本發(fā)明涉及汽車輔助駕駛技術(shù)，尤其涉及一種車載單目攝像頭外部參數(shù)自標(biāo)定方法。

背景技術(shù)：

傳統(tǒng)攝像頭標(biāo)定方法是一種相對嚴(yán)格的標(biāo)定方法，因此其精度較高，但標(biāo)定過程比較復(fù)雜，且計(jì)算量大，因此對于應(yīng)用比較廣泛的車載攝像頭而言，具有使用的局限性。

對既有自標(biāo)定方法而言，三個(gè)垂直方向平行線對的場景一般不容易找到，即便存在這樣的場景條件，但由于環(huán)境因素的影響，其直線邊緣的提取精度也會存在問題，進(jìn)而影響攝像頭標(biāo)定參數(shù)標(biāo)定的精度。

本發(fā)明不完全依賴于特定的場景標(biāo)識物，且采用運(yùn)動(dòng)基礎(chǔ)上的多幀圖像為參考，結(jié)合置信度的概念，能夠更為精準(zhǔn)的獲取攝像頭的內(nèi)部參數(shù)，且適用面更為廣泛。

本發(fā)明所提出的攝像頭自標(biāo)定方法在保證足夠精度的同時(shí)，不需要專門的技術(shù)人員進(jìn)行標(biāo)定，只需要汽車行駛于路上一段時(shí)間，便可以方便快捷的得到攝像頭的外參標(biāo)定結(jié)果。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于針對現(xiàn)有技術(shù)中的缺陷，提供一種車載單目攝像頭外部參數(shù)自標(biāo)定方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種車載單目攝像頭外部參數(shù)自標(biāo)定方法，包括以下步驟：

1)通過車載攝像頭拍攝汽車行駛的路面上的圖像序列；所述車載攝像頭安裝在車前擋風(fēng)玻璃居中位置；

2)基于所采集的圖像序列，運(yùn)用圖像分割算法提取車道標(biāo)識特征點(diǎn)，特別是兩條平行的車道線標(biāo)識特征點(diǎn)，根據(jù)特征點(diǎn)擬合得到兩條平行車道線，建立道路標(biāo)識模型，確定消失點(diǎn)；

3)通過特征點(diǎn)匹配方法對車道標(biāo)識特征點(diǎn)運(yùn)動(dòng)矢量進(jìn)行匹配，并提取縱向運(yùn)動(dòng)矢量為零的點(diǎn)擬合得到運(yùn)動(dòng)方向線，計(jì)算攝像頭的偏航角；

具體方法如下：

3.1)確定汽車的初始速度；

3.2)對已知地面上任一點(diǎn)P(X,Y,Z)及其在圖像ψ上的投影p(x,y)，引入運(yùn)動(dòng)矢量(u,v)幾何約束：

式中：f為攝像頭的焦距，t為平移運(yùn)動(dòng)參數(shù)，w為偏轉(zhuǎn)運(yùn)動(dòng)速度；t和w根據(jù)步驟3.1)的初始速度得到；

3.3)根據(jù)連續(xù)幀光照不變的特點(diǎn)，引入亮度約束：

I(x,y,t)＝I(x+uδt,y+vδt,t+δt)

3.4)考慮實(shí)際圖像的噪聲干擾，結(jié)合幾何約束和亮度約束，采用梯度下降法搜索最優(yōu)運(yùn)動(dòng)參數(shù)，使得前一幀圖像對當(dāng)前幀對象的補(bǔ)償圖像和當(dāng)前幀實(shí)際圖像相應(yīng)坐標(biāo)的灰度值最為接近；將圖像分成多個(gè)宏塊W_i進(jìn)行處理，則最優(yōu)準(zhǔn)則為：

式中，運(yùn)動(dòng)參數(shù)的估計(jì)值，M為運(yùn)動(dòng)參數(shù)的搜索范圍；

4)確定圖像的延伸焦距：根據(jù)路面紋理特征確定置信度，排除非路面的特征點(diǎn)，并提取水平向運(yùn)動(dòng)矢量為零的多個(gè)特征點(diǎn)及矢量匯集的特征點(diǎn)；

