技術特征：

1.一種車載單目攝像頭外部參數自標定方法，其特征在于，包括以下步驟：

1)通過車載攝像頭采集汽車行駛的路面上的圖像序列；

2)基于所采集的圖像序列，運用圖像分割算法提取車道標識特征點，根據特征點擬合得到兩條平行車道線，建立道路標識模型，確定消失點；

3)通過特征點匹配方法對車道標識特征點運動矢量進行匹配，并提取縱向運動矢量為零的點擬合得到運動方向線，計算攝像頭的運動參數；

4)確定圖像的延伸焦距：根據路面紋理特征確定置信度，排除非路面的特征點，并提取水平向運動矢量為零的多個特征點及矢量匯集的特征點；

5)根據延伸焦距及已知的圖像主點計算攝像頭的俯仰角；

6)通過水平運動矢量為零的多個點確定運動方向線，求其斜率k_α，基于逆透視變換得到世界坐標線方向線的斜率K_α，進而可以求得偏航角：

α＝tan^-1(K_α)；

7)根據圖像中的垂直邊緣計算攝像頭的偏轉角確定垂直于水平路面的邊緣特征點及其水平坐標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角：

β＝tan^-1(k_β)；

8)根據運動速度和時間以及所匹配的特征點計算攝像頭的安裝高度；

基于天際線縱坐標y、攝像頭自運動參數平移速度t_Z以及對應的特征點坐標A(x₁,y₁)和B(x₂,y₂)，通過下式求解攝像頭的安裝高度h：

$t_z\mathrm{\δ}t=f\frac{h}{y_1-y}-f\frac{h}{y_2-y},$

其中，f為攝像頭的焦距。

2.根據權利要求1所述的車載單目攝像頭外部參數自標定方法，其特征在于，所述步驟1)中通過圖像濾波方法，降低躁點，對圖像進行平滑。

3.根據權利要求1所述的車載單目攝像頭外部參數自標定方法，其特征在于，所述步驟3)的特征點匹配算法為光流相關的特征點匹配算法。

4.根據權利要求1所述的車載單目攝像頭外部參數自標定方法，其特征在于，所述步驟3)計算攝像頭的運動參數具體方法如下：

3.1)確定汽車的初始速度；

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

$\left\{\begin{array}{c}u=\frac{1}{Z}{S}_1^{T}t+{\left(\hat{p}\×S_1\right)}^{T}w\\ v=\frac{1}{Z}{S}_2^{T}t+{\left(\hat{p}\×S_2\right)}^{T}w\end{array}\right.$

式中：f為攝像頭的焦距，t為平移運動參數，w為偏轉運動速度；t和w根據步驟1)的初始速度獲得；

3.3)根據連續(xù)幀光照不變的特點，引入亮度約束：

I(x,y,t)＝I(x+uδt,y+vδt,t+δt)

3.4)考慮實際圖像的噪聲干擾，結合幾何約束和亮度約束，采用梯度下降法搜索最優(yōu)運動參數，使得前一幀圖像對當前幀對象的補償圖像和當前幀實際圖像相應坐標的灰度值最為接近；將圖像分成多個宏塊W_i進行處理，則最優(yōu)準則為：

$\hat{m}=\underset{m\∈M}{\arg max}(W_i,{\hat{W}}_i)$

式中，運動參數的估計值，M為運動參數的搜索范圍。

5.根據權利要求1所述的車載單目攝像頭外部參數自標定方法，其特征在于，所述步驟2)中的車道標識特征點為兩條平行的車道線標識特征點。

6.根據權利要求1所述的車載單目攝像頭外部參數自標定方法，其特征在于，所述步驟1)中所述車載攝像頭安裝在車前擋風玻璃居中位置。

7.根據權利要求1所述的車載單目攝像頭外部參數自標定方法，其特征在于，所述步驟1)中還包括通過圖像濾波方法對采集的圖像序列進行預處理。

8.根據權利要求7所述的車載單目攝像頭外部參數自標定方法，其特征在于，所述步驟1)中預處理包括降躁處理和平滑處理。