CN109900254A - 一种单目视觉的路面坡度计算方法及其计算装置 - Google Patents

Abstract

本发明公开了一种单目视觉的路面坡度计算方法及其计算装置，该方法包括以下步骤：采集路面的图像信息，并对图像信息进行预处理；提取处理后的图像信息中的直线信息，添加约束条件以拟合出路面的车道线；提取车道线的若干个特征点，并计算位于车道线同一侧的相邻两个特征点之间的斜率；在一个预设时间内，根据单帧图片中车道线的斜率变化规律，分析出路面的坡度的变化情况；先根据坡度的变化情况，判定路面的斜坡数，再根据车道线上的特征点，计算出相应的路面消失点的图像坐标；根据路面消失点的图像坐标，计算出道路的坡度值。本发明实现了利用单目视觉完成路面坡度的计算，可以更好的分析障碍物的位置信息，提高障碍物距离测量结果的精度。

Description

一种单目视觉的路面坡度计算方法及其计算装置

技术领域

本发明涉及汽车驾驶技术领域的一种坡度计算方法，尤其涉及一种单目视觉的路面坡度计算方法，还涉及一种单目视觉的路面坡度计算装置。

背景技术

摄像机作为智能汽车的“眼睛”，在识别交通要素、探测障碍物深度方面有着绝对的优势。而且，如果能准确、实时地识别计算出前方路面坡度，这有助于驾驶员实时了解周边交通状况，帮助驾驶员安全、稳定地操控车辆行驶。目前，在探测障碍物深度信息方面，单目视觉难以控制路面坡度变化对测量结果的影响，往往会产生比较大的测量结果误差。

发明内容

针对现有的技术问题，本发明提供一种单目视觉的路面坡度计算方法及其计算装置，解决了现有的单目视觉难以控制路面坡度变化对测量结果的影响，往往会产生比较大的测量结果误差的问题。

本发明采用以下技术方案实现：一种单目视觉的路面坡度计算方法，其包括以下步骤：

采集路面的图像信息，并对所述图像信息进行预处理；

提取处理后的图像信息中的直线信息，添加约束条件以拟合出路面的车道线；

提取所述车道线相对两侧的若干个特征点，并计算位于所述车道线同一侧的相邻两个特征点之间的斜率；在一个预设时间内，根据所述图像信息的单帧图片中所述车道线的斜率变化规律，分析出所述路面的坡度的变化情况；

先根据所述坡度的变化情况，判定所述路面的斜坡数，再根据所述车道线上的特征点，计算出相应的路面消失点的图像坐标；

根据所述路面消失点的图像坐标，计算出所述道路的坡度值。

作为上述方案的进一步改进，通过标定参数的相机采集所述图像信息；其中，所述相机的标定参数包括内部参数和外部参数，所述外部参数包括所述相机的俯仰角、偏航角以及旋转角。

作为上述方案的进一步改进，所述俯仰角为所述相机的光轴与水平面在垂直方向上的夹角；其中，所述俯仰角β＝arctan(y_p'·dy/f)，y_p'为所述图像信息中任意一点p'点的纵坐标，dy为单位像素在纵坐标方向上的投影长度，f为所述相机的焦距；

所述偏航角为所述相机的光轴与垂直面在水平方向上的夹角；其中，所述偏航角x_p为所述图像信息中任意一点p点的横坐标，dx为单位像素在横坐标方向上的投影长度；

所述旋转角为所述相机安装时绕光轴旋转的角度；其中，所述旋转角x_p1、x_p2分别为所述图像信息中p1点和p2点的横坐标，y_p1、y_p2分别为所述图像信息中p1点和p2点的纵坐标。

作为上述方案的进一步改进，添加约束条件以拟合出路面的车道线的方法包括以下步骤：

根据所述相机成像时，所述车道线位于相应图片的下方且从所述图片的底端往上延伸并在无穷远处汇于一点的规律，添加约束条件以拟合出所述车道线。

作为上述方案的进一步改进，分析出所述坡度的变化情况的方法包括以下步骤：

通过提取单根车道线上的若干个特征点，计算相邻两个特征点所在直线的斜率并比较计算结果，通过所述斜率的数值变化，判定所述斜率的变化值大于斜率阈值的路段为两个坡路的交界处，并以此作为所述路面分段的依据。

