CN107481291A - 基于标识虚线物理坐标的交通监控模型标定方法及系统 - Google Patents
基于标识虚线物理坐标的交通监控模型标定方法及系统 Download PDFInfo
- Publication number
- CN107481291A CN107481291A CN201710702384.5A CN201710702384A CN107481291A CN 107481291 A CN107481291 A CN 107481291A CN 201710702384 A CN201710702384 A CN 201710702384A CN 107481291 A CN107481291 A CN 107481291A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- mtd
- traffic
- mtr
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Abstract
本发明提供了一种基于标识虚线物理坐标的交通监控模型标定方法及系统，包括以下步骤：1)通过VLH自标定算法确定道路监控摄像机的内参矩阵；2)利用步骤1)所确定的内参矩阵与交通视频中标识虚线的坐标进行求解摄像机姿态参数；3)在步骤2)执行后得到交通摄像机的姿态参数，将姿态参数传递到交通监控模型中，利用交通监控模型对摄像机的姿态进行相应分析计算，得到正确的道路监控结果。该交通监控模型标定的速度较传统的摄像机标定方法快，标定实时，鲁棒性强，基于标识虚线物理的坐标获取方便的特点，本发明能够通过实际道路交通视频进行交通监控设施的快速标定，并能够实时准确的仿真模拟出交通视频情况。
Description
技术领域
本发明属于信息技术的机器视觉技术领域，涉及一种基于标识虚线物理坐标的交通监控模型标定方法及系统。
背景技术
由于人们制造水平的提高，传统相机和处理器的成本持续下降，基于视觉的传感器越来越流行并且逐渐替代传统的传感器去收集交通数据。许多研究和商业公司都声明能够在交通视频中提取诸如车速，车辆的容量和车辆的种类等信息。除了成本下降之外，由于基于机器视觉的方法安装简易和丰富的数据采集能力吸引大量相关人员进行这方面研究。
在实际的应用中，对摄像机的标定主要集中在通过常用的棋盘法进行标定，然而棋盘法对于交通摄像机来说标定过于复杂，并且实用的价值不高。因此针对该问题本发明提出基于标识虚线以及摄像机高度的交通摄像机自标定方法(VLH算法)。该发明能够不借助棋盘等常用的辅助工具，利用交通道路上的国家规定的道路信息实现交通摄像机的自标定。
在交通领域中机器视觉的主要应用是通过交通监控摄像机去监控交通情况，跟踪所要观察的车辆信息。在现实实际应用中，通常是在摄像机内部添加额外硬件去测量交通监控摄像机的上下摇动角度与交通监控摄像机的左右摆动角度，在添加额外硬件后一方面因为硬件成本较高，占用空间较多，导致每个交通监控方法的造价高，维护麻烦。另一方面还需要考虑数据的传输是否出错或者掉帧，需要额外的校验，造成通过硬件测量角度的不方便。本发明为了克服上述采用硬件带来的成本较高，空间占用率高以及测量不方便的缺点提出P4P方法进行摄像机姿态估计。
目前存在的交通监控方法采集到交通视频后没有合适的仿真方法去对道路方法进行较为实际的模拟摄像机所观测到场景。而对交通视频仿真能够根据交通路口的交通情况勘查资料，运用计算机技术辅助分析模拟道路交通情况并采用动画形式在屏幕上再现真实道路交通实况发生的全过程，这样实际道路交通状况可以实时的反应出来，又可以更加直观、快速、准确地对交通流进行指导，减少交通拥堵。
P4P算法是基于四个控制点，此处控制点的定义为已知在视频中图像坐标系下的点与其在现实世界坐标系下的对应点的坐标。在知道四个控制点后，通过读取交通监控摄像机的内参矩阵然后利用公式(1)去求取交通监控摄像机的旋转角度与平移向量。
其中fx、fy、u0、v0等4个参数只与摄像机内部结构有关，因此称为摄像机内部参数。u、v是图像坐标系下的控制点坐标。Zc是控制点在世界坐标系下的Z轴坐标。R矩阵与T矩阵分别表示为旋转矩阵与平移矩阵。
发明内容
本发明的目标在于克服现有技术的不足之处，提出一种基于标识虚线物理坐标的交通监控模型标定方法及系统。其目的在于利用交通监控所录制的视频对监控所用的摄像机进行自标定以及姿态估计并通过交通监控模型方法进行仿真模拟。利用本发明能够快速准确的求解出交通监控摄像机的自标定后的内参矩阵以及姿态参数并做出相应的仿真。通过对交通路口进行科学的交通流管理和控制，不仅能够大幅地提高城市道路的运行效率，使得单位时间平均道路通行流量保持在较高水平；同时能减少新增、改造交通设施的数量，完善交通方法，使得城市空间利用率得到提升。
为实现上述目的，本发明采用以下技术方案：
一种基于标识虚线物理坐标的交通监控模型标定方法，包括以下步骤：
1)对未知内参矩阵的交通摄像机，通过VLH自标定算法确定道路监控摄像机的内参矩阵；
2)利用步骤1)所确定的内参矩阵与监控视频中标识虚线的四个控制点在视频中的坐标与世界坐标系下的对应关系计算交通监控设施的姿态参数；
3)将步骤2)执行后得到交通摄像机的姿态参数传递到交通监控模型中，利用交通监控模型对摄像机的姿态进行相应分析计算，得到正确的道路监控结果。
作为本发明的进一步改进，步骤1)具体包括以下步骤：
步骤一：摄像机自标定；
根据摄像机标定原理得到关系：
其中，fx、fy为在图像坐标系下x轴方向上的缩放比例与在y轴方向上的缩放比例；f为摄像机焦距；h为摄像机中心点距离地面高度；φ为摄像机的倾斜角；(x,y,z)为世界坐标系下的点；α为系数。利用公式(1)将世界坐标系下点转换为摄像机坐标，则道路平面上的点(x,y,0)投影到图像上的点坐标为(u,x)：
步骤二:根据交通道路上标识虚线的四个控制点可以得到其在交通流方向的灭点坐标为(u0,v0)，其存在关系如下：
根据式(2)、式(3)、式(4)、式(5)初步得出摄像机参数的表达式：
步骤三：根据VLH算法，已知灭点坐标、标识虚线长度L以及摄像机距离地面高度H通过上述公式可以推导出：
f4+[u0 2+2v0 2-kL 2]f2+(u0 2+v0 2)v0 2＝0 (10)
其中，κ＝(vf-v0)(vb-v0)/(vf-vb)，vf为路面平行于交通流量方向的路段上一段长度l前点坐标投影到图像坐标的Y轴值；vb为路面平行于交通流量方向的路段上有一段长度l后点坐标投影到图像坐标的Y轴值；
对该公式进行求解f得到内参矩阵。
作为本发明的进一步改进，步骤2)具体包括以下步骤：通过读入姿态估计所用监控视频，在监控视频中标定四个点，利用四个点和已知的摄像机的参数矩阵采用P4P的方法对摄像机进行姿态估计。
作为本发明的进一步改进，步骤2)具体的数学计算推导过程为：
根据摄像机标定原理中得到的公式：
其中Zc为图像坐标系下Z轴坐标，(u0,v0)为图像中心坐标，R为3x3的旋转矩阵，T为3x1的平移矩阵，(Xw,Yw,Zw)为世界坐标系下的点，(x,y)为世界坐标系对应在图像中的坐标；将公式(11)带入整理得到一下方程组：
计算求解上式方程组的R矩阵和T矩阵，摄像机的旋转矩阵和平移矩阵，求解出交通监控摄像机的姿态参数。
作为本发明的进一步改进，步骤2)中：采集不同姿态下的监控视频，在使用交通监控设施进行上下摇动和左右摆动进行拍摄，获取不同角度下的监控视频。
作为本发明的进一步改进，步骤3)中：在交通监控模型方法中，采用OpenGL进行仿真设计，摄像机底部距离道路的垂直距离为d，摄像机底部到摄像机的高度为h，在OpenGL空间坐标系中摄像机所在的空间位置中在X轴的坐标位置为0；模拟的摄像机所在的空间坐标为(0，d，h)，当确定摄像机位置后，进行测量摄像机的光轴与道路的交点坐标。
