專利名稱：一種基于光流的車(chē)輛運(yùn)動(dòng)狀態(tài)估計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于光流的估計(jì)車(chē)輛運(yùn)動(dòng)狀態(tài)的方法，屬于自主駕駛和輔助駕駛領(lǐng)域。
背景技術(shù)：
車(chē)輛行駛過(guò)程中的運(yùn)動(dòng)狀態(tài)估計(jì)，是實(shí)現(xiàn)自主駕駛及輔助駕駛的關(guān)鍵技術(shù)之一， 旨在確定行駛狀態(tài)下車(chē)輛的縱向速度、橫向速度及質(zhì)心側(cè)偏角等重要狀態(tài)變量，對(duì)車(chē)輛防抱死制動(dòng)系統(tǒng)(ABS)，車(chē)輛電子穩(wěn)定程序(ESP)，四輪轉(zhuǎn)向穩(wěn)定控制系統(tǒng)(4WS)等主動(dòng)安全控制系統(tǒng)具有重大的實(shí)際應(yīng)用價(jià)值。這些主動(dòng)安全控制系統(tǒng)能否有效地工作很大程度上依賴于車(chē)輛狀態(tài)參數(shù)的實(shí)時(shí)、準(zhǔn)確獲取。
目前，在汽車(chē)主動(dòng)安全領(lǐng)域，車(chē)輛的運(yùn)動(dòng)狀態(tài)的估計(jì)方法主要可以分為三類(lèi)。一類(lèi)是間接測(cè)量，即利用現(xiàn)有的車(chē)載傳感器如慣性導(dǎo)航系統(tǒng)INS、輪速傳感器等的輸出信息，通過(guò)簡(jiǎn)單的數(shù)學(xué)推算來(lái)獲取車(chē)輛的相關(guān)狀態(tài)。但是，傳感器的偏差會(huì)隨著時(shí)間的推移逐步累積，導(dǎo)致車(chē)輛狀態(tài)的估計(jì)精度降低。第二類(lèi)是直接測(cè)量，即利用高精度的設(shè)備如高精度全球定位系統(tǒng)GPS等直接獲取車(chē)輛的運(yùn)動(dòng)狀態(tài)參數(shù)，這種方法測(cè)量精度高，但價(jià)格昂貴，且GPS 在信號(hào)受遮擋的隧道、立交區(qū)域不能有效的輸出信息，定位精度也會(huì)降低。第三類(lèi)是基于車(chē)輛模型的方法，即通過(guò)對(duì)車(chē)輛的運(yùn)動(dòng)過(guò)程進(jìn)行運(yùn)動(dòng)學(xué)或動(dòng)力學(xué)建模，同時(shí)將相應(yīng)的車(chē)載傳感器(如輪速傳感器、陀螺儀、加速度計(jì)等)信息作為觀測(cè)信息，進(jìn)而利用適當(dāng)?shù)臑V波估計(jì)算法實(shí)現(xiàn)對(duì)汽車(chē)運(yùn)行狀態(tài)的估計(jì)。這種方法需要對(duì)車(chē)輛整體甚至各個(gè)輪胎分別進(jìn)行建模，當(dāng)這些模型或者模型參數(shù)不準(zhǔn)時(shí)，估計(jì)誤差較大。發(fā)明內(nèi)容
為了克服上述方法的局限性，針對(duì)以(Γ15 (千米/小時(shí))低速行駛在平坦浙青路面的車(chē)輛，本發(fā)明提出了一 種成本低、實(shí)時(shí)性好、環(huán)境適應(yīng)能力強(qiáng)、精度較高的基于光流的車(chē)輛運(yùn)動(dòng)狀態(tài)測(cè)量方法。
為了實(shí)現(xiàn)上述目的，采用如下的技術(shù)方案
步驟1:在車(chē)輛后橋中心位置安裝高精度單目攝像機(jī)，其光軸垂直于車(chē)輛運(yùn)行平面并指向地面向下，垂直高度2(Γ40厘米，用來(lái)獲取變化的路面圖像序列。定義車(chē)輛載體坐標(biāo)系，車(chē)輛載體坐標(biāo)系的原點(diǎn)ο位于車(chē)輛質(zhì)心處，X軸沿車(chē)輛的縱向軸并與車(chē)輛前進(jìn)方向一致，ζ軸垂直于車(chē)輛運(yùn)行平面并指向地面向下，y軸按右手螺旋規(guī)則確定。定義路面圖像坐標(biāo)系，路面圖像坐標(biāo)系的原點(diǎn)op為圖像左下角的頂點(diǎn)，縱軸u平行于車(chē)輛載體X軸，橫軸V 平行于車(chē)輛載體y軸。
