CN103134429A - 一种基于视觉的汽车列车直线行驶轨迹测量方法 - Google Patents

Abstract

本发明涉及一种基于视觉的汽车列车直线行驶轨迹测量方法，包括如下内容：在牵引车车头左侧和挂车车厢左侧分别安装高清第一摄像机5和第一摄像机6，要求摄像机垂直向下安装，使得摄像机光轴尽可能垂直于地面拍摄车头前下方的图像，该摄像机带补光设备以弥补光线不足；在牵引车的最前方，用固定线固定位置；在行驶过程中，第一摄像机和第一摄像机同时开始采集视频图像；获取摄像机拍摄的视频流，并通过上位机对视频进行实时处理。

Description

一种基于视觉的汽车列车直线行驶轨迹测量方法

技术领域

本发明设计一种汽车列车行驶位置轨迹测量方法，尤其涉及一种基于视觉的精确的汽车列车位置轨迹测量方法。

背景技术

随着公路运输的快速发展，汽车列车具有的高承载、经济、效率等特征受到行业关注，逐渐成为长途物流的主要车型。准确地获得汽车列车在行驶过程中的位置轨迹，再经过简单的测量运算就可以知道汽车列车行驶过程中的牵引车前摆值、后摆值、通道最大宽度等影响道路通行能力和行驶安全性的参数，为汽车列车行驶稳定性的研究以及智能交通系统（ITS）的发展提供参数基础。

汽车列车同一时间前后轴最大摆动幅度指的是汽车列车在行驶过程中，挂车后轴中心相对于牵引车前轴中心的最大偏差值。标准GB7258-2004《机动车运行安全技术条例》中款4.13明确提出“汽车列车和轮式拖拉机运输机组在平坦、干燥的路面上直线行驶时，挂车后轴中心相对于牵引车前轴中心的最大偏摆值幅度，对铰接列车、乘用车列车和中置轴挂车列车不应大于110mm，对其它列车不应大于220mm。其它机动车直线行驶时，其前后轴中心的连线与行驶轨迹的中心线应一致”。交通行标《货运车辆运行安全技术要求》中的附加性能要求也提出“行驶稳定性要求，包括侧倾稳定性要求、货运汽车列车横向稳定性评价参数限值以及货运车辆转向特性要求”。因此，汽车列车同一时间前后轴最大摆动幅度是判断汽车列车的行驶横向稳定性的主要性能标准。

准确地测量牵引车和挂车在行驶过程中的位置轨迹是研究以上内容的基础。

一种传统的测量方法是：在牵引车和挂车底盘中间下方各固定一个喷枪，在汽车行驶过程中同时朝下方地面喷射某种白色液体，在地面上形成两条曲线，这两条曲线就是喷枪固定点的位置轨迹，再进行航位推算就可以知道汽车列车在各个时刻的位置轨迹。此方法存在以下缺点：

1）喷枪所喷出的液体容易受到周围气流的影响，所形成的曲线不在实际位置，造成较大的误差；

2）当进行一次实验后，地面上的液体不利于重复进行多次实验；

3）这种方法准确率低，漏检率高，不能完整的检测出牵引车行驶的轨迹。

随着GPS技术的革新发展，GPS技术逐渐的应用于汽车列车运动性能测试。典型例子是一种基于GPS汽车列车位置轨迹测量方法，其原理是：在牵引车部位安装一套测向接收机系统，该系统通过数传电台接收基准站发送的位置差分改正数，实现双频载波相位差分位置解算，得到相对于基准站的高精度厘米级坐标，同时产生测向改正数，实现测量牵引车的航向信息。在挂车部位安装移动站分系统，移动站系统通过数传电台接收基准站发送的位置差分改正数，实现双频载波相位差分位置解算，得到相对于基准站的高精度厘米级坐标。由牵引车的侧向接收机得到牵引车的航向角以及其天线的高精度运动轨迹；由挂车的移动站系统得到其天线的高精度运动轨迹，进而由平面几何知识可以推断出牵引车任一点的运动轨迹。此方法具有测量精确、且不受环境影响的特点，但是其价格昂贵，使用之前必须对不同车型都要进行静态标定，操作复杂，不适用与大范围推广应用。

