CN113362391B - 一种基于机器视觉的虚拟轮转向角测量方法 - Google Patents
一种基于机器视觉的虚拟轮转向角测量方法 Download PDFInfo
- Publication number
- CN113362391B CN113362391B CN202110909223.XA CN202110909223A CN113362391B CN 113362391 B CN113362391 B CN 113362391B CN 202110909223 A CN202110909223 A CN 202110909223A CN 113362391 B CN113362391 B CN 113362391B
- Authority
- CN
- China
- Prior art keywords
- time
- vehicle
- steering angle
- virtual wheel
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
-
- 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
- G06T7/85—Stereo camera calibration
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明涉及无人驾驶车辆技术领域,尤其是一种基于机器视觉的虚拟轮转向角测量方法,在车辆正前方安装双目相机,调整相机角度,工控机与双目相机相连,使得工控机能够连续采集前方路面照片,然后通过本发明的测量方法,本方法无需依赖角度传感器或卫星定位装置,就能实现虚拟轮转向角的准确测量,方法容易实施,且精度较高。
Description
技术领域
本发明涉及无人驾驶车辆技术领域,尤其是一种基于机器视觉的虚拟轮转向角测量方法。
背景技术
无人驾驶车辆进行自主导航作业时,转向角的测量尤为关键。转向角是PID控制的对象和反馈对象。而目前传统的转向角测量方式都是通过角度传感器、编码器等直接测量车辆左轮或右轮的偏转角度,并以此代替车辆的转向角。但此方法有两个明显弊端:(1)角度传感器的安装固定非常不方便,需要根据实际转向机构定制固定支架。(2)从车辆梯形转向模型上分析,左轮或右轮的偏转角并不是车辆的真正转向角。用左轮或右轮的偏转角代替车辆转向角,必然存在一定的误差。根据转向理论,车辆真正的转向角应该是其等效为二轮车模型后的虚拟轮转向角。
虚拟轮并非真正的实体车轮,是根据模型等效出来的。因此,虚拟轮无法用传感器直接测量。本发明采用机器视觉的方式检测车辆的运动,根据运动效果逆向测算出虚拟轮转向角。本方法无需依赖角度传感器或卫星定位装置,就能实现虚拟轮转向角的准确测量,方法容易实施,且精度较高。
发明内容
本发明要解决的技术问题是:为了解决传统的转向角测量方式都是通过角度传感器、编码器等直接测量车辆左轮或右轮的偏转角度,并以此代替车辆的转向角存在诸多弊端问题,本发明提供了一种基于机器视觉的虚拟轮转向角测量方法,在车辆正前方安装双目相机,调整相机角度,工控机与双目相机相连,使得工控机能够连续采集前方路面照片,然后通过本发明的测量方法,有效解决了现有上述问题。
本发明解决其技术问题所采用的技术方案是:
一种基于机器视觉的虚拟轮转向角测量方法,包括如下步骤:
(1)车辆正前方安装双目相机,调整相机角度,工控机与双目相机相连,使得工控机能够连续采集前方路面照片;
(2)T时刻在位置P 0采集1组路面的双目图像,对双目图像进行特征点检测和立体匹配,匹配成功n 0个特征点,通过视差法计算路面n 0个特征点相对于车辆的三维坐标;
(3)T+1时刻,重复步骤2),得到在位置P 1匹配成功的n 1个特征点,并得到n 1个特征点相对于车辆的三维坐标;
(4)对T时刻的n 0个特征点和T+1时刻的n 1个特征点再次进行立体匹配,匹配成功n个特征点;
(5)分别计算上述n个特征点在T+1时刻相对于T时刻的三维坐标变化,并取算术平均值,得到n个特征点的三维运动增量矩阵S 10;
(6)通过运动的相对性,反推车辆在T+1时刻相对于T时刻的三维运动增量为-S 10;
(7)重复上述2)~6),得到车辆在T+2时刻P 2位置的三维运动增量-S 21、T+3时刻P 3位置的三维运动增量-S 32、T+4时刻P 4位置的三维运动增量-S 43;
(8)以P 0为原点,正东为x正方向,正北为y正方向,高度正方向为垂直于地面向上,建立空间直角坐标系;通过累加的方式,得到P 1的空间坐标为-S 10、P 2的空间坐标为-S 10-S 21、P 3的空间坐标为-S 10-S 21-S 32、P 4的空间坐标为-S 10-S 21-S 32-S 43;
(9)在T+4时刻,将最邻近5个点P 0~P 4的空间坐标投影到xy平面;在xy平面,通过圆对P 0~P 4的投影进行拟合,得出圆的半径R;
(10)车辆在T+4时刻的虚拟轮转向角α 4=±arcsin(L/R),L表示轮式车辆的前后轴距,若P 0~P 4为顺时针方向,则α 4符号为正,反之为负;
