CN101382497B - 基于路况监控视频的能见度检测方法 - Google Patents

Abstract

基于路况监控视频的能见度检测方法，使用高速公路外场路侧摄像机进行多个角度和位置的视频采集，在视频图像采集时，连续截取15～30帧图像；图像距离目标物自动标定和预处理：对采集到的视频图像进行像平面到世界坐标的自动转换，提取分割出4～8组虚拟距离信息目标物、判别图片是否满足特征；采用基于路况监控视频能见度检测算法，该算法对路况视频图像，通过对路面情况的分析，进行能见度检测；对所得到的15～30帧图像的能见度距离进行处理，能见度距离平均化处理，得出当前的能见度值；建立图像坐标至路面坐标的映射关系，将图像距离信息转换成路面距离信息，然后进行符合人眼的能见度分析和检测，得出能见度值。

Description

基于路况监控视频的能见度检测方法

技术领域

本发明属于智能交通技术领域，设计基于监控视频的大气能见度检测方法与系统，主要用于交通监控环境下的道路能见度行车条件的实时检测和监控。

背景技术

随着全国高速公路为主骨架网络规划的逐步建成和完善，公路在运输体系和国民经济发展中的作用越来越重要。现代公路运输体系追求的快速、高效和安全，高速公路为车辆的高速通行提供了良好的条件，但是浓雾、沙尘暴、烟雾污染等不良天气造成的大气能见度较低，给高速公路的安全运营和经济效益带来了较大的影响。低能见度天气造成的高速公路事故、堵塞和封路给地方经济和高速公路自身经济效益造成了巨大的损失。据统计，高速公路上因浓雾的影响造成的变通事故大约占事故总数的1/4左右，雾天高速公路的事故率是平常的10倍。因恶劣天气、自然灾害突发交通中断和交通延误所造成的损失越来越大，成为威胁人民生产财产安全的一个重大隐患。因此对高速公路进行实时能见度监测，及时发现各路段的各种异常气象情况并采取相应的应急措施，最大限度减少能见度对交通的不利影响，是保证高速公路安全、舒适、高速运营的必要管理手段。

当前，我国高速公路运营和管理部门采用传统的气象能见度仪，基于大气的光前向或后向散射原理进行能见度检测，所采集的样本空间相当有限，在团雾、雨雪、沙尘天气发生时，其检测精度大大下降，同时能见度仪价格昂贵，难以沿路密集布设，进而构建路段能见度分布情况和分段封路管理。严重影响出行者的时间和路公司的经济效益。

国外早在上个世纪90年代就开始研究如何使用视频采集设备(摄像机、照相机)获取图像进行能见度仿真检测。美国明尼苏达大学运输系2004年公布的Taek Mu Kwon撰写的《AtmosphericVisibility Measurements Using Video Cameras：Relative Visibility》一文和相关专利中，使用视频照相机和多个标靶，在高速公路上进行日间能见度检测，通过将标靶的对比度值进行能见度非线性曲线拟合得出能见度值；在国内，成都易航信息科技有限公司于2003年申请的和2006年申请的自校准大气能见度测量方法和系统专利中，在明尼苏达大学的研究基础使用归一化对比度对因散射引起的标靶光亮度的减小和增加两个部分的变化，和对标靶的黑白目标固有亮度差异的处理，将归一化对比度等于阈值0.05的标靶距离作为现场能见度值，在最近标靶到最远标靶距离范围以外的能见度值则通过曲线拟合得到。但是以上两个专利中，研究者都是在人为的制造相应的标志物(标靶)上，采用固定摄像机，对标靶上黑白色形成的强对比度进行能见度分析检测，无法在多个位置上进行能见度检测。而目前均采用云台遥控摄像机，以上系统难以兼容现有平台。

发明内容

本发明的目的在于克服现有技术的不足和兼容原有监控系统的基础上，设计一种不需要设置任何人工标志物的视频能见度检测系统，该系统通过分析视频中因天气引起的物体边缘减弱以及亮度的差别，采用相关亮度对比度计算，得出更加符合人眼特性能见度的检测结果。解决了能见度实时监控系统与现有高速公路视频监控融合的难题，减少了架设人工标志物和能见度相关设备所带来的不必要的人力和财力开销。

