基于單目視覺的測距算法?

張云飛 王桂麗 周旭廷 許晨晨

（安徽師范大學物理與電子信息學院 蕪湖 241002）

1 引言

伴隨汽車數量的日益提高，車輛駕駛環境也逐漸惡化，高速公路事故發生率大大高出普通公路的事故發生率，為了減少車輛事故的發生就要依靠車輛自身的安全避障技術。目前使用較多的測距傳感器有激光傳感器、雷達傳感器及視覺傳感器等。王少勇等利用激光傳感器作為高速公路上的測距裝置［1］，謝宜生等在深入分析微波雷達傳感器特性及其工作原理的基礎上，設計了一種能在高速公路上探測前后車輛相對距離與相對速度的微波雷達傳感器［2］，岳昕等提出了利用小波分析技術對雷達的中頻信號進行處理的方法探測自車與前車的距離［3］。視覺傳感器獲得的圖像直觀并能提供更加豐富的信息，測距精度相對較高，系統所需的能量較少，穩定性更高，且能在復雜環境下及時提供信息［4～5］。目前常用的視覺測量技術包括單目視覺測量、雙目視覺測量等［6～7］。劉燕等采用單目CCD攝像機作為輸入設備，用計算機對輸入圖像進行處理，從而得到本車道前車處的車道標線寬度，并進一步根據車距測量模型計算出兩車之間的實際距離［8］。韓延詳等首先對采用的攝像頭進行標定，其次在圖像處理的基礎上，建立在光軸方向上目標的測距模型，再根據圖像中心點與特征點的關系，實現目標的完全定位［9］。弋英民等通過圖像處理與分析，識別出特征點并進行定位，將輪式機器人的視覺投影與空間物體的幾何關系轉換為計算機器人相對特征點的距離和角度［10］。張鳳靜等利用的是異面直線公垂線中點法計算出目標車輛到攝像頭距離的雙目測距算法［11］。以劉嵩鶴等以雙目立體視覺技術、圖像處理和模式識別等理論為基礎，將車牌作為前方車輛的探測依據，提出了一種前方車輛的探測和安全車距測量方案［12］。因為激光測距受天氣變化限制，且獲取的前方道路信息不全面，在高速上會有所限制；而雷達的價格高，體積大，且易受干擾，限制了在普通運載器上的應用；雙目測距因需要進行圖像匹配，計算量大，難以達到實時性的要求。單目測距因裝置簡單，算法復雜度低，實時性好等特點，可以廣泛運用于汽車測距系統。

本文引入的基于單目視覺的測距算法［13］，是在獲取的道路圖像中，選取圖像中車道線上至少4個點，通過幾何推導，獲得平面上對應點坐標，計算兩條車道線斜率，以求極值的方法計算攝像機當前的俯角值。通過背景差分法提取出前方運動目標，經圖像處理，獲取車輛底部與路面相交的點，利用計算出的俯角值，從而實現障礙物測距。

2 理論分析

2.1 目標檢測

利用攝像機采集車輛四周實時視頻信息并取出幀圖像。對幀圖像做圖像預處理；利用背景差分法提取出車輛，并經圖像處理獲取車輛與路面相交的點。

背景差分法原理：

相較于光流法和幀差法，背景差分法可以更好的提取出目標車輛，為視覺測距提供有效的幫助［14～15］。

2.2 攝像機成像模型

在人工和數字視覺系統中，總是存在著空間相互位置和朝向關系需要標定的多種坐標系。最基本的坐標系一般要涉及下述四種坐標系，即世界坐標系，攝像機坐標系，像平面坐標系和圖像像素坐標系［16］。

2.3 目標測距原理

本文利用的是基于圖像與坐標系之間的幾何關系來推導障礙物的位置距離，詳細推導過程如圖3所示。

圖3 攝像機拍攝模型投影

圖3 為攝像機拍攝模型投影，ABCD表示拍攝到的路面區域，P（Xp，Yp）點為待測點，O點為攝像頭中心點，OO'為攝像機光軸，O'為攝像機光軸與地面的交點，Q為攝像頭中心點在路面的投影。

圖4 圖像平面坐標系

圖4 表示像平面坐標系，uv表示以像素為單位的圖像坐標系，為方便計算，將圖像坐標系轉換成世界二維坐標系，即xo1y。實際圖片的大小為h×w，即ab高為h，bc寬為w。

攝像機安裝高度為H，采用廣角鏡頭，鏡頭橫向可視角即圖像所能看到的橫向視野角度為2α，垂直可視角即圖像所能看到的縱向視野角度為2β，根據幾何原理，圖中 ∠fOk=2α，∠eOg=2β，假定攝像頭俯角∠QOO′=γ，物點與光軸夾角為∠POO′=θ。

圖5 攝像機拍攝側面模型

根據圖5，利用幾何原理，推出圖中θ角大小為

利用攝像機高度計算出線段：

將式（5）和（6）帶入下式中：

因為O′Py的長度是點P的Y軸坐標值，將式（3）、（5）和（6）代入式（7）可得出式（8）：

上式為P點在世界坐標系中的Y軸上的值，接下來再求解X軸上的值。

根據圖5利用幾何原理，求出線段：

根據圖5，求出線段：

利用相似三角形原理：

將式（10）、（11）和（13）帶入式（14）可以解得NO'為

利用幾何原理，可以計算P點的坐標值：

即路面上點P（Xp，Yp）在圖像中的映射點為p（xp，yp），路面坐標系與圖像坐標系的轉換關系為

因為實際道路環境中，車道線是平行的，利用這一約束條件，可以作為距離測量的依據。

圖6 車道線圖像

如圖6所示，將圖像進行預處理，濾波，二值化，利用hough變換檢測出車道線位置，可分割出左右車道線的像素范圍，取左側車道線上前后兩點，計算左側車道線斜率：

同理，計算右側車道線的斜率：

在實際道路路況下，兩條車道線是平行的，即兩條車道線夾角為零。

對式（20）求導，當M'=0時，解得的γ值即為攝像機的俯仰角大小，再根據下式計算點P的實際距離。

式（21）求出的值即為攝像頭前方P點的距離。

3 試驗結果

試驗過程中使用的是廣角攝像頭，圖像像素為3024×4032，像元大小為1.6um，攝像機每秒拍攝24幀圖像。通過測定，該廣角攝像頭的橫向可視角為 2α=67.6°，垂直可視角為 2β=53.1°，攝像機安裝高度通過測量為H=1.73m。

攝像頭采集圖像如圖7所示，通過本文提出的單目視覺測距算法，可以測出圖中障礙物的距離如表1所示。圖中標記車輛即為障礙物位置，取圖像兩側實車道線為約束條件。

圖7 攝像機采集障礙物不同距離的圖像

實際測量結果如下

表1 測距結果

結果顯示，測距在120m內誤差較穩定為4.534%。利用背景差分法有效提取障礙車輛坐標并測距，從測試結果上看，明顯提高了測量精度和測量距離。根據駕駛規則，機動車在高速公路上行駛，車速超過100km/h，應當與同車道前車保持100m以上的距離，車速低于100km/h，與同車道前車距離可以適當縮短，但最小距離不得少于50m。而本文引入的單目測距算法滿足高速公路的測距要求，且算法簡單，實時性好，適合廣泛運用。

4 結語

本文先用背景差分法提取出前方運動目標，再用基于單目視覺的測距算法來測量前方障礙物的距離，該方法在高速公路車輛運動過程中，很好地應對攝像機的微弱晃動導致的測量誤差，通過Mat?lab仿真實驗驗證了該方法可行，且算法簡單，滿足動態實車的實時性要求。