CN103363961A - 基于航拍图像的交通事故场景三维信息测定方法 - Google Patents

Abstract

本发明公开了一种基于航拍图像的交通事故场景三维信息测定方法，属于交通事故现场信息获取技术领域，首先构造航拍平台；然后拍摄事故现场的俯视图像；再后对所述俯视图像进行几何校正；最后选取三张以上俯视图像，运用直接线性变换算法求解所述俯视图像兴趣点的三维空间坐标，本发明能够进行准确的远景摄影测量，能够利用多张航拍的图像通过三维直接线性变换求解事故现场图像兴趣点的三维空间坐标，实现交通事故现场准确的测量。

Description

基于航拍图像的交通事故场景三维信息测定方法

技术领域

本发明属于交通事故现场信息获取技术领域，特别是涉及一种基于航拍图像的交通事故场景三维信息测定方法。

背景技术

航拍图像在交通事故现场勘测中具有重要作用，通过几何校正，坐标变换得到的二维等比例实景现场图，能够高效地还原事故现场各要素，但是单张图像只能反映二维的信息，只能准确的针对一个面进行准确的图像测量。在某些事故中，事故要素并不一定处于同一面上，如闸道、路沿、护坡上，单张航拍图像在反映这些信息上存在不足。另外，道路面虽然可以近似为平面，但在某些具有坡度变化的路段，用单张航拍图像来进行图像测量所引入的误差往往比较大。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种更加准确的基于航拍图像的交通事故场景三维信息测定方法。

为实现上述目的，本发明提供了一种基于航拍图像的交通事故场景三维信息测定方法，其特征在于包括以下步骤：

步骤一、构造航拍平台；

步骤二、拍摄事故现场的俯视图像；

步骤三、对所述俯视图像进行几何校正；

步骤四、选取三张以上俯视图像，运用直接线性变换算法求解所述俯视图像兴趣点的三维空间坐标：

设定I'、J'是所述俯视图像中心化后的像素坐标；设定l₁至l₁₁是直接线性变换系数，l₁至l₁₁是内方位元素和外方位元素的函数；设定X,Y,Z是所述俯视图像兴趣点的三维坐标；通过求解直接线性变换方程得到所述俯视图像兴趣点的三围空间坐标；所述直接线性变换方程为：

$\left\{\begin{array}{c}{I}^{\′}+\frac{l_{1}X+l_{2}Y+l_{3}Z+l_4}{l_{9}X+l_{10}Y+l_{11}Z+1}=0\\ J^{\′}+\frac{l_{5}X+l_{6}Y+l_{7}Z+l_8}{l_{9}X+l_{10}Y+l_{11}Z+1}=0\end{array}\right..$

本发明能够利用多张航拍的图像通过三维直接线性变换求解事故现场图像兴趣点的三维空间坐标，实现交通事故现场准确的测量。同时直接线性变换算法是建立在光的直线传播的基础上的，对于广泛使用的消费级相机，镜头畸变不可避免，在使用直接线性变换关系式时会引入较大的误差，本发明中，先对拍摄的图像进行几何校正，使得到的图像满足所述直接线性变换方程，使得远景的摄影测量也能得到准确的坐标。

较佳的，所述步骤二中对所述俯视图像进行几何校正按以下步骤进行：

A1、利用二维标定板对相机进行标定，构造图像映射方程，得到相机的内部参数和外部参数，所述内部参数包括畸变系数；

A2、将畸变系数的数值调节为0，保持其它参数不变，得到新的相机的内部参数矩阵；

A3、利用相机旧的内部参数代入图像映射方程，求解出失真图像像素坐标对应的成像平面坐标，再利用所述新的相机内部参数代入图像映射方程，将成像平面坐标面带入新的图像映射方程，得到校正后的图像像素坐标，再通过灰度插值实现颜色还原。

较佳的，所述利用二维标定板对相机进行标定，构造图像映射方程，得到相机的内部参数和外部参数的步骤为：

B1、制备二维标定板，所述二维标定板上具有至少9个与背景对比度高、半径及行列间距固定的具有一定面积的图案；

B2、利用待标定相机拍摄不同角度的含有所述标定板的图像；

B3、利用图像识别算法对拍摄图像中的图案进行搜索和定位并提取质心坐标；

B4、利用标定板上图案的二维实际坐标与提取的所述质心坐标建立映射方程，求其最优解，得到相机内部参数和外部参数，所述映射方程为：

P_c＝RP_w+T;

${(u,v)}^T=\frac{f}{z_c}{(x_c,y_c)}^T;$

${(u^{\′},v^{\′})}^T=\frac{2}{1+\sqrt{1-4k(u^2+v^2)}}{(u,v)}^T;$

${(r,c)}^T={(\frac{v^{\′}}{S_y}+C_y,\frac{u^{\′}}{S_x}+C_x)}^T;$

其中，R为旋转矩阵，Τ为平移矩阵，所述R、Τ为相机的外部参数；P_w为世界坐标，用（x_w，y_w，z_w）表示世界坐标内的坐标点，P_c为其变换到相机坐标系中的坐标，用（x_c，y_c，z_c）表示相机坐标系中的坐标点；f为焦距，u、v为理想的成像平面坐标；k为畸变系数，u'、v'为实际成像平面坐标；r为像素点行数，c为像素点列数，S_x、S_y为图像中心像素坐标，C_x，C_y为主点在成像坐标系中的坐标。