本发明的发明目的技术特征在于：

1)与路况监控系统兼容：在现有路况监控系统之上，采用监控系统的通信链路和相关设备进行能见度检测所需的视频采集和结果的发布；路况监控系统包括摄像机和多个标靶，在高速公路上进行能见度检测；

2)多角度视频采集：使用高速公路外场路侧摄像机进行多个角度和位置的视频采集，对采集到的视频图像必须满足：图像的最下端离摄像机的距离小于等于20米，图像的最上端大于等于200米，且在视频图像采集时，定时(T＝1-5秒)截取一帧图像，连续截取15～30帧图像；

3)图像距离目标物自动标定和预处理：不需要在道路上架设带有距离信息的人工标识物，而是对采集到的视频图像进行像平面到世界坐标的自动转换，使用计算机标定方法，分析图像中像素间的距离信息，提取分割出4～8组虚拟距离信息目标物、判别视频图像是否满足特征2)；

4)在不同天气条件下进行能见度检测：采用基于路况监控视频能见度检测算法，该算法对路况视频图像，通过对路面情况的分析，进行能见度检测。采用该算法进行能见度检测可以避免能见度仪在团雾、雨、沙尘等天气条件下，因为只检测很小的一段空气柱所带来的检测结果不准确和使用固定人工距离目标物的算法及系统在目标物表面受到污染和褪色等情况下，造成检测结果有所偏差和错误。同时对所得到的15～30组能见度距离进行处理，去除其中的异常值，对其它的能见度距离平均化处理，得出当前的能见度值；

5)检测结果的联网分析和发布：根据路况沿途各摄像机所检测到的能见度结果，对全路段的能见度情况进行统计和分析，得出全路段的能见度分布，将所得结果根据国家大气能见度标准的能见度等级定义进行分级处理，同时根据交通部门关于在各能见度等级下的车辆行驶状态，通过网络和监控系统的链路为用户提供相关提示和警告信息，同时告知交通管理部门采取相关措施。

本发明的改进包括：兼容原有的路况监控系统：使用高速公路监控系统进行图像摄取和信息、数据的传输，使用高速公路现有的外场路侧摄像机进行全路段的能见度视频采集和能见度实时监控，在监控中心，从视频分配器中接入图像，引入能见度检测和分析服务器中，进行计算和分析；

通过原有监控系统的通信链路，将获取图像的能见度检测结果和全路段能见度分布情况的相应数据以网页的形式向用户和交通管理部门发布；

本发明的改进还在于：使用路侧云台遥控(PTZ)摄像机，跳转多个机位进行不同角度的路面信息获取，不局限于某个固定位置；根据摄像机自动标定算法，实现像平面到路面坐标的自动转换，提取图像中的距离信息，摄像机进行变焦、平移或旋转运动，跳转至各个不同机位时，系统自动重新标定，无需任何人为设置，自动在视频图像中建立虚拟距离信息目标物；

一种路况视频能见度检测算法，人眼模拟：分析摄像机和人眼感光效果的不同，提出采用基于修正的Kohler的一致对比度法的对比度计算方法，将摄像机获取的图像模拟为人眼所见的图像；

目标物特征提取：对图像提取出来的虚拟距离信息目标物，使用人眼模拟算法，检测出符合人眼的强对比度边缘信息，将边缘特征提取出来；

计算能见度距离：对每幅图片中提取的特征边缘和上述提取的距离信息，采用曲线回归分析进行曲线拟合，得出符合人眼特征的能见度曲线，然后根据国际民航组织(IACO)和国际照明委员会(CIE)对人眼对比度阈值的定义，得出能见度距离；

本发明可在不同天气气候条件，包括雨、雾、雪、阴霾、沙尘天气进行能见度检测；联网分析和发布，在监控中心架设相应的能见度检测分析服务器，用于检测路况沿途各点的能见度和统计和分析路段能见度分布情况，再结合历史数据对整个路段的能见度分布情况及可能产生的变化及时告知给出行者和交通管理部门。

