CN102289821B - 车辆侧滑运动的图像检测方法 - Google Patents
车辆侧滑运动的图像检测方法 Download PDFInfo
- Publication number
- CN102289821B CN102289821B CN 201110247527 CN201110247527A CN102289821B CN 102289821 B CN102289821 B CN 102289821B CN 201110247527 CN201110247527 CN 201110247527 CN 201110247527 A CN201110247527 A CN 201110247527A CN 102289821 B CN102289821 B CN 102289821B
- Authority
- CN
- China
- Prior art keywords
- image
- wheel
- edge
- images
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种车辆侧滑运动的图像检测方法,用于解决现有的车辆侧滑运动检测方法实时性差的技术问题。技术方案是通过固定于车身上的四路CCD图像传感器获得包含路面车辆侧滑磨痕以及车轮转角信息的RGB图像,对RGB图像进行去除噪声处理;对去除噪声后的两路前轮转角图像按照图像数据库的裁剪方式进行裁剪;对裁剪后的图像采用Canny算子提取边缘;边缘图像与图像数据库中的边缘图像进行匹配;匹配最接近的数据库图像的标注即为此刻的前轮转角值;采用小波算法,对滤波后的后轮侧滑磨痕路面图像进行增强;采用Canny算子对增强后的图像提取边缘;对边缘进行膨胀操作;计算水平方向的像素点数得到侧滑量。解决了车辆行驶中及转弯时实时侧滑量检测的难题。
Description
技术领域
本发明涉及一种图像检测方法,特别是涉及一种车辆侧滑运动的图像检测方法。
背景技术
文献“胡素峰,场内机动车检测用侧滑试验台[J],工程机械与维修,2010(10):166-167”公开了一种场内机动车检测用侧滑试验台,用于车辆侧滑运动的检测。侧滑试验台的主要装置是侧滑板,主要由直线位移传感器、回位弹簧、尼龙滚子和拉伸弹簧等组成。其基本的检测原理是,如果车辆转向轮外倾角和前束角匹配不当,车辆以恒速(5km/h)驶过侧滑板(500mm)时,车胎外倾作用力会使滑板产生向左或向右的侧滑量使上滑板移动,由焊接在上滑板上的锁销带动位移传感器得到车辆的侧滑量。
由于车辆侧滑量的检测在侧滑实验平台上进行,测试时车辆行驶速度以及行驶距离受到限制,而且不能检测车辆实际行驶转弯时的侧滑量,满足不了车辆侧滑量的实时性检测要求。
发明内容
为了克服现有的车辆侧滑运动检测方法实时性差的不足,本发明提供一种车辆侧滑运动的图像检测方法,该方法通过固定于车身上的四路CCD图像传感器获得包含路面车辆侧滑磨痕以及车轮转角信息的RGB图像,并对所获图像进行处理得到侧滑量,可以解决车辆行驶中及转弯时实时侧滑量检测的难题。
本发明解决其技术问题所采用的技术方案:一种车辆侧滑运动的图像检测方法,其特点是包括下述步骤:
(1)将四路CCD图像传感器分别安装固定于车辆两前轮正前方的车身下方,以及两后轮上方的车身侧面,建立图像数据库,即车辆停在原地不动,打动方向盘,车轮每转1°读取一次两个前轮的两路CCD图像传感器采集的两前轮转角RGB图像,并为每次读取的RGB图像标注转角度数,对得到的每一幅RGB图像转化为灰度图像,在对灰度图像进行中值滤波,对中值滤波后的图像进行裁剪,采用Canny算子提取裁剪后图像的边缘点构成当前车轮转角图像对应的边缘图像,该图像与截图前的图像标注一致,所有的边缘图像构成图像数据库。
(2)读取同一时刻汽车两前轮两路CCD图像传感器采集的车轮转角RGB图像,以及两后轮两路CCD图像传感器采集的路面侧滑量磨痕RGB图像。
(3)将车轮转角以及后轮路面侧滑量磨痕的四路RGB图像采用加权平均值法转化为灰度图像,采用的公式是:
f(x,y)=wr×R(x,y)+wg×G(x,y)+wb×B(x,y)
式中,f(x,y)是RGB图像像素位置坐标(x,y)处的灰度值;R(x,y)是RGB图像的红色分量值;G(x,y)是RGB图像的绿色分量值;B(x,y)是RGB图像的绿色分量值;wr是红色分量的权值系数,wg是绿色分量的权值系数,wb是蓝色分量的权值系数。
采用中值滤波去除噪声。
(4)对去除噪声后的两路前轮转角图像按照图像数据库的裁剪方式进行裁剪;
(5)对裁剪后的图像采用Canny算子提取车轮图像边缘点。
(6)将得到的边缘图像的边缘点集与图像数据库中边缘图像的边缘点集进行最小距离匹配。
(7)读取满足匹配距离的图像数据库的标注度数,即为此时车轮的转角值。
(8)采用小波算法,对滤波后的后轮侧滑磨痕路面图像进行增强。
(9)采用Canny算子对增强后的图像提取边缘。
(10)对边缘进行膨胀操作。