由于进行了拍摄图像的几何校正，本发明能够还原摄像机拍摄图像的失真，得到真实的事故现场图片，高效准确地还原事故现场画面。

本发明的有益效果是：本发明能够进行准确的远景摄影测量，能够利用多张航拍的图像通过三维直接线性变换求解事故现场图像兴趣点的三维空间坐标，实现交通事故现场准确的测量。同时还能够还原摄像机拍摄图像的失真，得到真实的事故现场图片，高效准确地显示事故现场画面。

附图说明

图1是本发明一具体实施方式的流程示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1所示，一种基于航拍图像的交通事故场景三维信息测定方法，其特征在于包括以下步骤：

步骤一、构造航拍平台；在本实施方式中，航拍平台为能够稳定悬停并可以利用GPS定位飞行，包括可升空移动装置其携带的相机。

步骤二、拍摄事故现场的俯视图像；在本实施方式中，可以将事故现场的某一个固定场景，例如交通标志，车辆等作为图案标志板，在本发明的更加优选的实施方式中，事故现场中可以设置有至少4个图案标志板，该图案标定板的相互距离已知，用于摄像测量比例标定。在本实施方式中，图案标志板中图案的形状为圆形。在本实施方式中，图案标定板的相互距离的大小与坐标变换的精度有关，图案标定板的相互距离越大，坐标变换的精度越高，在本实施方式中，优选的图案标定板的相邻距离为2米。本发明利用图案标志板作为坐标尺，对不同高度拍摄的图像进行坐标变换，高效准确。

步骤三、对所述俯视图像进行几何校正；本实施例中，所述步骤二中对所述俯视图像进行几何校正按以下步骤进行：

A1、利用二维标定板对相机进行标定，构造图像映射方程，得到相机的内部参数和外部参数，所述内部参数包括畸变系数；在本实施方式中，具体步骤为：

首先，制备二维标定板，所述二维标定板上具有至少9个与背景对比度高、半径及行列间距固定的具有一定面积的图案，在本发明的一种优选实施方式中，图案包括彼此分离的至少9个圆形图。

然后，利用待标定相机拍摄不同角度的含有所述标定板的图像。

再后，利用图像识别算法对拍摄图像中的图案进行搜索和定位并提取质心坐标。

最后，利用标定板上图案的二维实际坐标与提取的所述质心坐标建立映射方程，求其最优解，在本实施方式中，利用最小二乘法求解映射方程，得到相机内部参数和外部参数，在本实施方式中，内部参数包括焦距、畸变系数、相机主点在成像坐标系中坐标、图像中心像素坐标、图像尺寸；外部参数包括图像的旋转矩阵和平移矩阵，从而完成相机标定，在本发明的一种优选实施方式中，采用的映射方程为：

P_c＝RP_w+T;

${(u,v)}^T=\frac{f}{z_c}{(x_c,y_c)}^T;$

${(u^{\′},v^{\′})}^T=\frac{2}{1+\sqrt{1-4k(u^2+v^2)}}{(u,v)}^T;$

${(r,c)}^T={(\frac{v^{\′}}{S_y}+C_y,\frac{u^{\′}}{S_x}+C_x)}^T;$

其中，R为旋转矩阵，Τ为平移矩阵，所述R、Τ为相机的外部参数；P_w为世界坐标，用（x_w，y_w，z_w）表示世界坐标内的坐标点，P_c为其变换到相机坐标系中的坐标，用（x_c，y_c，z_c）表示相机坐标系中的坐标点；f为焦距，u、v为理想的成像平面坐标；k为畸变系数，u'、v'为实际成像平面坐标；r为像素点行数，c为像素点列数，S_x、S_y为图像中心像素坐标，C_x，C_y为主点在成像坐标系中的坐标。

A2、将畸变系数的数值调节为0，保持其它参数不变，得到新的相机的内部参数矩阵；

A3、利用相机旧的内部参数代入图像映射方程，求解出失真图像像素坐标对应的成像平面坐标，再利用所述新的相机内部参数代入图像映射方程，将成像平面坐标面带入新的图像映射方程，得到校正后的图像像素坐标，再通过灰度插值实现颜色还原。在本实施方式中，灰度插值方法可以为但不限于最近邻点法，即取失真像素点周围四个邻点像素中距离最近的邻点像素灰度作为该点的灰度。