随着计算机视觉技术的迅速发展，一种基于视觉的汽车列车直线行驶的轨迹测量方法具有对车辆的行驶轨迹快速准确的定位、识别、跟踪、分析和判断等优势。该方法可以有效的解决汽车列车直线行驶位置轨迹的测量问题，为道路通行能力以及汽车列车行驶安全性的深入研究提供可靠的理论基础。

发明内容

所要解决的技术问题：针对以上问题本发明提出一种检测速度较快、精度较高且图像处理实施性强的基于视觉的汽车列车直线行驶位置轨迹测量方法，为汽车列车行驶轨迹的测量提供一种可靠的解决方案。

技术方案：针对以上不足本发明提供了一种基于视觉的汽车列车直线行驶轨迹测量方法，包括如下内容：

1）在牵引车车头左侧和挂车车厢左侧分别安装高清第一摄像机5和第一摄像机6，要求摄像机垂直向下安装，使得摄像机光轴尽可能垂直于地面拍摄车头前下方的图像，该摄像机带补光设备以弥补光线不足。

2）根据营业性货运汽车列车在平坦、干燥的直线路面上行驶时，挂车后轴中心相对于牵引车前轴中心的最大摆动幅度：全挂汽车列车应不大于200mm，半挂列车应不大于100mm，因此，在地面上绘制出两条平行标识线，即第一标识线，第二标识线；将第一标识线和第二标识线分别设为带色彩的标识线；

3）在牵引车的最前方，沿着垂直于标识线方向，在第一标识线和第二标识线起始端画一条短直线，称为“固定线”，用于表示固定位置；

4）开始实验时，首先令挂车停在车道中央，调整位置，使得挂车的纵向对称轴和地面的交线与第一标识线对齐，牵引车最前方与固定线齐平；实验开始后，让驾驶员驾驶车辆在车道内正常行驶；在行驶过程中，第一摄像机和第一摄像机同时开始采集视频图像；获取摄像机拍摄的视频流，并通过上位机对视频进行实时处理。

有益效果：本发明在检测标识线上的点时，采用了基于邻域搜索的连通域检测的算法，即将所有的检测到的点进行聚类，保留可能在标识线上的点，排除噪声点，减少误差，提高精度。

本发明在检测汽车列车行驶轨迹的时候，不是直接检测行驶轨迹，而是先检测标识线，然后再利用图像的中点到标识线的距离来反应汽车列车当前相对于标识线所在的位置，从而简化了计算。

本发明方法可以快速、准确、有效的解决汽车列车行驶轨迹的测量问题，为汽车列车行驶稳定性以及道路通行能力的研究提供有效的数据理论。

附图说明

图1是本发明的测量配置示意图；

图2是本发明汽车列车直线行驶轨迹的测量算法的流程示意图；

图3是本发明的挂车轨迹测量原理示意图；

图4是本发明的同一时间前后轴最大摆动幅度测量示意图。

如图1所示，1为第一标识线（红色标识线），2为第二标识线（蓝色标识线），3为车道线，4为固定线，5为第一摄像机，6为第二摄像机。

如图3所示，0为图像中心点o，10为o到第一标识线（红色标识线）的距离d。

如图4所示，1为第一标识线（红色标识线），2为第二标识线（蓝色标识线），7为后轴中心相对于第一标识线的轨迹，8为前轴中心相对于第一标识线的轨迹，9为最大偏差。

其中以第一标识线为标准线，得出牵引车和挂车的行驶轨迹。

具体实施方式

下面结合附图对本发明进行详细的描述。

本发明的基于视觉的汽车列车直线行驶轨迹测量方法，包括如下内容：

1）为了保证摄像机视野不被车身或者车辆遮挡，则摄像机都安装在牵引车和挂车的左侧，且摄像机距离车身外侧500mm。因此，在牵引车车头左侧和挂车车厢左侧分别安装高清第一摄像机5和第一摄像机6，要求摄像机垂直向下安装，使得摄像机光轴尽可能垂直于地面拍摄车头前下方的图像，该摄像机带补光设备以弥补光线不足。根据实际挂车安装摄像机位置，测量摄像机的安装高度为1.2m。