(11)同理,当车辆在T+N时刻行驶到P N 位置时,取最邻近的5个点,即P N-4~P N 的空间坐标进行投影,按照步骤9)~10)的操作,即可得到当前时刻虚拟轮转向角α N ;
(12)由于α N 具有滞后性,需要根据其变化规律进行预测修正,将最邻近时刻的K个数据{α N-(K-1)、α N-(K-2)、α N-(K-3)……、α N-2、α N-1、α N }用3次多项式进行拟合,得到虚拟转向角的变化趋势函数为f(N)。其中,5≤K≤10;
其中,50<n 0<200,50<n 1<200, 5 <n<200。
本发明的有益效果是:本发明提供了一种基于机器视觉的虚拟轮转向角测量方法,在车辆正前方安装双目相机,调整相机角度,工控机与双目相机相连,使得工控机能够连续采集前方路面照片,然后通过本发明的测量方法,本方法无需依赖角度传感器或卫星定位装置,就能实现虚拟轮转向角的准确测量,方法容易实施,且精度较高。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的采样点位置与转向半径关系结构示意图;
图2是本发明的车辆模型结构示意图。
图2中,A.左前轮,B.左后轮,C.右后轮,D.右前轮,O1.虚拟轮中心点,O2.车辆后桥中心点,α.虚拟轮转向角。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
一种基于机器视觉的虚拟轮转向角测量方法,包括如下步骤,
(1)车辆正前方安装双目相机,调整相机角度。相机拍摄方向与地面夹角在30~45度的范围。工控机与双目相机相连,使得工控机能够连续采集前方路面照片。路面应为自然环境,避免工业化几何环境。
(2)T时刻在位置P 0采集1组路面的双目图像,对双目图像进行特征点检测和立体匹配,匹配成功n 0个特征点。通过视差法计算路面n 0个特征点相对于车辆的三维坐标。在实施中,通过调整参数,使得50< n 0<200。车辆坐标原点选在前桥中心正上方。若不在该处,则需要进行坐标变换。
(3)T+1时刻,采用步骤2)相同的方法,得到在位置P 1匹配成功的n 1个特征点,并得到n 1个特征点相对于车辆的三维坐标。通过调整参数,使得50< n 1<200。
(4)对T时刻的n 0个特征点和T+1时刻的n 1个特征点再次进行立体匹配,匹配成功n个特征点。若n<5,说明两个时刻重复观测到的特征点太少,可能导致较大误差。可以提高相机拍摄频率或降低车辆行驶速度进行改善。
(5)分别计算上述n个特征点在T+1时刻相对于T时刻的三维坐标变化,并取算术平均值,得到n个特征点的三维运动增量矩阵S 10。例如,S 10=[0.02 -0.12 -0.05]T表示x方向运动了0.02m,y方向运动了-0.12m,高度方向运动了-0.05m。
(6)通过运动的相对性,反推车辆在T+1时刻相对于T时刻的三维运动增量为-S 10。在极短暂的相邻时刻,路面环境特征点本身不会运动,运动的是车辆本身。因此,车辆的运动增量-S 10=[-0.02 0.12 0.05]T表示车辆x方向运动了-0.02m,y方向运动了0.12m,高度方向运动了0.05m。
(7)重复上述2)~6),得到车辆在T+2时刻P 2位置的三维运动增量-S 21、T+3时刻P 3位置的三维运动增量-S 32、T+4时刻P 4位置的三维运动增量-S 43。
(8)以P 0为原点,正东为x正方向,正北为y正方向,高度正方向为垂直于地面向上,建立空间直角坐标系。通过累加的方式,得到P 1的空间坐标为-S 10、P 2的空间坐标为-S 10-S 21、P 3的空间坐标为-S 10-S 21-S 32、P 4的空间坐标为-S 10-S 21-S 32-S 43.由于采用机器视觉的方式检测到的都是相对前一时刻的运动增量,因此需要进行累加。
(9)在T+4时刻,将最邻近5个点P 0~P 4的空间坐标投影到xy平面。根据转向原理,在极短时间内车辆是以O为圆心R为半径进行圆周运动。在xy平面,通过圆对P 0~P 4的投影进行拟合,得出圆的半径R。
(10)根据车辆模型和检测到的转向半径,逆推车辆的虚拟轮转向角。车辆在T+4时刻的虚拟轮转向角α 4=±arcsin(L/R),L表示轮式车辆的前后轴距。若P 0~P 4为顺时针方向,则α 4符号为正,反之为负。
(11)同理,当车辆在T+N时刻行驶到P N 位置时,取最邻近的5个点,即P N-4~P N 的空间坐标进行投影,按照步骤9~10的操作,即可得到当前时刻虚拟轮转向角α N 。
(12)由于是根据车辆的运动效果反推其转向角,因此α N 具有滞后性,需要根据其变化规律进行预测修正。将最邻近时刻的5个数据{α N-4、α N-3、α N-2、α N-1、α N }用3次多项式进行拟合,得到虚拟转向角的变化趋势函数为f(N)。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (1)
1.一种基于机器视觉的虚拟轮转向角测量方法,其特征在于:包括如下步骤,
(1)车辆正前方安装双目相机,调整相机角度,工控机与双目相机相连,使得工控机能够连续采集前方路面照片;
