CN106197374A

CN106197374A - 汽车车体偏斜角度测量方法

Info

Publication number: CN106197374A
Application number: CN201610664112.6A
Authority: CN
Inventors: 陈佩江
Original assignee: Linyi University
Current assignee: Shandong Shengyang Rubber Plastic Co ltd
Priority date: 2016-08-15
Filing date: 2016-08-15
Publication date: 2016-12-07
Anticipated expiration: 2036-08-15
Also published as: CN106197374B

Abstract

本发明是一种自动测量汽车车体偏斜角度的方法，适用于汽车安全性能检测。系统由安装在停放车位正前方的双目摄像机和计算机构成，拍摄汽车行驶过程中的若干帧视觉图像。计算机对每帧左、右两幅汽车图像进行SIFT特征点检测，对左、右序列图像的特征点分别匹配，对停车位两幅图像已匹配特征点再次匹配，左、右序列图像分别得到若干个特征点序列，经三维重建和直线拟合，得行车方向。把停车位两幅汽车图像的特征点分为左、右两部分，对右半部分特征向量对称修正，分析车身对称点，得车身纵向轴线。由车身纵向轴线与行车方向得车体偏斜角度。本发明是一种非接触式测量方法，能自动检测汽车车体偏斜角度，容易和车辆检测的其它项目融合，扩展性好。

Description

汽车车体偏斜角度测量方法

技术领域

本发明涉及一种非接触式自动测量汽车车体偏斜角度的方法，基于机器视觉技术检测汽车的行驶方向和车身纵向轴线，分析汽车车体偏斜角度，适用于车辆安全性能检测。

背景技术

随着行驶里程的增加，汽车不可避免地会出现动力性下降、安全性变差和可靠性降低等使用性能的变化，影响了汽车的正常运行和使用，因此，对在用汽车进行性能检测是必要的。当汽车各性能都正常时，在平坦道路上直线前进的情况下，汽车行驶方向应与车身俯视平面内的纵向轴线重合，即汽车没有跑偏，或车体没有偏斜。

当车体偏斜时，汽车车身相对于行驶方向有一定的角度，会引起啃胎，使轮胎报废，还容易引起侧滑、翻转等现象，影响了汽车的操作稳定性，是道路交通安全的一个隐患。此外，车体偏斜也会影响前照灯检测结果的准确度，引起光束照射方向的测量误差，从而造成前照灯检测合格率低、检测结果重复性差，影响汽车夜间的安全行驶。因此，分析汽车的车身纵向轴线和行驶方向之间的偏角，测量车体偏斜角度是非常有必要的。

在汽车的车体偏斜角度测量方面，有研究人员利用激光测距技术加以实现，其硬件主要由汽车摆正器、激光测距仪和反射面构成。先将汽车摆正，激光测距仪沿行车中心线左右对称分布，在汽车前端面安装反射面。根据激光反射距离分析车体偏斜角度的大小和方向。但该方案为了测距，需要在车身上安装反射面进行激光的反射，由于每次测试都需要安装、调试和拆卸，很不方便，而且要求与汽车连接紧密，防止在行车过程中产生位置的变化，测量精度不易保证。

发明内容

为了克服常规方法的测量不方便、精度低等问题，本发明提供一种非接触式测量方法，利用机器视觉技术，实现汽车车体偏斜角度的自动检测。

本发明的汽车车体偏斜角度的测量原理如下。

如图1所示，当汽车车体没有偏斜时，汽车车体1的车身纵向轴线2应与行车方向3一致。当车体偏斜时，假设：车身纵向轴线2与理想参考线4的偏角为α，行车方向3与理想参考线4的偏角为β，则车体偏斜角度θ为：

θ= β –α (1)

式中：α、β、θ为正表示左偏，为负表示右偏。

本发明的汽车车体偏斜角度的测量方案如下。

如图2所示，双目摄像机5设置在停车位正前方，在汽车方向盘回正的状态下，让待检汽车6从起始位置缓慢前进，行驶一段距离，到达停车位。在此期间，拍摄若干帧汽车的视觉图像，传输给计算机7。由计算机程序对汽车图像进行处理，利用双目立体视觉原理，分析汽车的实际行驶方向和车身纵向轴线，分析它们与理想参考线之间的偏角，得到汽车车体偏斜角度。

本发明的具体实现过程分为以下四个步骤。

(1) 拍摄汽车视觉图像

制作平面方格靶标，基于张正友平面法对摄像机进行标定。在汽车行驶过程中，拍摄若干帧汽车的视觉图像，传输给计算机，并进行预处理。

(2) 行车方向分析

由于SIFT特征的独特性，特别是对图像尺度具有不变性，可利用SFIT算法检测不同位置的汽车图像的特征点，并进行立体匹配，实现行车方向的测量。基于SIFT特征点的行车方向分析的具体过程如下。

