[发明专利]交通监视环境下的路况摄像机标定方法

说明书

技术领域

本发明属于智能交通技术领域，特别涉及交通监视环境下的路况摄像机的标定方法，主要用于交通监视环境下云台摄像机的精确标定。

背景技术

应用电视视频技术、通信与网络技术、模式识别技术、计算机视觉技术等技术，发展现有交通视频监控技术，实现交通信息流的自动采集与分析，是智能交通技术领域中具有广阔应用前景的研究方向。其目标就是用计算机视觉技术通过分析路况监视图像序列来对车辆、行人等交通目标的运动进行检测定位、识别和跟踪，并对检测跟踪的交通运动目标的交通行为进行分析和判断，从而既完成各种交通流数据的采集又进行与交通管理有关的各种日常管理和控制，形成一个全方位立体化的数字交通监控网，真正实现交通管理智能化。

针对监视需求，多数路况摄像机为变焦摄像机且采用云台摄像技术。因此当路况摄像机的视域发生改变时，监控路段与成像平面间映射关系也会相应变化，为此需通过对当前路况图像分析，标定摄像机的当前状态，确定场景点与图像像素间确定对应关系，避免摄像机状态改变为车速、车型、运动距离等参数的计算带来影响。

摄像机标定是计算机视觉领域里从二维图像提取三维空间信息的重要步骤，需依据摄像机几何成像原理，对实际摄像装置进行抽象处理，提出表征物空间与成像平面间映射关系的视觉模型。进而，从此视觉模型入手，针对其成像特点，在像平面中拟定合适参照物，分析找出相关图像特征参数，标定视觉模型中各未知参数。

路况摄像机组的标定作为相机标定的重要工程应用，多采用传统标定方法和相机自标定方法。传统标定方法是指用一个结构已知的标定块作为空间参照物，通过建立标定块上一组非退化(非共面)的空间点及其图像投影点间的对应关系来建立摄像机模型参数间的约束，然后通过优化算法来求取这些参数；自标定方法是指直接分析利用获得的多幅图像信息，提取表征摄像机内参数自身存在约束的匹配点，建立基于绝对二次曲线(曲面)的虚拟标定块，从而标定摄像机参数。

传统标定方法标定精度高，但需于现场设置标定物，标定点设置困难，过程繁琐，图像特征量需求大，仅适用于小范围场景，不满足路况大场景监视要求。自标定算法优势在于充分利用监视场景图像信息，但其在标定过程中，需控制监视摄像机做数次刚体运动，并对不同视点下的图像进行特征参数精确匹配，如是，算法依赖于要求极高的图像识别及特征匹配技术，鲁棒性差。

为简化标定流程，针对交通监视景物具体特点，Nelson，Grantham和George等人引入了基于简单成像模型的交通视频监控系统摄像机标定方法，其直接利用交通场景中的路面分道线角点组成的矩形标定目标，标定摄像机焦距和方位参数。与之类似，发明CN1564581A公布了一种城市交通监视环境下标定摄像机焦距及空间外部参数的自标定方法，其利用交通场景中监控路面上数条特殊直线作为标定目标，完成摄像机标定。此类方法实现简单，具有线性时间计算复杂度，然而其在建立三维映射模型时，需要固化摄像机模型部分内部参数(主点坐标和畸变参数)，降低了标定算法的适用范围，难以满足摄像机高精度标定要求。

发明内容

本发明的目的在于针对现有摄像机标定技术的不足，提供应用于交通监视环境下的一种新的摄像机多级标定方法。

针对监视需求，建立高精度的摄像机视觉成像模型，确定物空间与像平面间对应关系；根据监视场景下，不同标称放大系数下场景图像光流特性，建立基于摄像机主点的优化模型，以标定摄像机主点及实际放大系数；选择场景图像上的相邻分道线上角点作为标定目标，利用分道线平行关系及分道线间的基准路宽作为约束条件，建立包含有效焦距及摄像机空间位置参数在内的约束方程，求解视觉模型内、外部参数。

算法采用复杂的摄像机模型，充分考虑了相机主点变化及镜头径向畸变带来的影响，满足高精度摄像机标定的要求；采用了多级标定方法，分解摄像机内部参数为固定参数、可变参数，简化标定流程；标定过程中，无需复杂的特征匹配，提高算法鲁棒性。

本发明以下述方法实现：交通监视环境下的路况摄像机标定方法，包含如下标定步骤：

(1)视觉模型描述和相关坐标系建立：针对监控系统性能要求，沿用经典的Tsai透射投影模型，并针对路况成像特点，对其进行相应修正，提出新的视觉模型，建立三种坐标系：