基于圖像處理的車距測量算法

史戰果 張筱 吳迪 程帥 張秀彬

(1.上海交通大學 電子信息與電氣工程學院，上海 200240;2.南京軍區兵種訓練基地，江蘇 南京 212400)

0 引言

隨著人民經濟水平的提高，汽車已經是我們生活中不可或缺的產品。隨之而來的是交通事故的增加和人民財產的損失。據不完全統計，交通事故中由于沒有把握好前后車輛的安全車距而導致的汽車相撞事故占有很大的比例，因此能夠識別前后車輛的距離問題是防止交通事故發生的保證。當前已有超聲波［1］、毫米波雷達［2］、激光等技術［3］被應用于車載系統以解決車輛對前方物體的測距問題。但就現有技術而言，超聲波測量距離較短;毫米波雷達在電磁波干擾情況下對測距影響較大;點激光測點少，成像式激光技術又過于復雜，經濟成本太高;因此造成這些技術的推廣受到一定的限制。針對這一問題，本文將提出一種基于圖像處理的車距測量算法對車距進行測算。

1 對前方車輛的識別

1.1 建立車輛背景模板數據庫

收集與整理車輛背景圖像作為模板，并事先在在車載系統的信號處理器中建立車輛背景模板數據庫。如圖1所示，一次列舉了多種類型車輛背景圖像的采集而建立起來的模板集。

圖1 若干類型車輛背景圖像模板示意圖

1.2 車輛前方景物圖像的實時采集

將車載雙目視感系統實時采集的車輛前方景物圖像進行合成獲得主視場圖像，按照最有利于分析和運算的大小規格截取觀測窗口，該窗口的選取使得運算能夠集中于車輛行駛車道前方30～200 m距離內的車輛識別，如圖2。

圖2 某路段車輛前方景物圖

1.3 快速識別前方車輛

本文采用空間域模板匹配算法［4］來匹配車輛相似度，從而快速識別前方車輛。具體過程如下:

(1)利用數據庫中的模板作為濾波算子滑過主視場觀測窗口圖像，尋求符合匹配基準的圖像區域。這個過程又是被稱為Back Project，獲得的結果圖像可以表達為

式(1)中 R(s，t，x，y)為獲得結果圖像，t(m，n)為模板圖像，s(x，y)為現場圖像，現場圖像尺寸為W×H，模板尺寸為w×h。

可以看到，R(s，t，x，y)跟模板 t(m，n)、現場圖像 s(x，y)和當前位置(x，y)有關。

(2)具體通過計算模板圖像和現場圖像之間的誤差值得出匹配位置。誤差公式如下

絕對誤差 SAD(s，t，x，y)

模板和現場圖像在(x，y)處的 w×h區域內容越接近，誤差就越小。求得 R(s，t，x，y)的結果圖像后，找到整個圖像上最小的點位置，作為模板匹配的位置。運用此算法對圖2進行模板匹配后得到的圖像參見圖3白色虛線框所示區域。

圖3 模板匹配

2 判定前方車輛所出車道

2.1 計算前方車輛的行投影中心

當車載視感系統在主視場觀測窗口內采用w×h模板尋找到匹配區域時，通過模板匹配區域計算前方車輛的行投影中心。

如圖4中實例的行投影中心的計算方法是，對匹配區域作一根水平線相交于左、右邊緣兩個交點 (il，jl)和(ir，jr);作兩個交點連線的垂直平分線;則該垂直平分線與橫坐標軸的交點即為前方車輛的行投影中心P，且

圖4 行投影中心計算圖例

式(5)中的i、j分別代表觀測窗口圖像的橫軸和縱軸坐標。

2.2 對前方車輛行車道進行確認

如圖5所示，對前方車輛行車道進行確認，通過匹配區域的下邊緣做一水平線，求其與兩側行標線的交點a和b。將中心點P的i軸坐標P(i)與交點a和b的i軸坐標進行比較，以確定前方車輛所處行車道。