作为本发明的进一步改进，步骤3)中还包括交通监控模型的构建步骤，构建步骤包括计算交通监控设施各种角度变化后对应的观察角度的变化、常见交通量的绘制，具体包括：绘制常见的车辆模型、车道线以及交通摄像机，绘制道路旁交通摄像机的整体场景，针对摄像机的角度姿态不同，绘制出摄像机在不同姿态角度下的观测景象。
一种基于标识虚线物理坐标的交通监控模型标定系统，包括：
方法框架绘制模块，用于仿真方法的入口函数封装和仿真方法的主体框架进行绘制；
输入模块，用于读取输入标定视频信息，接收输入后将准备用于标定的视频传输到标定点选取模块准备进行标定点选取；
标定点选取模块，用于手工选取标定点；在手工选取了标定点后，记录手工选取的标定点在图像坐标系下的坐标；在得到手工选取的标定点在图像坐标系下的坐标与其在实际的世界坐标系下对应的坐标后，进入交通摄像机标定模块；
交通摄像机标定模块，用于对交通摄像机进行标定；该模块需要接收标定点选取模块的结果即几个手工选取的标定点在图像坐标系下的坐标与其在实际的世界坐标系下对应的坐标；通过标定点对拍摄所用的摄像机进行标定结束后会将标定结果传输到输出模块进行下一步操作；
交通摄像机姿态估计模块，用于根据已经标定好的交通摄像机以及已知的世界坐标系下的点与图像中的点的对应关系而对摄像机进行姿态估计；首先读取某摄像机已经标定好的内部参数与畸变参数，然后使用该摄像机进行拍摄一段视频，利用通过记录该视频中四个已知点的关系对监控视频时摄像机的各种角度与高度进行计算得到；
输出模块，用于将标定的结果进行输出。
作为本发明的进一步改进，交通监控模型包括：
交通监控模型框架绘制模块，用于仿真方法的入口函数封装和仿真方法的主体框架进行绘制；
常用交通模型绘制模块，用于使用OpenGL开发库对各种常用交通模型进行绘制；
交通监控模型输入模块，用于接收对话框上输入参数，输入模块接收到数据后暂存于内置的变量中，这些变量在内部变换模块中使用；
内部变换模块，用于根据接收到的输入参数对已经绘制好的常用交通模型重新调用常用交通模型绘制模块进行修改；
显示模块，用于将已经绘制好的模型进行显示。
作为本发明的进一步改进，常用交通模型绘制模块，用于包括对各种车辆模型的绘制、车道线绘制、交通摄像机绘制以及交通摄像机所观测到的场景的绘制。
本发明与现有技术相比，具有以下优点：
本发明的基于标识虚线物理坐标的交通监控模型标定方法，对未知内参矩阵的交通摄像机，利用VLH算法进行求解内参矩阵，这种方法能够高效快速地辨识出摄像机的内部参数，易于实现，鲁棒性强。通过对监控视频中标识虚线的四个控制点在视频中的坐标与世界坐标系下的对应关系计算交通监控设施的姿态参数，这种方法可以有效减少交通监控设施的硬件复杂程度，不需要交通监控设施内观测其姿态参数的硬件而是通过本发明来求解交通监控设施姿态参数。该发明采用P4P摄像机姿态估计算法，该算法规则简单，目的性强；鲁棒性高，公式复杂度低；求解精度高，容易实现。利用交通监控所录制的视频对监控所用的摄像机进行自标定以及姿态估计并通过交通监控模型方法进行仿真模拟，能够快速准确的求解出交通监控摄像机的自标定后的内参矩阵以及姿态参数并做出相应的仿真。通过对交通路口进行科学的交通流管理和控制，不仅能够大幅地提高城市道路的运行效率，使得单位时间平均道路通行流量保持在较高水平；同时能减少新增、改造交通设施的数量，完善交通方法，使得城市空间利用率得到提升。
进一步，在使用交通监控设施进行拍摄后，由于拍摄时摄像机是可以进行旋转的，所以能够拍摄到更多的交通信息。本发明还能通过模拟仿真道路旁交通摄像机所观测到的情况来对实际交通流有更深入直观了解。
本发明的交通监控模型标定系统，通过(1)方法框架绘制模块、(2)标定点选取模块、(3)输入模块、(4)输出模块、(5)交通摄像机标定模块、(6)交通摄像机姿态估计模块等六个模块实现了交通监控模型标定。结构简单，对实际道路的常见场景进行仿真。程序开始自动绘制模拟仿真道路旁交通摄像机及相关的交通量，同时人能够手动的修改交通摄像机的距离地面高度、摄像机的旋转角度、左右的摇摆角度等信息，当程序接收输入后，在后台进行处理，根据输入信息重新绘制、修改已经绘制的各种交通量，同时实时的显示在屏幕上。在另一个窗口，绘制出以摄像机视角所看到的各种交通信息量的情况。当各种交通量发生改变时，要求摄像机视角所看到的各种交通量也应产生相应的变化以实现对交通场景的实时仿真。该交通监控模型标定的速度较传统的摄像机标定方法快，标定实时，鲁棒性强，基于标识虚线物理的坐标获取方便的特点，本发明能够通过实际道路交通视频进行交通监控设施的快速标定，并能够实时准确的仿真模拟出交通视频情况。
进一步，设计交通监控模型，对交通视频摄像机的姿态能够实时做出正确仿真。
附图说明
图1是本发明的交通监控模型标定方法流程图；
图2是变换常用角示意图；
图3是改变观察视角图；
图4是X轴方向变化示意图；
图5是倾斜角变化示意图；
图6是摄像机距地面高度变化示意图；
图7是交通监控标定方法模块图；
图8是交通监控模型方法模块图；
图9是方法总体效果图；
图10是交通监控模型方法效果图；
图11是交通监控标定对实际交通视频处理图；
图12是VLH自标定算法处理图。
具体实施方式
下面结合附图对本发明作详细描述：
如图1所示，为改善采集到交通视频后没有合适的仿真方法去仿真模拟交通监控摄像机变化情况的现状，本发明设计了一种交通监控模型方法。由于实际道路的常见场景有各类车辆，道路的实线、道路上的虚线以及道路旁的交通摄像机。因此该模型方法的主要功能就是对实际道路的常见场景进行仿真。该仿真方法利用OpenGL进行编写，计划设计除了界面框架外有另外两个大类。其中一个类进行对各种交通道路旁的车辆、实线、虚线进行绘制；另外一个类负责对已绘制的交通道路旁信息进行显示以及接收用户输入变量对交通道路信息进行交互。通过这两个主要的类可以将所需的功能进行覆盖，最终能实现的场景是：程序开始自动绘制模拟仿真道路旁交通摄像机及相关的交通量，同时人能够手动的修改交通摄像机的距离地面高度、摄像机的旋转角度、左右的摇摆角度等信息，当程序接收输入后，在后台进行处理，根据输入信息重新绘制、修改已经绘制的各种交通量，同时实时的显示在屏幕上。在另一个窗口，绘制出以摄像机视角所看到的各种交通信息量的情况。当各种交通量发生改变时，要求摄像机视角所看到的各种交通量也应产生相应的变化以实现对交通场景的实时仿真。具体方法如下：
交通监控标定方法：
在现实世界的空间坐标系中物体表面某点的三维几何位置与其在图像中对应点之间的相互关系是由摄像机成像的几何模型决定的，这些几何模型参数就是摄像机参数。本发明采用的标定方法为VWL自标定算法。该方法利用一个灭点、已知标识虚线的长度以及交通摄像机距离地面的高度来求解摄像机内部参数。该方法在背景模型基础上，灭点的选取与车道交通流方向一致，测量虚线长度与摄像机距离地面高度而得到所需参数。首先确认世界坐标系中的4个初始坐标值并精确提取质点。然后利用VLH算法来确定所需的参数，通过该算法进行摄像机内部参数的求取，得到科学合理的所需参数值。该方法目的性强，收敛速度非常快，并且求解精度高。其具体步骤如下：
步骤一：摄像机标定原理
根据摄像机标定原理可以得到关系
其中的fx、fy为在图像坐标系下x轴方向上的缩放比例与在y轴方向上的缩放比例；f为摄像机焦距；h为摄像机中心点距离地面高度；φ为摄像机的倾斜角；(x,y,z)为世界坐标系下的点；α为系数。利用公式(1)将世界坐标系下点转换为摄像机坐标，则道路平面上的点(x,y,0)投影到图像的点坐标(u,x):
步骤二:利用步骤一世界坐标系与摄像机坐标的变化关系初步得出摄像机参数的表达式；
