基于双目立体视觉的前方车距测量

大　庆　石　油　学　院　学　报　第３Ｏ卷　Ｖｏ１．３Ｏ　第１期　Ｎｏ．１　２００６年２月　Ｆｅｂ．　２００６　ＪＯＵＲＮＡＬ　ＯＦ　ＤＡＱＩＮＧ　ＰＥＴＲＯＩ　ＥＵＭ　ＩＮＳＴＩＴＵＴＥ　基于双目立体视觉的前方车距测量　唐国维　，唐志健ｈ。，张　崇。，周代明　，全　辉　（１．大庆石油学院计算机与信息技术学院，黑龙江大庆　１６３３１８｝　２．萨尔图区人民检察院。黑龙江大庆　１６３３１６；　３．大庆市公安局，黑龙江大庆　１６３００１；　４．南京莱斯大型电子系统工程有限公司。江苏南京　２１０００７；　５．大庆油田　有限责任公司天然气分公司。黑龙江大庆　１６３００１）　摘　要：提出了一种在公路上利用车载双摄像机测量前方车距的方法．通过对道路前方车辆进行快速探测以及对摄　像机进行预先标定，利用摄像机参数和三角测量原理，计算出前方车距．实验表明该方法具有较高的测量精度．　关键词：双目立体视觉ｌ视差；感兴趣区（ＡＯＩ）；Ｈｏｕｇｈ变换｛摄像机标定　文献标识码：Ａ　文章编号：１０００—１８９１（２００６）０１—００７３—０３　中闺分类号：ＴＰ３９１．４　Ⅸ　汽车实现其智能化的关键技术是视觉导航，即利用计算机视觉技术实现对环境的感知和理解　．双　目立体视觉测距模仿人类利用双目感知距离的原理，由不同位置的两台摄像机拍摄同一场景的两幅图象，　通过计算空间点在　幅图像中的视差，获得该点的三维坐标．与其他传统距离测量方法，如超生波测距、　雷达测距、激光测距相比，双目立体视觉测距方法具有简单可靠、检测信息量大和测量精度高等优点．　１　数学模型　空间任意一点Ｐ在２个摄像机Ｏ１和Ｏ２上的图像点为Ｐ　和Ｐ。，见图１．假设２个摄像机已经标定，　则它们的投影矩阵Ｍ　和Ｍ　已知，即：　，Ｐ　，　，＼、、、　ｌ］一Ｍ　１　ｊ　ｊ　－４－ｚ　４　。确１ｉｆＪ　ｒ　ｌ　一。］　２　｝２　］　ｌＩ　２　Ｉ＝Ｍ　Ｊ　ｌ　ｌ　；ｌ　；２　；３　；４　１　ｊｉｊ　ｌ，（２）　图１　双摄像机观察空间点　式中：ｚ　，ｚ　分别为点Ｐ在２个摄像机坐标系中的ｚ坐标；（“。，　，１）与（“。，　。，１）为Ｐ　和Ｐｚ在各自图像　中的齐次坐标；（Ｘ　Ｙ　，　，１）为点Ｐ在世界坐标系下的齐次坐标；　为投影矩阵Ｍ　的第ｉ行第Ｊ列的元　素，七一１，２，ｉ一１，２，３，Ｊ—ｌ，２，３，４．　２　前方车辆探测　前方车辆探测是车距测量的前提．假设道路是直线，且路面上除行驶的车辆外无其他障碍物．　２．１感兴趣区（ＡＯＩ）的确定　将搜索区域缩小到行车路面内，可提高处理速度。Ｌｏｇ算子边缘检测结果受噪声的影响小，边缘较连　收稿日期：２００５　０５—３０；审稿人：刘华蓥｝编辑：郑丽芹　基金项目：黑龙江省自然科学基金项目（Ｆ２００４—１）　作者简介：唐国维（１９６６一）。男。教授。博士生，主要从事图像处理与模式识别。数字视频处理等方面的研究　维普资讯 http://www.cqvip.com