作为上述方案的进一步改进，计算所述路面消失点的图像坐标的方法包括以下步骤：

在不同的坡度路面且位于所述车道线的相对两侧上，分别提取两个特征点，计算出相应路面的消失点坐标。

进一步地，所述道路的坡度值为：

α'＝∠E'CF'-Φ-∠f'Co

其中，∠f'Co＝arctan(y_f'·dy/f)，E点为斜坡路面上无穷远处的点，E'点为E点旋转后的点；F点为两段路面的交点，F'点为F点旋转后的点；e'点和f'点分别为E'和F'点的投影点，路面EF与路面FH为所述道路的相邻两个坡面；α'为路面EF与路面FH的夹角，y_e'、y_f'分别为e'、f'点的纵坐标。

再进一步地，在所述相机的坐标系中，原点与所述相机的光学中心重合，Z轴与所述相机的光轴重合，Y轴垂直于所述相机的机身且方向向上，X轴垂直于所述相机的机身且与Y轴垂直。

相较于现有的路面坡度的计算方法，本发明单目视觉的路面坡度计算方法具备以下有益效果：

本发明的单目视觉的路面坡度计算方法，其首先提取采集的路面图像信息中的直线信息，并拟合出了路面的车道线，然后在车道线的两侧提取特征点，并进一步计算出了两个特征点之间的斜率，进而能够实时掌握车道线的斜率变化，并进一步判断前方路面的坡度变化情况，最后计算路面消失点的坐标，利用坐标信息计算各个斜坡路面的斜率，从而实现利用单目视觉完成路面坡度的计算，可以更好的分析障碍物的位置信息，提高对障碍物距离测量的精度，有助于提高车辆系统的安全性，保证驾驶人员的生命健康。

而且，本发明利用所建立的模型计算路面坡度角，该模型可以建立在相机标准安装的基础上，由于相机安装角度的存在，这样会使得相机成像时消失点偏离原来位置，而相机的外参标定的目的则是为了修正图片，从而提高模型建立的可靠性，使测量结果更准确。

本发明还提供一种单目视觉的路面坡度计算装置，其应用上述任意所述的单目视觉的路面坡度计算方法，其包括：

图像采集模块，其用于采集路面的图像信息，并对所述图像信息进行预处理；

车道线拟合模块，其用于提取处理后的图像信息中的直线信息，添加约束条件以拟合出路面的车道线；

检测模块，其包括斜率检测单元和坡度变化检测单元；所述斜率检测单元用于提取所述车道线相对两侧的若干个特征点，并计算位于所述车道线同一侧的相邻两个特征点之间的斜率；所述坡度变化检测单元在一个预设时间内，根据所述图像信息的单帧图片中所述车道线的斜率变化规律，分析出所述路面的坡度的变化情况；

图像坐标计算模块，其用于先根据所述坡度的变化情况，判定所述路面的斜坡数，再根据所述车道线上的特征点，计算出相应的路面消失点的图像坐标；以及

坡度值计算模块，其用于根据所述路面消失点的图像坐标，计算出所述道路的坡度值。

作为上述方案的进一步改进，所述图像采集模块包括标定参数的相机，且所述相机的标定参数包括内部参数和外部参数，所述外部参数包括所述相机的俯仰角、偏航角以及旋转角；其中，

所述俯仰角为所述相机的光轴与水平面在垂直方向上的夹角；其中，所述俯仰角β＝arctan(y_p'·dy/f)，y_p'为所述图像信息中任意一点p'点的纵坐标，dy为单位像素在纵坐标方向上的投影长度，f为所述相机的焦距；

所述偏航角为所述相机的光轴与垂直面在水平方向上的夹角；其中，所述偏航角x_p为所述图像信息中任意一点p点的横坐标，dx为单位像素在横坐标方向上的投影长度；

所述旋转角为所述相机安装时旋转的角度；其中，所述旋转角x_p1、x_p2分别为所述图像信息中p1点和p2点的横坐标，y_p1、y_p2分别为所述图像信息中p1点和p2点的纵坐标。

本发明的单目视觉的路面坡度计算装置，其基于上述的路面坡度计算方法，能够应用在汽车等驾驶设备中，并且可以直接作为设备的零部件以进行使用，可以有利于驾驶人员实时分析障碍物的位置信息，提高对障碍物距离测量的精度，保证驾驶人员的生命健康。