根据交通道路上标识虚线的四个控制点可以得到其在交通流方向的灭点坐标为(u0,v0)，其存在关系如下
根据式(3)、式(4)、式(5)、式(6)可以得出以下关系
步骤三：通过步骤二获得的初步参数再根据VLH算法进一步进行推导；
根据VLH算法，已知灭点坐标、标识虚线长度L以及摄像机距离地面高度H通过上述公式可以推导出：
f4+[u0 2+2v0 2-kL 2]f2+(u0 2+v0 2)v0 2＝0 (11)
其中κ＝(vf-v0)(vb-v0)/(vf-vb)。vf为路面平行于交通流量方向的路段上有一段长度l前点坐标投影到图像坐标的Y轴值；vb为路面平行于交通流量方向的路段上有一段长度l后点坐标投影到图像坐标的Y轴值。对该公式进行求解f可以得到唯一正解，其他解为负值。故通过上述公式可以求解得到内参矩阵。
根据上述标定方法可以得到通过交通监控摄像机的内部参数矩阵。将标定的结果存储于XML文件中，而后对于标定结果可以读取到程序中，然后通过读入姿态估计所用视频。在视频中标定四个点，利用四个点和已知的摄像机的参数矩阵对摄像机进行姿态估计。而其中的原理是采用P4P的方法。其中数学计算推导为：根据上文所述的摄像机标定原理中得到的公式：
其中Zc为图像坐标系下Z轴坐标，(u0,v0)为图像中心坐标，R为3x3的旋转矩阵，T为3x1的平移矩阵，(Xw,Yw,Zw)为世界坐标系下的点，(x,y)为世界坐标系对应在图像中的坐标；将公式(11)带入整理得到一下方程组：
根据方程组可以看出如果在通过摄像机标定后得到摄像机的内参矩阵后，要得到摄像机的外部参数，即摄像机的旋转矩阵和平移矩阵，只需要计算求解上式方程组的R矩阵和T矩阵。由于旋转矩阵是正交矩阵，因此该矩阵的秩为3，所以旋转矩阵中的12个未知变量只需要3个相互独立的方程组就可以求解。而平移矩阵是一个三维向量，所以此处需要3个相互独立的方程组就可求解得到。因此，若求解摄像机的外部矩阵一共需要6组相互独立的方程组来进行求解。由于一个世界坐标系下点与图像坐标系下点有X和Y两组对应方程。故在理论上，只需要知道3个世界坐标系与图像坐标系的对应点就可以求解该方程组，从而得到旋转矩阵和平移矩阵，求解出交通监控摄像机的姿态参数。
而在实际的计算过程中，可以发现在使用三个对应点时会在求解的过程中出现三次方程的情况，在最后求解结束后出现8组解。因此本发明采用四个共面对应点，用其中三个计算出最后的8组解，通过投影误差用第4个点进行检验筛选，投影误差最小的点即正解。
交通监控模型方法：
在实际应用中，考虑到交通摄像机观察到的实际情况与交通摄像机的状态信息有关，所以在此处定义交通摄像机会出现的一些状态，如图2所示。
其中，交通摄像机距离道路平面的距离为h，摄像机的倾斜角为φ，此处倾斜角的意义是表明假设摄像机的Xc与道路平面坐标系的X平行时，摄像机的Zc与道路平面坐标系的Y轴夹角。
当改变观察视角后，如图3所示，此时观察的角度是在摄像机顶部以摄像机方向为Y正轴，Z正轴从内向外，可以得到如下图所示的一种观察结果，此时引入摇动角θ。摇动角代表着摄像机相对观察路面在摄像机坐标系下的摇动程度。
对于有的交通摄像机存在自旋角，该角的意义是，摄像机中心绕着摄像机坐标系的Z正轴在XOY平面内进行旋转，如果该交通摄像机存在自旋角，则其观察到的画面较正常情况下的观察画面是绕观察画面的图像中心进行旋转的。
在交通监控模型方法中，采用OpenGL进行仿真设计，摄像机底部距离道路的垂直距离为d，摄像机底部到摄像机的高度为h，在OpenGL空间坐标系中摄像机所在的空间位置中在X轴的坐标位置为0。所以模拟的摄像机所在的空间坐标为(0，d，h)。当确定了摄像机位置后，下一个应该测量的参数是摄像机的光轴与道路的交点坐标。其中X轴方向的变化示意图如图4所示。
其中当摇动角θ为0时，摄像机底部距离其光轴与道路的交点长度为此时的交点的X坐标为0。而当存在摇动角θ不为0时，本身的倾斜角φ没有变化，因此光轴与道路交点发生变化，此时变化的当摇动角和摄像机的高度不变，而倾斜角由φ变化为φ1时，如图5，可以看到摄像机光轴与道路交点在轴存在改变。此时的讨论当摇动角和倾斜角都不进行变化，而摄像机距离地面的高度h变化时，示意图如图6所示。
在Y轴上的变化可以由图6得到此时根据只有摄像机距离地面高度h变化和只有摇动角变化的两种情况对Y轴的坐标影响来进行叠加，因为此处只讨论标量，故不需要采用矢量叠加法，而是采用标量的叠加。根据以上讨论，可以得出在各种角的变化下，摄像机所观测到的场景如何根据其他变量变化而进行变化。
通过对交通监控标定方法功能描述，在标定方法可以建立六个模块，其分别为：
(1)方法框架绘制模块；
(2)标定点选取模块；
(3)输入模块；
(4)输出模块；
(5)交通摄像机标定模块；
(6)交通摄像机姿态估计模块；
其中，方法框架绘制模块主要负责仿真方法的入口函数封装和仿真方法的主体框架进行绘制，其包括：对各种按钮的绘制、对输入框的绘制、对OpenCV显示的控件绘制与配置等。方法框架绘制模块绘制出框架后放在内存中不进行显示；等待输入模块进行输入操作。
输入模块的功能是读取输入信息，在本方法中暂定为读取输入标定视频信息，视频格式包括.avi、.mp4、.rmvb等格式。其中读取的视频是用需要标定的交通摄像机所录制的，该视频需要交通摄像机存在移动等操作。录制视频时最好使用便于交通摄像机标定的物体，比如一块画布存在明显的棋盘或一块画布存在间隔距离适中的几个同一平面的点。输入模块接收输入后将准备用于标定的视频传输到标定点选取模块准备进行标定点选取。
标定点选取模块的功能是手工选取标定点。标定点选取模块是在输入模块后进行的。标定点选取模块需要注意的是：在手工选取标定点时，要同时具备的先验知识是手工选取的这几个标定点在实际的世界坐标系下的世界坐标。在手工选取了标定点后，此时能够记录手工选取的标定点在图像坐标系下的坐标。在得到手工选取的标定点在图像坐标系下的坐标与其在实际的世界坐标系下对应的坐标后，进入交通摄像机标定模块。
交通摄像机标定模块的功能是对交通摄像机进行标定。该模块需要接收标定点选取模块的结果即几个手工选取的标定点在图像坐标系下的坐标与其在实际的世界坐标系下对应的坐标。在本标定方法中，选取四个手工标定点。交通摄像机标定模块通过对这四个手工标定点进行处理，其中处理的方式在第四章道路旁交通摄像机标定的原理中的第三节已经做过详细的阐述。在本模块中，通过四个字标定点对拍摄所用的摄像机进行标定结束后会将标定结果传输到输出模块进行下一步操作。
交通摄像机姿态估计模块是根据已经标定好的交通摄像机以及已知的世界坐标系下的点与图像中的点的对应关系而对摄像机进行姿态估计。其工作的流程是首先读取某摄像机已经标定好的内部参数与畸变参数，然后使用该摄像机进行拍摄一段视频，利用通过记录该视频中四个已知点的关系对监控视频时摄像机的各种角度与高度进行计算得到。
输出模块的功能是将标定的结果进行输出。该模块是在接收到了来自交通摄像机标定模块的标定结果后进行的。若标定结果存在内部参数或外部参数缺少的情况，此时该模块会输出相应的报错信息。若标定结果内部参数与外部参数不缺少时，该输出模块将标定结果一方面输出到一个XML文件中永久保存；另一方面该输出模块将标定结果的摇动角、倾斜角、交通摄像机高度信息输出到道路旁交通摄像机仿真方法的交通摄像机模型或对应的交通摄像机模型中，然后摄像机可以根据这些输出信息重绘交通摄像机状态。其交互关系如图8所示。
根据上述交通监控模型方法功能描述，可以为仿真方法建立五大模块，分别为：
(1)方法框架绘制模块；
(2)常用交通模型绘制模块；
(3)输入模块；
(4)显示模块；
(5)内部变换模块；
