基于視覺傳感器的道路前方車輛模型研究

陳 勇， 陳 瑤

(1.西北工業大學 軟件與微電子學院，陜西 西安 710072；2.北京工業大學 計算機學院，北京 100124)

0 引 言

建立圖像平面的前方車輛模型是基于視覺傳感器的道路前方車輛檢測的重要內容。現有文獻利用線段或者區域構建圖像中的車輛二維模型。文獻[1]將線段連接成多邊形來模型車輛，其包含8條線段和8個點參數，并利用邊緣方向概率密度函數約束模型的形狀，該模型參數較多、計算量較大;文獻[2]根據車輛外形將車輛模型為二維平面的矩形盒子；文獻[3]的車輛模型由5條直線組成；而文獻[4]基于車輛前方和后方的結構將車輛模型為矩形和梯形結合體，其定義了車輛寬度、下半部和上半部高度3個參數；文獻[5,6]將圖像中前方車輛模型為簡單的矩形。這些車輛模型相對簡單參數較少，但是用于前方車輛檢測本文提出了一種前方車輛模型，利用前方車尾輪廓的幾何特征構建了世界坐標系的車尾模型，通過坐標系變換給出了視覺傳感器坐標系的車尾模型，進而導出了圖像中的車尾模型，并給出了模型參數的表達式及其與現實世界中車尾幾何參數的對應關系，同時將圖像中車輛的位置和大小聯系了起來。通過實驗將該模型應用于道路前方車輛檢測，可以抑制不符合車輛透視關系的錯誤識別，驗證了模型的有效性，表明該模型能有效提高車輛檢測的魯棒性。

1 道路前方車輛車尾模型

車輛檢測系統中車載視覺傳感器面向主車正前方，主車沿車道行駛，前方車輛尾部距離主車最近，而被其它車輛遮擋的前方車輛，不會對主車造成直接威脅，其尾部圖像也會被部分遮擋。因此,建立車尾模型可以滿足道路前方車輛檢測的需要。

1.1 世界坐標系的車尾模型

如圖1建立世界直角坐標系OwXwYwZw，原點Ow為車載視覺傳感器光學中心，平面OwXwZw與道路平面平行，坐標軸OwZw與視覺傳感器的光軸位于同一垂直平面。

當車輛沿車道行駛，其與車道方向的夾角很小，可忽略不計。對于結構化道路，在視距內車道線形近似為圓弧，設Rhost表示主車行駛曲線的半徑。如圖1，前方車尾及其路面上的陰影邊界會形成一個近似的矩形區域，設該區域的高和寬分別為HV和WV，視覺傳感器離路面的高度為HC，(xw,yw,zw)表示世界坐標系的坐標點，(xw,V,yw,V,zw,V)表示車尾矩形區域下邊界的中點，并定義其表示該區域和車輛的位置。設DV,lon表示前方車輛到主車的縱向行駛距離，DV,trans表示前方車輛到主車行駛線的橫向距離，θV表示前方車輛和主車行駛方向的夾角，則由圖1可構建世界坐標系OwXwYwZw的前方車尾矩形區域的模型方程

圖1 車輛的坐標系

(1)

根據車道設計規范[7]，在有效視距內,θ較小，車尾矩形區域平面近似平行于平面OwXwYw，該近似造成的誤差遠小于前方車輛與主車的距離，由此車尾模型方程(1)可簡化為

(2)

1.2 視覺傳感器坐標系的車尾模型

如圖1建立視覺傳感器直角坐標系OcXcYcZc，坐標軸OcZc為視覺傳感器的光軸，坐標平面OcZcYc與平面OwYwZw重合，視覺傳感器的偏向角β和滾動角γ為0，為了觀測前方車輛全貌，其前傾角α設置的很小，有sinα≈α和cosα≈1。進而根據圖1中世界坐標系和視覺傳感器坐標系的幾何關系，可將式(2)變換為視覺傳感器坐標系的車尾模型

(3)

1.3 像素坐標系中的車尾模型

如圖1在視覺傳感器的成像平面建立圖像直角坐標系OIxy，光軸OCZC垂直于平面OIxy并交于原點OI，設fC表示視覺傳感器的焦距；同時建立像素平面直角坐標系Ocr，成像平面的左上角為原點O，坐標軸Oc和Or分別與坐標軸OIx和OIy平行。設(c,y)表示像素點坐標，(COI,rOI)表示像素坐標系中點OI的坐標，并設像素點在x和y軸方向上的物理尺寸為dx和dy，則由式(3)通過坐標系變換可得像素坐標系的車尾模型