附图说明

图1为本发明实施例1的单目视觉的路面坡度计算方法的系统流程图；

图2为本发明实施例1中的相机安装的外参示意图；

图3为本发明实施例1中的相机的俯仰角的计算模型图；

图4为本发明实施例1中的相机的偏航角的计算模型图；

图5为本发明实施例1中的相机的旋转角的计算模型图；

图6为本发明实施例1中的路面坡度分析模型图；

图7为本发明实施例1中的路面坡度角计算模型。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例1

请参阅图1，本实施例提供了一种单目视觉的路面坡度计算方法，其包括以下步骤：

步骤一、采集路面的图像信息，并对图像信息进行预处理；

步骤二、提取处理后的图像信息中的直线信息，添加约束条件以拟合出路面的车道线；

步骤三、提取车道线相对两侧的若干个特征点，并计算位于车道线同一侧的相邻两个特征点之间的斜率；在一个预设时间内，根据图像信息的单帧图片中车道线的斜率变化规律，分析出路面的坡度的变化情况；

步骤四、先根据坡度的变化情况，判定路面的斜坡数，再根据车道线上的特征点，计算出相应的路面消失点的图像坐标；

步骤五、根据路面消失点的图像坐标，计算出道路的坡度值。

请参阅图2-5，在本实施例的步骤一中，通过标定参数的相机采集图像信息。其中，相机的标定参数包括内部参数和外部参数，外部参数包括相机的俯仰角、偏航角以及旋转角。在实际安装中，安装人员可以将相机安装在智能车挡风玻璃内侧的顶部中央位置，将车辆停靠在车道线清晰的水平路面中央，并且可以使用张正友相机标定法以标定相机内部参数，消除图像畸变。相机的安装角度即是相机自身坐标系的各个坐标轴与水平面和垂面之间的夹角，这里建立一个世界坐标系C-XwYwZw作为参考系。相机坐标系的原点与相机的光学中心重合，Zc轴与相机光轴重合，方向向前。Yc轴垂直相机机身，方向向上。Xc轴垂直相机机身，方向向左。由于相机安装在智能车上，因此让世界坐标系的原点与相机坐标系的原点重合。并且，设车辆的前进方向为世界坐标系的Zw轴，垂直向上为Yw轴，Xw轴垂直这两个坐标轴所在的平面指向左。利用成像过程中的投影关系，可以通过建立几何模型并根据模型中的几何关系推导出各个角度的计算方法，在本实施例中，俯仰角、偏航角以及旋转角的具体设置及公式如下。

1、俯仰角为相机的光轴与水平面在垂直方向上的夹角。由图3中的边角关系可以推出：

β＝∠P′+∠pCp′-∠P

式中，PO，P'O长度都趋于无穷大，CO长度固定，在三角形PCO和三角形P'OC中，根据边角关系可以推算出∠P、∠P'近似于无穷小，所以成像平面中p点和o点重合。因此，俯仰角β大小为：

β＝arctan(y_p'·dy/f)

其中，y_p'为图像信息中任意一点p'点的纵坐标，dy为单位像素在纵坐标方向上的投影长度，f为相机的焦距。

2、偏航角为相机的光轴与垂直面在水平方向上的夹角。同理，根据图4可以推出偏航角x_p为图像信息中任意一点p点的横坐标，dx为单位像素在横坐标方向上的投影长度。

3、旋转角为相机安装时绕光轴旋转的角度，相机的旋转角根据路面消失线与x坐标轴的夹角计算可以获得。首先，在水平路面上布置两对相交的平行直线，手工提取平行线上的点计算出两对平行点的消失点计算斜率，再转换成角度值。根据图5中的几何关系可以推导出旋转角大小为：

式中，x_p1、x_p2分别为图像信息中p1点和p2点的横坐标，y_p1、y_p2分别为图像信息中p1点和p2点的纵坐标。

本实施例利用上述所建立的模型计算路面坡度角，而该模型是建立在相机标准安装的基础上，因为相机安装角度的存在，会使得相机成像时消失点偏离原来位置，因此相机的外参标定的目的则是为了修正图片，提高模型建立的可靠性，使测量结果更准确。