(2)T时刻在位置P 0采集1组路面的双目图像,对双目图像进行特征点检测和立体匹配,匹配成功n 0个特征点,通过视差法计算路面n 0个特征点相对于车辆的三维坐标;
(3)T+1时刻,重复步骤2),得到在位置P 1匹配成功的n 1个特征点,并得到n 1个特征点相对于车辆的三维坐标;
(4)对T时刻的n 0个特征点和T+1时刻的n 1个特征点再次进行立体匹配,匹配成功n个特征点;
(5)分别计算上述n个特征点在T+1时刻相对于T时刻的三维坐标变化,并取算术平均值,得到n个特征点的三维运动增量矩阵S 10;
(6)通过运动的相对性,反推车辆在T+1时刻相对于T时刻的三维运动增量为-S 10;
(7)重复上述2)~6),得到车辆在T+2时刻P 2位置的三维运动增量-S 21、T+3时刻P 3位置的三维运动增量-S 32、T+4时刻P 4位置的三维运动增量-S 43;
(8)以P 0为原点,正东为x正方向,正北为y正方向,高度正方向为垂直于地面向上,建立空间直角坐标系;通过累加的方式,得到P 1的空间坐标为-S 10、P 2的空间坐标为-S 10-S 21、P 3的空间坐标为-S 10-S 21-S 32、P 4的空间坐标为-S 10-S 21-S 32-S 43;
(9)在T+4时刻,将最邻近5个点P 0~P 4的空间坐标投影到xy平面;在xy平面,通过圆对P 0~P 4的投影进行拟合,得出圆的半径R;
(10)车辆在T+4时刻的虚拟轮转向角α 4=±arcsin(L/R),L表示轮式车辆的前后轴距,若P 0~P 4为顺时针方向,则α 4符号为正,反之为负;
(11)同理,当车辆在T+N时刻行驶到P N 位置时,取最邻近的5个点,即P N-4~P N 的空间坐标进行投影,按照步骤9)~10)的操作,即可得到当前时刻虚拟轮转向角α N ;
(12)由于α N 具有滞后性,需要根据其变化规律进行预测修正,将最邻近时刻的K个数据{α N-(K-1)、α N-(K-2)、α N-(K-3)……α N-2、α N-1、α N }用3次多项式进行拟合,得到虚拟转向角的变化趋势函数为f(N), 其中,5≤K≤10;
其中,50<n 0<200,50<n 1<200, 5 <n<200。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110909223.XA CN113362391B (zh) | 2021-08-09 | 2021-08-09 | 一种基于机器视觉的虚拟轮转向角测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110909223.XA CN113362391B (zh) | 2021-08-09 | 2021-08-09 | 一种基于机器视觉的虚拟轮转向角测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113362391A CN113362391A (zh) | 2021-09-07 |
CN113362391B true CN113362391B (zh) | 2021-11-02 |
Family
ID=77540680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110909223.XA Active CN113362391B (zh) | 2021-08-09 | 2021-08-09 | 一种基于机器视觉的虚拟轮转向角测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362391B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114543733A (zh) * | 2022-01-19 | 2022-05-27 | 江苏大学 | 一种轮式车辆主动轮转角测量装置及控制方法 |
DE102022205456A1 (de) | 2022-05-31 | 2023-03-02 | Zf Friedrichshafen Ag | Virtueller Lenksensor für ein Fahrrad |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102343912A (zh) * | 2011-06-20 | 2012-02-08 | 中南大学 | 一种汽车行驶过程中的状态估计方法 |
CN107208997A (zh) * | 2015-01-07 | 2017-09-26 | 实耐宝公司 | 滚动中的虚拟轮轴校准 |
CN112793579A (zh) * | 2021-04-12 | 2021-05-14 | 顺为智能科技(常州)有限公司 | 一种轮式车辆虚拟轮转向角测量方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110654457A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆以及车辆的转向控制系统和方法、装置 |