本发明的有益效果是：不需要在道路上架设带有距离信息的人工标识物，而是对采集到的视频图像进行像平面到世界坐标的自动转换，使用计算机标定方法，分析图像中像素间的距离信息，通过分析视频中因天气引起的物体边缘减弱以及亮度的差别，采用相关亮度对比度计算，得出更加符合人眼特性能见度的检测结果。解决了能见度实时监控系统与现有高速公路视频监控融合的难题，减少了架设人工标志物和能见度相关设备所带来的不必要的人力和财力开销。

附图说明

图1是本发明能见度系统结构

图2是本发明摄像机成像模型

图3是本发明照片(分道线角点检测结果)

图4是标定模板鸟瞰图

图5是虚拟距离目标物选取

图6是虚拟目标物特征曲线拟合

图7是数据处理流程

图8是能见度系统处理流程

具体实施方式

本发明所阐述的基于路况监控视频的能见度检测系统与原有的路况监控系统兼容，其工作原理如图1所示：

它由路况监控系统和能见度检测分析服务器组成，与现有的路况监控系统完全融合，只需要在监控中心架设能见度检测和分析服务器即可，系统所必须的设备有视频采集设备、能见度检测和分析服务器、用户终端显示设备、信息发布设备和相应的通信传输链路组成。高速公路监控系统提供视频采集设备、信息发布设备和相应的通信传输链路；能见度检测和分析服务器提供图像分析(编解码、D/A转换、图像预处理)，数据处理(能见度处理、能见度分布分析)，信息发布(道路情报板发布、Web数据发布)。用户终端显示设备是指：用户通过各种终端设备：PDA、个人电脑……使用Web浏览器通过有线和无线设备，进行能见度信息访问和查询。

本发明所阐述的基于路况监控视频的能见度检测系统，以使用云台遥控摄像机以路面为背景，在多个角度上获取不同的视频图像，避免和消除从单角度上获取的视频图像造成的视频单一，和由于各种干扰对视频图像造成的影响；同时进行图像距离目标物自动标定和预处理：

1)首先判断视频图像的光线，包括：图像亮度、光线的角度是否符合图像处理的要求，是否存在图像过曝或者过暗的现象，如果存在就移动摄像机转到合适的位置重新获取图像；

2)不需要在道路上架设带有距离信息的人工标识物，使用人工目标物的能见度检测系统，由于需要架设目标物，就必须涉及到目标物架设所需的高额费用、由于道路弯曲所带来的目标物架设位置的选择，同时由于目标物使用长时间后，损坏、污染、褪色等问题给检测带来的误差，而且在高速公路上设置目标物会给驾车者带来视觉干扰；

3)利用视频采集设备(摄像机)所采集的视频图像，建立图像坐标至路面坐标的映射关系，将图像距离信息转换成路面距离信息，然后进行符合人眼的能见度分析和检测，得出能见度距离。图像坐标至路面坐标的映射关系使用自主研发的摄像机自标定技术完成，其工作步骤如下：

a)建立路况摄像机成像模型，如图2所示，图中定义了三种坐标系，其中地面坐标系X_w-Y_w-Z_w和摄像机坐标系X_c-Y_c-Z_c用来表征三维空间；图像平面坐标系X_f-Y_f用来表征成像平面。建立世界坐标系，其原点为摄像机光轴与地面交点。Y_w轴正向沿路面方向指向前方，X_w轴正向水平指向右方，Z_w轴正向垂直于地面，方向向上。建立摄像机坐标系，原点为摄像机光心位置，Z_c轴为摄像机光轴方向，X_c-Y_c平面平行于像平面。设摄像机光心与世界坐标系原点距离为1，摄像机的俯仰角(摄像机光轴与地平面夹角)为t，偏角(光轴与车道分割线的夹角)为p。旋角为s，忽略高速公路坡度影响，以地平面上平行线间的区域来对应摄像机视域内的高速公路路面；

b)基于定义的摄像机空间方位参数，可建立理想透视模型下，地面坐标系与二维图像坐标系间的坐标变换关系，如式(1)所示：

$X_w=\frac{[l\sin p(x_f\sin s+y_f\cos s)+l\cos p\sin t(x_f\cos s-y_f\sin s)]}{x_f\cos t\sin s+y_f\cos t\cos s+f\sin t}$ 　　　　　　　　(1)