在本实施例的步骤二中，可以通过概率霍夫变换提取直线信息，当然在其他实施例中也可以通过其他方式提取直线信息。而添加约束条件以拟合出路面的车道线的方法可以包括以下步骤：根据相机成像时，车道线位于相应图片的下方且从图片的底端往上延伸并在无穷远处汇于一点的规律，添加约束条件以拟合出车道线。

请参阅图6，在本实施例的步骤三中，在已检测出车道线的基础上，分析出坡度的变化情况的方法可以包括以下步骤：通过提取单根车道线上的若干个(记为N个，N为正整数)特征点，计算相邻两个特征点所在直线的斜率并比较计算结果，通过斜率的数值变化，判定斜率的变化值大于斜率阈值的路段为两个坡路的交界处，并以此作为路面分段的依据。

而本实施例步骤四在上述基础上，由于划分出不同的路面坡度，因此计算路面消失点的图像坐标的方法就可以包括以下步骤：在不同的坡度路面且位于车道线的相对两侧上，分别提取两个特征点，计算出相应路面的消失点坐标。具体而言就是，通过提取不同坡度路面上左右车道线的特征点，而且是左右各两个特征点，并计算车道线的交点，即得到各个路面的消失点坐标。

请参阅图7，下面结合上述模型分析道路斜坡的计算公式。其中，E是斜坡路面上无穷远处的点，E'为E点旋转后的点。F点为两段路路面的交点，F'为F点旋转后的点。e'和f'分别为E'和F'点的投影点，α'为路面EF(E'F')与路面FH(F'H')的夹角，那么根据图7中的几何关系可以得出α'的角度为：

α'＝180°-∠E'F'C-∠CF'H

其中，Φ的大小等于FH的路面坡度加上摄像机俯仰角度大小，若FH为水平面，那么该段路面的坡度角为0。在三角形E'F'C和三角形CF'H中，具有以下关系：

∠E'F'C＝180°-∠E'-∠E'CF'

∠CFH＝Φ+f'Co

根据三角形的边角关系可知：

因为E'F'长度无限，所以有：

整理得E'F'路面坡度角为：

α'＝∠E'CF'-Φ-∠f'Co

其中，∠f'Co＝arctan(y_f'·dy/f)，e'点和f'点分别为E'和F'点的投影点，y_e'、y_f'分别为e'、f'点的纵坐标。

综上所述，相较于现有的路面坡度的计算方法，本实施例的单目视觉的路面坡度计算方法具备以下优点：

本实施例的单目视觉的路面坡度计算方法，其首先提取采集的路面图像信息中的直线信息，并拟合出了路面的车道线，然后在车道线的两侧提取特征点，并进一步计算出了两个特征点之间的斜率，进而能够实时掌握车道线的斜率变化，并进一步判断前方路面的坡度变化情况，最后计算路面消失点的坐标，利用坐标信息计算各个斜坡路面的斜率，从而实现利用单目视觉完成路面坡度的计算，可以更好的分析障碍物的位置信息，提高对障碍物距离测量的精度，保证驾驶人员的生命健康。

而且，本实施例利用所建立的模型计算路面坡度角，该模型可以建立在相机标准安装的基础上，由于相机安装角度的存在，这样会使得相机成像时消失点偏离原来位置，而相机的外参标定的目的则是为了修正图片，从而提高模型建立的可靠性，使测量结果更准确。

实施例2

本实施例提供了一种单目视觉的路面坡度计算装置，其应用实施例1中的单目视觉的路面坡度计算方法。其中，该路面坡度计算装置包括图像采集模块、车道线拟合模块、检测模块、图像坐标计算模块以及坡度值计算模块，这些模块可以集成到一个计算芯片中，也可以分别单独设置。

图像采集模块用于采集路面的图像信息，并对图像信息进行预处理。其中，图像采集模块可包括标定参数的相机，且相机的标定参数包括内部参数和外部参数，外部参数包括相机的俯仰角、偏航角以及旋转角。俯仰角为相机的光轴与水平面在垂直方向上的夹角，偏航角为相机的光轴与垂直面在水平方向上的夹角，旋转角为相机安装时旋转的角度。其中，俯仰角β＝arctan(y_p'·dy/f)，y_p'为图像信息中任意一点p'点的纵坐标，dy为单位像素在纵坐标方向上的投影长度，f为相机的焦距。偏航角x_p为图像信息中任意一点p点的横坐标，dx为单位像素在横坐标方向上的投影长度。旋转角x_p1、x_p2分别为图像信息中p1点和p2点的横坐标，y_p1、y_p2分别为图像信息中p1点和p2点的纵坐标。

