CN115335863A - 计算车辆拖车角度的方法和系统 - Google Patents

Abstract

本发明涉及一种用于确定拖车(2)相对于牵引车(1)纵轴(LAV)的偏航角(YA)的方法，其中，所述方法包括以下步骤：‑使用摄像装置(3)检测拖车(2)至少第一和第二图像，其中，拖车(2)相对于车辆(1)方向在至少两幅图像(S10)上是不同的；‑确定拖车(2)的在第一和第二图像上可见的至少第一和第二特征(F1、F2)，其中，所述第一和第二特征(F1、F2)设置在拖车(2)的不同位置(S11)；‑计算第一角度估计(α1)，其中，所述第一角度估计(α1)表征在水平面上第一图像上的第一特征(F1)与第二图像上的第一特征(F1)之间相对于牵引车(1)一固定点的摆角(S12)；‑计算第二角度估计(α2)，其中，所述第二角度估计(α2)表征在水平面上第一图像上的第二特征(F2)与第二图像上的第二特征(F2)之间相对于牵引车(1)所述固定点的摆角(S13)；‑基于所述第一和第二角度估计(α1、α2)计算偏航角(YA)(S14)。

Description

计算车辆拖车角度的方法和系统

技术领域

本发明大体涉及车辆辅助系统领域。更具体地说，本发明涉及一种基于由车辆摄像装置提供的图像信息计算与牵引车相联的拖车的偏航角的方法和系统。

背景技术

基于车辆摄像装置所提供的图像信息计算拖车相对于牵引车角度的方法是已知的。

具体而言，已知方法具有较低的计算复杂性，但在图像质量较差情况下不能提供具鲁棒性的角度信息。

发明内容

本发明实施方式的任务是提供一种不必已知牵引杆位置，具有较高鲁棒性和较高可靠性的拖车偏航角计算方法。该任务通过独立权利要求的特征解决。优选实施方式在从属权利要求中给出。只要没有其他明确说明，本发明的实施方式彼此之间可相互自由组合。

根据一方面，本发明涉及一种用于确定拖车相对于牵引车纵轴的偏航角的方法。所述方法包括以下步骤：

首先，借助摄像装置拍摄拖车的至少第一和第二图像。第一和第二图像的拍摄方法是，使拖车相对于车辆的方向在至少两幅图像上是不同的。

拍摄所述图像后，确定在第一和第二图像上必须是可见的拖车的至少第一特征和第二特征。此外，所述第一特征设置在不同于第二特征的拖车上另一位置。例如，第一特征可以是第一位置处明显的第一特征，第二特征可以是第二位置处明显的第二特征。

基于所确定的第一和第二特征计算第一角度估计。所述第一角度估计表征在水平面上第一图像上的第一特征与第二图像上的第一特征之间相对于牵引车一固定点的摆角。换句话说，第一角度估计指的是被限制在第一图像上的第一特征位置与所述固定点位置之间的第一条线和第二图像上的第一特征位置与所述固定点位置之间的第二条线之间的一个摆角。所述摆角从车辆朝向拖车的方向开口。

此外，还计算第二角度估计。所述第二角度估计表征在水平面上第一图像上的第二特征和第二图像上的第二特征之间相对于牵引车的固定点的摆角。换句话说，第二角度估计指的是被限制在第一图像上的第二特征位置与所述固定点位置之间的第一条线和第二图像上的第二特征位置与所述固定点位置之间的第二条线之间的摆角。所述摆角从车辆朝向拖车的方向开口。

值得一提的是，术语“第一/第二图像上的第一/第二特征位置”并不是指所述图像上的一个点，而是指牵引车周围环境中的特定位置，各相应拖车特征在图像拍摄的特定时间点处于该位置上。

最后，基于所述第一和第二角度估计，计算拖车的偏航角。

所述方法是有益的，由于使用两幅或多幅图像并使用两个或多个拖车特征计算偏航角，即使拖车特征的检测受到高噪音的影响或图像质量很差，偏航角的确定结果也极为可靠并具鲁棒性。