$Y_w=\frac{[-l\cos p(x_f\sin s+y_f\cos s)+l\sin p\sin t(x_f\cos s-y_f\sin s)]}{x_f\cos t\sin s+y_f\cos t\cos s+f\sin t}$

c)利用霍夫变换提取车道线，建立兴趣域，利用HARRIS角点检测算法提取分道线角点信息，角点检测结果如图3所示；

d)摄像机参数求解，以高速公路路面分道线为参照物建立摄像机未标定参数与图像特征参数之间的对应关系。在监控路段上选取基于分道线角点的平行四边形为标定模块，如图4所示。根据角点间平行对应关系，可解出式(1)中未知的摄像机参数p，t，s，f，l，如式(2)所示：

$t=-\arcsin {\left\{\frac{{v_0}^2{(v_A-v_B+v_C-v_D)}^2}{\begin{array}{c}[(v_0-v_D)u_A-(v_0-v_C)u_B+(v_0-v_B)u_C-(v_0-v_A)u_D]\\ \×[-(v_0-v_B)u_A+(v_0-v_A)u_B-(v_0-v_D)u_C+(v_0-v_C)u_D]\end{array}}\right\}}^{1/2}$

$f=v_0/\tan \left(t\right),l=\frac{H}{\sin t},\tan s=-\frac{v_0-v_1}{u_0-u_1}---\left(2\right)$

$p=\arctan \left\{\frac{[(v_0-v_D)u_A-(v_0-v_C)u_B+(v_0-v_B)u_C-(v_0-v_A)u_D]\sin \left(t\right)}{v_0(v_A-v_B+v_C-v_D)}\right\}$

式中(u，v)表示图像坐标系，(u₀，v₀)为由直线x_ax_d，x_bx_c决定的灭点，(u₁，v₁)为由直线x_ax_b，x_dx_c决定的灭点，H为摄像机柱高；

e)将路面坐标系平移至以摄像机柱基为原点，即可计算图像中任意一点距离摄像机的距离，如式(3)所示：

X_camera＝X_w+lcostsinp                   (3)

Y_camera＝Y_w+lcostcosp

式中(X_camera，Y_camera)是以摄像机柱基为原点的路面坐标；

f)从步骤(c)检测出的角点中选取4～8组，以每个角点为中心，划定一个矩形区域为虚拟目标物，如图5所示，虚拟目标物的距离信息如下：

$D\left(i\right)=\frac{[-l\cos p(x_i\sin s+y_i\cos s)+l\sin p\sin t(x_i\cos s-y_i\sin s)]}{x_i\cos t\sin s+y_i\cos t\cos s+f\sin t}+l\cos t\cos p$

                                                             (4)

式中D(i)为第i个虚拟目标物相对于摄像机柱基的距离，(x_i，y_i)为第i个虚拟目标物中心角点的图像坐标。

4)去除图片中的冲击噪声是由于图像在传输过程中容易受到冲激噪声的干扰，而产生了不属于原图像的边缘，因此需在图像灰度化之后采用中值滤波去除噪声的影响；

5)背景提取是将道路从原图像中提取出，作为分析时的目标物的距离依据和强边缘分析检测依据。

本发明所阐述的基于路况监控视频的能见度检测算法，包括人眼模拟、边缘提取和边缘特征确定，其中还包括图像中因天气引起的边缘的减弱，以及亮度的差别。其原理及具体步骤如下：