(4)

其中

(5)

從式(4)可看出，當滾動角γ=0時，車尾矩形區域在像素平面的模型為梯形，其腰斜度與b0,P,b1,P,b2,P有關。

2 圖像中車輛位置與寬度的關系

式(4)中b3,P和b4,P是像素平面車尾區域的上下邊界，與平面中車輛的垂直位置有關，而b1,P和b2,P與車輛寬度WV有關。由于前方車輛與主車方向的夾角θV較小，根據式(4)和式(5)有

(6)

由于車輛寬度有一定的范圍，設其最大和最小值分別為WV,max和WV,min，則車尾模型有如下約束條件

(7)

對于一個特定的車輛檢測系統，上式中的b4,P為像素平面車輛的垂直位置。因此，式(7)表達了圖像中車尾矩形區域大小與其位置的變化關系。

通常情況下視覺傳感器前向水平設置，此時式(4)可簡化為

(8)

其中

(9)

約束條件式(7)可簡化為

WV,mindy(b4,P-rOI)/(HCdx)≤b2,P-b1,P≤

WV,maxdy(b4,P-rOI)/(HCdx).

(10)

從式(8)可看出:當視覺傳感器水平設置時，圖像中車尾區域始終為矩形，其寬度為(b2,P-b1,P)，從式(10)可看出:圖像中車輛的寬度與其垂直位置有線性關系。

3 實 驗

將本文模型應用于前方車輛檢測系統，道路圖像為480像素×272像素。圖2是利用矩形模型和本文模型的檢測結果對比。圖中道路左邊的窗戶具有車尾矩形區域特征，圖2(a)是利用矩形車輛模型[5,6]和垂直水平邊緣、對稱性等特征檢測到的車輛區域，其中窗戶被錯誤地檢測為車尾。表1給出了圖2(a)中3個區域的位置、寬度以及同一位置本文模型的寬度范圍，可看出圖2(a)左邊檢測結果區域不符合本文模型。將本文模型應用于上述車輛檢測系統中，結果如圖2(b)所示，可看到利用本文車輛模型能夠有效濾除圖像中不符合車輛透視關系的非車輛區域。

圖2 利用矩形和本文模型的車輛檢測結果

4 結 論

本文利用前方車尾輪廓的幾何特征構建了世界坐標系的車尾模型，然后通過坐標系變換給出了視覺傳感器坐標系的車尾模型，進而導出了圖像車尾模型,并給出了模型參數的表達式及其與現實世界中車尾幾何參數的對應關系，同時將圖像中車輛的位置和大小聯系了起來。實驗表明:該模型應用于車輛檢測系統可以抑制圖像中不符合透視關系的錯誤車輛識別，能有效提高車輛檢測的魯棒性。

表1 圖2(a)檢測結果與本文模型的寬度對比

參考文獻:

[1] Jolly M P D,Lakshmanan S,Jain A K.Vehicle segmentation and classification using deformable templates[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1996,18(3):293-308.

[2] Dellaert F,Thorpe C.Robust car tracking using Kalman filtering and Bayesian templates[C]∥Proceedings of SPIE on Intelligent Transportation Systems,The International Society for Optical Engineering,1998:72-83.

[3] Sahli H,Mertens M J W,Cornelis J P.Model-based car tracking through the integration of search and estimation[C]∥Proceedings of SPIE on Enhanced and Synthetic Vision,International Society for Optical Engineering,1998:160-166.

[4] Arturo D L E,Armingol J M.Vehicle detection and tracking for visual understanding of road environments[J].Robotica,2010,28(6):847-860.

[5] Hsieh J W,Chen L C,Chen D Y.Symmetrical SURF and its applications to vehicle detection and vehicle make and model recognition[J].IEEE Transactions on Intelligent Transportation Systems,2014,15(1):6-20.

[6] 朱 勇,付彥君.基于多特征融合的車輛檢測算法[J].傳感器與微系統,2009,28(8):110-112.

[7] 中華人民共和國交通部.JTG D20—2006.公路路線設計規范[S].北京：人民交通出版社,2006.