可说明固定点位置的其他方法往往需要对特征的位置实施一种三角测量，以产生准确的角度。这使得在追踪特征时很容易受到噪音或不准确性的影响。如果这些特征不准确，所述方法可能会在数学上变得不稳定，或根本不会产生任何结果。

根据一实施方式，在第一或第二图像上，拖车相对于车辆的偏航角为零。因此，该图像可作为“零姿态图像”，即作为车辆纵轴与拖车纵轴准确对齐的参考。然而，也可使用另一偏航角值作为参考值。如果另外的偏航角是未知的，系统可计算拖车角度的变化，而不是拖车的绝对角度。

根据一实施方式，所述固定点是摄像装置的位置或牵引杆的位置。由于通过摄像装置拍摄图像，将摄像装置用作固定点在技术上是简单可行的。然而，将牵引杆用作固定点可能更准确。因此，可对摄像装置所拍摄图像中包含的信息加以转换，以通过使用例如牵引杆等固定点的位置降低准确性的损失，以便对所述光线进行相应的调整适配。然而，如果牵引杆离摄像装置相对较近，而离拖车特征相对较远，则所提出的方法可在无需调整适配牵引杆位置的情况下计算拖车角度，该拖车角度对于自动拖车倒车系统而言足够准确。如果牵引杆靠近摄像装置的位置(例如在水平方向距离小于0.3米)，而在水平方向与拖车特征距离2米或更远，则所提出的方法可能导致结果的改善。

根据一实施方式，计算第一和第二角度估计包括在第一和第二图像上确定所述固定点与所述第一和第二特征之间的光线。所述光线是指在所述固定点与所述第一和第二特征之间的线条。基于所述光线，例如可基于几何方法等用减少的计算工作量确定当前摆角。

根据一实施方式，所述摄像装置校准信息用于将所述第一和/或第二特征位置转换为光线。例如，在使用摄像装置校准信息了解摄像装置位置情况下，图像上一特定特征的位置可根据摄像装置位置或与摄像装置位置相关联地在位置信息中传输。

根据一实施方式，除了第一和第二特征外，至少还将另一拖车特征用于偏航角的计算。使用三个或更多特征进一步提高偏航角确定的鲁棒性和可靠性。

根据一实施方式，通过建立基于至少两个角度估计的中值计算偏航角。由此，可获得非常稳定的偏航角确定。

根据其他实施方式，通过建立至少两个角度估计的平均值或使用应用于所述角度估计的统计方法计算偏航角。

根据一实施方式，所述方法还包括确定角度窗口的步骤。所述角度窗口可包括所述偏航角的上限和下限。此外，确定一组特征，其中，特征组中的特征导致位于角度窗口内的角度估计。所确定的特征组，优选只有包括在特征组中的特征被用于未来的偏航角计算。换句话说，以前确定偏航角的信息被用于确定拖车的两个或多个特征，这些特征导致角度估计相当接近所确定的偏航角(即处于角度窗口内)，而不对导致角度估计显著偏离所确定偏航角(即超出角度窗口)的那些特征实施跟踪。角度估计的计算复杂性和准确性要求也因此大幅度降低。

根据一实施方式，计算出的偏航角值被增加一定份额或百分比，以对低估进行补偿。例如，计算出的偏航角可按比例增加5％至15％，尤其是增加10％，以对计算结果的低估进行补偿。

根据一实施方式，摄像装置是车辆的后视摄像装置。基于后视摄像装置，可耗费较少技术努力拍摄拖车图像。

根据另一方面，公布了一种用于确定拖车相对于牵引车纵轴的偏航角的系统。所述系统包括用于拍摄拖车图像的摄像装置和用于处理所拍摄图像的处理实体。此外，所述系统还配置用于执行以下步骤：

