CN106370884A - 基于双目相机计算机视觉技术的车辆测速方法 - Google Patents

Abstract

本发明涉及计算机视觉领域中的车辆测速技术，其公开了一种基于双目相机计算机视觉技术的车辆测速方法，解决传统技术中的车辆测速不准确的问题。该方法包括以下步骤：A、利用双目相机采集车辆行驶视频图像；B、对视频图像中的车辆目标进行检测及跟踪定位；C、获取行驶车辆在现实三维空间内的坐标信息，得到车辆行驶通过的真实距离，从而计算出车辆行驶的速度。本发明适用于对车辆实时、准确测速。

Description

基于双目相机计算机视觉技术的车辆测速方法

技术领域

本发明涉及计算机视觉领域中的车辆测速技术，具体涉及一种基于双目相机计算机视觉技术的车辆测速方法。

背景技术

现有的车辆测速主要基于激光、雷达以及图像视频监控这几类方法：

激光测速系统通过对车辆进行多次测距，与测量时间之比得到车辆行驶速度。该方法要求测速系统正对车辆运动方向时测距准确度最高，当存在测量偏差角度时，测量准确度随测量偏差角度的变大而下降，因此难以满足实际车辆测速需求。

雷达测速系统应用多普勒效应，当车辆相对雷达测速系统存在相对运动时，雷达回波产生多普勒频率变化，再根据雷达系统与车辆行驶方向夹角关系利用多普勒频率与速度公式计算得到车辆行驶速度。车辆测速时，车辆相对雷达测速系统不能视为简单的点目标，因此车辆各部分均反射雷达回波信号，并且多普勒频率存在差异，影响雷达测速系统的准确度。

目前的图像视频监控车辆测速主要基于单目相机图像处理技术，通过以下两种方式进行车辆测速：

测量车辆在已知时间段内运动距离得到车辆行驶速度：通过预先在拍摄区域内设立标准度量范围，如预先标定某两个基线之间的距离，再通过相机拍摄得到车辆通过基线间前后的时间差，计算得到车辆行驶速度；

测量车辆通过已知距离所需时间得到车辆行驶速度：将已知时间段内车辆在拍摄图像内坐标变化与图像内标准长度坐标进行比对，得到换算后真实行驶距离再计算得到车辆行驶速度。

以上两种基于单目相机计算机视觉技术的车辆测速方法在得到车辆行驶距离时，前者由于硬件限制，不能保证车辆在进出基线的时刻恰好被相机捕捉得到，得到的时间差并不为真实通过基线之间距离的时间差；后者能够保证时间差的准确度，但是由于图像拍摄会存在透视效应，相同坐标差的远景与近景所代表的真实距离存在较大差异，因此坐标变化比对的方式得到的车辆行驶距离存在较大的误差。

发明内容

本发明所要解决的技术问题是：提出一种基于双目相机计算机视觉技术的车辆测速方法，解决传统技术中的车辆测速不准确的问题。

本发明解决上述技术问题所采用的方案是：

基于双目相机计算机视觉技术的车辆测速方法，包括以下步骤：

A、利用双目相机采集车辆行驶视频图像；

B、对视频图像中的车辆目标进行检测及跟踪定位；

C、获取行驶车辆在现实三维空间内的坐标信息，得到车辆行驶通过的真实距离，从而计算出车辆行驶的速度。

作为进一步优化，步骤A中，在利用双目相机采集车辆行驶视频图像之前，对双目相机参数进行标定。

作为进一步优化，步骤B中，采用Adaboost方法通过训练弱分类器级联的方式对车辆进行检测，采用Kernelized Correlation Filters(KCF)算法进行车辆跟踪。

作为进一步优化，步骤C中，所述获取行驶车辆在现实三维空间内的坐标信息，得到车辆行驶通过的真实距离，从而计算出车辆行驶的速度的方法为：

首先，对同一时刻采集的左右图像进行立体匹配获得视差图，视差图中的对应像素点P的视差D为其分别在左、右图像平面的成像点对应横坐标X_left、X_right的差值：

D＝X_left-X_right (1)

基线距B为两相机的投影中心连线的距离，用f表示相机的焦距，根据三角测量原理，得到三角几何关系：

$\left\{\begin{array}{c}{X}_{left}=f\frac{x}{z}\\ X_{right}=f\frac{(x-B)}{z}\\ Y_{left}=Y_{right}=f\frac{y}{z}\\ D=X_{left}-X_{right}\end{array}\right.---\left(2\right)$