1)能见度及对比度定义

大气能见度(Visibility)是反映大气透明度的一个指标。关于能见度的定义，国际民航组织(ICAO)、国际照明委员会(CIE)、国际气象组织(WMO)等国际权威机构都有其专门的定义。一般定义为具有正常视力的人在当时的天气条件下还能够看清楚目标轮廓的最大地面水平距离。还有一种定义为目标的最后一些特征已经消失的最小距离。一般来说，对同一种目标，这两种定义确定的能见度大小是有差异的，后者比前者要大一些。按照世界气象组织(WMO)和我国国家气象局关于日间气象能见度的定义为：指视力正常的人，在当时天气条件下，能够从天空背景中看到和辨认的目标物(黑色、大小适度)的最大距离。是指能看到和辨认出目标物的轮廓和形体，凡是看不清目标物的轮廓，认不清其形体，或者所见目标灯的发光点模糊，灯光散乱，都不能算“能见”。关于能见度的定义中，所谓“辨识”是指看清楚目标物的轮廓，也可以指人眼所观测到的亮度对比度(contrast)大于指定的阈值，其计算公式为：

$C_L=\frac{B_0-{B^{\′}}_0}{{B^{\′}}_0}\·{(1+\frac{D_L}{e^{-\mathrm{\σL}}\·{B^{\′}}_0})}^{-1}---\left(5\right)$

其中C₀目标物与其背景的固有亮度对比度，C_L人眼所观测对比度，B₀、B’₀为目标物与其背景的固有亮度，D_L为L路径上大气柱散射各个方向的自然光在L方向上的附加气幕光亮度，σ为大气消光系数。

由于能见度的定义比较简单，但是能见度的检测基于人眼的，所以这给能见度检测带来了许多不确定的因素和困难。如目标物的大小、照明条件、检测的高度、检测的方向角度、背景的光亮度，这些因素在定义中，都没有涉及，但是这些都对能见度检测有明显的影响。本发明是用于交通运输，关注于地面的能见度检测，是在水平方向上亮度对比度的观察。

2)人眼边缘分析及边缘特征提取

本发明对从图像里分割出的目标物图像提供了对检测能见度有重要作用的强对比度边缘，因此通过对比度计算将边缘提取出来。采用基于修正的Kohler的一致对比度法的对比度计算方法，其基本思想是寻找最优阈值来检测较多的高对比度边缘和较少的低对比度边缘。

其计算如(6)、(7)、(8)所示，在灰度图像f中选定一对像素点(x，x₁)，选取阈值s，s∈[0，255]，建立一个由阈值s分割开的每一对(x，x₁)所组成的边缘集F(s)，计算由s检测出的边缘总体对比度C_x，x1(s)；计算对于每个可能阈值s的平均对比度C(s)；平均对比度C(s)的最高波峰点C(s₀)对应于最优分割阈值s₀。

$C_{x,x_1}\left(s\right)=\min (\frac{|s-f\left(x\right)|}{\max (s,f\left(x\right))},\frac{|s-f\left(x_1\right)|}{\max (s,f\left(x_1\right))})---\left(6\right)$

$C\left(s\right)=\frac{1}{\mathrm{card}\left(F\left(s\right)\right)}\underset{(x,x_1)\∈F\left(s\right)}{\mathrm{\Σ}}{C}_{x,x_1}\left(s\right)---\left(7\right)$

$C\left(s_0\right)=\underset{s\∈\left[\mathrm{0,255}\right]}{\max }C\left(s\right)---\left(8\right)$

为了简化运算的复杂度和去除边缘噪声的干扰，选取目标物中强对比度像素点的对比度的平均值作为特征量E_n。E_n是目标物图像块中对比度值最大百分之r的平均值，其计算公式如下：

E_n＝TopAvg(C_n(i，j)，r)                   (9)

C_n(n＝1，2，3，4…)是每个目标物图像像素的对比度值，r是图像边缘像素所占图像块的比重。

3)曲线拟合和能见度距离计算

在计算能见度距离时，根据对目标物进行强边缘一致对比度计算后提取出图像的边缘特征，然后将所得特征值使用曲线回归分析进行曲线拟合，如图6所示，根据国际照明委员会(CIE)和国际民航组织(ICAO)的推荐对比度阈值，得出能见度距离，其计算过程如下：

根据Koschmieder建立的地平天空下的目标物的亮度对比之间的关系，如式(10)所示：

C＝C₀e^-Kd                    (10)