大庆石油学院学报　第３０卷２００６年　续，误判点较少，可先采用Ｌｏｇ算子边缘检测算法得到道路图像的二值边缘图像，在此基础上用改进的　Ｈｏｕｇｈ变换从图像中提取直线形式的道路边界，以确定行车路面的两条边缘线，两条边缘线内的区域即　为Ａｏｉ．　（１）Ｌｏｇ算子边缘检测算法　．用Ｌａｐｌａｃｉａｎ－－Ｇｕａｓｓ滤波器对图像滤波，得到滤波图像，并对其进行　过零检测．假定得到滤波图像的一阶微分图像中的像素为Ｐ（ｉ，Ｊ），则：①若Ｌ（ｉ，　）＝Ｏ，判断（Ｌ（　一１．７），　Ｌ（　＋１，　））或（Ｌ（￡，　一１），Ｌ（ｉ，　＋１））中是否有正负号相反的数对．若有，则Ｐ（ｉ，－『）是零穿越．然后判断　Ｐ（ｉ，．『）对应的一阶差分值是否大于一定的阈值，若是，则Ｐ（ｉ，Ｊ）是边缘点；②若Ｌ（ｉ，Ｊ）≠０，判断（Ｌ（ｉ，Ｊ），　Ｌ（　一１，　）），（Ｌ（　，Ｊ），Ｌ（　＋１，－『）），（Ｌ（ｉ，　），Ｌ（ｉ，　一１）），（Ｌ（ｉ，　），Ｌ（ｉ，　＋１））中是否有正负号相反的数　对．若有，则在Ｐ（ｉ，　）附近有零穿越．判断Ｐ（ｉ，Ｊ）对应的一阶差分值是否大于一定的阈值，若是，则将Ｐ　（　，Ｊ．）作为边缘点．　（２）改进的Ｈｏｕｇｈ变换算法．设Ａｉｍ，ｃ］为整型二维数组，初值为０．①设图像中边缘点数为ｎ，Ｂ　［ｎ，４］为二维数组，其中ＢＥｋ，１］，ＸＥｋ，２］存放第ｋ个边缘点的坐标，ＸＥｋ，３］，Ｂ［ｋ，４］存放Ｈｏｕｇｈ平面上　后续直线与第ｋ条直线的交点（Ｏ＜走＜ｎ＋１）；②对图像进行扫描，将边缘点坐标读入数组ＢＥｋ，１］，Ｂ［ｋ，　２］，（Ｏ＜矗＜　＋１）；③循环执行走（Ｏ＜矗＜ｎ＋１），在Ｈｏｕｇｈ平面上求第ｋ条直线与第　条（Ｏ＜　＜惫）直线的　交点坐标（户，ｑ）放入Ｂ［ｊ，３］，Ｂ［ｊ，４］；④获取Ｂ［ｊ，３］，Ｂ［ｊ，４］中的坐标（户，ｑ）（ｏ＜　＜惫），并使Ａｌｐ，ｇ］一Ａ　［户，ｑ］＋１；⑤取下一个ｋ值，直到惫＞　为止；⑥从Ａｉｍ，ｃ］平面上搜索最大值Ａ［ｍ。，ｆｏ］，则可得到图像平　面上存在直线：ｙ＝＝＝　。Ｘ＋ｃ。．　算法过程相关图像见图２．　Ｉ＿＿（ａ）道路｝．ＩＩ。．剞像　Ｉ．　（ｂ）做边缘检测后得到的图像　＿、＿（ｃ）Ｈｏｕｇｈ变换后得到的图像　－　图２　路面场景及Ａ０Ｉ　２．２障碍物的检测　基于灰度梯度原则，标准路面上，本车和前方车辆之间　的ＡｏＩ区域内的灰度变化比较平缓，但在路面和车辆相交　处，由于车辆阴影的存在，会形成灰度由亮到暗的边缘，检　测到此边缘即可认为检测到了车辆边缘．图２（ｄ）的灰度平　均值变化情况见图３，灰度突变说明已经检测到前方车辆．　３　距离测量　３．１摄像机的标定　即确定其内外参数（摄像机的位置和属性参数），并建　图３车辆ＡＯＩ灰度平均值　立成像模型，以确定空间坐标系中物体点同它在图像平面上的像点之间的对应关系．　若已知ｎ个标定的图像像素坐标（“　，７．１　）和世界坐标（ｘ　，Ｙ　，Ｚ　），　一１，２，…，ｎ，可得２ｎ个线性方　程嘲为　Ｄｉｌｌ　Ｘ　１＋　１２ｙ　１＋　１３Ｚｗｌ＋　ｌ４一“ｌ　Ｘ＂ｌ　３ｌ一“１　Ｙ　１　３２一“ｌ　Ｚｗｌ　３３＝“ｌ　３４，　Ｄ１２１Ｘ　ｌ＋　２２Ｙ　１＋　２３Ｚ　１＋　２４—７．１ｌＸ　ｌ　３ｌ一　１Ｙ　１　３２　７．１１Ｚ　ｌ　３３＝　１　３４，　●　●　（３）　ＤＩＩｌＸ　＋　１２ｙ　＋　ｌ３Ｚ　＋　１　４一ＵｎＸ　３１一“　Ｚ　３２一“１ＺⅫ　３３＝Ｕｎｍ　３４，　Ｄ１２１　Ｘ　＋　２２Ｙ　＋　２３Ｚ　＋　２４一＂ＯｎＸｕｗ　３ｌ一　”Ｙ　３２一　Ｚ　３３＝＂Ｏｎ　３４，　・７４・　维普资讯 http://www.cqvip.com