其中，方法框架绘制模块主要负责仿真方法的入口函数封装和仿真方法的主体框架进行绘制，其包括：对各种按钮的绘制、对输入框的绘制、对OpenGL显示的控件等。方法框架绘制模块绘制出框架后放在内存中不进行显示。
常用交通模型绘制模块的功能主要是使用OpenGL开发库对各种常用交通模型进行绘制，包括对各种车辆模型的绘制、车道线绘制、交通摄像机绘制以及交通摄像机所观测到的场景的绘制。常用交通模型绘制模块绘制出的交通模型会显示在方法框架绘制模块中对OpenGL显示的控件上。此时整个程序已经初步形成，在默认参数下能够显示运行。
输入模块的功能是接收对话框上输入参数，这些参数包括：倾斜角、摇动角、自旋角、交通摄像机距离地面高度、交通摄像机底部距离车道的垂直距离，对观察视角的远近等。输入模块接收到这些数据后暂存于内置的变量中，这些变量在内部变换模块中使用。
内部变换模块的功能是根据接收到的输入参数对已经绘制好的常用交通模型重新调用常用交通模型绘制模块进行修改，例如：对交通摄像机的距离地面高度的变化进行重绘、对交通摄像机的摇动角、倾斜角、自旋角的变化调用常用交通模型绘制模块进行重绘；内部变换模块的另一项功能是对鼠标操作进行交互，比如对鼠标的长按左键进行旋转操作等。
显示模块的功能是将已经绘制好的模型进行显示，当方法框架绘制模块、常用交通模型绘制模块和内部变换模块生成的框架和模型进行显示在显示器上。
交通监控模型标定方法结果展示：
由于仿真方法是真实的对道路旁交通摄像机的仿真，因此仿真方法内部所绘制的所有图形都需要根据真实的国家标准进行比例缩放，通过查阅相关的资料，得到国家规定的相关道路宽度，虚线长度等资料，仿真方法对此进行等比例缩放后，缩放比例关系如表1所示，表1为仿真方法缩放比例。交通监控模型标定方法总体效果如图9所示；在交通监控模型方法中对输入的角度等信息做出交互的效果如图10所示；在交通监控标定方法中对输入的交通视频进行选取控制点并求解交通监控摄像机的姿态参数如图11和图12所示。
表1
以上，仅为本发明的较佳实施例，并非仅限于本发明的实施范围，凡依本发明范围的内容所做的等效变化和修饰，都应为本发明的技术范畴。
Claims (10)
1.一种基于标识虚线物理坐标的交通监控模型标定方法，其特征在于，包括以下步骤：
1)对未知内参矩阵的交通摄像机，通过VLH自标定算法确定道路监控摄像机的内参矩阵；
2)利用步骤1)所确定的内参矩阵与监控视频中标识虚线的四个控制点在视频中的坐标与世界坐标系下的对应关系计算交通监控设施的姿态参数；
3)将步骤2)执行后得到交通摄像机的姿态参数传递到交通监控模型中，利用交通监控模型对摄像机的姿态进行相应分析计算，得到正确的道路监控结果。
2.根据权利要求1所述的一种基于标识虚线物理坐标的交通监控模型标定方法，其特征在于，步骤1)具体包括以下步骤：
步骤一：摄像机自标定；
根据摄像机标定原理得到关系：
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>&alpha;</mi>
<mi>f</mi>
<mi>x</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>&alpha;</mi>
<mi>f</mi>
<mi>y</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>&alpha;</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>f</mi>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>f</mi>
<mi>s</mi>
<mi>i</mi>
<mi>n</mi>
<mi>&phi;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>f</mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&phi;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mi>h</mi>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&phi;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&phi;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>sin</mi>
<mi>&phi;</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>h</mi>
<mi>sin</mi>
<mi>&phi;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>x</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>y</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>z</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，fx、fy为在图像坐标系下x轴方向上的缩放比例与在y轴方向上的缩放比例；f为摄像机焦距；h为摄像机中心点距离地面高度；φ为摄像机的倾斜角；(x,y,z)为世界坐标系下的点；α为系数；利用公式(1)将世界坐标系下点转换为摄像机坐标，则道路平面上的点(x,y,0)投影到图像上的点坐标为(u,x)：
<mrow>
<mi>u</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&alpha;</mi>
<mi>u</mi>
</mrow>
<mi>&alpha;</mi>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mi>f</mi>
<mi>x</mi>
<mi>sec</mi>
<mi>&phi;</mi>
</mrow>
<mrow>
<mi>y</mi>
<mo>+</mo>
<mi>h</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mi>&phi;</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>v</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&alpha;</mi>
<mi>v</mi>
</mrow>
<mi>&alpha;</mi>
</mfrac>
<mo>=</mo>
<mfrac>
<mrow>
<mi>f</mi>
<mi>h</mi>
<mo>-</mo>
<mi>f</mi>
<mi>y</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mi>&phi;</mi>
</mrow>
<mrow>
<mi>y</mi>
<mo>+</mo>
<mi>h</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mi>&phi;</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤二:根据交通道路上标识虚线的四个控制点可以得到其在交通流方向的灭点坐标为(u0,v0)，其存在关系如下：
