[发明专利]一种鱼眼图像车辆识别方法

摘要

本发明公开了一种鱼眼图像车辆识别方法，属于车辆识别领域，所述方法包括以下步骤：用鱼眼摄像机获取鱼眼图像；对所述鱼眼图像进行校正，获取校正后鱼眼图像；以所述校正后鱼眼图像为基础，根据车辆当前环境分别获取车辆下边缘和车辆左右边缘，得到车俩候选区域；对所述车辆候选区域进行分类，识别车辆和非车辆。本发明通过检测车辆的固有特征，并且把这些特征有效地融合起来可以提高车辆分割的准确率，保证了后续的车辆识别快速准确的进行；该方法从另外一个角度对车辆和非车辆进行分类，不受特征向量提取方式的影响，在识别率和识别算法复杂性方面都有很大的改进。

主权项

1.一种鱼眼图像车辆识别方法，其特征在于，所述方法包括以下步骤：101：用鱼眼摄像机获取鱼眼图像；102：对所述鱼眼图像进行校正，获取校正后鱼眼图像；103：以所述校正后鱼眼图像为基础，根据车辆当前环境分别获取车辆下边缘和车辆左右边缘，得到车俩候选区域；104：对所述车辆候选区域进行分类，识别车辆和非车辆；其中，步骤102中所述对所述鱼眼图像进行校正，获取校正后鱼眼图像具体为：建立校正图像坐标系中点(u′，v′)和校正相机坐标系中点(x′，y′，z′)之间的映射关系；根据校正相机坐标系到世界坐标系的旋转矩阵R′_cw1，将校正相机坐标系中点(x′，y′，z′)转换到世界坐标系中点(x，y，z)；其中Rwc1′=cosγ′sinγ′0-sinγ′cosγ′0001×cosβ′0-sinβ′010sinβ′0cosβ′×1000cosα′sinα′0-sinα′cosα′]]>R′_cw1＝R′_wc1^-1根据世界坐标系到鱼眼相机坐标系的旋转矩阵R″_wc2，将世界坐标系中点(x，y，z)转换到鱼眼相机坐标系中点(x″，y″，z″)；其中Rwc2′′=cosγ′′sinγ′′0-sinγ′′cosγ′′0001×cosβ′′0-sinβ′′010sinβ′′0cosβ′′×1000cosα′′sinα′′0-sinα′′cosα′′]]>通过3维鱼眼摄像机到2维相机平面的转换矩阵G，建立(x″，y″，z″)到鱼眼相机平面(u″，v″)的映射关系，获取所述校正后鱼眼图像；其中G=1z′′1dx′′0u0′′01dy′′v0′′001f′′0000f′′000010]]>鱼眼图像中的像素坐标和校正平面中的像素坐标映射关系为：1u′′v′′=f′·G·Rwc2′′·Rcw1′·cos((u′-u0′)·dθ)-sin((u′-u0′)·dθ)(v′-v0′)·dy′f′;]]>其中，步骤103中所述以所述校正后鱼眼图像为基础，根据车辆当前环境分别获取车辆下边缘和车辆左右边缘，得到车俩候选区域具体为：(1)判断所述校正后鱼眼图像消失线上方区域的灰度值是否大于设定的阈值T，如果是，则车辆当前环境为白天；否则车辆当前环境为夜晚；(2)当前环境为白天采用基于多特征融合的车辆假设，具体方法包括：提取车辆阴影，其中，设R表示垂直方向的对比敏感度值P_down，P_up是像素灰度值，设置对比敏感度阈值为T1，图像的灰度阈值为T2，定义满足R＞T1并且灰度值小于T2的点为车辆阴影点，获取车辆阴影点的二值图；计算实际车辆阴影在图像中的像素宽度，对所述校正后鱼眼图像进行粗分割，获取粗分割区域；设车辆阴影点在世界坐标系中的坐标为(X，Y，Z)，其中Y为鱼眼摄像机的高度，Z为车辆阴影点距鱼眼摄像机的距离，设车辆阴影的实际宽度为Rwidth，根据小孔成像原理，获取车辆阴影在图像中的最小像素宽度和最大像素宽度；PixelWidth=Rwidth×fZ×dx]]>其中，PixelWidth是车辆阴影的像素宽度，f是鱼眼摄像机的焦距，dx是径向畸变系数；车辆阴影在图像中的最小像素宽度和最大像素宽度；对所述粗分割区域进行直方图均衡化处理，通过阴影长度阈值WT获取车辆下边缘；T=Σj=1wmin1≤i≤h(Vi,j)w]]>其中，V_i，j表示在(i，j)处的图像灰度值，h表示粗分割区域的高度，w表示粗分割区域的宽度；在车辆阴影区域中自下往上找到一条宽度大于WT的边作为车辆下底边；计算所述粗分割区域的二值轮廓对称轴；计算所述粗分割区域的灰度对称轴和HSV色彩空间的S分量对称轴；对所述二值轮廓对称轴、所述灰度对称轴和所述S分量对称轴进行融合处理，准确获取车辆对称轴的位置；通过垂直Sobel算子在粗分割区域内提取垂直边缘，并且对所述垂直边缘进行垂直投影，结合所述车辆对称轴的位置确定所述车辆左右边缘；(3)当前环境为黑天采用基于车灯检测的车辆假设，具体方法包括：对所述粗分割区域进行中值滤波处理，用最大类间方差法产生一个灰度阈值T，图像中灰度值大于T则是光亮目标物，即潜在的车灯；应用形态学选取合适的结构元素对光亮目标物进行先腐蚀后膨胀的处理，得到连通区域，记为C_i，(i＝1，2，K，p)，将满足组合规则的连通区域组合成车灯对，以车灯对的左边作为车辆左边缘，右边作为车辆右边缘；其中，每个区域的上、下、左、右边界分别记为t(C_i)、b(C_i)、l(C_i)、r(C_i)，所述组合规则具体为：两个连通区域的中心连线是一条水平线；两个连通区域的面积相似；两个连通区域之间的水平距离定义为：Width(B)＝max[r(C_i)，r(C_j)]-min[l(C_i)，l(C_j)]Width(B)需要满足实际车辆头灯之间距离的范围；两个连通区域形成的矩形框的高度定义为：Height(B)＝max[(b(C_i)-t(C_i))，(b(C_j)-t(C_j))]矩形框的纵横比满足：Width(B)/Height(B)≥Th_ar一般取Th_ar为2；确定车底阴影的搜索范围，在搜索范围中计算阴影阈值，利用所述阴影阈值对搜索范围进行二值化，图像灰度值大于T_min，并且小于T_max的像素被认为是车底阴影点，从下到上搜索阴影点个数大于某个长度阈值LT的行作为车辆下边缘；其中，Tmax=1NΣRow=1Height(ΣCol=1WidthSearchRegion(Row,Col))]]>Tmin=minCol=1Width(minRow=1Height(SearchRegion(Row,Col)))]]>Height，Width表示搜索范围的高和宽，N＝Width×Height。