-使用摄像装置检测拖车至少第一和第二图像，其中，拖车相对于车辆方向在至少两幅图像上是不同的。

-确定在第一和第二图像上可见的拖车至少第一特征和第二特征，其中，所述第一特征和第二特征被设置在拖车的不同位置；

-计算第一角度估计，其中，所述第一角度估计表征在水平面上第一图像上的第一特征与第二图像上的第一特征之间相对于牵引车一固定点的摆角；

-计算第一角度估计，其中，所述第二角度估计表征在水平面上第一图像上的第二特征与第二图像上的第二特征之间相对于牵引车所述固定点的摆角；

-基于所述第一和第二角度估计计算偏航角。

作为所述方法一实施方式描述的任何上述特征也可作为根据在此公布的本专利申请所述系统中的系统特征。

根据另一实施方式，公布了一种包括根据上述实施方式中任一实施方式所述系统的车辆。

在本发明中使用的术语“车辆”可指汽车、卡车、巴士、有轨车辆或任意其他交通工具。

在此公布的本专利申请使用的术语“偏航角”可指车辆纵轴与拖车纵轴之间的摆角。

在此公布的本专利申请使用的术语“中值”可指将数据样本或概率分布的较高一半与较低一半分开的一数值。

本发明中使用的术语“基本上”或“大约”是指与精确值偏差+/-10％，优选+/-5％和/或变化形式对功能和/或对交通规则不重要的偏差。

附图说明

从以下详细描述和附图中更容易理解本发明的不同方面，包括其特定的特征和优点，其中：

图1示出了牵引拖车的车辆的示例性俯视图；

图2示意性地示出了基于摄像装置图像在拖车和牵引车之间的不同摆角处检测到的第一和第二特征的角度估计的示意图；

图3示意性地示出了确定拖车相对于牵引车纵轴的偏航角的方法步骤的示意框图。

具体实施方式

现参照展示示例性实施方式的附图对本发明进行更详细的描述。附图中的实施方式涉及优选实施方式，同时，已结合实施方式描述的所有要素和特征可尽可能与本文讨论的任何其他实施方式和特征结合使用，尤其是与上面进一步讨论的任何其他实施方式相关联。然而，本发明不应被解释为只限于这里所述的实施方式。在后面所有描述中，如果适用的话，相似的参考号用于表示相似的要素、部分、项目或特征。

在说明、权利要求、实施例和/或附图中公布的本发明特征既可单独，也可任意组合成各种形式用于实现本发明。

图1展示的是牵引拖车2的车辆1的俯视图。车辆1包括穿越车辆1中心的纵轴LAV。同样，拖车2具有穿越拖车2中心的纵轴LAT。拖车2通过包括牵引杆4的拖车挂接装置与车辆1连接。

在特定行驶情形中，车辆纵轴LAV和拖车纵轴LAT可能不会平行对齐，或不会彼此重合，而是两纵轴可能限定了一偏航角YA。换句话说，偏航角YA定义了拖车2的纵轴LAT相对于车辆1的纵轴LAV的角度偏差。偏航角YA可在包括拖车2的纵轴LAT和车辆1的纵轴LAV的水平面上测量。

对偏航角YA的了解，例如在拖车辅助系统中也是有益的。

为了确定偏航角YA，使用摄像装置3拍摄拖车2的至少一部分的多幅图像。摄像装置3例如可以是车辆后视摄像装置。它也可用于拍摄倒车时车辆周围环境的图像。

图2展示的是一示意图，它展示拖车第一和第二特征F1、F2在不同时间点的角度关系，在这些时间点，拖车2相对于牵引车1具有不同的偏航角。

摄像装置3可在不同时间点拍摄拖车2相对于车辆1具有不同角度位置的两幅或多幅图像。例如，可拍摄一图像系列。

在本示例中，第二图像可展示在偏航角YA＝0度时，拖车2相对于车辆的方向。然而，根据其他实施方式，偏航角YA可以是事先已知的任意其他参考偏航角，并可用于确定当前的偏航角。

拖车上的特征使用特征检测和匹配算法进行定位和匹配。例如，可使用哈里斯边角侦测(Harris Corner Detector)、尺度不变特征变换(SIFT)算法、加速稳健特征(SURF)算法、二进制鲁棒不变可扩展关键点(BRISK)算法、二进制鲁棒独立基本特征(BRIEF)算法、定向快速轮换简报(ORB)算法或其他适用的特征检测和匹配算法。