5)根據(jù)延伸焦距及已知的圖像主點(diǎn)計(jì)算攝像頭的俯仰角(Picth)，綜合考慮延伸焦距和消失點(diǎn)，引入置信度權(quán)重，如果二者綜合置信度大于閾值T₁，則確定天際線的像素縱坐標(biāo)y，進(jìn)而結(jié)合攝像頭的內(nèi)部參數(shù)之一主點(diǎn)的縱坐標(biāo)v₀，便可計(jì)算出攝像頭的俯仰角：

6)通過水平運(yùn)動(dòng)矢量為零的多個(gè)點(diǎn)確定運(yùn)動(dòng)方向線，求其斜率k_α，基于逆透視變換得到世界坐標(biāo)線方向線的斜率K_α，進(jìn)而可以求得偏航角：

α＝tan^-1(K_α)

7)根據(jù)圖像中的垂直邊緣計(jì)算攝像頭的偏轉(zhuǎn)角(Roll)

確定垂直于水平路面的邊緣特征點(diǎn)及其水平坐標(biāo)x_i，并擬合得到直線方程，確定其斜率k_β，便可得到攝像頭的偏轉(zhuǎn)角：

β＝tan^-1(k_β)

8)根據(jù)運(yùn)動(dòng)速度和時(shí)間以及所匹配的特征點(diǎn)計(jì)算攝像頭的安裝高度。

基于天際線縱坐標(biāo)y、攝像頭自運(yùn)動(dòng)參數(shù)(平移速度t_Z)以及對應(yīng)的特征點(diǎn)坐標(biāo)A(x₁,y₁)和B(x₂,y₂)，通過下式求解攝像頭的安裝高度h：

按上述方案，所述步驟1)中通過圖像濾波方法，降低躁點(diǎn)，對圖像進(jìn)行平滑。

按上述方案，所述步驟3)的特征點(diǎn)匹配算法為光流相關(guān)的特征點(diǎn)匹配算法。

按上述方案，所述步驟2)中的車道標(biāo)識特征點(diǎn)為兩條平行的車道線標(biāo)識特征點(diǎn)。

本發(fā)明產(chǎn)生的有益效果是：本發(fā)明所涉及的一種車載攝像頭外部參數(shù)自標(biāo)定方法，與傳統(tǒng)標(biāo)定板標(biāo)定方法相比，無需復(fù)雜的人為操縱手續(xù)，實(shí)現(xiàn)方便快捷，僅需要將車輛行駛于道路上一定時(shí)間，通過計(jì)算自主獲得攝像頭的參數(shù)標(biāo)定結(jié)果。與既有自標(biāo)定方法相比，本發(fā)明所需要的場景比較容易獲取，且本發(fā)明通過多幀圖像進(jìn)行處理，提高了標(biāo)定結(jié)果的精度，更有利于實(shí)用化。

附圖說明

下面將結(jié)合附圖及實(shí)施例對本發(fā)明作進(jìn)一步說明，附圖中：

圖1是本發(fā)明實(shí)施例的方法流程圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖1所示，一種車載攝像頭外部參數(shù)標(biāo)定方法，具體實(shí)現(xiàn)步驟如下：

步驟1：將汽車行駛于路面上(行駛過程中最好包含有平直路線的車道標(biāo)識，但不限于這種路面)，使用車載攝像頭拍攝圖像序列，并通過圖像濾波方法，降低躁點(diǎn)，對圖像進(jìn)行平滑。

步驟2：基于所采集的圖像序列，運(yùn)用圖像分割算法提取車道標(biāo)識特征點(diǎn)，特別是兩條平行的車道線標(biāo)識特征點(diǎn)，根據(jù)這些特征點(diǎn)可以擬合得到兩條平行車道線：