<mrow>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mi>&alpha;</mi>
<mfrac>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mi>&alpha;</mi>
</mfrac>
<mo>=</mo>
<mo>-</mo>
<mi>f</mi>
<mfrac>
<mrow>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mi>&theta;</mi>
</mrow>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&phi;</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mi>&alpha;</mi>
<mfrac>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mi>&alpha;</mi>
</mfrac>
<mo>=</mo>
<mo>-</mo>
<mi>f</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mi>&phi;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
根据式(2)、式(3)、式(4)、式(5)初步得出摄像机参数的表达式：
<mrow>
<mi>sin</mi>
<mi>&phi;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mo>-</mo>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
</mrow>
<msqrt>
<mrow>
<msup>
<mi>f</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&phi;</mi>
<mo>=</mo>
<mfrac>
<mi>f</mi>
<msqrt>
<mrow>
<msup>
<mi>f</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>sin</mi>
<mn>2</mn>
</msup>
<mi>&theta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msup>
<mi>f</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>cos</mi>
<mn>2</mn>
</msup>
<mi>&theta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<mi>f</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msup>
<mi>f</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
1
步骤三：根据VLH算法，已知灭点坐标、标识虚线长度L以及摄像机距离地面高度H通过上述公式可以推导出：
f4+[u0 2+2v0 2-kL 2]f2+(u0 2+v0 2)v0 2＝0 (10)
其中，κ＝(vf-v0)(vb-v0)/(vf-vb)，vf为路面平行于交通流量方向的路段上一段长度l前点坐标投影到图像坐标的Y轴值；vb为路面平行于交通流量方向的路段上有一段长度l后点坐标投影到图像坐标的Y轴值；
对该公式进行求解f得到内参矩阵。
3.根据权利要求2所述的一种基于标识虚线物理坐标的交通监控模型标定方法，其特征在于，步骤2)具体包括以下步骤：通过读入姿态估计所用监控视频，在监控视频中标定四个点，利用四个点和已知的摄像机的参数矩阵采用P4P的方法对摄像机进行姿态估计。
4.根据权利要求3所述的一种基于标识虚线物理坐标的交通监控模型标定方法，其特征在于，步骤2)具体的数学计算推导过程为：
根据摄像机标定原理中得到的公式：
<mrow>
<msub>
<mi>Z</mi>
<mi>c</mi>
</msub>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mi>x</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>y</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>f</mi>
<mi>x</mi>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mi>y</mi>
</mrow>
</mtd>
<mtd>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>&CenterDot;</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>R</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>R</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>R</mi>
<mn>13</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>T</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>R</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>R</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>R</mi>
<mn>23</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>T</mi>
<mn>2</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>R</mi>
<mn>31</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>R</mi>
<mn>32</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>R</mi>
<mn>33</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>T</mi>
<mn>3</mn>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
其中Zc为图像坐标系下Z轴坐标，(u0,v0)为图像中心坐标，R为3x3的旋转矩阵，T为3x1的平移矩阵，(Xw,Yw,Zw)为世界坐标系下的点，(x,y)为世界坐标系对应在图像中的坐标；将公式(11)带入整理得到一下方程组：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Z</mi>
<mi>c</mi>
</msub>
<mo>&times;</mo>
<mi>x</mi>
<mo>=</mo>
<msub>