CN111752150B (zh) * | 2020-06-12 | 2021-07-16 | 北京理工大学 | 一种轮足机器人四轮协同控制方法 |
-
2021
- 2021-08-09 CN CN202110909223.XA patent/CN113362391B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102343912A (zh) * | 2011-06-20 | 2012-02-08 | 中南大学 | 一种汽车行驶过程中的状态估计方法 |
CN107208997A (zh) * | 2015-01-07 | 2017-09-26 | 实耐宝公司 | 滚动中的虚拟轮轴校准 |
CN112793579A (zh) * | 2021-04-12 | 2021-05-14 | 顺为智能科技(常州)有限公司 | 一种轮式车辆虚拟轮转向角测量方法 |
Non-Patent Citations (3)
Title |
---|
Vehicle Yaw Rate Estimation Using a Virtual Sensor;Mumin Tolga Emirler et al.;《International Journal of Vehicular Technology》;20130430;第1-13页 * |
拖拉机自动驾驶转向轮角检测方法;张智刚 等;《农业机械学报》;20190331;第50卷(第3期);第352-357页 * |
视觉导引的物料搬运AGV关键技术研究;娄会东;《中国博士学位论文全文数据库 信息科技辑》;20170215;第2017年卷(第2期);第I138-159页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113362391A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113362391B (zh) | 一种基于机器视觉的虚拟轮转向角测量方法 | |
CN109715466B (zh) | 用于车辆的传感器平台的装置和方法 | |
Tournier et al. | Estimation and control of a quadrotor vehicle using monocular vision and moire patterns | |
CN107941217B (zh) | 一种机器人定位方法、电子设备、存储介质、装置 | |
CN111183370B (zh) | 车辆传感器的校准和定位 | |
CN105172793B (zh) | 自动驾驶汽车的位姿估算方法 | |
CN106123890A (zh) | 一种多传感器数据融合的机器人定位方法 | |
CN110001840B (zh) | 一种基于视觉传感器的多种路况下的两轮自平衡车运动控制方法 | |
Xiong et al. | G-VIDO: A vehicle dynamics and intermittent GNSS-aided visual-inertial state estimator for autonomous driving | |
CN103761737A (zh) | 基于稠密光流的机器人运动估计方法 | |
CN105606127A (zh) | 一种双目立体相机与惯性测量单元相对姿态标定方法 | |
CN112683281B (zh) | 一种基于车辆运动学的自动驾驶车辆联合定位方法 | |
CN102016495A (zh) | 用于进行底盘测量的方法和装置 | |
CN110471289B (zh) | 一种基于视觉导航移动设备的自适应路径跟踪方法及系统 | |
JPH10206175A (ja) | 道路曲率推定装置 | |
CN112819711B (zh) | 一种基于单目视觉的利用道路车道线的车辆反向定位方法 | |
CN111158379B (zh) | 一种方向盘零偏自学习的无人车轨迹跟踪方法 | |
CN102980555B (zh) | 一种光学成像式轮式移动机器人方位的检测方法及其装置 | |
CN112793579B (zh) | 一种轮式车辆虚拟轮转向角测量方法 | |
KR20180095225A (ko) | 차량 및 차량의 제어 방법 | |
CN108307174A (zh) | 一种深度图像传感器精度提升方法和系统 | |
CN112345798B (zh) | 位置姿势推定装置以及位置姿势推定方法 | |
CN112697153A (zh) | 自主移动设备的定位方法、电子设备及存储介质 | |
Eising et al. | 2.5 D vehicle odometry estimation | |
Su et al. | GR-SLAM: Vision-based sensor fusion SLAM for ground robots on complex terrain |
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 |