车道线拟合模块用于提取处理后的图像信息中的直线信息，添加约束条件以拟合出路面的车道线。其中，提取方法和约束条件均可采用实施例1中提及的方法和条件，也可以通过其他方法和条件以拟合出车道线。

检测模块包括斜率检测单元和坡度变化检测单元。斜率检测单元用于提取车道线相对两侧的若干个特征点，并计算位于车道线同一侧的相邻两个特征点之间的斜率。坡度变化检测单元在一个预设时间内，根据图像信息的单帧图片中车道线的斜率变化规律，分析出路面的坡度的变化情况。

图像坐标计算模块用于先根据坡度的变化情况，判定路面的斜坡数，再根据车道线上的特征点，计算出相应的路面消失点的图像坐标。坡度值计算模块用于根据路面消失点的图像坐标，计算出道路的坡度值。这两个计算模块可以组合成一个计算机构，也可分别单独设置。

综上所述，本实施例的单目视觉的路面坡度计算装置，其基于实施例1中的路面坡度计算方法，能够应用在汽车等驾驶设备中，可通过多种形式存在于设备中，可以直接作为设备的零部件以进行使用，也可以单独设置。本实施例的坡度计算装置，能够实时计算出路面的坡度值，有利于驾驶人员实时分析障碍物的位置信息，提高对障碍物距离测量的精度，保证驾驶人员的生命健康。

实施例3

本实施例提供了一种计算机终端，其包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序。处理器执行程序时实现实施例1的单目视觉的路面坡度计算方法的步骤。

实施例1的坡度计算方法在应用时，可以软件的形式进行应用，如设计成独立运行的程序，安装在计算机终端上，计算机终端可以是电脑、智能手机、控制系统以及其他物联网设备等。实施例1的坡度计算方法也可以设计成嵌入式运行的程序，安装在计算机终端上，如安装在单片机上。

实施例4

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序。程序被处理器执行时，实现实施例1的单目视觉的路面坡度计算方法的步骤。

实施例1的坡度计算方法在应用时，可以软件的形式进行应用，如设计成计算机可读存储介质可独立运行的程序，计算机可读存储介质可以是U盘，设计成U盾，通过U盘设计成通过外在触发启动整个方法的程序。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种单目视觉的路面坡度计算方法，其特征在于，其包括以下步骤：

采集路面的图像信息，并对所述图像信息进行预处理；

提取处理后的图像信息中的直线信息，添加约束条件以拟合出路面的车道线；

提取所述车道线相对两侧的若干个特征点，并计算位于所述车道线同一侧的相邻两个特征点之间的斜率；在一个预设时间内，根据所述图像信息的单帧图片中所述车道线的斜率变化规律，分析出所述路面的坡度的变化情况；

先根据所述坡度的变化情况，判定所述路面的斜坡数，再根据所述车道线上的特征点，计算出相应的路面消失点的图像坐标；

根据所述路面消失点的图像坐标，计算出所述道路的坡度值。

2.如权利要求1所述的单目视觉的路面坡度计算方法，其特征在于，通过标定参数的相机采集所述图像信息；其中，所述相机的标定参数包括内部参数和外部参数，所述外部参数包括所述相机的俯仰角、偏航角以及旋转角。

3.如权利要求2所述的单目视觉的路面坡度计算方法，其特征在于，

所述俯仰角为所述相机的光轴与水平面在垂直方向上的夹角；其中，所述俯仰角β＝arctan(y_p'·dy/f)，y_p'为所述图像信息中任意一点p'点的纵坐标，dy为单位像素在纵坐标方向上的投影长度，f为所述相机的焦距；

所述偏航角为所述相机的光轴与垂直面在水平方向上的夹角；其中，所述偏航角x_p为所述图像信息中任意一点p点的横坐标，dx为单位像素在横坐标方向上的投影长度；

所述旋转角为所述相机安装时绕光轴旋转的角度；其中，所述旋转角θ＝arctan(|x_p1-x_p2|·dx/|y_p1-y_p2|·dy)，x_p1、x_p2分别为所述图像信息中p1点和p2点的横坐标，y_p1、y_p2分别为所述图像信息中p1点和p2点的纵坐标。

