通信接口通過所述總線完成相互間的通信；

42、所述存儲器存儲有可被所述處理器執(zhí)行的程序指令，所述處理器調用所述程序指令，以實現(xiàn)如本發(fā)明第一方面所述的方法。

43、本發(fā)明第四方面，公開一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲計算機指令，所述計算機指令使計算機實現(xiàn)如本發(fā)明第一方面所述的方法。

44、本發(fā)明相對于現(xiàn)有技術具有以下有益效果：

45、1)本發(fā)明基于現(xiàn)有的cms系統(tǒng)，從車尾圖像的roi區(qū)域中提取候選的車尾垂向邊緣線和車身底部邊緣線，根據所述候選的車尾垂向邊緣線和所述車身底部邊緣線計算當前車尾點坐標，從而實時輔助調整cms系統(tǒng)攝像頭的視野，使車尾始終在最佳視野內，便于觀察車后方的環(huán)境，提高半掛車的行車安全性。

46、2)本發(fā)明根據上一幀的車尾坐標設置了車尾檢測的roi區(qū)域，通過sobel算子提取roi區(qū)域的垂直邊緣圖像，通過對車尾圖像的邊緣圖像進行直線檢測，提取車身底部邊緣線，分別將各個候選的車尾垂向邊緣線的橫坐標代入車身底部邊緣線的直線方程，得到相應的縱坐標，從而確定候選車尾點，最后計算各個候選車尾點與上一幀車尾圖像的車尾點的歐氏距離，選擇歐氏距離最小的候選車尾點作為當前幀的車尾點坐標，充分利用了攝像頭采集的視頻幀在時間上的連續(xù)性，有助于動態(tài)場景下的穩(wěn)定跟蹤，避免由于劇烈的圖像變化或檢測噪聲導致的錯誤定位。

47、3)本發(fā)明通過直線件測提取多個候選直線，充分利用半掛車的幾何特征篩選出車身底部邊緣線，其中，對于初始幀車尾圖像，濾除與初始車身參考線l的夾角大于預設角度閾值的第一候選直線；選取車尾點和投影中心點到各個第一候選直線的距離之和最小的第一候選直線作為車身底部邊緣線；對于非初始幀車尾圖像，在拓展區(qū)域內提取多個第二候選直線，選取上一幀車尾圖像的車尾點和交點p到各個第二候選直線的距離之和最小的第二候選直線作為車身底部邊緣線；即本發(fā)明可以在存在噪聲和干擾的情況下，快速排除離車身較遠或不相關的候選線，可靠地識別車身底部邊緣線；同時，采用兩幀圖像之間的相關性進行檢測，使得車尾點的識別能夠更為穩(wěn)定，有助于在高速或復雜場景中保持跟蹤的可靠性。

48、4)本發(fā)明在計算車身底部邊緣線和車尾點坐標的過程中，通過距離計算選取最優(yōu)解，可以在較少的計算量下快速得出結果，適合實時應用環(huán)境的需求，提高了算法的效率。