2）由于营业性货运汽车列车在平坦、干燥的直线路面上行驶时，挂车后轴中心相对于牵引车前轴中心的最大摆动幅度：全挂汽车列车应不大于200mm，半挂列车应不大于100mm，因此，在地面上绘制出两条平行标识线，即第一标识线1，第二标识线2。由于当摄像机安装高度为1.2m时，所拍摄视场的长度约为850mm，因此实验时设计的两条标识线间隔约为600mm，这样保证摄像机视场中始终能看到一条标识线。其中直线长度可以根据实际确定，直线颜色可选择与实际地面颜色方差较大的颜色，可将第一标识线1设为红色标识线，第二标识线2设为蓝色标识线。

3）在牵引车的最前方，沿着垂直于标识线方向，在第一标识线1和第二标识线2起始端画一条短直线，称为“固定线”，用于表示固定位置。

4）开始实验时，首先令挂车停在车道中央，调整位置，尽量使得挂车的纵向对称轴和地面的交线与第一标识线1对齐，牵引车最前方与固定线4齐平。实验开始后，让驾驶员驾驶车辆在车道内正常行驶。在行驶过程中，第一摄像机5和第二摄像机6同时开始采集视频图像。获取摄像机拍摄的视频流，并通过上位机对视频进行实时处理。

5）将摄像机进行离线畸变参数标定和尺度标定。

畸变参数标定：根据张正友方法（Zhengyou Zhang.A Flexible New Technique for CameraCalibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,22(11):1330-1334）进行摄像机标定，求出摄像机所拍出的视频图像畸变参数，并根据畸变参数采用张正友方法将摄像机拍摄的图像还原到实际。

尺度标定：尺度标定是指当摄像机成像平面和地面平行时，选取地面上一根已知实际长度（单位：mm）的标识线，然后统计这根线在图像上的长度（单位：像素），则可以获得图像上的1个像素长度和地面上1mm之间的比例关系，记为ratio,则ratio=线段的实际长度/线段在图像上的像素长度。

本发明中汽车列车直线行驶的轨迹测量的算法流程如图2所示，具体包括以下几个步骤：

步骤1：定义两个变量flag1、flag2，作为标记符号，并赋值flag1=0、flag2=0；

步骤2：从摄像头视频流中读取一帧图像，并进行尺度标定；

步骤3：判断是否能检测到新的标识线。检测的步骤如下：

①首先确定红色像素点和蓝色像素点的判断条件。红色像素点的判断条件为：根据像素点的RGB值，如果(R-G)>ε₁and(R-B)>ε₂and|B-G|<ε₃,其中ε₁、ε₂、ε₃为阈值，此处分别取值100、100、20，则认为该像素点为红色像素点；蓝色像素点的判断条件为：根据像素点的RGB值，如果(B-G)>ε₁and(B-R)>ε₂and|R-G|<ε₃,其中ε₁、ε₂、ε₃为阈值，此处分别取值100、100、20，则认为该像素点为蓝色像素点。