4.如权利要求1所述的单目视觉的路面坡度计算方法，其特征在于，添加约束条件以拟合出路面的车道线的方法包括以下步骤：

根据所述相机成像时，所述车道线位于相应图片的下方且从所述图片的底端往上延伸并在无穷远处汇于一点的规律，添加约束条件以拟合出所述车道线。

5.如权利要求1所述的单目视觉的路面坡度计算方法，其特征在于，分析出所述坡度的变化情况的方法包括以下步骤：

通过提取单根车道线上的若干个特征点，计算相邻两个特征点所在直线的斜率并比较计算结果，通过所述斜率的数值变化，判定所述斜率的变化值大于斜率阈值的路段为两个坡路的交界处，并以此作为所述路面分段的依据。

6.如权利要求1所述的单目视觉的路面坡度计算方法，其特征在于，计算所述路面消失点的图像坐标的方法包括以下步骤：

在不同的坡度路面且位于所述车道线的相对两侧上，分别提取两个特征点，计算出相应路面的消失点坐标。

7.如权利要求3所述的单目视觉的路面坡度计算方法，其特征在于，所述道路的坡度值为：

α'＝∠E'CF'-Φ-∠f'Co

其中，∠f'Co＝arctan(y_f'·dy/f)，E点为斜坡路面上无穷远处的点，E'点为E点旋转后的点；F点为两段路面的交点，F'点为F点旋转后的点；e'点和f'点分别为E'和F'点的投影点，路面EF与路面FH为所述道路的相邻两个坡面；α'为路面EF与路面FH的夹角，y_e'、y_f'分别为e'、f'点的纵坐标。

8.如权利要求2所述的单目视觉的路面坡度计算方法，其特征在于，在所述相机的坐标系中，原点与所述相机的光学中心重合，Z轴与所述相机的光轴重合，Y轴垂直于所述相机的机身且方向向上，X轴垂直于所述相机的机身且与Y轴垂直。

9.一种单目视觉的路面坡度计算装置，其应用如权利要求1-8中任意一项所述的单目视觉的路面坡度计算方法，其特征在于，其包括：

图像采集模块，其用于采集路面的图像信息，并对所述图像信息进行预处理；

车道线拟合模块，其用于提取处理后的图像信息中的直线信息，添加约束条件以拟合出路面的车道线；

检测模块，其包括斜率检测单元和坡度变化检测单元；所述斜率检测单元用于提取所述车道线相对两侧的若干个特征点，并计算位于所述车道线同一侧的相邻两个特征点之间的斜率；所述坡度变化检测单元在一个预设时间内，根据所述图像信息的单帧图片中所述车道线的斜率变化规律，分析出所述路面的坡度的变化情况；

图像坐标计算模块，其用于先根据所述坡度的变化情况，判定所述路面的斜坡数，再根据所述车道线上的特征点，计算出相应的路面消失点的图像坐标；以及

坡度值计算模块，其用于根据所述路面消失点的图像坐标，计算出所述道路的坡度值。

10.如权利要求9所述的单目视觉的路面坡度计算装置，其特征在于，所述图像采集模块包括标定参数的相机，且所述相机的标定参数包括内部参数和外部参数，所述外部参数包括所述相机的俯仰角、偏航角以及旋转角；其中，

所述俯仰角为所述相机的光轴与水平面在垂直方向上的夹角；其中，所述俯仰角β＝arctan(y_p'·dy/f)，y_p'为所述图像信息中任意一点p'点的纵坐标，dy为单位像素在纵坐标方向上的投影长度，f为所述相机的焦距；

所述偏航角为所述相机的光轴与垂直面在水平方向上的夹角；其中，所述偏航角x_p为所述图像信息中任意一点p点的横坐标，dx为单位像素在横坐标方向上的投影长度；

所述旋转角为所述相机安装时旋转的角度；其中，所述旋转角θ＝arctan(|x_p1-x_p2|·dx/|y_p1-y_p2|·dy)，x_p1、x_p2分别为所述图像信息中p1点和p2点的横坐标，y_p1、y_p2分别为所述图像信息中p1点和p2点的纵坐标。