[发明专利]一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法

说明书

本发明提供的一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法，利用CCD摄像头采集前方目标车辆图像，利用融合Haar‑like特征与Adaboost算法识别步骤2中获取的前方目标车辆图像中的前方目标车辆，利用粒子滤波法对步骤3中所获取的前方目标车辆进行跟踪，根据上述所得的每一帧图像中前方目标车辆构建该帧图像中车道平面几何的纵向车距测量模型，得到该帧图像中目标靶源纵向感知距离y，根据上述所得的每一帧图像中前方目标车辆构建车辆测距误差动态补偿模型，得到纵向测量误差值z，根据步骤5中所得的目标靶源纵向感知距离y和纵向测量误差值z计算该帧图像中前方目标车辆与本方车辆之间的纵向车距Y_W(P)。

技术领域

本发明属于车辆纵向安全辅助驾驶技术领域，涉及一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法。

背景技术

车辆跟驰是驾驶员在交通活动中一种最基本的驾驶行为，车辆在跟驰阶段面临着主要威胁主要来自纵向车辆追尾碰撞，自车与前车未保持一定的安全车距以及对自车和前车的速度判定不准确而导致车辆追尾碰撞。精确研究自车与前方车辆的车距值对于保持车辆间距以及车辆碰撞预警具有重要意义。

车距测量目前已经研究的方式主要有超声波测距、激光测距、毫米波雷达测距以及机器视觉测距。超声波测距只适用于短距离测距，而激光测距和毫米波雷达测距使用成本过高，相比之下，机器视觉测距方式硬件结构简单、成本也低并且获取信息丰富且容易，因此采用机器视觉测量车距具有更好的实用价值和应用前景。

机器视觉中综合各项测量方式进行比较，因单目视觉测量处理数据时间较短，能满足测距实时性，所以使用单目视觉测量车距的占大多数。

基于单目视觉进行车距自动测量时，对于前方车辆的定位非常重要，定位的准确性直接影响到车距测量的精确度。目前基于车辆阴影的识别方法受外界光线因素影响较大；基于车尾数学模型方法通过对应点标定来获取图像的深度信息，但由于器材限制及标定等原因，无法得到较高精度坐标系之间相互转变的转换矩阵，适用性受到限制；基于单目视觉图像灰度化处理进行前方车辆识别时，往往只能识别出前方车辆尾部轮廓，但由于车辆后悬离地高度的存在，势必会造成很大的测距误差。

发明内容

本发明的目的在于提供一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法，解决了现有技术中存在的受光线影响、高精度坐标系转化以及车辆后悬离地高度存在造成的测距误差的问题和缺陷。

为了达到上述目的，本发明采用的技术方案是：

本发明提供的一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法，包括以下步骤：

步骤1，对CCD摄像头进行标定，得到有效焦距f、CCD摄像头高度h和CCD摄像头俯仰角θ；

步骤2，利用CCD摄像头采集前方目标车辆图像；

步骤3，利用融合Haar-like特征与Adaboost算法识别步骤2中获取的前方目标车辆图像中的前方目标车辆；

步骤4，利用粒子滤波法对步骤3中所获取的前方目标车辆进行跟踪；

步骤5，根据上述所得的每一帧图像中前方目标车辆构建该帧图像中车道平面几何的纵向车距测量模型，得到该帧图像中目标靶源纵向感知距离y；

步骤6，根据上述所得的每一帧图像中前方目标车辆构建车辆测距误差动态补偿模型，得到纵向测量误差值z；

步骤7，根据步骤5中所得的目标靶源纵向感知距离y和纵向测量误差值z计算该帧图像中前方目标车辆与本方车辆之间的纵向车距Y_W(P)。

优选地，步骤3中，利用融合Haar-like特征与Adaboost算法识别步骤2中获取的前方目标车辆图像中的前方目标车辆的具体方法：