②根据①中的判断条件，在读取的图片中检测红色像素点和蓝色像素点的分量个数，并采用基于邻域搜索的连通域检测算法分别提取红色目标点分量和蓝色目标点分量个数，并保存各个坐标点的坐标值。以红色像素点为例，基于邻域搜索的连通域检测算法流程如下所示：

i）在所获得的图像中获取一个未被标记的红色像素点，并对此点进行标记，并将此点置于先入先出的堆栈中；

ii）从先入先出的堆栈中取出一个目标像素点，在二值化图像中的该目标3×3邻域中再次寻找未被标记的红色目标像素点，对此红色目标像素点进行标记，并将其置入先入先出的堆栈中。

iii）重复步骤ii），遍历先入先出堆栈中的各个目标像素，找出所有符合条件的红色像素点。

③判断两个标记符号的值。如果flag1=0且flag2为任意值，则继续执行下面的步骤④，如果flag1=1且flag2为任意值，执行步骤4；如果flag2=0且flag1为任意值，执行下面的步骤⑤，如果flag2=1且flag1为任意值，执行步骤5。

④判断红色像素点个数，如果红色像素点的个数大于200，则认为能检测到红色标识线，用最小二乘法拟合红色标识线的方程y=a_rx+b_r，并将flag1=1；

⑤判断蓝色像素点个数，如果蓝色像素点的个数大于200，则认为能检测到蓝色标识线，用最小二乘法拟合蓝色标识线的方程y=a_bx+b_b，并将flag2=1。执行步骤6。

步骤4：跟踪方法求红色标识线。

根据图像已检测到的红色标识线的标识线方程y=a_rx+b_r，确定一定的图像区域，即（y-ε，y+ε），其中ε为阈值，取值20。根据红色像素点的判断条件，即(R-G)>ε₁and(R-B)>ε₂and|B-G|<ε₃,其中ε₁、ε₂、ε₃分别取值100,100,20，在（y-ε，y+ε）区域内检测是否有红色标识点。若有红色像素点，采用基于邻域搜索的连通域检测算法将红色像素点聚类，并用最小二乘法拟合新标识线参数。若没有红色标识点，则认为是此帧图像没有检测到红色的标识线，则flag1=0。

步骤5：跟踪方法求蓝色标识线。

根据图像已检测到的蓝色标识线的标识线方程y=a_bx+b_b，确定一定的图像区域，即（y-ε，y+ε），其中ε为阈值，取值20。确定蓝色像素点的判断条件，即(B-G)>ε₁and(B-R)>ε₂and|R-G|<ε₃,其中ε₁、ε₂、ε₃分别取值100,100,20，并在（y-ε，y+ε）区域内检测是否有蓝色标识点。若有蓝色像素点，采用基于邻域搜索的连通域检测算法将蓝色像素点聚类，并用最小二乘法拟合新标识线参数。若没有蓝色标识点，则认为是此帧图像没有检测到蓝色的标识线，则flag2=0。

步骤6：以红色标识线为基准线，根据所检测到标识线的方程，根据点到直线的计算公式来计算图像中心点到红色的标识线的距离d。其中，若图像中能够检测到红色标识线，则

若图像中只检测到蓝色标识线，则 $d=|b_r-b_b|-y-a_{b}x+b_b)/\sqrt{{a_b}^2+{b_b}^2}{.}_{}$

图像的中心点所在的位置反应了当前汽车列车的直线行驶所在的位置。

步骤7：重复步骤2）～步骤7），直到上位机发送停止处理的命令，就可以得出一系列d_i（i=1,2…）的值，即为汽车列车的直线行驶的轨迹；

根据上述图像处理所得出来的轨迹，则可以计算出当前汽车列车的实际行驶轨迹和前后轴的最大摆动幅度。具体计算过程如下：

1、计算出第一摄像机和第二摄像机的实际轨迹；

由图3所示，0表示图像的中点，其坐标为（width/2，height/2）。由于图中线条L1、L2是地面上两根标识线在摄像机中的成像。以红色标识线L1为例，图像3中O点和L1之间的距离反映了摄像机光轴与地面的交点和红色标识线之间的距离。根据上述所说的原理可知，通过不断计算O点和红色线条L1的距离d，结合事先标定系数ratio可以反算出第一摄像机和第二摄像机相对红色标识线的位置，即pos_i=d_i*ration（负号代表在红色标识线左边，正号代表在红色标识线右边），进而推算出第一摄像机和第二摄像机的运动轨迹。用坐标轴表示的话，如图4所示，横坐标表示时间（帧号×帧率），纵坐标为位置值（mm为单位）。