计算得到像素点P的三维坐标值(x,y,z)：

$(x,y,z)=(\frac{{\mathrm{BX}}_{left}}{D},\frac{{\mathrm{BY}}_{eft}}{D},\frac{Bf}{D})---\left(3\right)$

以前一时刻拍摄的车辆图像中行驶车辆的几何中心作为车辆在平面图像的坐标位置，

通过公式(1)(2)(3)获得车辆在前一时刻的真实三维坐标(x₀,y₀,z₀)；

以后一时刻拍摄的车辆图像中行驶车辆的几何中心作为车辆在平面图像的坐标位置，通过公式(1)(2)(3)计算获得车辆在后一时刻的真实三维坐标(x₁,y₁,z₁)

然后，计算获得车辆前后时刻间的真实行驶距离：

$d=\sqrt{{(x_0-x_1)}^2+{(y_0-y_1)}^2+{(z_0-z_1)}^2}---\left(4\right)$

最后根据前一时刻的时间点t₀、后一时刻的时间点t₁计算车辆的行驶速度：

$v=\frac{d}{\left|t_0-t_1\right|}---\left(5\right).$

本发明的有益效果是：

本发明通过双目相机获取行驶车辆在现实三维空间中的坐标信息，能够计算得到行驶车辆在相机采集过程中真实的行驶距离，该距离根据坐标直接计算得到，因此更加快速，更加精准，有效地提升了车辆测速的实时性与准确度。

附图说明

图1为基于双目相机计算机视觉技术的车辆测速方法流程简图；

图2为双目相机三角测量原理图。

具体实施方式

双目相机是人类双眼功能延伸的体现，人类通过双眼在获取外界图像的基础上，同时还能感知外界物体的三维深度。而双目相机采集同一时刻下外界图像，经过计算机视觉算法处理，同样能够获取外界物体的三维坐标信息。为了解决单目相机坐标变化比对方式计算距离误差较大的问题，本发明通过双目相机获取物体的三维坐标信息，利用几何方法计算行驶距离，同时可以自由选取时间点计算时间差的方式也大大降低了由于时间差所带来的影响。

如图1所示，本发明中的基于双目相机计算机视觉技术的车辆测速方法包括以下步骤：

1)视频采集：

在本步骤之前，需要将双目相机安装在道路旁(如路灯上)，为保证测量的准确性，对双目相机进行标定其参数；在使用时，利用双目相机采集车辆行驶视频图像，获取视频序列图像并传入车辆检测与跟踪模块。

2)车辆检测与跟踪：

车辆检测与跟踪模块对视频图像中的车辆目标进行检测及跟踪定位；

车辆检测与跟踪是实现双目测距的基础。首先需要对场景里的车辆进行检测，只有在检测到车辆目标的情况下才能进行对车辆的定位；之后对检测到的车辆进行跟踪，跟踪到变化的坐标用来计算车辆在跟踪的时间段内所行驶的距离。本发明采用经典的Adaboost方法通过训练弱分类器级联的方式对车辆进行检测，然后采用KernelizedCorrelation Filters(KCF)算法进行车辆跟踪。

由于本发明中所采用的车辆检测和跟踪算法均为本领域常规算法，这里不再对其具体实现进行赘述。

3)双目测量与计算：

在本步骤中，通过双目匹配与视差计算方法获取行驶车辆在现实三维空间内的坐标信息，得到车辆行驶通过的真实距离，从而计算出车辆行驶的速度，具体手段如下：

首先，对同一时刻采集的左右图像进行立体匹配获得视差图，如图2所示，视差图中的对应像素点P的视差D为其分别在左、右图像平面的成像点对应横坐标X_left、X_right的差值：

D＝X_left-X_right (1)

基线距B为两相机的投影中心连线的距离，用f表示相机的焦距，根据三角测量原理，得到三角几何关系：

$\left\{\begin{array}{c}{X}_{left}=f\frac{x}{z}\\ X_{right}=f\frac{(x-B)}{z}\\ Y_{left}=Y_{right}=f\frac{y}{z}\\ D=X_{left}-X_{right}\end{array}\right.---\left(2\right)$

计算得到像素点P的三维坐标值(x,y,z)：

$(x,y,z)=(\frac{{\mathrm{BX}}_{left}}{D},\frac{{\mathrm{BY}}_{left}}{D},\frac{Bf}{D})---\left(3\right)$