(11)计算膨胀后的边缘像素点数量,并与单个像素点对应实际距离的乘积得到车轮侧滑量。
本发明的有益效果是:由于通过固定于车身上的四路CCD图像传感器获得包含路面车辆侧滑磨痕以及车轮转角信息的RGB图像,并对所获图像进行处理得到侧滑量,解决了车辆行驶中及转弯时实时侧滑量检测的难题。
下面结合附图和实施例对本发明作详细说明。
附图说明
图1是本发明车辆侧滑运动的图像检测方法的流程图。
具体实施方式
参照图1。
【步骤一】安装四路CCD图像传感器并建立图像数据库。首先,将四路CCD图像传感器分别安装固定于车辆前轮正前方的车身下方,后轮上方车身侧面。其中,前轮CCD图像传感器采集的图像用于检测车辆的前轮转角值,后轮CCD图像传感器采集的图像用于检测车辆的侧滑量。采集图像的分辨率均为320×240。
在首次安装前轮CCD图像传感器,或前轮CCD图像传感器的位置被挪动时,需在进行侧滑量检测之前建立或更新图像数据库,具体做法是车辆停在原地不动,打动方向盘,车轮每转1°读取一次前轮两路CCD图像传感器采集的前轮转角RGB图像,并为该幅图像标注转角度数。由于汽车前轮的最大转角一般是40°,因而得到左前轮和右前轮向左转以及向右转的照片各40张。对得到的每一幅RGB图像进行预处理操作,首先将RGB图像转化为灰度图像,在对灰度图像进行中值滤波。对预处理后的图片进行裁剪,裁剪图像的分辨率均为200×120,采用Canny算子提取裁剪后图像的边缘点构成当前车轮转角图像对应的边缘图像,该图像与截图前的图像标注一致,所有的边缘图像构成图像数据库。
【步骤二】图像数据采集:读取同一时刻汽车两前轮两路CCD图像传感器采集的车轮转角RGB图像,以及两后轮两路CCD图像传感器采集的路面侧滑量磨痕RGB图像。
【步骤三】图像预处理操作:
(1)将车轮转角以及后轮路面侧滑量磨痕的四路RGB图像采用加权平均值法转化为灰度图像,采用的公式为:
f(x,y)=wr×R(x,y)+wg×G(x,y)+wb×B(x,y)
其中
f(x,y):图像像素位置坐标(x,y)处的灰度值;R(x,y):RGB图像的红色分量值;
G(x,y):RGB图像的绿色分量值;B(x,y):RGB图像的绿色分量值;
wr,wg,wb:红色分量,绿色分量以及蓝色分量的权值系数,具体操作时采用的权值系数依次为0.3,0.59,0.11。
(2)实际采集到的图像不可避免存在噪声,采用3*3的中值滤波去除噪声,具体做法如下:
a)选定3×3窗口;
b)将窗口在图像上逐像素地移动扫描;
c)将窗口下各对应像素灰度值从小到大排成一列;
d)找出这些值中大小在中间的一个;
e)将这个中间值赋给图像中对应于窗口中心位置的像素。
【步骤四】对去除噪声后的两路前轮转角图像按照图像数据库的裁剪方式进行裁剪。
【步骤五】对裁剪后的图像采用Canny算子提取车轮图像边缘点,具体做法;
(1)采用2D高斯滤波模板进行卷积以平滑图像;
(2)采用Sobel算子,计算灰度梯度的幅值和方向;
(3)对梯度幅值进行非极大值抑制,即遍历图像,若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大,那么这个像素的灰度值设置为0,即不是边缘;
(4)使用双阈值方法检测和连接边缘。即使用累计直方图计算两个阈值,凡是大于高阈值的一定是边缘;凡是小于低阈值的一定不是边缘。如果检测结果大于低阈值但又小于高阈值,那就要看这个像素的邻接像素中有没有超过高阈值的边缘像素,如果有,则该像素是边缘,否则就不是边缘。
【步骤六】将得到的边缘图像的边缘点集与图像数据库中边缘图像的边缘点集进行最小距离匹配。
【步骤七】读取满足匹配距离的图像数据库的标注度数,即为此时车轮的转角值。
【步骤八】小波算法增强图像:为了保留侧滑磨痕图像的更多细节使得检测结果更准确,采用小波分析法对滤波后的后轮CCD图像传感器采集的图像进行图像增强,具体步骤:
1)利用现有的二层小波分解函数对滤波后的图像进行小波分解;
2)通过采用阈值设置的方法对小波分解后得到的分解系数进行处理;
3)利用现有的重构函数对处理后的分解系数进行重构得到增强图像。
【步骤九】采用Canny算子对增强后的图像进行侧滑痕迹的边缘检测。
【步骤十】膨胀操作:边缘检测所得到的边缘可能会有缝隙,而膨胀具有很好的补接作用,能够填补边缘的缝隙。采用膨胀操作对边缘检测图像进行膨胀做法为,设膨胀操作所用的结构元素为3×3的全1矩阵,将该结构元素的中心点像素移到边缘点的每一像素上,则包括该结构元素点在内的所有点均为边缘点。
【步骤十一】计算膨胀后的边缘像素点数量,并与单个像素点对应实际距离的乘积得到车轮侧滑量。其中,图像尺寸与实际尺寸存在一个变换关系,通过逆透视变换操作即可确定相邻像素点间对应的实际距离,进而求出侧滑量。获得车辆的侧滑量。
Claims (1)
1.一种车辆侧滑运动的图像检测方法,其特征在于包括下述步骤:
(1)将四路CCD图像传感器分别安装固定于车辆两前轮正前方的车身下方,以及两后轮上方的车身侧面,建立图像数据库,即车辆停在原地不动,打动方向盘,车轮每转1°读取一次两个前轮的两路CCD图像传感器采集的两前轮转角RGB图像,并为每次读取的RGB图像标注转角度数,对得到的每一幅RGB图像转化为灰度图像,在对灰度图像进行中值滤波,对中值滤波后的图像进行裁剪,采用Canny算子提取裁剪后图像的边缘点构成当前车轮转角图像对应的边缘图像,该图像与截图前的图像标注一致,所有的边缘图像构成图像数据库;
(2)读取同一时刻汽车两前轮两路CCD图像传感器采集的车轮转角RGB图像,以及两后轮两路CCD图像传感器采集的路面侧滑量磨痕RGB图像;
(3)将车轮转角以及后轮路面侧滑量磨痕的四路RGB图像采用加权平均值法转化为灰度图像,采用的公式是:
f(x,y)=wr×R(x,y)+wg×G(x,y)+wb×B(x,y)
式中,f(x,y)是RGB图像像素位置坐标(x,y)处的灰度值;R(x,y)是RGB图像的红色分量值;G(x,y)是RGB图像的绿色分量值;B(x,y)是RGB图像的绿色分量值;wr是红色分量的权值系数,wg是绿色分量的权值系数,wb是蓝色分量的权值系数;
采用中值滤波去除噪声;
(4)对去除噪声后的两路前轮转角图像按照图像数据库的裁剪方式进行裁剪;
(5)对裁剪后的图像采用Canny算子提取车轮图像边缘点;
(6)将得到的边缘图像的边缘点集与图像数据库中边缘图像的边缘点集进行最小距离匹配;
(7)读取满足匹配距离的图像数据库的标注度数,即为此时车轮的转角值;
(8)采用小波算法,对滤波后的后轮侧滑磨痕路面图像进行增强;
(9)采用Canny算子对增强后的图像提取边缘;
(10)对边缘进行膨胀操作;
(11)计算水平方向的像素点,得到侧滑量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110247527 CN102289821B (zh) | 2011-08-25 | 2011-08-25 | 车辆侧滑运动的图像检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110247527 CN102289821B (zh) | 2011-08-25 | 2011-08-25 | 车辆侧滑运动的图像检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102289821A CN102289821A (zh) | 2011-12-21 |
CN102289821B true CN102289821B (zh) | 2013-01-16 |
Family
ID=45336210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110247527 Active CN102289821B (zh) | 2011-08-25 | 2011-08-25 | 车辆侧滑运动的图像检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102289821B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102589434B (zh) * | 2012-02-27 | 2013-12-25 | 西北工业大学 | 车辆侧滑运动的图像轮毂标识检测方法 |
CN103076187B (zh) * | 2013-02-06 | 2014-12-10 | 西安费斯达自动化工程有限公司 | 一种小型车载车辆安全综合检测系统 |
CN106841575B (zh) * | 2017-01-11 | 2019-02-05 | 长安大学 | 一种四球摩擦试验磨斑图像磨痕方向自动定位方法 |
CN108734669A (zh) * | 2017-04-24 | 2018-11-02 | 南京理工大学 | 基于小波变换维纳滤波和边缘检测的图像降噪方法 |
CN107292997A (zh) * | 2017-06-21 | 2017-10-24 | 成都锐奕信息技术有限公司 | 基于大型货车的安全检测系统 |
CN112766077B (zh) * | 2020-12-31 | 2022-09-06 | 清华大学 | 基于自车摄像头感知信息的前方车辆侧翻识别方法 |
CN113362607B (zh) * | 2021-08-10 | 2021-10-29 | 天津所托瑞安汽车科技有限公司 | 基于转向状态的盲区预警方法、装置、设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0446903A2 (en) * | 1990-03-15 | 1991-09-18 | Honda Giken Kogyo Kabushiki Kaisha | Automatic travelling apparatus |