对每帧的左、右两幅汽车图像进行分析，提取SIFT特征点，并描述其特征向量。

基于欧几里得距离相似性度量和双向匹配，对所有帧的左序列图像，进行特征点匹配，得到左序列图像的匹配特征点集合F _l={F ^(l) ₁, F ^(l) ₂, …, F ^(l) _N}，其中：N表示采集的汽车视觉图像的帧数，F ^(l) _i={ F ^(l) _i1, F ^(l) _i2,…, F ^(l) _iP}(i=1, 2,…, N)为第i帧左图像的已匹配特征点集合，P为左序列图像的匹配点数量。

对所有帧的右序列图像进行特征点匹配，得到右序列图像的匹配特征点集合F _r={F ^(r) ₁, F ^(r) ₂, …, F ^(r) _N}，其中： F ^(r) _i={ F ^(r) _i1, F ^(r) _i2,…, F ^(r) _iQ}(i=1, 2,…, N)为第i帧右图像的已匹配特征点集合，Q为右序列图像的匹配点数量。

对停车位，即最后一帧的两幅汽车图像的已匹配特征点F ^(l) _N和F ^(r) _N再次进行特征点匹配，得最终匹配点集合F _N={P ^(l) _N, P ^(r) _N}，其中：P ^(l) _N={ P ^(l) _N1, P ^(l) _N2,…, P ^(l) _NT}，P ^(r) _N={ P ^(r) _N1, P ^(r) _N2,…, P ^(r) _NT}，T为本次匹配点的数量。

根据最后一帧的立体匹配结果P ^(l) _N和P ^(r) _N，在F _l和F _r集合中查询其它帧的左、右两幅图像中的对应点，在左、右序列图像中分别得到T个N点的特征点序列。

对每帧的两幅图像的T对最终匹配点进行三维重建，计算它们在世界坐标系的坐标，得到T个N点的三维坐标序列。

把每个N点序列当作汽车的一个行驶轨迹，共得T个汽车轨迹。对每个汽车轨迹进行直线拟合，得到对应的行车方向。

求T个行车方向的平均值，得到最终的汽车行驶方向，并取在汽车俯视平面内的水平行车方向。

(3) 车身纵向轴线分析

在提取的SIFT特征点的基础上，基于汽车车身的对称性，根据SIFT特征向量的特点，检测汽车车身对称点，进而得到车身纵向轴线。基于SIFT特征点的车身纵向轴线分析的具体过程如下。

对停车位，即最后一帧的两幅汽车图像，进行分析，提取SIFT特征点集合F={P ^(l), P ^(r)}，其中：P ^(l)={ P ^(l) ₁, P ^(l) ₂,…, P ^(l) _ML}为左图像的特征点集合，ML为左图像特征点的数量； P ^(r)={ P ^(r) ₁, P ^(r) ₂,…, P ^(r) _MR}，为右图像的特征点集合，MR为右图像特征点的数量。

把汽车左图像的特征点分为两部分，左半部分特征点集合F _ll={P ^(ll) ₁, P ^(ll) ₂,…, P ^(ll) _MLL}和右半部分特征点集合F _lr={P ^(lr) ₁, P ^(lr) ₂, …, P ^(lr) _MLR}，其中，MLL和MLR分别为汽车左图像左半部分和右半部分的SIFT特征点数量。

汽车左图像的SIFT特征向量修正

在进行SIFT特征点描述时，每个特征向量都是128维的，其中，需要16个种子点，每个种子点8个向量。从F _ll中任取一特征点P ^(ll) _i，对应的种子点序号为(ls, lt)；从F _lr中取其车身对称特征点，假设为P ^(lr) _j，其对应的种子点序号为(rs, rt)；ls、lt和rs、rt的取值范围都为{1, 2, 3, 4}，根据对称性，在理想情况下，种子点的下标应有对称关系：rs = ls, rt =5-lt。每对对应的种子点的方向向量也有对称关系，如图3所示。

在进行车身对称点检测之前，先根据以上关系对汽车左图像右半部分特征点集合F _lr中的每个特征点的特征向量进行对称修正。

把F _ll看作左图像的特征点集合，把修正后的F _lr看作右图像的特征点集合，对左、右部分特征点进行行双向对称性度量，得到匹配点集合F _ld={P ^(ldl), P ^(ldr)}，即原汽车左图像的车身左、右对称点集合。