其中C是目标物的视亮度对比，C₀是其固有亮度对比，可知对比度值和距离成指数关系变化。因此，对提取的特征变量E_n(n＝1，2，3，4…)和距离d根据方程(11)进行曲线拟合，其中d是目标物离摄像机的距离，f(d)是特征变量，a₀和a₁是需确定的参数。

$f\left(d\right)=a_0{e}^{-a_{1}d}---\left(11\right)$

由于上述拟合模型是非多项式形式，因此需要通过变换将其转换成线性问题：对方程(12)等式两边取对数，并令：

$\left\{\begin{array}{c}\ln f\left(d\right)=y\left(d\right)\\ \ln a_0=a_0^{\′}\end{array}\right.---\left(12\right)$

可将非线性方程转换成线性方程(13)。利用最小二乘法确定系数，再利用逆变换得出对比度与距离的拟合函数。

$y\left(d\right)=a_0^{\′}-a_1\×d---\left(13\right)$

最终的能见度值即为对比度临界值所对应的距离。这一对比度临界值ε称为对比阈值，它是一个与人眼视觉特征有关的物理量。国际照明委员会(CIE)和国际民航组织(ICAO)推荐的ε值是0.05，则能见度距离有如下公式计算：

$V=\frac{\ln a_0-\ln \left(0.05\right)}{a_1}---\left(14\right)$

式中v为当前能见度距离。

本发明所阐述的一种基于路况监控视频的能见度检测系统可以在雨、雪、沙尘等各种天气条件下，进行能见度检测。而使用能见度仪进行能见度检测，由于能见度仪采集的样本只有很小的一段空气柱，导致使用个别能见度仪进行能见度检测时，会导致系统对浓度分布不均匀的团雾和其他天气条件分析失误，所得结果会出现偏差，造成不必要的交通事故和交通管制，同时由于其高昂的价格，致使其无法全程架设，更不能进行全路段能见度分析和统计分布情况。而且，能见度仪在雨、雪、沙尘等天气条件下，能见度仪的能见度检测效果比较差。

本发明所阐述的一种基于路况监控视频的能见度检测系统在路况监控系统的基础下，架设能见度检测服务器，通过监控系统的通信链路接收视频图像和发布能见度信息。本发明通过云台遥控摄像机进行以路面为背景的多角度的视频采集，使用本发明中一种基于路况监控视频的能见度检测算法，通过对路面、物体等进行模拟人眼的边缘分析检测，提取出符合人眼的强边缘信息，再使用曲线回归对各个目标块的边缘信息进行曲线拟合，根据能见度相对应的人眼对比度的阈值，给出能见度距离。而且该算法及其系统可以避免能见度仪和架设人工目标物所带来的检测偏差和错误；最后本发明针对路况各点摄像机所得到的数据进行联网分析，得出全路段的能见度分布情况，通过监控系统将能见度结果进行发布并告知交通管理部门。用户则可通过网络和其相应的访问终端对相应的路段的能见度情况进行访问和查询。

表1图6曲线拟合参数结果

Claims (6)

1.一种基于路况监控视频的能见度检测方法，其特征在于：

1)与路况监控系统兼容：在现有路况监控系统之上，采用监控系统的通信链路和相关设备进行能见度检测所需的视频采集和结果的发布；

2)多角度视频采集：使用高速公路外场路侧摄像机进行多个角度和位置的视频采集，对采集到的视频图像必须满足图像的最下端离摄像机的距离小于等于20米，图像的最上端大于等于200米，且在视频图像采集时，定时1秒截取一帧图像，连续截取15～30帧图像；

3)图像距离目标物自动标定和预处理：不需要在道路上架设带有距离信息的人工标识物，而是对采集到的视频图像进行像平面到世界坐标的自动转换，使用摄像机自标定方法，分析图像中像素间的距离信息，提取分割出4～8组虚拟距离信息目标物、判别图片是否满足特征2)；