2、计算同一时间前后轴最大摆动幅度；

第一摄像机运动轨迹反映了挂车后轴中心相对于红色标识线的运动轨迹，摄像机C2运动轨迹反映了牵引车前轴中心相对于红色标识线的运动轨迹，因此挂车后轴中心相对于牵引车前轴中心的最大摆动幅度即为第一摄像机和第二摄像机的运动轨迹偏差最大值。

如图4所示，黄色的实线即为第一摄像机相对于红色标识线的运动轨迹，各个点的值记为d_c1i,虚线即为第二摄像机相对于红色标识线的运动轨迹，各个点的值记为d_c2i，其中，i（i=1,2…）表示横坐标时间，则同一时间前后轴最大摆动幅度d_max=max|d_c1i-d_c2i|。

以上所述仅为本发明的优选实施例而已，并不限制于本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (4)

1.一种基于视觉的汽车列车直线行驶轨迹测量方法，其特征在于：包括如下内容：

1）在牵引车车头左侧和挂车车厢左侧分别安装高清第一摄像机5和第一摄像机6，要求摄像机垂直向下安装，使得摄像机光轴尽可能垂直于地面拍摄车头前下方的图像，该摄像机带补光设备以弥补光线不足。

2）根据营业性货运汽车列车在平坦、干燥的直线路面上行驶时，挂车后轴中心相对于牵引车前轴中心的最大摆动幅度：全挂汽车列车应不大于200mm，半挂列车应不大于100mm，因此，在地面上绘制出两条平行标识线，即第一标识线，第二标识线；将第一标识线和第二标识线分别设为带色彩的标识线；

3）在牵引车的最前方，沿着垂直于标识线方向，在第一标识线和第二标识线起始端画一条短直线，称为“固定线”，用于表示固定位置；

4）开始实验时，首先令挂车停在车道中央，调整位置，使得挂车的纵向对称轴和地面的交线与第一标识线对齐，牵引车最前方与固定线齐平；实验开始后，让驾驶员驾驶车辆在车道内正常行驶；在行驶过程中，第一摄像机和第一摄像机同时开始采集视频图像；获取摄像机拍摄的视频流，并通过上位机对视频进行实时处理。

2.根据权利要求1所述的基于视觉的汽车列车直线行驶轨迹测量方法，其特征在于：所述的摄像机距离车身外侧500mm，测量摄像机的安装高度为1.2m；由于当摄像机安装高度为1.2m时，所拍摄视场的长度约为850mm，因此实验时设计的两条标识线间隔约为600mm。

3.根据权利要求1所述的基于视觉的汽车列车直线行驶轨迹测量方法，其特征在于：所述的通过上位机对视频进行实时处理，包括以下几个步骤：

步骤1：定义两个变量flag1、flag2，作为标记符号，并赋值flag1=0、flag2=0；

步骤2：从摄像头视频流中读取一帧图像，并进行尺度标定；

步骤3：判断是否能检测到新的标识线，检测的步骤如下：

①首先确定第一标识线像素点和第二标识线像素点的判断条件，第一标识线像素点的判断条件为：根据像素点的RGB值，如果(R-G)>ε₁and(R-B)>ε₂and|B-G|<ε₃,其中ε₁、ε₂、ε₃为阈值，此处分别取值100、100、20，则认为该像素点为第一标识线像素点；第二标识线像素点的判断条件为：根据像素点的RGB值，如果(B-G)>ε₁and(B-R)>ε₂and|R-G|<ε₃,其中ε₁、ε₂、ε₃为阈值，此处分别取值100、100、20，则认为该像素点为第二标识线像素点；