对汽车右图像的特征点重复以上-过程，得原汽车右图像的车身左、右对称点集合F _rd={P ^(rdl), P ^(rdr)}。

对汽车左图像左半部分特征点集合F _ll和汽车右图像左半部分特征点集合F _rl进行匹配，得左、右图像左半部分匹配点集合F _llp={P ^(ll) _p, P ^(rl) _p}；对汽车左图像右半部分特征点集合F _lr和汽车右图像右半部分特征点集合F _rr进行匹配，得左、右图像右半部分匹配点集合F _rrp={P ^(lr) _p, P ^(rr) _p}。

综合以上，得到最终的既满足左、右图像匹配，又满足图像车身左、右对称的特征点集合，F _pd={(P ^(ll) _pd, P ^(lr) _pd), (P ^(rl) _pd, P ^(rr) _pd)}，其中：P ^(ll) _pd是左图像的左半部分匹配对称点集合，P ^(lr) _pd是左图像的右半部分匹配对称点集合，P ^(rl) _pd是右图像的左半部分匹配对称点集合，P ^(rr) _pd是右图像的右半部分匹配对称点集合，每个集合中特征点数量相同，假设为MPD。

对P ^(ll) _pd、P ^(rl) _pd的MPD对匹配对称点进行三维重建，得到车身左半部分对称点的世界坐标；对P ^(lr) _pd、P ^(rr) _pd的MPD对匹配对称点进行三维重建，得到车身右半部分对称点的世界坐标。

根据车身对称点，得到车身纵向轴线，并取在汽车俯视平面内的水平车身纵向轴线。

(4) 根据汽车俯视平面内的车身纵向轴线和行车方向，得到车身纵向轴线与理想参考线的偏角α、行车方向与理想参考线的偏角β，根据式(1)计算车体偏斜角度θ。

附图说明

以下结合附图对本发明作进一步说明。

图1是本发明的汽车车体偏斜角度测量原理。

图2是本发明的汽车车体偏斜角度测量的系统结构。

图3是本发明的汽车图像SIFT特征点方向向量的对称关系。

图4是本发明的汽车车体偏斜角度分析程序的流程图。

在以上附图1-4中，1：汽车车体，2：车身纵向轴线，3：行车方向，4：理想参考线，5：双目摄像机，6：待检汽车，7：计算机。

具体实施方式

参照图2构建汽车车体偏斜角度测量系统，在本发明的实施例中，在停车位正前方2米处设置CMOS数码双目摄像机，离地1米。首先，采集十六幅靶标图像，传输给计算机，经计算机程序进行摄像机标定，得到摄像机内部参数、外部参数和系统结构参数，完成系统的初始化。然后，在方向盘回正的状态下，汽车从起始位置缓慢前行，到达停车位，在此期间，拍摄十六帧汽车的视觉图像，取汽车俯视平面内与坐标轴平行的理想行车方向作为理想参考线，经计算机程序分析得到汽车的行车方向和车身纵向轴线，计算行车方向偏角和车身纵向轴线偏角，得到车体偏斜角度。计算机执行的程序如图4所示。下表列出了汽车车体偏斜角度的三次测量结果（单位为）。

Claims

1.一种汽车车体偏斜角度测量方法，其特征在于：系统由安装在停车位正前方的双目摄像机和计算机构成，在汽车驶向停车位的过程中，拍摄若干帧视觉图像，计算车身纵向轴线、行车方向与理想参考线之间的偏角，分析得到车体偏斜角度。

2.根据权利要求1所述的一种汽车车体偏斜角度测量方法，其特征在于：对每帧的左、右两幅汽车图像进行SIFT特征点检测，对左、右序列图像的特征点分别进行特征点匹配，得左序列图像的匹配特征点集合和右序列图像的匹配特征点集合；对停车位的两幅汽车图像已匹配特征点再次进行特征点匹配，得停车位汽车图像的最终匹配特征点集合；进而在左、右序列图像中分别得到T个N点的特征点序列，经三维重建计算世界坐标，得到T个汽车行驶方向，求其平均值，得最终的行车方向。

3.根据权利要求1所述的一种汽车车体偏斜角度测量方法，其特征在于：对停车位汽车左图像的SIFT特征点分为左、右两部分，先对其右半部分特征点的特征向量进行对称修正，再对左、右两部分特征点进行匹配，得汽车左图像的车身对称点集合；类似地，得汽车右图像的车身对称点集合；对汽车左图像左半部分特征点集合和汽车右图像左半部分特征点集合进行匹配，得左、右图像左半部分匹配点集合，对汽车左图像右半部分特征点集合和汽车右图像右半部分特征点集合进行匹配，得左、右图像右半部分匹配点集合；得到既满足左、右图像匹配，又满足车身左、右对称的特征点集合；经三维重建，得到车身左半部分对称点的世界坐标和车身右半部分对称点的世界坐标系，根据车身对称点，得到车身纵向轴线。