4)在不同天气条件下进行能见度检测：采用基于路况监控视频能见度检测算法，该算法对路况视频图像，通过对路面情况的分析，进行能见度检测；对所得到的15～30帧图像的能见度距离进行处理，去除其中的异常值，对其它的能见度距离平均化处理，得出当前的能见度值；

所述基于路况监控视频能见度检测算法为：人眼模拟：分析摄像机和人眼感光效果的不同，提出采用基于修正的Kohler的一致对比度法的对比度计算方法，将摄像机获取的图像模拟为人眼所见的图像；目标物特征提取：对图像提取出来的虚拟距离信息目标物，使用人眼模拟算法，检测出符合人眼的强对比度边缘信息，将边缘特征提取出来；

计算能见度距离：对每幅图片中提取的特征边缘和提取的距离信息，采用曲线回归分析进行曲线拟合，得出符合人眼特征的能见度曲线，然后根据国际民航组织(IACO)和国际照明委员会(CIE)对人眼对比度阈值的定义，得出能见度距离；

利用摄像机所采集的视频图像，建立图像坐标至路面坐标的映射关系，将图像距离信息转换成路面距离信息，然后进行符合人眼的能见度分析和检测，得出距离能见度值；图像坐标至路面坐标的映射关系使用摄像机自标定完成，其工作步骤如下：

a)建立路况摄像机成像模型，包含三种坐标系：其中世界坐标系Xw-Yw-Zw和摄像机坐标系Xc-Yc-Zc用来表征三维空间；图像坐标系Xf-Yf用来表征成像平面；

世界坐标系原点为摄像机光轴与地面交点；Y_w轴正向沿路面方向指向前方，X_w轴正向水平指向右方，Z_w轴正向垂直于地面，方向向上；摄像机坐标系原点为摄像机光心位置，Z_c轴为摄像机光轴方向，X_c-Y_c平面平行于像平面；

b)建立世界坐标系与图像坐标系间的坐标变换关系，如式(1)所示：

$X_w=\frac{[l\sin p(x_f\sin s+y_f\cos s)+l\cos p\sin t(x_f\cos s-y_f\sin s)]}{x_f\cos t\sin s+y_f\cos t\cos s+f\sin t}$ (1)

$Y_w=\frac{[-l\cos p(x_f\sin s+y_f\cos s)+l\sin p\sin t(x_f\cos s-y_f\sin s)]}{x_f\cos t\sin s+y_f\cos t\cos s+f\sin t}$

式(1)中，l为摄像机光心与世界坐标系原点的距离，t为摄像机俯仰角，即摄像机光轴与地平面的夹角；p为偏角，即摄像机光轴在地面上的投影与车道分割线的夹角；s为旋角；忽略高速公路坡度影响，以地平面上平行线间的区域来对应摄像机视域内的高速公路路面；

c)利用霍夫变换提取车道分割线，建立兴趣域，利用HARRIS角点检测算法提取车道分割线角点信息，进行角点检测；

d)摄像机参数求解，以高速公路路面车道分割线为参照物建立摄像机未标定参数与图像特征参数之间的对应关系，在监控路段上选取基于车道分割线角点的平行四边形为标定模块，根据角点间平行对应关系，可解出式(1)中未知的摄像机参数p，t，s，f，l，如式(2)所示：

$t=-\arcsin {\left\{\frac{{v_0}^2{(v_A-v_B+v_C-v_D)}^2}{\begin{array}{c}[(v_0-v_D)u_A-(v_0-v_C)u_B+(v_0-v_B)u_C-(v_0-v_A)u_D]\\ \×[-(v_0-v_B)u_A+(v_0-v_A)u_B-(v_0-v_D)u_C+(v_0-v_C)u_D]\end{array}}\right\}}^{1/2}$

f＝v₀/tan(t)， $l=\frac{H}{\sin t},$ $\tan s=-\frac{v_0-v_1}{u_0-u_1}---\left(2\right)$

$p=\arctan \left\{\frac{[(v_0-v_D)u_A-(v_0-v_C)u_B+(v_0-v_B)u_C-(v_0-v_A)u_D]\sin \left(t\right)}{v_0(v_A-v_B+v_C-v_D)}\right\}$