<mi>X</mi>
<mi>w</mi>
</msub>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>x</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>11</mn>
</msub>
<mo>+</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>31</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>Y</mi>
<mi>w</mi>
</msub>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>x</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>12</mn>
</msub>
<mo>+</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>32</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<msub>
<mi>Z</mi>
<mi>w</mi>
</msub>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>x</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>13</mn>
</msub>
<mo>+</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>33</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>f</mi>
<mi>x</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>T</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>u</mi>
<mn>0</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>T</mi>
<mn>3</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Z</mi>
<mi>c</mi>
</msub>
<mo>&times;</mo>
<mi>y</mi>
<mo>=</mo>
<msub>
<mi>X</mi>
<mi>w</mi>
</msub>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>y</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>21</mn>
</msub>
<mo>+</mo>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>31</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>Y</mi>
<mi>w</mi>
</msub>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>y</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>22</mn>
</msub>
<mo>+</mo>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>32</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>+</mo>
<msub>
<mi>Z</mi>
<mi>w</mi>
</msub>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>y</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>23</mn>
</msub>
<mo>+</mo>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>33</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>f</mi>
<mi>y</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>T</mi>
<mn>2</mn>
</msub>
<mo>+</mo>
<msub>
<mi>v</mi>
<mn>0</mn>
</msub>
<mo>&times;</mo>
<msub>
<mi>T</mi>
<mn>3</mn>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>Z</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<msub>
<mi>X</mi>
<mi>w</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>31</mn>
</msub>
<mo>+</mo>
<msub>
<mi>Y</mi>
<mi>w</mi>
</msub>
<mo>&times;</mo>
<msub>
<mi>R</mi>
<mn>32</mn>
</msub>
<mo>+</mo>
<msub>
<mi>Z</mi>
<mi>w</mi>
</msub>
<msub>
<mi>R</mi>
<mn>33</mn>
</msub>
<mo>+</mo>
<msub>
<mi>T</mi>
<mn>3</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>12</mn>
<mo>)</mo>
</mrow>
</mrow>
计算求解上式方程组的R矩阵和T矩阵，摄像机的旋转矩阵和平移矩阵，求解出交通监控摄像机的姿态参数。
5.根据权利要求1或3所述的一种基于标识虚线物理坐标的交通监控模型标定方法，其特征在于，步骤2)中：采集不同姿态下的监控视频，在使用交通监控设施进行上下摇动和左右摆动进行拍摄，获取不同角度下的监控视频。
6.根据权利要求3所述的一种基于标识虚线物理坐标的交通监控模型标定方法，其特征在于，步骤3)中：在交通监控模型方法中，采用OpenGL进行仿真设计，摄像机底部距离道路的垂直距离为d，摄像机底部到摄像机的高度为h，在OpenGL空间坐标系中摄像机所在的空间位置中在X轴的坐标位置为0；模拟的摄像机所在的空间坐标为(0，d，h)，当确定摄像机位置后，进行测量摄像机的光轴与道路的交点坐标。
7.根据权利要求1所述的一种基于标识虚线物理坐标的交通监控模型标定方法，其特征在于，步骤3)中还包括交通监控模型的构建步骤，构建步骤包括计算交通监控设施各种角度变化后对应的观察角度的变化、常见交通量的绘制，具体包括：绘制常见的车辆模型、车道线以及交通摄像机，绘制道路旁交通摄像机的整体场景，针对摄像机的角度姿态不同，绘制出摄像机在不同姿态角度下的观测景象。
8.一种基于标识虚线物理坐标的交通监控模型标定系统，其特征在于，包括：