第１期　唐国维等：基于双目立体视觉的前方车距测量　简写成　ＩＯｎ＝Ｕ．　（４）　式中：ｍ＝Ｅｍ１１　ｍ１２　ｍ１３　ｍ１４　ｍ２１仇２２　ｍ２３　ｍ２４　ｍ３１　ｒ＿）（　１　Ｙ　１　Ｚ　１　１　０　０　０　３２弛３］Ｔ，　　０　一“１Ｘ　１　一“ｌＹｔ【，ｌ　—ＵｌＺ　ｌ　—１　０　Ｋ＝＝　０　Ｙ　０　０　Ｘ　ｌ　Ｙ　１　Ｚ　１　１　～　１　Ｘ　ｌ　Ｚ　１　０　０　０　０　一Ｕｌ　Ｘ　ｌＹｕ．Ｉ　—　ｌＺｕ．１　．Ｕ一　Ｘ　一Ｕｌｙ　一Ｕ１　０　０　０　０　Ｘ　ｙ　Ｚ　１　一　１Ｘ　一　１ｙ　一　ｌＺ　ｍ的最小二乘法结果为　ｍ一（Ｋ　Ｋ）一　Ｋ　Ｕ．　（５）　矩阵乘以任意不为零的常数不影响（ｘ　，Ｙ　，Ｚ　）与（“，　）的关系，故指定　一１．方程组（４）的未知　量有１１个，空间６个以上的已知点可得ｌ２个线性方程，从而解出方程组（４），得到摄像机投影矩阵．用以　上方法对左右摄像机分别标定，即可得左右摄像机的投影矩阵Ｍ　和Ｍ　．标定点的数目越多，得到的参　数越精确ｌ４］．　３．２距离的获取　根据立体视觉的数学模型，由式（１），式（２）消去ｚ　，ｚ。后可得关于ｘ　，ｙ　，Ｚ　的４个线性方程：　（Ｕ１　５１一　ｉｌ）Ｘ　＋（Ｕ１仇３１　ｚ—ｍｌ２）ｙ　＋（Ｕ１ｍｊ３一　ｉ３）Ｚ　一　｝４一“ｌ　３４，　（　１ｍｊ１一ｍ２１）Ｘ　＋（　１仇５２一ｍｉ２）ｙ　＋（　１ｍｌ３一　ｉ３）Ｚ　一　１４一　ｌ　４，　（Ｕｌｍ　１ｌ一　｝１）Ｘ　＋（Ｕｌ　ｉ２一　｛２）ｙ　＋（Ｕ１ｍ５３一　ｉ３）　一　｛４一“ｌ　４，　（Ｕ１ｍ　１一ｍ｝１）Ｘ　十（Ｕ１ｍｊ２一　｝２）ｙ　＋（Ｕｌ　一　｝３）Ｚ　一　｛４～Ｕ１　｛４，　（６）　（７）　（８）　（９）　２个平面方程的联立可得一空间直线的方程，故式（６）和式（７）联立的方程组的几何意义是过Ｏ　Ｐ　的　直线，同理式（７）和式（８）联立的方程组是过Ｏ２Ｐ　的直线．显然，空间点Ｐ（Ｘ　，Ｙ　，Ｚ　）是直线Ｏ　Ｐ　和　Ｏ２Ｐ　的交点．　式（６—９）用矩阵形式可表示为　ｌ　１　●　Ｎ　Ｈ　¨　３　ｄ．　３　４　３　４　３　４　ＡＸ—Ｂ．　“１ｍ３ｌ３一　（１０）　“１　１一ｍｉ１　式中：Ａ一　１　“１ｍ３ｌ２一ｍｌ２　ｉ３　ｉＩ一　｛ｌ　１　ｊ２一　；ｚ　１　ｊ３一　｛３　Ｕｚ　；ｌ一　｛ｌ　“２　ｊ２一　｝２　Ｕ２　ｊ３一ｍ｛３　２　；ｌ－二　！ｌ　２　ｊ２一　；２　２　ｊ３一ｍ；３　（１１）　ｘ的最小二乘法结果为　Ｘ＝（Ａ　Ａ）一　Ａ　Ｂ．　在对摄像机标定的基础上，对２．２中检测到的车辆边缘特征进行立体匹配，得到视差图像，然后利用　式（１１）求出点Ｐ（Ｘ　，ｙ　，Ｚ　）的三维坐标，即可求得前方车距．　基于双目立体视觉的前方车距测量方法有效可行，实验表明具有较高的测量精度，其中影响测量精度　的主要因素有摄像机标定误差与立体匹配精度等．　参考文献：　［１］唐国维，王东，刘显德，等．基于统计测试的道路图像边界提取方法＿Ｊ］．大庆石油学院学报，１９９９・２３（３）｛４８　５Ｏ　［２］孙兆林，ＭＡＴＩ　ＡＢ　６，ｘ图像处理［Ｍ］．北京：清华大学出版社，２００２：２１３－－２３９，２４５—２４８．　［３］马颂德，张正友．计算机视觉一计算理论与算法基础［Ｍ］．北京；科学技术出版社，１９９８：５５—５６，　［４］高文，陈熙霖．计算机视觉算法与系统原理［Ｍ］，北京：清华大学出版社，１９９９．　・７５・