所述特征检测和匹配算法可检测出拖车上或不在拖车上的图像特征。为从非拖车特征中分离出拖车特征，可使用一些不同的方法。例如，在沿直线向前行驶时，可通过寻找随时间推移保持在同一位置的特征，将拖车特征与非拖车特征分开。或者，可使用车辆已知运动随着时间变化对背景特征的运动进行建模。这可从有关速度和转向的CAN(控制器区域网络)数据中提取。不符合基本矩阵极线约束的特征就可被视为是拖车特征。

在摄像装置3拍摄的图像上，可识别多个不同特征。图2说明在相对车辆1一固定点的不同角度位置识别到的特征F1和F2。由此，上面一对第一和第二特征F1、F2(与连接特征F1和F2与摄像装置3的实线光线相关联)在第一图像中被识别，下面一对第一和第二特征F1、F2(与连接特征F1和F2与摄像装置3的虚线光线相关联)于另一不同时间点在第二图像中被识别。为确定连接特征F1和F2与摄像装置3的光线，可使用摄像装置3的校准信息，将图像坐标中的特征位置转换为光线。换句话说，为将摄像装置位置和特征位置相关联，基于摄像装置3的校准信息，将图像上的特征位置与车辆的一固定点位置相关联。

在确定第一和第二图像中的固定点和至少两个特征之间的光线R后，确定第一特征和第二特征的摆角。图2中，α1表示第一特征F1在两幅所拍摄图像间的摆角，α2表示第二特征F2在所述图像间的摆角。优选确定拖车两个以上的特征，并在多幅图像上进行跟踪。此外，优选在不同时间点拍摄两幅以上的图像，以改善偏航角估计的结果。

确定所述摆角α1、α2后，可基于所述摆角α1、α2计算偏航角YA。

根据第一实施方式，偏航角YA可被计算为是所设定摆角α1、α2的中值。根据另一实施方式，偏航角YA可通过计算所建立摆角α1、α2的算术平均值加以确定。根据又一实施方式，偏航角YA可通过使用随机方法加以确定。由此，例如可测量每个特征角度的方差，只有带低方差的特征才能用于计算中值。

偏航角可通过卡尔曼滤波器或基于车辆速度和转向信息的动态模型进一步细化。速度和转向例如可从CAN(控制器区域网络)数据或使用所处理图像数据的视觉方法得出。

使用中值的一个优点是，该方法具有很高的鲁棒性。在不良照明条件下，即使只有一个特征被跟踪，中值也能生成可靠和一致的角度估计。所述中值对特征跟踪不佳或图像特别杂乱情况下会出现的异常值也具有极高的鲁棒性。

看起来并非所有在所拍摄图像上可见的特征都适用于偏航角YA的计算。为降低计算复杂性和提高鲁棒性，选择所提供摆角与实际偏航角非常接近的那些特征，并将其进一步用于偏航角的确定。为选择特征，在未来图像中只有在实际偏航角周围的特定窗口中提供摆角α1、α2的那些特征会被跟踪。所述窗口例如可由上限和下限定义，其中，上限和下限定义了实际偏航角周围的角度窗口。例如，所述窗口可覆盖一个2度到10度的范围，尤其可覆盖一个3度与5度之间的范围。在最后两个或多个确定偏航角的步骤中，在所述窗口内导致摆角的所有特征在接下来所拍摄图像中被进一步跟踪。

此外，如果计算出的偏航角YA与实际偏航角YA相比估计得太低，则计算出的偏航角YA可增加特定份额或百分比，以对低估进行补偿。

图3展示说明确定拖车2相对于牵引车1纵轴LAV的偏航角YA的一种方法的方法步骤框图。

第一步，拍摄拖车的第一和第二图像(S10)。

图像拍摄后，确定第一和第二图像上可见的拖车特征(S11)。

确定特征后，基于所确定的第一和第二特征计算第一和第二角度估计(S12、S13)。

最后，基于所述第一和第二角度估计计算偏航角(S14)。

应注意的是，描述和附图仅说明所提出本发明的原理。本领域的技术人员能实施在此没有明确描述或展示，但体现本发明原理的各种设置。

附图标记列表

1 车辆

2 拖车

3 摄像装置

4 牵引杆

α1 第一角度估计

α2 第二角度估计

F1 第一特征

F2 第二特征

LAT 拖车纵轴

LAV 车辆纵轴

R 光线

YA 偏航角

Claims (13)