方法框架绘制模块，用于仿真方法的入口函数封装和仿真方法的主体框架进行绘制；
输入模块，用于读取输入标定视频信息，接收输入后将准备用于标定的视频传输到标定点选取模块准备进行标定点选取；
标定点选取模块，用于手工选取标定点；在手工选取了标定点后，记录手工选取的标定点在图像坐标系下的坐标；在得到手工选取的标定点在图像坐标系下的坐标与其在实际的世界坐标系下对应的坐标后，进入交通摄像机标定模块；
交通摄像机标定模块，用于对交通摄像机进行标定；该模块需要接收标定点选取模块的结果即几个手工选取的标定点在图像坐标系下的坐标与其在实际的世界坐标系下对应的坐标；通过标定点对拍摄所用的摄像机进行标定结束后会将标定结果传输到输出模块进行下一步操作；
交通摄像机姿态估计模块，用于根据已经标定好的交通摄像机以及已知的世界坐标系下的点与图像中的点的对应关系而对摄像机进行姿态估计；首先读取某摄像机已经标定好的内部参数与畸变参数，然后使用该摄像机进行拍摄一段视频，利用通过记录该视频中四个已知点的关系对监控视频时摄像机的各种角度与高度进行计算得到；
输出模块，用于将标定的结果进行输出。
9.根据权利要求8所述的一种基于标识虚线物理坐标的交通监控模型标定系统，其特征在于，交通监控模型包括：
交通监控模型框架绘制模块，用于仿真方法的入口函数封装和仿真方法的主体框架进行绘制；
常用交通模型绘制模块，用于使用OpenGL开发库对各种常用交通模型进行绘制；
交通监控模型输入模块，用于接收对话框上输入参数，输入模块接收到数据后暂存于内置的变量中，这些变量在内部变换模块中使用；
内部变换模块，用于根据接收到的输入参数对已经绘制好的常用交通模型重新调用常用交通模型绘制模块进行修改；
显示模块，用于将已经绘制好的模型进行显示。
10.根据权利要求9所述的一种基于标识虚线物理坐标的交通监控模型标定系统，其特征在于，常用交通模型绘制模块，用于包括对各种车辆模型的绘制、车道线绘制、交通摄像机绘制以及交通摄像机所观测到的场景的绘制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710702384.5A CN107481291B (zh) | 2017-08-16 | 2017-08-16 | 基于标识虚线物理坐标的交通监控模型标定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710702384.5A CN107481291B (zh) | 2017-08-16 | 2017-08-16 | 基于标识虚线物理坐标的交通监控模型标定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107481291A true CN107481291A (zh) | 2017-12-15 |
| CN107481291B CN107481291B (zh) | 2020-04-03 |
Family
ID=60600517
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710702384.5A Expired - Fee Related CN107481291B (zh) | 2017-08-16 | 2017-08-16 | 基于标识虚线物理坐标的交通监控模型标定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107481291B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108458692A (zh) * | 2018-02-02 | 2018-08-28 | 中国科学院西安光学精密机械研究所 | 一种近距离三维姿态测量装置及测量方法 |
| CN110443854A (zh) * | 2019-08-05 | 2019-11-12 | 兰州交通大学 | 基于固定靶标的无公共视场相机间相对位姿标定方法 |
| CN111275765A (zh) * | 2018-12-05 | 2020-06-12 | 杭州海康威视数字技术股份有限公司 | 一种确定目标gps的方法、装置及摄像机 |
| CN111462249A (zh) * | 2020-04-02 | 2020-07-28 | 北京迈格威科技有限公司 | 一种交通摄像头的标定数据获取方法、标定方法及装置 |
| CN111737510A (zh) * | 2020-05-28 | 2020-10-02 | 杭州视在数科信息技术有限公司 | 一种面向道路交通场景图像算法的标签处理方法及应用 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1564581A (zh) * | 2004-04-15 | 2005-01-12 | 上海交通大学 | 交通监视环境下的摄像机标定方法 |
| CN101118648A (zh) * | 2007-05-22 | 2008-02-06 | 南京大学 | 交通监视环境下的路况摄像机标定方法 |
| CN101488222A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 一种基于运动目标表象和运动信息的摄像机自标定方法 |
| CN102693632A (zh) * | 2012-04-27 | 2012-09-26 | 徐贵力 | 一种基于视觉图像的监控装置和监控方法 |
| CN103258427A (zh) * | 2013-04-24 | 2013-08-21 | 北京工业大学 | 基于信息物理网络的城市快速路交通实时监控系统与方法 |
| CN106204574A (zh) * | 2016-07-07 | 2016-12-07 | 兰州理工大学 | 基于目标平面运动特征的相机位姿自标定方法 |
-
2017
- 2017-08-16 CN CN201710702384.5A patent/CN107481291B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1564581A (zh) * | 2004-04-15 | 2005-01-12 | 上海交通大学 | 交通监视环境下的摄像机标定方法 |
| CN101118648A (zh) * | 2007-05-22 | 2008-02-06 | 南京大学 | 交通监视环境下的路况摄像机标定方法 |
| CN101488222A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 一种基于运动目标表象和运动信息的摄像机自标定方法 |
| CN102693632A (zh) * | 2012-04-27 | 2012-09-26 | 徐贵力 | 一种基于视觉图像的监控装置和监控方法 |
| CN103258427A (zh) * | 2013-04-24 | 2013-08-21 | 北京工业大学 | 基于信息物理网络的城市快速路交通实时监控系统与方法 |
| CN106204574A (zh) * | 2016-07-07 | 2016-12-07 | 兰州理工大学 | 基于目标平面运动特征的相机位姿自标定方法 |
Non-Patent Citations (8)
| Title |
|---|
| BILL TRIGGS ET AL.: "Camera Pose and Calibration from 4 or 5 known 3D Points", 《 PROCEEDINGS OF THE SEVENTH IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