以前一时刻拍摄的车辆图像中行驶车辆的几何中心作为车辆在平面图像的坐标位置，将该坐标位置作为上述像素点P，通过公式(1)(2)(3)获得车辆在前一时刻的真实三维坐标(x₀,y₀,z₀)；

以后一时刻拍摄的车辆图像中行驶车辆的几何中心作为车辆在平面图像的坐标位置，将该坐标位置作为上述像素点P，通过公式(1)(2)(3)计算获得车辆在后一时刻的真实三维坐标(x₁,y₁,z₁)；

然后，计算获得车辆前后时刻间的真实行驶距离：

$d=\sqrt{{(x_0-x_1)}^2+{(y_0-y_1)}^2+{(z_0-z_1)}^2}---\left(4\right)$

最后根据前一时刻的时间点t₀、后一时刻的时间点t₁计算车辆的行驶速度：

$v=\frac{d}{\left|t_0-t_1\right|}---\left(5\right).$

根据上述实现方案，本发明可以通过不同帧数图像之间车辆几何中心的三维坐标变化，计算不同帧数图像内车辆移动的距离，并根据对应时间，计算出车辆的行驶速度，从而可以计算任意时间点之间的车辆行驶速度，以解决传统技术中采用单目相机测速不能保证测量时间差即为通过前后基线的实际时间差而带来测量误差的问题。

Claims (4)

1.基于双目相机计算机视觉技术的车辆测速方法，其特征在于，包括以下步骤：

A、利用双目相机采集车辆行驶视频图像；

B、对视频图像中的车辆目标进行检测及跟踪定位；

C、获取行驶车辆在现实三维空间内的坐标信息，得到车辆行驶通过的真实距离，从而计算出车辆行驶的速度。

2.如权利要求1所述的基于双目相机计算机视觉技术的车辆测速方法，其特征在于，步骤A中，在利用双目相机采集车辆行驶视频图像之前，对双目相机参数进行标定。

3.如权利要求1所述的基于双目相机计算机视觉技术的车辆测速方法，其特征在于，步骤B中，采用Adaboost方法通过训练弱分类器级联的方式对车辆进行检测，采用KernelizedCorrelation Filters算法进行车辆跟踪。

4.如权利要求1所述的基于双目相机计算机视觉技术的车辆测速方法，其特征在于，步骤C中，所述获取行驶车辆在现实三维空间内的坐标信息，得到车辆行驶通过的真实距离，从而计算出车辆行驶的速度的方法为：

首先，对同一时刻采集的左右图像进行立体匹配获得视差图，视差图中的对应像素点P的视差D为其分别在左、右图像平面的成像点对应横坐标X_left、X_right的差值：

D＝X_left-X_right (1)

基线距B为两相机的投影中心连线的距离，用f表示相机的焦距，根据三角测量原理，得到三角几何关系：

$\left\{\begin{array}{c}{X}_{left}=f\frac{x}{z}\\ X_{right}=f\frac{(x-B)}{z}\\ Y_{left}=Y_{right}=f\frac{y}{z}\\ D=X_{left}-X_{right}\end{array}\right.---\left(2\right)$

计算得到像素点P的三维坐标值(x,y,z)：

$(x,y,z)=(\frac{{\mathrm{BX}}_{left}}{D},\frac{{\mathrm{BY}}_{left}}{D},\frac{Bf}{D})---\left(3\right)$

以前一时刻拍摄的车辆图像中行驶车辆的几何中心作为车辆在平面图像的坐标位置，

通过公式(1)(2)(3)获得车辆在前一时刻的真实三维坐标(x₀,y₀,z₀)；

以后一时刻拍摄的车辆图像中行驶车辆的几何中心作为车辆在平面图像的坐标位置，通过公式(1)(2)(3)计算获得车辆在后一时刻的真实三维坐标(x₁,y₁,z₁)

然后，计算获得车辆前后时刻间的真实行驶距离：

$d=\sqrt{{(x_0-x_1)}^2+{(y_0-y_1)}^2+{(z_0-z_1)}^2}---\left(4\right)$

最后根据前一时刻的时间点t₀、后一时刻的时间点t₁计算车辆的行驶速度：

$v=\frac{d}{\left|t_0-t_1\right|}---\left(5\right).$