CN107832788A - 一种基于单目视觉和车牌识别的车距测量方法 - Google Patents

Abstract

本发明属于交通信息检测技术领域，涉及一种基于单目视觉和车牌识别的车距测量方法，车载单目摄像头实时拍摄本车道前方路况得到视频，先对视频流进行帧提取，得到单幅的目标图像；再对目标图像进行图像预处理；然后从目标图像中定位并分割出只包含车牌区域的车牌图像，计算车牌图像下边缘占用的像素点数与目标图像下边缘占用的像素点数的比值，利用不同车距与像素比值的对应关系通过最小二乘法拟合出车距与像素比值之间的函数关系，将计算得到的像素比值代入函数，得到当前车距；其工艺简单，操作方便，无需对车辆进行分类检测，简化算法，提高实时性，测量数据精确，环境友好。

Description

一种基于单目视觉和车牌识别的车距测量方法

技术领域：

本发明属于交通信息检测技术领域，涉及一种基于单目视觉和车牌识别的车距测量方法。

背景技术：

在汽车行驶过程中，本车与前车的实时车距是一个重要的行车参数，对于司机而言，获取实时车距可对危险行驶状态进行及时的预警和提前操作，有效降低追尾事故的发生。在辅助驾驶领域，实时车距是自适应巡航系统的基础性参数。在无人驾驶领域，实时车距是车辆自主驾驶传感器系统获取的重要参数之一。

前车车距的检测方式目前有激光雷达、毫米波雷达、机器视觉和超声波等方法；其中激光雷达和毫米波雷达的成本相对较高，超声波传感器的检测距离较短，一般仅为30米。视觉是行车过程中驾驶员获取道路场景中交通标志、交通信号、车道线标记等信息的主要来源，并且周围车辆与本车之间的距离及相对速度也是驾驶员通过视觉来进行估计的.因此，采用机器视觉方式测量前方运动车辆的距离，所得到的信息量最大，也最贴近驾驶员的实际感知，单目视觉具有成本低、精度高、受环境影响小等优点。但是目前，尚未见有基于单目视觉和车牌识别进行车距检测和测量的公开使用或报道。

发明内容：

本发明的目的在于克服现有技术存在的缺点，寻求设计提供一种基于单目视觉和车牌识别的车距实时测量方法，能够避免摄像头俯仰角变化和与地面高度的变化对测距精度的影响，实现高精度和快速响应的车距实时测量。

为了实现上述发明目的，本发明测量车距的具体过程为：

步骤a、车载单目摄像头实时拍摄本车道前方路况得到视频流，对视频流进行每秒100帧的帧提取，在正常行车工况下，取时间段A内的第47帧图像为单幅的目标图像；

步骤b、对目标图像进行图像预处理：

(1)将目标图像灰度化，以提高车牌图像与背景图像的对比度，图像的颜色有红(R)、绿(G)、蓝(B)三种基色，每种颜色的数值范围均为0到255，通过取R,G,B等于三值和的平均数值，完成图像灰度化，R＝G＝B＝(R,G,B)/3；

(2)将灰度化后的目标图像进行直方图均衡化，通过灰度映射(灰度映射是一种图像处理使用的成熟技术)使输入图像转换为在每一灰度级上都有近似相同的像素点数的输出图像；在经过直方图均衡化处理后的图像中，像素将占有尽可能多的灰度级并且分布均匀，这样的图像将具有较高的对比度和较大的动态范围；

(3)将直方图均衡化的目标图像进行中值滤波处理，在适当取值的邻域上，按灰度值大小对所有像素进行排列，取中间值作为输出值；

步骤c、通过加速模板匹配的定位方法从目标图像中定位并分割出只包含车牌区域的车牌图像，此处的模板指公安部提供的标准车牌图像：

第一步，对模板的隔行隔列数据进行截取，截取后的数据在车牌图像进行匹配时，只匹配车牌图像中四分之一的部分，由于数据量的减少，使匹配的速度有所提高；

第二步，确定误差闭值E，当真实差大于E时，因为真实误差超过设定的误差，停止当前选取的像素点的计算，重新开始计算下一点；为确定真实合理的误差闭值E，误差闭值E的计算准则:E＝e×(l+1)/2×(c+1)/2，其中e为各点能够给出的最大平均误差；l、c为模板长和宽；

第三步，在第二步得到的点域内，进行详细的搜索得到只包含车牌区域的图像片段，简称此图像片段为车牌图像；

步骤d、计算车牌图像片段下边缘占用的像素点数与目标图像下边缘占用的像素点数的比值，简称此比值为像素比值N，此比值等于车牌宽度与图像宽度的比值；

步骤e、在3到110米的车距范围内，从小到大每隔0.5米测定一次像素比值，同时记录对应的车距L与像素比值N作为表格数据，采用现有方法对表格数据进行最小二乘法拟合，得到车距与像素比值的函数L＝f(N)，将检测到的车牌图像宽度比值代入函数得到并输出对应的车距，实现车距的测量。

本发明与现有技术相比，首次提出将车牌宽度替代车牌面积作为测距依据，汽车车牌的宽度均为440mm,而大车后车牌的高度为220mm，小车后车牌的高度为140mm，避免了摄像头俯仰角变化和与地面高度的变化对测距精度的影响，也替代了当前在单目测距中主流使用的依据车底阴影和车道线建立光学模型进行测距的方法，极大地提高了测距实时性；其工艺简单，操作方便，无需对车辆进行分类检测，简化算法，提高实时性，测量数据精确，环境友好。

附图说明：

图1为本发明的工作原理流程示意框图。

图2为本发明实施例中车距与像素比值的数据记录表格。

图3为本发明实施例中车距与像素比值的函数关系图。

具体实施方式

下面结合附图和实施例对本发明具体实施过程作进一步说明。

实施例：

本实施例测量车距的具体过程为：

步骤1、某时间段A内，车辆处在正常行驶状态，车载单目摄像头实时拍摄本车道前方路况得到视频流，对视频流进行每秒100帧的帧提取，每次帧提取得到单幅图像，将时间段A内的第47帧图像作为目标图像，第47帧图像对应的时刻为D时刻；

步骤2、对目标图像进行图像预处理，图像预处理共分3步：

第一步是图像灰度化，以提高车牌图像与背景图像的对比度，图像的颜色有红(R)、绿(G)、蓝(B)三种基色，每种颜色的数值范围都是0到255，取R,G,B等于三值和的平均数值，完成图像灰度化，R＝G＝B＝(R,G,B)/3；

第二步是直方图均衡化：通过灰度映射使输入图像转换为在每一灰度级上都有近似相同的像素点数的输出图像，在经过直方图均衡化处理后的图像中，像素将占有尽可能多的灰度级并且分布均匀，这样的图像将具有较高的对比度和较大的动态范围；

第三步是中值滤波处理：在邻域上，按灰度值大小对所有像素进行排列，取中间值作为输出值；

步骤3、通过加速模板匹配的定位方法从目标图像中定位并分割出只包含车牌区域的车牌图像，包括以下3步：

第一步，对对模板的隔行隔列数据进行截取，截取之后的数据在车牌图像进行匹配时，只匹配了车牌图像中四分之一的部分，由于数据量的减少，使匹配的速度有所提高；

第二步，确定误差闭值E，当真实差大于E时，停止这一点的计算，重新开始计算下一点，误差闭值E的计算准则:E＝e×(l+1)/2×(c+1)/2，其中e为各点能够给出的最大平均误差，l、c为模板长和宽；

第三步，在第二步得到的点域内进行详细的搜索，得到只包含车牌区域的图像片段，简称此图像片段为车牌图像；

步骤4、计算车牌图像片段下边缘占用的像素点数与目标图像下边缘占用的像素点数的比值N_D＝0.0256，此比值等于车牌宽度与图像宽度的比值；

步骤5、从3到110米的车距范围内，从小到大每隔0.5m测定一次像素比值，同时记录对应的车距L与像素比值N作为表格数据，表格数据记录如图2所示(由于数据量较大，图2截取了3到20米的数据)，对表格数据选取幂函数进行曲线拟合得到图3，由图3得到车距与像素比值的函数L＝f(N)＝0.7621*N^-0.966，将N_D＝0.0256代入函数，即可得到D时刻的车距L_D＝f(N_D)＝0.7621*0.0256^{^-0.966}＝26.28m。

Claims (1)

1.一种基于单目视觉和车牌识别的车距测量方法，其特征在于测量车距的具体过程为：

步骤a、车载单目摄像头实时拍摄本车道前方路况得到视频流，对视频流进行每秒100帧的帧提取，在正常行车工况下，取时间段A内的第47帧图像为单幅的目标图像；

步骤b、对目标图像进行图像预处理：

(1)将目标图像灰度化，以提高车牌图像与背景图像的对比度，图像的颜色有R、G、B三种基色，每种颜色的数值范围均为0到255，通过取R,G,B等于三值和的平均数值，完成图像灰度化，R＝G＝B＝(R,G,B)/3；

(2)将灰度化后的目标图像进行直方图均衡化，通过灰度映射使输入图像转换为在每一灰度级上都有相同的像素点数的输出图像；

(3)将直方图均衡化的目标图像进行中值滤波处理，根据取值邻域，按灰度值大小对所有像素进行排列，取中间值作为输出值；

步骤c、通过加速模板匹配的定位方法从目标图像中定位并分割出只包含车牌区域的车牌图像，此处的模板指公安部提供的标准车牌图像：

第一步，对模板的隔行隔列数据进行截取，截取后的数据在车牌图像进行匹配时，只匹配车牌图像中四分之一的部分；

第二步，确定误差闭值E，当真实差大于E时，停止当前选取的像素点的计算，重新开始计算下一点；误差闭值E的计算准则:E＝e×(l+1)/2×(c+1)/2，其中e为各点能够给出的最大平均误差；l、c为模板长和宽；

第三步，在第二步得到的点域内，搜索得到只包含车牌区域的图像片段，简称此图像片段为车牌图像；

步骤d、计算车牌图像片段下边缘占用的像素点数与目标图像下边缘占用的像素点数的比值，简称此比值为像素比值N，此比值等于车牌宽度与图像宽度的比值；

步骤e、在3到110米的车距范围内，从小到大每隔0.5米测定一次像素比值，同时记录对应的车距L与像素比值N作为表格数据，采用现有方法对表格数据进行最小二乘法拟合，得到车距与像素比值的函数L＝f(N)，将检测到的车牌图像宽度比值代入函数得到并输出对应的车距，实现车距的测量。