1.确定拖车(2)相对于牵引车(1)的纵轴(LAV)的偏航角(YA)的方法，其中，所述方法包括以下步骤：

-使用摄像装置(3)检测拖车(2)的至少第一和第二图像，其中，拖车(2)相对于车辆(1)的方向在至少两幅图像上是不同的(S10)；

-确定拖车(2)的在第一和第二图像上可见的至少第一和第二特征(F1、F2)，其中，所述第一和第二特征(F1、F2)设置在拖车(2)的不同位置(S11)；

-计算第一角度估计(α1)，其中，所述第一角度估计(α1)表征在水平面上第一图像上的第一特征(F1)与第二图像上的第一特征(F1)之间相对于牵引车(1)一固定点的摆角(S12)；

-计算第二角度估计(α2)，其中，所述第二角度估计(α2)表征在水平面上第一图像上的第二特征(F2)与第二图像上的第二特征(F2)之间相对于牵引车(1)所述固定点的摆角(S13)；

-基于所述第一和第二角度估计(α1、α2)计算偏航角(YA)(S14)。

2.根据权利要求1所述的方法，其中，在第一或第二图像上，拖车(2)相对于车辆(1)的偏航角(YA)为零，或者是能够作为参考角度的任何已知偏航角(YA)。

3.根据权利要求1或2所述的方法，其中，所述固定点是摄像装置(3)的位置或牵引杆(4)的位置。

4.根据上述权利要求中任一权利要求所述的方法，其中，第一和第二角度估计(α1、α2)的计算包括在第一和第二图像上确定所述固定点与所述第一和第二特征(F1、F2)之间的光线(R)。

5.根据权利要求4所述的方法，其中，摄像装置校准信息用于将所述第一和/或第二特征(F1、F2)的位置转换为光线。

6.根据上述权利要求中任一权利要求所述的方法，其中，除了所述第一和第二特征(F1、F2)外，拖车(2)的至少另一特征被用于偏航角(YA)的计算。

7.根据上述权利要求中任一权利要求所述的方法，其中，通过基于至少两个角度估计构建的中值计算偏航角(YA)。

8.根据上述权利要求中任一权利要求所述的方法，其中，偏航角(YA)是通过建立至少两个角度估计的平均值或通过使用应用于所述角度估计的统计方法来计算的。

9.根据上述权利要求中任一权利要求所述的方法，还包括确定角度窗口的步骤，其中，所述角度窗口包括围绕偏航角(YA)的上限和下限，确定导致所述角度窗口内的角度估计的一组特征，并将所确定的特征组用于未来的偏航角(YA)计算。

10.根据上述权利要求中任一权利要求所述的方法，其中，使计算出的偏航角(YA)值增加一特定份额或百分比，以对低估进行补偿。

11.根据上述权利要求中任一权利要求所述的方法，其中，摄像装置(3)是车辆(1)的后视摄像装置。

12.确定拖车(2)相对于牵引车(1)的纵轴(LAV)的偏航角(YA)的系统，其中，所述系统包括用于拍摄拖车(2)的图像的摄像装置(3)和用于处理所拍摄图像的处理实体，此外，所述系统还配置用于执行以下步骤：

-使用摄像装置(3)拍摄拖车(2)的至少第一和第二图像，其中，拖车(2)相对于车辆(1)的方向在至少两幅图像上是不同的；

-确定拖车(2)的在第一和第二图像上可见的至少第一和第二特征(F1、F2)，其中，所述第一和第二特征(F1、F2)设置在拖车(2)的不同位置；

-计算第一角度估计(α1)，其中，所述第一角度估计(α1)表征在水平面上第一图像上的第一特征(F1)与第二图像上的第一特征(F1)之间相对于牵引车(1)一固定点的摆角；

-计算第二角度估计(α2)，其中，所述第二角度估计(α2)表征在水平面上第一图像上的第二特征(F2)与第二图像上的第二特征(F2)之间相对于牵引车(1)所述固定点的摆角；

-基于所述第一和第二角度估计(α1、α2)计算偏航角(YA)。

13.包括根据权利要求12所述系统的车辆。

Images