式中(u，v)表示图像坐标系，对于所选取的平行四边形的四个角点，以左上角的顶点为起点，顺时针排列，分别称为A点、B点、C点、D点，其图像坐标分别为(v_A，u_A)、(v_B，u_B)、(v_C，u_C)、(v_C，u_C)；(u₀，v₀)为由直线AD和直线BC决定的灭点，(u₁，v₁)为由直线AB和直线DC决定的灭点，H为摄像机柱高；

e)将世界坐标系平移至以摄像机柱基为原点，即计算图像中任意一点距离摄像机的距离，如式(3)所示：

X_camera＝X_w+lcostsinp

                                        (3)

Y_camera＝Y_w+lcostcosp

式中(X_camera，Y_camera)是以摄像机柱基为原点的世界坐标；

f)从步骤(c)检测出的角点中选取4～8组，以每个角点为中心，划定一个矩形区域为虚拟目标物，虚拟目标物的距离信息如下：

$D\left(i\right)=\frac{[-l\cos p(x_i\sin s+y_i\cos s)+l\sin p\sin t(x_i\cos s-y_i\sin s)]}{x_i\cos t\sin s+y_i\cos t\cos s+f\sin t}+l\cos t\cos p---\left(4\right)$

式中D(i)为第i个虚拟目标物相对于摄像机柱基的距离，(x_i，y_i)为第i个虚拟目标物中心角点的图像坐标；

g)去除图片中的冲击噪声是由于图像在传输过程中容易受到冲激噪声的干扰，而产生了不属于原图像的边缘，因此需在图像灰度化之后采用中值滤波去除噪声的影响；

h)背景提取是将道路从原图像中提取出，作为分析时的目标物的距离依据和强边缘分析检测依据；

5)检测结果的联网分析和发布：根据路况沿途各摄像机所检测到的能见度结果，对全路段的能见度情况进行统计和分析，得出全路段的能见度分布，将所得结果根据国家大气能见度标准的能见度等级定义进行分级处理，同时根据交通部门关于在各能见度等级下的车辆行驶状态，通过网络和监控系统的链路为用户提供相关提示和警告信息，同时告知交通管理部门采取相关措施。

2.根据权利要求1所述的一种基于路况监控视频的能见度检测方法，其特征在于：利用现有的路况监控系统：

1)使用高速公路监控系统进行图像摄取和信息、数据的传输，使用高速公路现有的外场路侧摄像机进行全路段的能见度视频采集和能见度实时监控，在监控中心，从视频分配器中接入图像，引入能见度检测和分析服务器中，进行计算和分析；

2)通过原有监控系统的通信链路，将获取图像的能见度检测结果和全路段能见度分布情况的相应数据以网页的形式向用户和交通管理部门发布。

3.根据权利要求1所述的一种基于路况监控视频的能见度检测方法，其特征在于：使用路侧云台遥控摄像机，跳转多个机位进行不同角度的路面信息获取，不局限于某个固定位置。

4.根据权利要求1所述的一种基于路况监控视频的能见度检测方法，其特征在于根据摄像机自动标定算法，实现像平面到世界坐标的自动转换，提取图像中的距离信息，摄像机进行变焦、平移或旋转运动，跳转至各个不同机位时，系统自动重新标定，无需任何人为设置，自动在视频图像中建立虚拟距离信息目标物。

5.根据权利要求1所述的一种基于路况监控视频的能见度检测方法，其特征在于该方法可以在不同天气气候条件，包括雨、雾、雪、阴霾、沙尘天气进行能见度检测；首先判断视频图像的光线，包括：图像亮度、光线的角度是否符合图像处理的要求，是否存在图像过曝或者过暗的现象，如果存在就移动摄像机转到合适的位置重新获取图像。

6.根据权利要求1所述的一种基于路况监控视频的能见度检测方法，其特征在于联网分析和发布时在监控中心架设相应的能见度检测分析服务器，用于检测路况沿途各点的能见度和统计和分析路段能见度分布情况，再结合历史数据对整个路段的能见度分布情况及可能产生的变化及时告知给出行者和交通管理部门。

Images