[发明专利]一种基于窄基线双目视觉的前方车辆快速测距方法

摘要

一种基于窄基线双目视觉的前方车辆快速测距方法，属于计算机视觉技术领域。本发明按照经典方法处理右目图像，包括车道线ROI设定、车道线检测、车辆ROI设定、车辆识别、车辆区域确定。对于左目图像，则根据双目视觉的成像特点和前一帧图像的距离信息，直接估计车辆区域，大大简化了左目图像的处理。同时，对左、右目图像车辆区域中所有匹配特征点对所计算的横向视差，进行了中值处理，选取了一组平稳的视差值子集用于计算前方车辆的距离，进一步提高了测距精度。经实验对比，与经典对称方法相比，本发明方法测距速度平均可提升37.2％，测距误差平均可降低12.8％。

主权项

1.一种基于窄基线双目视觉的前方车辆快速测距方法，其特征在于以下步骤：第一步：初始化；令前一帧测量距离Distance⁰＝0，帧指针i＝1；第二步：输入第i帧左、右目图像；第三步：对第i帧右目图像设定车道线ROI；设图像的高度为H，车道线ROI高度选取系数为r₁、r₂，高度选取系数r₁、r₂根据双目视觉设备的安装高度加以选择，车道线ROI的纵向范围y选取如下：r₁H≤y≤r₂H                        (1)第四步：在右目车道线ROI内检测车道线；在车道线ROI内，采用动态阈值单像素宽、单边缘车道线检测方法检测出车道线；第五步：设定右目图像的车辆ROI；首先延长两侧车道线，相交于点Q，获得三角形区域；然后以车道线交点Q为起点，左右平移M个像素、向上平移N个像素，得到左顶点Q₁和右顶点Q₂；接着分别以Q₁、Q₂为端点做平行于车道线的两条直线，与车道线ROI底部相交于点Q₃、Q₄，将以Q₁、Q₂、Q₃、Q₄为顶点构成的梯形区域设为当前车道信息保留区域，外围做掩码处理；最后，以Q₃、Q₄横坐标差为宽，Q₁、Q₄纵坐标差为高，设置右目图像的车辆ROI；第六步，车辆识别并确定右目图像的车辆区域；使用已训练好的Haar分类器进行车辆识别，若检测出车辆，则获取车辆区域左上角顶点坐标(x_s,y_s)，以及车辆区域的宽度w_r和高度h_r，计算得到右目车辆区域的中心坐标(x_o,y_o)，其中x_o＝x_s+w_r/2，y_o＝y_s+h_r/2，进入第七步；否则，将当前帧的距离Distanceⁱ设为0，舍弃当前帧，令i＝i+1，进入下一帧，转到第二步进行处理；第七步：估计左目图像的车辆区域；设左目车辆区域中心为(x_l,y_l)，其中y_l＝y_o；(1)当Distance^i‑1≠0时，即前一帧图像中检测到车辆并获取距离，采用下面公式计算x_l：式中f为摄像机焦距，B为基线长度，Distance^i‑1为前一帧中前方车辆的距离；令左目车辆区域宽度w_l＝w_r，高度h_l＝h_r；(2)当Distance^i‑1＝0时，适于第一帧图像或前一帧未检测到车辆的情况：将右目车辆区域的中心位置映射到左目图像，即x_l＝x_o,y_l＝y_o，令h_l＝h_r，按比例横向对称扩大区域尺寸，得到左目车辆区域宽度如下：w_l＝(1+2β)*w_r                       (3)式中，β为扩大比例；第八步：特征点提取与匹配；使用二进制算法ORB进行特征点提取与匹配；由于每对匹配的特征点满足极线约束条件y_L＝y_r，在kNN搜索匹配时，只在同一纵坐标下搜索；通过计算，获得匹配的特征点对总数为K；第九步：视差值计算；令第i帧左、右目图像所匹配的第k个特征点对的横坐标为求得视差值则所有匹配特征点对的视差值集合为D＝{d¹,d²,...,d^K}，按照从小到大顺序排列集合D中的视差值，获取集合D的中值D_mid，根据公式|D_i‑D_mid|＜d_th，在中值D_mid附近选取一组平稳的视差值子集D^*＝{d^p,...,D_mid,...,d^q}，d^p、d^q分别为D^*的最小和最大视差值，再对D^*的所有视差值计算均值将其设定为前方车辆的视差值；d_th为视差值筛选阈值；第十步：根据三角测量原理，计算前方车辆距离Distanceⁱ，输出车辆区域与距离测量结果；其中距离计算公式如下：第十一步：若未到达到最终帧，令i＝i+1，进入下一帧，转到第二步进行处理；否则，退出程序。