②根据①中的判断条件，在读取的图片中检测第一标识线像素点和第二标识线像素点的分量个数，并采用基于邻域搜索的连通域检测算法分别提取第一标识线目标点分量和第二标识线目标点分量个数，并保存各个坐标点的坐标值；

③判断两个标记符号的值，如果flag1=0且flag2为任意值，则继续执行下面的步骤④，如果flag1=1且flag2为任意值，执行步骤4；如果flag2=0且flag1为任意值，执行下面的步骤⑤，如果flag2=1且flag1为任意值，执行步骤5；

④判断第一标识线像素点个数，如果第一标识线像素点的个数大于200，则认为能检测到第一标识线，用最小二乘法拟合第一标识线的方程y=a_rx+b_r，并将flag1=1；

⑤判断第二标识线像素点个数，如果第二标识线像素点的个数大于200，则认为能检测到第二标识线，用最小二乘法拟合第二标识线的方程y=a_bx+b_b，并将flag2=1，执行步骤6；

步骤4：跟踪方法求第一标识线；

根据图像已检测到的第一标识线的标识线方程y=a_rx+b_r，确定图像区域，即（y-ε，y+ε），其中ε为阈值，取值20；根据第一标识线像素点的判断条件，即(R-G)>ε₁and(R-B)>ε₂and|B-G|<ε₃,其中ε₁、ε₂、ε₃分别取值100,100,20，在（y-ε，y+ε）区域内检测是否有第一标识线标识点；若有第一标识线像素点，采用基于邻域搜索的连通域检测算法将第一标识线像素点聚类，并用最小二乘法拟合新标识线参数；若没有第一标识线标识点，则认为是此帧图像没有检测到第一标识线的标识线，则flag1=0；

步骤5：跟踪方法求第二标识线；

根据图像已检测到的第二标识线标识线的标识线方程y=a_bx+b_b，确定图像区域，即（y-ε，y+ε），其中ε为阈值，取值20；确定第二标识线像素点的判断条件，即(B-G)>ε₁and(B-R)>ε₂and|R-G|<ε₃,其中ε₁、ε₂、ε₃分别取值100,100,20，并在（y-ε，y+ε）区域内检测是否有第二标识线标识点；若有第二标识线像素点，采用基于邻域搜索的连通域检测算法将第二标识线像素点聚类，并用最小二乘法拟合新标识线参数；若没有第二标识线标识点，则认为是此帧图像没有检测到第二标识线的标识线，则flag2=0；

步骤6：以第一标识线为基准线，根据所检测到标识线的方程，根据点到直线的计算公式来计算图像中心点到第一标识线的距离d；其中，若图像中能够检测到第一标识线，则 $d=|a_{r}x+b_r-y|/\sqrt{{a_r}^2+{b_r}^2};$ 若图像中只检测到第二标识线，则 $d=|b_r-b_b|-y-a_{b}x+b_b)/\sqrt{{a_b}^2+{b_b}^2};$

图像的中心点所在的位置反应了当前汽车列车的直线行驶所在的位置；

步骤7：重复步骤2）～步骤7），直到上位机发送停止处理的命令，就可以得出一系列d_i（i=1,2…）的值，即为汽车列车的直线行驶的轨迹。

4.根据权利要求3所述的基于视觉的汽车列车直线行驶轨迹测量方法，其特征在于：②所述的基于邻域搜索的连通域检测算法流程如下：

i）在所获得的图像中获取一个未被标记的第一标识线或第二标识线像素点，并对此点进行标记，并将此点置于先入先出的堆栈中；

ii）从先入先出的堆栈中取出一个目标像素点，在二值化图像中的该目标3×3邻域中再次寻找未被标记的第一标识线或第二标识线目标像素点，对此第一标识线或第二标识线目标像素点进行标记，并将其置入先入先出的堆栈中;

iii）重复步骤ii），遍历先入先出堆栈中的各个目标像素，找出所有符合条件的第一标识线或第二标识线像素点。

Images