[发明专利]基于逆透视投影变换和跟车模型的车辆三维轨迹优化方法

说明书

本发明属于一种基于逆透视投影变换和跟车模型的车辆三维轨迹优化方法，包括基于逆透视投影变换的车辆三维轨迹坐标求解、基于跟车模型的车辆运动坐标预测、联合逆透视投影变换和跟车模型的车辆三维轨迹坐标优化校正三部分，本发明结合逆透视投影变换方法并引入交通仿真中的跟车模型，实现了一种基于逆透视投影变换和跟车模型的车辆三维轨迹优化重建，能自动进行结果修正、实现车辆轨迹重建。

技术领域

本发明属于交通仿真和机器视觉领域，尤其涉及一种基于逆透视投影变换和跟车模型的车辆三维轨迹优化方法。

背景技术

城市路网内大量的监控摄像头收集了海量的城市交通场景视频数据。如何根据这些二维视频数据实现场景中车辆三维运动轨迹的重建，对市内交通场景重建、交通预测推演等具有重要的意义。

逆透视投影变换方法可以根据二维视频图像数据实现场景内车辆的三维坐标轨迹重建。虽然该方法具有真实性高、实时性好的特点，但是一方面，遮挡问题对计算结果的影响非常大，受遮挡车辆的坐标丢失严重；另一方面，路网内摄像头通常安装在道路一侧，采集的视频数据中，远离当前道路侧的车辆坐标轨迹三维重建误差大，甚至出现后一帧车辆位置前移等和实际情况背离的情形。

发明内容

本发明主要解决的技术问题是提供一种基于逆透视投影变换和跟车模型的车辆三维轨迹优化方法，解决受遮挡车辆坐标丢失严重、车辆坐标轨迹三维重建误差大的问题。

本发明的目的是这样实现的：一种基于逆透视投影变换和跟车模型的车辆三维轨迹优化方法，包括以下步骤：

逆透视投影变换计算获得车辆的三维轨迹坐标；由逆透视投影变换公式获取逆透视投影变换参数，由所述逆透视投影变换参数结合视频图像内车辆的图像坐标，获取视频图像内车辆的三维轨迹坐标；

跟车模型计算获得车辆的预测位置坐标；获取视频图像内车辆的状态信息，由所述状态信息基于跟车模型计算获取视频图像内车辆的预测位置坐标；

卡尔曼增益矩阵计算获得最优位置坐标；由卡尔曼增益矩阵对所述三维轨迹坐标与所述预测位置坐标的结合进行优化，然后结合所述预测位置坐标获取车辆的最优位置坐标。

优选的，选取视频图像中具有已知长度的参照物，由所述参照物的图像坐标以及所述参照物的长度获取所述逆透视投影变换参数。

优选的，使用局部搜索算法迭代求解所述逆透视投影变换参数，使所述逆透视投影变换参数的误差收敛至小于1e-9。

优选的，将所述三维轨迹坐标作为控制点，采用贝塞尔曲线拟合所述控制点获得车道线曲线，用于所述跟车模型的计算。

优选的，所述状态信息包括有速度信息。

优选的，由视频图像中车辆的三维坐标获取噪声协方差，由视频图像中车辆的所述预测位置坐标，获取预测误差协方差矩阵，由所述噪声协方差和所述预测误差协方差矩阵获取卡尔曼增益矩阵。

优选的，所述噪声协方差为：

式中：R为噪声协方差，N₀为初始时刻视频图像内车辆的总数，j为初始时刻视频图像内的第j个车辆，Z_j(t)为初始时刻视频图像内第j辆车的三维坐标，为初始时刻视频图像内所有车辆三维坐标Z_j(t)的平均值，T表示矩阵转置。

优选的，所述预测误差协方差矩阵为：