進行車道確認后，發現前方車輛與自己車輛在同一車道后，將前方車輛中心點P進行標注。

3 車距測量

識別出前方與自己車輛所處車道一致后，采用雙目視差原理［5］來計算車距。

圖5 車輛行車道確認圖例

3.1 雙目視差原理

如圖6所示，利用雙目視差測距原理檢測當前車輛距我車的距離。

圖6中，Ol、Or分別為左、右兩個攝像機(圖像傳感器)的光學中心位置(簡稱光心);Pl、Pr分別為標注點 P在左、右兩個攝像機的圖像平面(虛成像平面)上的投影點;AP、OP分別為標注點P至OlOr連線的垂線與虛成像平面及OlOr連線的交點;Al、Ar分別為過Ol、Or向虛成像平面作兩根垂線與其交點。

圖6 雙目視差測距原理圖

3.2 車距計算

(1)利用外極線約束原理［6］快速確定被匹配目標中心點P在左右視圖圖像上的位置。所述外極線約束，即外極線幾何約束，就是指左視(或右視)圖像上的任一點，在右視(或左視)圖像上的對應點只可能位于一條特定的直線上，稱為右外極線(或左外極線)。

(2)根據尋找到的公共特征點的圖像坐標轉換為虛成像平面坐標，轉換公式為

式(7)中，i、j為計算機圖像坐標，f為攝像機光學有效焦距，dx、dy分別為圖像平面上 x、y方向上單位像素間的距離，sx為圖像縱橫比。cx、cy為光心o在計算機成像平面上的像素坐標，即光心坐標(cx，cy)。

(3)通過轉換公式計算獲知點Al、Pl、Ar和Pr的虛成像平面坐標，即

考慮 yAl=yPl=yAr=yPr，因此能夠求出雙目視差l-r，即

(4)應用視差測距公式直接計算該公共特征點與自身車輛的距離。

必須指出，計算過程，兩個攝像機光心間距b的計算單位為m，(公式1)中其余兩個量，即視差l-r和成像焦距?f的單位均為像素數。

4 實驗

4.1 實驗平臺搭建

為了檢驗本文提出的車距測量算法，搭建了有硬件系統和軟件測試系統組成的實驗平臺。硬件系統有兩個性能數據完全一致的CCD攝像頭、圖像采集模塊組成;軟件測試系統是在LabVIEW環境下，結合 NI公司的Vision工具進行編寫。本系統具有面板簡潔、操作簡單、數據存儲讀取方便等特點，可以實時顯示圖像及處理結果。軟件界面如圖7所示。

圖7 實驗平臺的軟件界面

4.2 實驗結果

圖像采集模塊對車輛前方的景物進行實時采集，通過軟件測試平臺對采集到的圖像進行算法應用。表1列出了對30 m、40 m、50 m、60 m、70 m、100 m、150 m 距離上的車輛進行實驗的數據。

表1 車距測量結果

5 結束語

實驗進一步證實:本文所提供的方法具有較高的運算速率和較低的測量誤差:(1)運算周期小于30 ms;(2)識別準確率高達99%;(3測量結果誤差都在0.25%以內。充分說明該測距算法在車輛安全距離測量方面有著精度高、速度快的優點。且整個過程實現自動化，因此完全能滿足實時性的要求。對前方車輛進行自動識別和測距，完全能滿足汽車輔助駕駛技術中車輛距離測量的實際需要，是一種行之有效的車距測量方法。在實驗中搭建的安全車距測距平臺也為下一步研究安全車距控制系統奠定了基礎。

［1］Carullo A，Parvis M.An ultrasonic sensor for distance measurement in automotive applications［J］.IEEE Sensors Journal，2001，1(2):143.

［2］Joongsuk Park，Cam Nguyen.A new millimeter-wave step-frequency radar sensor for distance measurement［J］.IEEE Microwave and Wireless Components Letters，2002，12(6):221-222.

［3］鐘震宇，鐘澤宇.汽車激光測距防撞語音報警系統的設計與研究［J］.太原理工大學學報，2008(S2):204-208.

［4］張秀彬、應俊豪.智能視感學［M］.北京:中國水利水電出版社，2010(3):131-133.

［5］Xu Jie ，Chen Yi-min，Shi Zhi-long.Distance measurement using binocular-camera with adaptive focusing［J］. Journal of Shanghai University，2009，15(2):169-174.

［6］Pritt，Mark D.Image registration with use of the epipolar constraint for parallel projections［J］.Journal of the Optical Society of America A，1993，10(10):2187.