[发明专利]一种基于枚举试探的相机自动标定方法

说明书

本发明属于智能交通领域，具体涉及一种基于枚举试探的相机自动标定方法，在相机高度和沿车道线方向消失点已知到前提下，以车辆轨迹为约束结合图像梯度，实现对车道线的稳定检测与提取，再建立起三维车道线标定模型，通过枚举试探的思想调整焦距，完成三维车道线模型与实际车道线的匹配，从而确立最终焦距，最后实现相机标定和相机内外参数获取。

技术领域

本发明属于智能交通领域，具体涉及一种基于枚举试探的相机自动标定方法。

背景技术

相机的自动标定技术是ITS(Intelligence Transportation System，智能交通系统)领域中的关键技术之一，与日剧增的高速公路监控相机是发展智能交通系统的良好契机，相机自动标定技术是从交通视频数据中发掘更丰富更有价值交通参数的重要保证。传统棋盘标定主要是通过检测每张图片中的棋盘图案的角点，通过使用最小二乘法估算相机投影矩阵，并根据投影矩阵解出内参矩阵和外参矩阵，最后通过非线性优化来提高内参和外参的精度。但是并非所有的应用场景都会满足棋盘标定的要求，例如，在装有云台相机的场景，由于相机转动等因素从而无法完成一致的相机标定。同时，在采用消失点的标定方法时，垂直于道路方向的消失点往往由于横向目标过小，特征难以提取等因素，使得消失点难以提取，故而无法进行完整的相机标定，获得的相机参数不够准确。

发明内容

针对上述现有的相机自动标定方法中存在的垂直于道路方向的消失点难以提取，故而无法进行完整的相机标定,获得的相机参数不准确的问题，本发明提出了一种基于枚举试探的相机自动标定方法。

为了实现上述目的，本发明采用如下技术方案予以实现：

一种基于枚举试探的相机自动标定方法，包括以下步骤：

步骤1：采集道路车辆视频，得到每一帧图像的车辆目标；

步骤2：对步骤1检测得到的每一帧图像的车辆目标进行Harris角点提取，得到每一帧图像的车辆目标上的特征点；

其特征在于：

步骤3：利用步骤1得到每一帧图像的车辆目标和步骤2得到的每一帧图像的车辆目标上的特征点，采用光流跟踪算法，获取车辆轨迹集合T；

步骤4：对步骤3得到的车辆轨迹集合T，利用投影与梯度相结合的办法，获取实际车道线O_i；

步骤5：构造三维车道线模型O_w；

步骤6：将步骤5得到的三维车道线模型O_w投影到背景图像上得到O′_i，制定初始焦距f，通过改变f匹配O′_i与O_i，直到匹配准确，从而确立f，再计算其它相机参数，完成标定。

进一步的，步骤1包括如下子步骤：

步骤1.1：采集道路车辆视频，视频中前景是运动的车辆，背景是道路区域、非道路的地面区域以及天空；

步骤1.2：对步骤11采集到的道路车辆视频，通过GMM高斯混合模型检测视频中每一帧图像的背景；

步骤1.3：对步骤12获得的每一帧图像背景先通过图像差分获得前景运动目标，再通过中值滤波和闭运算，得到每一帧图像的前景运动目标中的车辆目标。

进一步的，步骤2具体包括如下步骤：

对步骤1得到每一帧图像的车辆目标的前景进行分类，分为已被跟踪目标和新出现目标，如果当前帧提取出来前景目标中包含当前轨迹的末尾节点超过3个，则认为该前景目标是已有目标，反之是新出现目标，在每个新出现目标上提取三个Harris角点，即特征点；对每一帧图像进行上述处理，得到每一帧图像的车辆目标上的特征点。

进一步的，步骤3具体包括如下步骤：