| FRANCESC MORENO-NOGUER ET AL.: "Accurate Non-Iterative O(n) Solution to the PnP Problem", 《2007 IEEE 11TH INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
| MARKÉTA DUBSKÁ ET AL.: "Fully Automatic Roadside Camera Calibration for Traffic Surveillance", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
| NEERAJ K. KANHERE ET AL.: "A Taxonomy and Analysis of Camera Calibration Methods for Traffic Monitoring Applications", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
| VINCENT LEPETIT ET AL.: "EPnP: An Accurate O(n) Solution to the PnP Problem", 《INT J COMPUT VIS (2009)》 * |
| WANG WEI ET AL.: "Real Time Multi-Vehicle Tracking and Counting at Intersections from a Fisheye Camera", 《2015 IEEE WINTER CONFERENCE ON APPLICATIONS OF COMPUTER VISION》 * |
| 安泽萍: "基于摄像机标定的交通流参数检测研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
| 王天光: "基于场景几何约束的摄像机标定方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108458692A (zh) * | 2018-02-02 | 2018-08-28 | 中国科学院西安光学精密机械研究所 | 一种近距离三维姿态测量装置及测量方法 |
| CN108458692B (zh) * | 2018-02-02 | 2020-04-03 | 中国科学院西安光学精密机械研究所 | 一种近距离三维姿态测量方法 |
| CN111275765A (zh) * | 2018-12-05 | 2020-06-12 | 杭州海康威视数字技术股份有限公司 | 一种确定目标gps的方法、装置及摄像机 |
| CN111275765B (zh) * | 2018-12-05 | 2023-09-05 | 杭州海康威视数字技术股份有限公司 | 一种确定目标gps的方法、装置及摄像机 |
| CN110443854A (zh) * | 2019-08-05 | 2019-11-12 | 兰州交通大学 | 基于固定靶标的无公共视场相机间相对位姿标定方法 |
| CN111462249A (zh) * | 2020-04-02 | 2020-07-28 | 北京迈格威科技有限公司 | 一种交通摄像头的标定数据获取方法、标定方法及装置 |
| CN111462249B (zh) * | 2020-04-02 | 2023-04-18 | 北京迈格威科技有限公司 | 一种交通摄像头标定方法及装置 |
| CN111737510A (zh) * | 2020-05-28 | 2020-10-02 | 杭州视在数科信息技术有限公司 | 一种面向道路交通场景图像算法的标签处理方法及应用 |
| CN111737510B (zh) * | 2020-05-28 | 2024-04-16 | 杭州视在数科信息技术有限公司 | 一种面向道路交通场景图像算法的标签处理方法及应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107481291B (zh) | 2020-04-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107481291A (zh) | 基于标识虚线物理坐标的交通监控模型标定方法及系统 | |
| CN110322702B (zh) | 一种基于双目立体视觉系统的车辆智能测速方法 | |
| CN110285793B (zh) | 一种基于双目立体视觉系统的车辆智能测轨迹方法 | |
| CN112894832B (zh) | 三维建模方法、装置、电子设备和存储介质 | |
| CN100417231C (zh) | 立体视觉半实物仿真系统及方法 | |
| CN104330074B (zh) | 一种智能测绘平台及其实现方法 | |
| WO2020062434A1 (zh) | 一种相机外部参数的静态标定方法 | |
| CN101894366B (zh) | 一种获取标定参数的方法、装置及一种视频监控系统 | |
| CN108805934A (zh) | 一种车载摄像机的外部参数标定方法及装置 | |
| CN110400352A (zh) | 利用特征识别的摄像机校准 | |
| US20230215187A1 (en) | Target detection method based on monocular image | |
| CN112734841B (zh) | 一种用轮式里程计-imu和单目相机实现定位的方法 | |
| CN110147382A (zh) | 车道线更新方法、装置、设备、系统及可读存储介质 | |
| CN109813335A (zh) | 数据采集系统的标定方法、装置、系统及存储介质 | |
| CN112116651B (zh) | 一种基于无人机单目视觉的地面目标定位方法和系统 | |
| CN106033621A (zh) | 一种三维建模的方法及装置 | |
| Caron et al. | Multiple camera types simultaneous stereo calibration | |
| CN106485753A (zh) | 用于无人驾驶汽车的摄像机标定的方法和装置 | |
| CN110148177A (zh) | 用于确定相机的姿态角的方法、装置、计算设备、计算机可读存储介质以及采集实体 | |
| CN110334701A (zh) | 数字孪生环境下基于深度学习和多目视觉的数据采集方法 | |
| WO2019056782A1 (zh) | 一种基于球体投影公切线的多相机标定及参数优化方法 | |
| CN107066975B (zh) | 基于深度传感器的视频识别与跟踪系统及其方法 | |
| WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
| CN113848931A (zh) | 农机自动驾驶障碍物识别方法、系统、设备和存储介质 | |
| CN207068060U (zh) | 基于无人机飞机航拍的交通事故现场三维重建系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200403 Termination date: 20200816 |