其交點(diǎn)即為消失點(diǎn)，坐標(biāo)表示為(x₀，y₀)。

步驟3：通過特征點(diǎn)匹配方法(最好是光流相關(guān)的方法)對車道標(biāo)識特征點(diǎn)運(yùn)動(dòng)矢量進(jìn)行匹配，并提取縱向運(yùn)動(dòng)矢量為零的點(diǎn)擬合得到運(yùn)動(dòng)方向線，計(jì)算攝像頭的偏航角；

本步驟通過光流相關(guān)的特征點(diǎn)匹配算法，確定滿足要求的特征點(diǎn)，并基于此得到特征點(diǎn)的光流矢量和攝像頭的自運(yùn)動(dòng)參數(shù)。具體方法如下：

(1)確定初始速度：汽車在平直路面上從靜止到運(yùn)動(dòng)持續(xù)一定的時(shí)間，因此初始速度為0，如果汽車在平直道路上行駛初速度不為0，則可參考汽車OBD輸出速度或GPS輸出速度。

(2)已知地面上一點(diǎn)P(X,Y,Z)及其在圖像ψ上的投影p(x,y)，加之平移運(yùn)動(dòng)參數(shù)t，偏轉(zhuǎn)運(yùn)動(dòng)速度w，引入運(yùn)動(dòng)矢量(u,v)幾何約束：

式中：f為攝像頭的焦距。

(3)根據(jù)連續(xù)幀光照不變的特點(diǎn)，引入亮度約束：

I(x,y,t)＝I(x+uδt,y+vδt,t+δt) (3)

(4)考慮實(shí)際圖像的噪聲干擾，結(jié)合幾何約束和亮度約束，采用梯度下降法搜索最優(yōu)運(yùn)動(dòng)參數(shù)，使得前一幀圖像對當(dāng)前幀對象的補(bǔ)償圖像和當(dāng)前幀實(shí)際圖像相應(yīng)坐標(biāo)的灰度值最為接近。如果將圖像分成多個(gè)宏塊W_i進(jìn)行處理，則最優(yōu)準(zhǔn)則為：

式中，運(yùn)動(dòng)參數(shù)的估計(jì)值，M為運(yùn)動(dòng)參數(shù)的搜索范圍。

(5)考慮路面紋理特征，引入置信度，排除非路面的特征點(diǎn)，并提取水平向運(yùn)動(dòng)矢量為零的多個(gè)點(diǎn)及矢量匯集的點(diǎn)(即延伸焦距，F(xiàn)OE)

步驟4：綜合考慮FOE和消失點(diǎn)，引入置信度權(quán)重，如果二者綜合置信度大于閾值T₁，則確定天際線的像素縱坐標(biāo)y，進(jìn)而結(jié)合攝像頭的內(nèi)部參數(shù)之一主點(diǎn)的縱坐標(biāo)v₀，便可計(jì)算出攝像頭的俯仰角；其中，v₀是已經(jīng)標(biāo)定好的已知量。屬于攝像頭的內(nèi)部參數(shù)；

步驟5：通過水平運(yùn)動(dòng)矢量為零的多個(gè)點(diǎn)確定運(yùn)動(dòng)方向線，求其斜率k_α，基于逆透視變換得到世界坐標(biāo)線方向線的斜率K_α，進(jìn)而可以求得偏航角：

α＝tan^-1(K_α) (6)

步驟6：基于天際線縱坐標(biāo)y、攝像頭自運(yùn)動(dòng)參數(shù)(平移速度t_Z)以及對應(yīng)的特征點(diǎn)坐標(biāo)A(x₁,y₁)和B(x₂,y₂)，其中A、B兩點(diǎn)是地面上同一點(diǎn)在不同時(shí)刻兩幀圖像上的投影點(diǎn)；通過下式求解攝像頭的安裝高度h：

步驟7：確定垂直于水平路面的邊緣特征點(diǎn)及其水平坐標(biāo)x_i，并擬合得到直線方程，確定其斜率k_β，便可得到攝像頭的偏轉(zhuǎn)角：

β＝tan^-1(k_β) (8)

應(yīng)當(dāng)理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進(jìn)或變換，而所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。