CN101739816A (zh) * | 2009-11-26 | 2010-06-16 | 西北工业大学 | 交通车辆道路行驶安全分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4793478B2 (ja) * | 2009-06-18 | 2011-10-12 | トヨタ自動車株式会社 | ナビゲーションシステムの電源制御装置 |
-
2011
- 2011-08-25 CN CN 201110247527 patent/CN102289821B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0446903A2 (en) * | 1990-03-15 | 1991-09-18 | Honda Giken Kogyo Kabushiki Kaisha | Automatic travelling apparatus |
CN101739816A (zh) * | 2009-11-26 | 2010-06-16 | 西北工业大学 | 交通车辆道路行驶安全分析方法 |
Non-Patent Citations (4)
Title |
---|
双前轴转向汽车轮间与轴间侧滑检测系统的研究;张慧云;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20081015(第10期);1-86页 * |
场内机动车检测用侧滑试验台;胡素峰;《工程机械与维修》;20101130;166-167页 * |
张慧云.双前轴转向汽车轮间与轴间侧滑检测系统的研究.《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2008,(第10期),1-86页. |
胡素峰.场内机动车检测用侧滑试验台.《工程机械与维修》.2010,166-167页. |
Also Published As
Publication number | Publication date |
---|---|
CN102289821A (zh) | 2011-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102289821B (zh) | 车辆侧滑运动的图像检测方法 | |
CN105488454B (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN107462223B (zh) | 一种公路转弯前行车视距自动测量装置及测量方法 | |
CN104657727B (zh) | 一种车道线的检测方法 | |
CN101750049A (zh) | 基于道路和车辆自身信息的单目视觉车距测量方法 | |
CN102298779B (zh) | 全景辅助泊车系统的图像配准方法 | |
CN104008377A (zh) | 基于时空关联的地面交通标志实时检测识别方法 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN104916162B (zh) | 泊车位检测方法和系统 | |
CN104916163A (zh) | 泊车位检测方法 | |
CN105678787A (zh) | 一种基于双目鱼眼摄像头的载重货车行驶障碍物检测及跟踪方法 | |
CN106778551B (zh) | 一种高速路段及城市道路车道线识别方法 | |
CN102589434B (zh) | 车辆侧滑运动的图像轮毂标识检测方法 | |
CN103177246A (zh) | 基于动态区域划分的双模型车道线识别方法 | |
CN104834889A (zh) | 标志线检测系统和标志线检测方法 | |
CN103593981B (zh) | 一种基于视频的车型识别方法 | |
CN104657735A (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
CN102982304B (zh) | 利用偏光图像检测车辆位置的方法和系统 | |
CN103196418A (zh) | 一种弯道车距测量方法 | |
CN105975957A (zh) | 一种基于车道线边缘的道路平面检测方法 | |
CN101968885A (zh) | 一种基于边缘和灰度的遥感图像变化检测方法 | |
CN105512641B (zh) | 一种标定雨雪状态下视频中的动态行人及车辆的方法 | |
CN105021126A (zh) | 基于机器视觉技术货车侧防护栏安装尺寸测量系统及方法 | |
CN102156977A (zh) | 一种基于视觉的道路检测方法 | |
CN113554646B (zh) | 基于计算机视觉的智慧城市道路路面检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |