CN109559356B - 一种基于机器视觉的高速公路视距检测方法 - Google Patents

一种基于机器视觉的高速公路视距检测方法 Download PDF

Info

Publication number
CN109559356B
CN109559356B CN201811599120.2A CN201811599120A CN109559356B CN 109559356 B CN109559356 B CN 109559356B CN 201811599120 A CN201811599120 A CN 201811599120A CN 109559356 B CN109559356 B CN 109559356B
Authority
CN
China
Prior art keywords
coordinate system
camera
guardrail
image
dimensional
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.)
Active
Application number
CN201811599120.2A
Other languages
English (en)
Other versions
CN109559356A (zh
Inventor
张韡
白琛琛
王畅
刘伟英
娜仁图雅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changan University
Original Assignee
Changan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changan University filed Critical Changan University
Priority to CN201811599120.2A priority Critical patent/CN109559356B/zh
Publication of CN109559356A publication Critical patent/CN109559356A/zh
Application granted granted Critical
Publication of CN109559356B publication Critical patent/CN109559356B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于机器视觉的高速公路视距检测方法，包括以下步骤：首先对待使用的摄像机进行内外参数的标定，从而得到三维世界坐标系与二维图像坐标系之间的转换关系；然后将标定好的摄像机装载在检测车辆的前部，采集车辆在道路上某一点时前方的图像信息；再对图像信息进行图像处理，得到道路两侧的护栏信息，并采用图像二值化分割方法提取护栏曲线，获得护栏的二维图像坐标系；再基于视距实值获得左右护栏长度动态权重分配；最后根据动态权重分配计算实际视距。该方法有效解决了传统视距测量方法精确度低、时效性差的问题。

Description

一种基于机器视觉的高速公路视距检测方法
技术领域
本发明涉及道路交通安全评价技术领域，尤其涉及一种基于机器视觉的高速公路视距检测方法。
背景技术
视距是保证道路行车安全的一个重要设计因素，在道路建设标准中是一项强制性指标。道路沿线的每一条车道都应具有足够的视距，以保证驾驶人在遇到紧急情况时能够及时做出相应的反应，保证行车安全。尤其对于高速公路来说，车辆行驶速度快，因此更需要有充足的视距保障。目前我国对于道路视距的研究较少，尤其缺乏在高速公路这一特定交通环境下的检测方法。
从测距的手段来看，现在应用的测距技术主要分为以下几种：激光测距、微波雷达测距、超声波测距以及机器视觉系统测距。激光雷达测距时间短、精度高。微波雷达检测性能稳定，但是易受到电磁波的干扰。超声波雷达技术原理简单，成本低，但是易受天气的影响，并且对于远距离的精度没有保证。机器视觉测距系统具有尺寸小、重量轻、功耗低、噪声小、动态范围大等优点，尤其是只用一个摄像机的单目视觉系统，价格较低，处理速度较快。
从测距的对象来看，现有技术多聚焦于将道路视距的检测转化为车道线长度的检测。然而由于高速公路的线型特征，在曲率较大的弯道路段，车道线的长度往往小于真实的视距。
综上，提出一种精度高、速度快的高速公路视距检测方法势在必行。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种基于机器视觉的高速公路视距检测方法，主要针对具有线型特征的高速公路，可弥补传统视距检测方法在精确性和时效性方面的不足。
为达到上述目的，本发明采用以下技术方案予以实现。
一种基于机器视觉的高速公路视距检测方法，包括以下步骤：
S1：对待使用的摄像机进行内外参数的标定，从而得到三维世界坐标系与二维图像坐标系之间的转换关系；
S2：将标定好的摄像机装载在检测车辆的前部，采集车辆在道路上某一点时前方的图像信息，所述前方图像信息为RGB彩色图像；
S3：对所述图像信息进行图像处理，得到所述图像信息中的道路两侧的护栏信息，并采用图像二值化分割方法提取护栏曲线，获得护栏的二维图像坐标系；
S4：基于视距实值的左右护栏长度动态权重分配，具体为：
记S3中护栏的二维图像坐标系中的护栏长度分别为l左和l右，并根据 S1中的三维世界坐标系与二维图像坐标系之间的转换关系，获得护栏的三维世界坐标系，记三维世界坐标系中的护栏长度分别为L左和L右，并记△L＝|L左-L右|；
根据人工测量的道路视距实值L，赋予L左和L右相应的权重W左和W右，使得：L＝L左W左+L右W右，且W左+W右＝1；
通过若干次实测试验，得到一系列对应于△L(△L1，△L2，…，△LN) 的权重集W左(W左1，W左2，…，W左N)和W右(W右1，W右2，…，W右N)；其中，N为试验次数；
S5：利用摄像机测量实际视距L测，根据S4得到护栏长度L左、L右以及△L，根据S4中的N次试验结果，找出最接近△L的△LN以及W左N和W右N，即可得实际视距L测＝L左W左N+L右W右N。
本发明技术方案的特点和进一步的改进在于：
S1中，摄像机的外参数包含摄像机离地高度、摄像机俯仰角。
S1中，对摄像机的外参数进行标定，具体为：调整摄像机离地高度，使其与驾驶员眼球离路面的高度一致；调整摄像机俯仰角至5-15°。
进一步的，调整摄像机俯仰角至10°。
S1中，所述三维世界坐标系与二维图像坐标系之间的转换关系为：
Figure RE-GDA0001960189590000031
Figure RE-GDA0001960189590000032
z＝c；
其中，H为摄像机离地高度，f为摄像机焦距，α为摄像机俯仰角， fy为摄像机内参数标定时摄像机焦距f在y轴上的转换系数，c为常数； (u0,v0)为二维图像坐标系的原点坐标，(u,v)为二维图像坐标系下的某点坐标，(x,y,z)为三维世界坐标系下对应的坐标点。
S3中，所述图像处理包含对所述图像信息进行灰度变换，得到所述图像信息的灰度图像。
S4中，L左和L右按照以下公式进行计算：
Figure RE-GDA0001960189590000041
其中，i＝2,3,4,…,n，n为正整数。
与现有技术相比，本发明的有益效果为：
本发明的基于机器视觉的高速公路视距检测方法测量方便、准确，有效解决了传统视距测量方法精确度低、时效性差的问题。
具体实施方式
下面对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种基于机器视觉的高速公路视距检测方法，包括以下步骤：
S1：对待使用的摄像机进行内外参数的标定，从而得到三维世界坐标系与二维图像坐标系之间的转换关系；
S2：将标定好的摄像机装载在检测车辆的前部，采集车辆在道路上某一点时前方的图像信息，所述前方图像信息为RGB彩色图像；
S3：对所述图像信息进行图像处理，得到所述图像信息中的道路两侧的护栏信息，并采用图像二值化分割方法提取护栏曲线，获得护栏的二维图像坐标系；
S4：基于视距实值的左右护栏长度动态权重分配，具体为：
记S3中护栏的二维图像坐标系中的护栏长度分别为l左和l右，并根据 S1中的三维世界坐标系与二维图像坐标系之间的转换关系，获得护栏的三维世界坐标系，记三维世界坐标系中的护栏长度分别为L左和L右，并记△L＝|L左-L右|；
根据人工测量的道路视距实值L，赋予L左和L右相应的权重W左和W右，使得：L＝L左W左+L右W右，且W左+W右＝1；
通过若干次实测试验，得到一系列对应于△L(△L1，△L2，…，△LN) 的权重集W左(W左1，W左2，…，W左N)和W右(W右1，W右2，…，W右N)；其中，N为试验次数；
S5：利用摄像机测量实际视距L测，根据S4得到护栏长度L左、L右以及△L，根据S4中的N次试验结果，找出最接近△L的△LN以及W左N和W右N，即可得实际视距L测＝L左W左N+L右W右N。
具体的，
S1中，摄像机的内参数标定采用现有的张正友标定法进行。
S1中，对摄像机的外参数进行标定，具体为：调整摄像机离地高度，使其与驾驶员眼球离路面的高度一致；调整摄像机俯仰角至5-15°。
本实施例中，将摄像机俯仰角调整至10°。
S1中，根据摄像机成像过程中的几何关系，所述三维世界坐标系与二维图像坐标系之间的转换关系为：
Figure RE-GDA0001960189590000051
Figure RE-GDA0001960189590000052
z＝c；
其中，H为摄像机离地高度，f为摄像机焦距，α为摄像机俯仰角， fy为摄像机内参数标定时摄像机焦距f在y轴上的转换系数，c为常数； (u0,v0)为二维图像坐标系的原点坐标，(u,v)为二维图像坐标系下的某点坐标，(x,y,z)为三维世界坐标系下对应的坐标点。
摄像机成像时主要有世界坐标系和像素坐标系。此外，由于像素坐标系中的某个像素点的坐标仅表示该像素点在像素坐标系中的行数以及列数，对于摄像机的几何投影关系模型来说，没有实际的意义，也无法用物理量来进行衡量和表示，所以还需要设置一个图像平面坐标系，即二维图像坐标系，用以表示像素平面上像素点的物理坐标，两条坐标轴分别平行于像素坐标系中的两条坐标轴，该坐标系的坐标原点一般在摄像机图像的中心位置，其也是摄像机光轴垂直投影到成像平面上的投影点。二维图像坐标系中的(u0,v0)即为二维图像坐标系原点在像素坐标系上的投影，不同摄像机的(u0,v0)不同，通过摄像机标定得到，标定完毕后该点坐标固定。
世界坐标系中，z轴为竖直方向，y轴为沿道路方向，x轴为道路平面内垂直于道路的方向，坐标原点为摄像机在路面上的竖直投影点。其中，由于高速公路十分平坦，故在视距范围内可不考虑坡度，即护栏上的点在垂直方向上的坐标值为一常数，即z＝c。
S3中，所述图像处理包含对所述图像信息进行灰度变换，得到所述图像信息的灰度图像。
采用图像二值化分割方法提取护栏曲线具体为：根据灰度图像中护栏的灰度值设定两个阈值，确定一个阈值区间。灰度图像中灰度值在该区间内的点属于护栏区域，区间外的点属于背景区域。然后将区间内的所有点的灰度值设置为255，区间外的全部设置为0。则灰度图像中只存在两种灰度，灰度值为255的点集即构成了护栏曲线。
S4中，三维世界坐标系中的两侧护栏长度L左和L右的计算方法，采用积分思想中的以直代曲。在图像二值化分割出的护栏曲线上选取n个特征点(ui,vi)，第1个点为曲线始点，即(u0,v0)，第n个点为曲线终点。则对应于世界坐标系下特征点坐标为(xi,yi,zi)。由于选点较密，则两相邻点之间的曲线长度可用直线代替。
因此，单侧护栏L左或L右按照以下公式进行计算：
Figure RE-GDA0001960189590000071
其中，i＝2,3,4,…,n，n为正整数。
此外，S4中，人工测量的道路视距实值L为该点视距的精确值，可在视距尽头设置一标识，则初始点与标识点之间的距离即为视距实值L。
S5中，动态权重W左N和W右N是通过S4中的若干次试验所得，因此，为了保证该测试方法的准确性，S4中的试验次数必须足够多，可针对不对曲率大小的弯道路段进行若干次的试验，以得到更加准确的动态权重。
本发明在检测车辆前部搭载一个单目视觉摄像机，用于采集前方图像信息，利用绝大部分高速公路都有护栏且护栏特征明显这一特点，从采集到的图像中提取出两侧的护栏信息，则高速公路的视距检测问题就转化为图像中的护栏长度问题。但由于图像中两侧护栏的长度在小范围内存在差别，本发明采用基于视距实值的动态权重分配方法，给两侧的护栏长度赋予相应的权重，从而得到加权后的护栏长度，即可快速精确的检测出高速公路的视距实值。该方法主要应用于高速公路安全分析与评价场合，尤其是在弯道区段有巨大的应用价值和意义。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (6)

1.一种基于机器视觉的高速公路视距检测方法，其特征在于，包括以下步骤：
S1：对待使用的摄像机进行内外参数的标定，从而得到三维世界坐标系与二维图像坐标系之间的转换关系；
S2：将标定好的摄像机装载在检测车辆的前部，采集车辆在道路上某一点时前方的图像信息，所述前方图像信息为RGB彩色图像；
S3：对所述图像信息进行图像处理，得到所述图像信息中的道路两侧的护栏信息，并采用图像二值化分割方法提取护栏曲线，获得护栏的二维图像坐标系；
S4：基于视距实值的左右护栏长度动态权重分配，具体为：
记S3中护栏的二维图像坐标系中的护栏长度分别为l左和l右，并根据S1中的三维世界坐标系与二维图像坐标系之间的转换关系，获得护栏的三维世界坐标系，记三维世界坐标系中的护栏长度分别为L左和L右，并记△L＝|L左-L右|；
根据人工测量的道路视距实值L，赋予L左和L右相应的权重W左和W右，使得：L＝L左W左+L右W右，且W左+W右＝1；
通过若干次实测试验，得到一系列对应于△L(△L1，△L2，…，△LN)的权重集W左(W左1，W左2，…，W左N)和W右(W右1，W右2，…，W右N)；其中，N为试验次数；
S5：利用摄像机测量实际视距L测，根据S4得到护栏长度L左、L右以及△L，根据S4中的N次试验结果，找出最接近△L的△LN以及W左N和W右N，即可得实际视距L测＝L左W左N+L右W右N。
2.根据权利要求1所述的基于机器视觉的高速公路视距检测方法，其特征在于，S1中，摄像机的外参数包含摄像机离地高度、摄像机俯仰角。
3.根据权利要求2所述的基于机器视觉的高速公路视距检测方法，其特征在于，S1中，对摄像机的外参数进行标定，具体为：调整摄像机离地高度，使其与驾驶员眼球离路面的高度一致；调整摄像机俯仰角至5-15°。
4.根据权利要求1所述的基于机器视觉的高速公路视距检测方法，其特征在于，S1中，所述三维世界坐标系与二维图像坐标系之间的转换关系为：
Figure FDA0001922018060000021
Figure FDA0001922018060000022
z＝c；
其中，H为摄像机离地高度，f为摄像机焦距，α为摄像机俯仰角，fy为摄像机内参数标定时摄像机焦距f在y轴上的转换系数，c为常数；(u0,v0)为二维图像坐标系的原点坐标，(u,v)为二维图像坐标系下的某点坐标，(x,y,z)为三维世界坐标系下对应的坐标点。
5.根据权利要求1所述的基于机器视觉的高速公路视距检测方法，其特征在于，S3中，所述图像处理包含对所述图像信息进行灰度变换，得到所述图像信息的灰度图像。
6.根据权利要求1所述的基于机器视觉的高速公路视距检测方法，其特征在于，S4中，L左和L右按照以下公式进行计算：
Figure FDA0001922018060000031
其中，i＝2,3,4,…,n，n为正整数。
CN201811599120.2A 2018-12-26 2018-12-26 一种基于机器视觉的高速公路视距检测方法 Active CN109559356B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811599120.2A CN109559356B (zh) 2018-12-26 2018-12-26 一种基于机器视觉的高速公路视距检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811599120.2A CN109559356B (zh) 2018-12-26 2018-12-26 一种基于机器视觉的高速公路视距检测方法

Publications (2)

Publication Number Publication Date
CN109559356A CN109559356A (zh) 2019-04-02
CN109559356B true CN109559356B (zh) 2022-09-16

Family

ID=65871494

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811599120.2A Active CN109559356B (zh) 2018-12-26 2018-12-26 一种基于机器视觉的高速公路视距检测方法

Country Status (1)

Country Link
CN (1) CN109559356B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111231946B (zh) * 2020-03-03 2021-08-20 安徽中科美络信息技术有限公司 一种低视距车辆安全行驶控制方法
CN111476106B (zh) * 2020-03-17 2022-07-08 重庆邮电大学 基于单目相机的直道相对坡度实时预测方法、系统及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013024662A (ja) * 2011-07-19 2013-02-04 Toyota Infotechnology Center Co Ltd ３次元範囲計測システム、３次元範囲計測プログラムおよび記録媒体
EP2889641A1 (en) * 2013-12-27 2015-07-01 Ricoh Company, Ltd. Image processing apparatus, image processing method, program and image processing system
CN106503636A (zh) * 2016-10-12 2017-03-15 同济大学 一种基于视觉图像的道路视距检测方法及装置
CN107944390A (zh) * 2017-11-24 2018-04-20 西安科技大学 机动车行驶前方物体视频测距及方向定位方法
CN108230393A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种智能车前方运动车辆的测距方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013024662A (ja) * 2011-07-19 2013-02-04 Toyota Infotechnology Center Co Ltd ３次元範囲計測システム、３次元範囲計測プログラムおよび記録媒体
EP2889641A1 (en) * 2013-12-27 2015-07-01 Ricoh Company, Ltd. Image processing apparatus, image processing method, program and image processing system
CN106503636A (zh) * 2016-10-12 2017-03-15 同济大学 一种基于视觉图像的道路视距检测方法及装置
CN108230393A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种智能车前方运动车辆的测距方法
CN107944390A (zh) * 2017-11-24 2018-04-20 西安科技大学 机动车行驶前方物体视频测距及方向定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于消隐点的单目视觉车辆测距方法;关闯等;《电子测量技术》;20180608(第11期);全文 *
基于视觉和毫米波雷达的车道级定位方法;赵翔等;《上海交通大学学报》;20180128(第01期);全文 *

Also Published As

Publication number Publication date
CN109559356A (zh) 2019-04-02

Similar Documents

Publication Publication Date Title
CN111855664B (zh) 一种可调节隧道病害三维检测系统
CN109804232B (zh) 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法
CN104005325B (zh) 基于深度和灰度图像的路面裂缝检测装置和方法
CN103424112B (zh) 一种基于激光平面辅助的运动载体视觉导航方法
CN110008893B (zh) 一种基于车载图像传感器的车辆行驶跑偏自动检测方法
CN110517315B (zh) 一种图像式铁路路基表面沉降高精度在线监测系统及方法
CN103630496B (zh) 基于路面视亮度和最小二乘法的交通视频能见度检测方法
CN101126638A (zh) 检测公路路面平整度的摄像测量方法
CN106978774A (zh) 一种路面坑槽自动检测方法
CN110031829A (zh) 一种基于单目视觉的目标精准测距方法
CN103884271A (zh) 一种线结构光视觉传感器直接标定方法
CN102635056A (zh) 一种沥青路面构造深度的测量方法
CN111473776A (zh) 一种基于单像近景摄影测量的滑坡裂缝监测方法
CN110415259A (zh) 一种基于激光反射强度的行道树点云识别方法
Chu et al. A review on pavement distress and structural defects detection and quantification technologies using imaging approaches
CN109559356B (zh) 一种基于机器视觉的高速公路视距检测方法
CN105526906A (zh) 大角度动态高精度激光测角方法
CN116468933A (zh) 一种基于激光雷达强度校正与点云上采样的交通标志牌分类方法
Wu et al. Design and implementation of vehicle speed estimation using road marking-based perspective transformation
CN110503634B (zh) 基于图像自动识别的能见度测量方法
CN117496467A (zh) 基于单目相机和3d lidar融合的异形车道线检测方法
CN116665125A (zh) 用于桥隧病害的智能识别系统
US20230177724A1 (en) Vehicle to infrastructure extrinsic calibration system and method
CN111308468B (zh) 一种基于InSAR技术的形变风险区域自动识别的方法
CN112950562A (zh) 一种基于线结构光的扣件检测算法

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