步驟2 :采用經(jīng)典攝像機(jī)標(biāo)定法進(jìn)行攝像機(jī)標(biāo)定，以獲得攝像機(jī)的內(nèi)部參數(shù)光軸在圖像平面的垂直投影點(diǎn)在圖像坐標(biāo)系的坐標(biāo)(0U，ov)，圖像上u軸標(biāo)準(zhǔn)矢量a，圖像上V 軸標(biāo)準(zhǔn)矢量β，U、V坐標(biāo)軸的垂直度Y和外部參數(shù)攝像機(jī)相對(duì)于世界坐標(biāo)系的3X3旋轉(zhuǎn)矩陣r_，攝像機(jī)相對(duì)于世界坐標(biāo)系的3X1平移向量tMm。
步驟3 :初始化圖像序列指針i，令i = I。步驟4 :取第i巾貞路面圖像和第i+Ι巾貞路面圖像，分別對(duì)第i巾貞路面圖像和第i+1幀路面圖像進(jìn)行圖像預(yù)處理，所述圖像預(yù)處理包括計(jì)算圖像的灰度直方圖函數(shù)和均衡化處理。所述圖像的灰度直方圖函數(shù)采用以下方法計(jì)算首先將圖像灰度化，并將圖像所有像素的灰度值歸一化，計(jì)算出此圖像的灰度直方圖函數(shù)
權(quán)利要求
1.一種基于光流的車(chē)輛運(yùn)動(dòng)狀態(tài)估計(jì)方法，其特征在于，包含如下步驟 步驟1:在車(chē)輛后橋中心位置安裝高精度單目攝像機(jī)，其光軸垂直于車(chē)輛運(yùn)行平面并指向地面向下，垂直高度2(T40厘米，用來(lái)獲取變化的路面圖像序列；定義車(chē)輛載體坐標(biāo)系，車(chē)輛載體坐標(biāo)系的原點(diǎn)O位于車(chē)輛質(zhì)心處，X軸沿車(chē)輛的縱向軸并與車(chē)輛前進(jìn)方向一致，z軸垂直于車(chē)輛運(yùn)行平面并指向地面向下，y軸按右手螺旋規(guī)則確定；定義路面圖像坐標(biāo)系，路面圖像坐標(biāo)系的原點(diǎn)Op為圖像左下角的頂點(diǎn)，縱軸u平行于車(chē)輛載體X軸，橫軸V平行于車(chē)輛載體I軸； 步驟2 :采用經(jīng)典攝像機(jī)標(biāo)定法進(jìn)行攝像機(jī)標(biāo)定，以獲得攝像機(jī)的內(nèi)部參數(shù)光軸在圖像平面的垂直投影點(diǎn)在圖像坐標(biāo)系的坐標(biāo)(ou，ov)，圖像上u軸標(biāo)準(zhǔn)矢量a，圖像上V軸標(biāo)準(zhǔn)矢量P，U、V坐標(biāo)軸的垂直度Y和外部參數(shù)攝像機(jī)相對(duì)于世界坐標(biāo)系的3X3旋轉(zhuǎn)矩陣r_，攝像機(jī)相對(duì)于世界坐標(biāo)系的3X1平移向量； 步驟3 :初始化圖像序列指針i，令i = I ; 步驟4 :取第i巾貞路面圖像和第i+1巾貞路面圖像，分別對(duì)第i巾貞路面圖像和第i+1中貞路面圖像進(jìn)行圖像預(yù)處理，所述圖像預(yù)處理包括計(jì)算圖像的灰度直方圖函數(shù)和均衡化處理； 所述圖像的灰度直方圖函數(shù)采用以下方法計(jì)算 首先將圖像灰度化，并將圖像所有像素的灰度值歸一化，計(jì)算出此圖像的灰度直方圖函數(shù)
全文摘要
本發(fā)明公開(kāi)了一種基于光流的車(chē)輛運(yùn)動(dòng)狀態(tài)估計(jì)方法，適用于估計(jì)道路交通環(huán)境下低速行駛在平坦瀝青路面上的車(chē)輛的運(yùn)動(dòng)狀態(tài)。首先在車(chē)輛后橋中心位置安裝俯視高精度單目攝像機(jī)，并通過(guò)標(biāo)定算法獲取攝像機(jī)參數(shù)；接著采用直方圖均衡化對(duì)獲取的圖像序列進(jìn)行預(yù)處理，以凸顯瀝青路面角點(diǎn)特征，降低路況及光照變化帶來(lái)的不利影響；再采用高效的哈里斯Harris角點(diǎn)檢測(cè)算法進(jìn)行實(shí)時(shí)路面角點(diǎn)特征檢測(cè)；然后根據(jù)盧卡斯-柯乃德Lucas-Kanade光流算法進(jìn)行前、后幀的角點(diǎn)匹配跟蹤，選用隨機(jī)采樣一致RANSAC算法進(jìn)一步優(yōu)化匹配角點(diǎn)，進(jìn)而獲取較為準(zhǔn)確的光流信息；最后，由圖像光流重構(gòu)出車(chē)輛載體坐標(biāo)系下縱向速度、橫向速度和質(zhì)心側(cè)偏角等車(chē)輛實(shí)時(shí)運(yùn)動(dòng)參數(shù)，由此獲得較高精度的車(chē)輛對(duì)地運(yùn)動(dòng)狀態(tài)的估計(jì)。
文檔編號(hào)G06T7/00GK102999759SQ20121044208
公開(kāi)日2013年3月27日 申請(qǐng)日期2012年11月7日 優(yōu)先權(quán)日2012年11月7日
發(fā)明者李旭, 吳明明 申請(qǐng)人:東南大學(xué)