步骤四、选取三张以上同一地点不同角度的俯视图像，运用直接线性变换算法求解所述俯视图像兴趣点的三维空间坐标：

设定I'、J'是所述俯视图像中心化后的像素坐标；设定l₁至l₁₁是直接线性变换系数，l₁至l₁₁是内方位元素和外方位元素的函数；设定X,Y,Z是所述俯视图像兴趣点的三维坐标；通过求解直接线性变换方程得到所述俯视图像兴趣点的三围空间坐标；所述直接线性变换方程为：

$\left\{\begin{array}{c}{I}^{\′}+\frac{l_{1}X+l_{2}Y+l_{3}Z+l_4}{l_{9}X+l_{10}Y+l_{11}Z+1}=0\\ J^{\′}+\frac{l_{5}X+l_{6}Y+l_{7}Z+l_8}{l_{9}X+l_{10}Y+l_{11}Z+1}=0\end{array}\right..$

本实施例中，航拍平台为可升空移动装置及其携带的相机，在本实施方式，可升空移动装置可以为但不限于遥控飞机。相机拍摄事故现场的图像并将图像传输给处理器，处理器对图像进行校正，得到真实的事故场景。在本实施方式中，相机通过WiFi模块将事故现场的图像传输给处理器，处理器可以实时处理相机拍摄的图像，拍摄方法和处理方法与相机拍摄时一样，其为现有技术，本发明在此不做赘述。

以上详细描述了本发明的较佳具体实施例。需要说明的是，本发明不仅适用于交通事故现场，对爆破现场等场景也同样适用，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (3)

1.一种基于航拍图像的交通事故场景三维信息测定方法，其特征在于包括以下步骤：

步骤一、构造航拍平台；

步骤二、拍摄事故现场的俯视图像；

步骤三、对所述俯视图像进行几何校正；

步骤四、选取三张以上俯视图像，运用直接线性变换算法求解所述俯视图像兴趣点的三维空间坐标：

设定I′、J′是所述俯视图像中心化后的像素坐标；设定l₁至l₁₁是直接线性变换系数；设定X,Y,Z是所述俯视图像兴趣点的三维坐标；通过求解直接线性变换方程得到所述俯视图像兴趣点的三围空间坐标；所述直接线性变换方程为：

$\left\{\begin{array}{c}{I}^{\′}+\frac{l_{1}X+l_{2}Y+l_{3}Z+l_4}{l_{9}X+l_{10}Y+l_{11}Z+1}=0\\ J^{\′}+\frac{l_{5}X+l_{6}Y+l_{7}Z+l_8}{l_{9}X+l_{10}Y+l_{11}Z+1}=0\end{array}\right..$

2.如权利要求1所述的基于航拍图像的交通事故场景三维信息测定方法，其特征是：所述步骤二中对所述俯视图像进行几何校正按以下步骤进行：

A1、利用二维标定板对相机进行标定，构造图像映射方程，得到相机的内部参数和外部参数，所述内部参数包括畸变系数；

A2、将畸变系数的数值调节为0，保持其它参数不变，得到新的相机的内部参数矩阵；

A3、利用相机旧的内部参数代入图像映射方程，求解出失真图像像素坐标对应的成像平面坐标，再利用所述新的相机内部参数代入图像映射方程，将成像平面坐标面带入新的图像映射方程，得到校正后的图像像素坐标，再通过灰度插值实现颜色还原。

3.如权利要求2所述的基于航拍图像的交通事故场景三维信息测定方法，其特征是：所述利用二维标定板对相机进行标定，构造图像映射方程，得到相机的内部参数和外部参数的步骤为：

B1、制备二维标定板，所述二维标定板上具有至少9个与背景对比度高、半径及行列间距固定的具有一定面积的图案；

B2、利用待标定相机拍摄不同角度的含有所述标定板的图像；

B3、利用图像识别算法对拍摄图像中的图案进行搜索和定位并提取质心坐标；

B4、利用标定板上图案的二维实际坐标与提取的所述质心坐标建立映射方程，求其最优解，得到相机内部参数和外部参数，所述映射方程为：

P_c＝RP_w+T;

${(u,v)}^T=\frac{f}{z_c}{(x_c,y_c)}^T;$

${(u^{\′},v^{\′})}^T=\frac{2}{1+\sqrt{1-4k(u^2+v^2)}}{(u,v)}^T;$

${(r,c)}^T={(\frac{v^{\′}}{S_y}+C_y,\frac{u^{\′}}{S_x}+C_x)}^T;$

其中，R为旋转矩阵，Τ为平移矩阵，所述R、Τ为相机的外部参数；P_w为世界坐标，用（x_w，y_w，z_w）表示世界坐标内的坐标点，P_c为其变换到相机坐标系中的坐标，用（x_c，y_c，z_c）表示相机坐标系中的坐标点；f为焦距，u、v为理想的成像平面坐标；k为畸变系数，u'、v'为实际成像平面坐标；r为像素点行数，c为像素点列数，S_x、S_y为图像中心像素坐标，C_x，C_y为主点在成像坐标系中的坐标。

Images