[发明专利]一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法

权利要求书

1.一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法，其特征在于，包括以下步骤：

步骤1，对CCD摄像头进行标定，得到有效焦距f、CCD摄像头高度h和CCD摄像头俯仰角θ；

步骤2，利用CCD摄像头采集前方目标车辆图像；

步骤3，利用融合Haar-like特征与Adaboost算法识别步骤2中获取的前方目标车辆图像中的前方目标车辆；

步骤4，利用粒子滤波法对步骤3中所获取的前方目标车辆进行跟踪；

步骤5，根据所得的每一帧图像中前方目标车辆构建该帧图像中车道平面几何的纵向车距测量模型，得到该帧图像中目标靶源纵向感知距离y；

步骤6，根据上述所得的每一帧图像中前方目标车辆构建车辆测距误差动态补偿模型，得到纵向测量误差值z；

步骤7，根据步骤5中所得的目标靶源纵向感知距离y和纵向测量误差值z计算该帧图像中前方目标车辆与本方车辆之间的纵向车距Y_W(P)；

步骤6中，前方目标车辆测距误差动态补偿模型的构建，具体包括以下步骤：

第一步，固定CCD视觉传感器，运用步骤1所述的标定方法进行CCD摄像头的内外参数标定并记录；

第二步，固定目标靶源的离地高度，沿道路纵向每隔5m移动目标靶源，使其在距离CCD视觉传感器[10m,100m]范围内变化，并用CCD摄像头记录目标靶源在各个位置的图像；

第三步，调整目标靶源的离地高度，使其在[0.2m,1m]内变化，重复第二步；

第四步，采用matlab处理第三步所得图像，分析目标靶源在不同离地高度和不同纵向位置的测量误差。

2.根据权利要求1所述的一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法，其特征在于：步骤3中，利用融合Haar-like特征与Adaboost算法识别步骤2中获取的前方目标车辆图像中的前方目标车辆的具体方法：

S1，根据步骤2中所得的前方目标车辆图像建立样本集，利用Adaboost算法选取样本集中的车辆训练样本的有效Haar-like特征，每个有效Haar-like特征产生对应的弱分类器，将弱分类器加权组合变成强分类器，最后采用瀑布型分类器进行级联，得到特征样本的级联分类器；

S2，取海量的车辆训练样本并对该车辆训练样本进行有效Haar-like特征提取，之后将有效Haar-like特征输入到特征样本的级联分类器进行车辆存在性检测，得到Adaboost级联分类器；

S3，根据CCD摄像头的固定位置，确定前方目标车辆图像中的感兴趣区域，采用S2中所得的Adaboost级联分类器对感兴趣区域进行车辆存在性检测，最终获得前方目标车辆图像中的前方目标车辆。

3.根据权利要求1所述的一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法，其特征在于：步骤5中，通过步骤1中对CCD摄像头进行标定所得，基于车道平面几何的纵向车距测量模型中设CCD摄像头的光心为C点、光心C点在路面上的投影点为世界坐标系原点O点、前方车辆的测距特征点为P、车辆向前行驶的方向为世界坐标系的X_W轴、世界坐标系的Z_W轴垂直于路面朝下、CCD摄像头成像平面为A′B′F′E′、远视角平面为CEF、光轴中心所在平面为CMN和测距特征点所在平面为CC₂D，其中，CCD摄像头的光轴CC₁与成像平面A′B′F′E′的交点为C₀点，则CC₀为CCD传感器的焦距，即CC₀＝f；图像中前方目标车辆的近视场图像下边缘点A与成像平面A′B′F′E′交于G′点，远视场下边缘点B与成像平面A′B′F′E′交于H点；前方车辆的测距特征点P投影到世界坐标系X_W轴的点为P'，其中，目标靶源纵向感知距离即为OP′的长度。

4.根据权利要求3所述的一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法，其特征在于：步骤5中，目标靶源纵向感知距离y的计算公式为：

式中，v₀为光心纵向图像坐标，v(P₀)为特征点纵向图像坐标，dy为单位像元的纵向长度。