[发明专利]一种基于路面标识几何特征的车载摄像头在线自标定方法

说明书

本发明涉及一种基于路面标识几何特征的车载摄像头在线自标定方法，其在车辆行驶过程中，实时采集路面特征信息，并使用路面存在的各种标识标线，如国标车道线、人行道，或者是自定义的方形、圆形等形状标定块，自动计算摄像头各类参数。场地要求低、人力成本少、标定精度高、摄像头状态变化检测及时，能解决现有车载摄像头标定存在的问题。本发明具有自动化程度高，无需人工参与，标定精度高的优点。

技术领域

本发明涉及车载摄像头标定技术领域，具体涉及一种基于路面标识几何特征的车载摄像头在线自标定方法。

背景技术

目前，计算机视觉技术已经被广泛应用到了各类先进驾驶辅助系统

(ADAS)中。通过视觉技术感知车辆周围的道路信息、路况信息，可以为ADAS系统提供决策所需要的基础数据。为了提高行车环境的感知准确性和可靠性，对车载摄像头的准确标定是车辆定位准确的重要基础。

传统车载摄像头标定算法一般采用固定场地标定的方式。在车辆静 止状态下，预先放置黑白棋盘格等高对比度的标靶，对摄像头各类参数进行离线标定。 传统标定技术存在以下几个问题：

(1) 场地精度要求高，需要投入场地建设费用，且场地需要定期维护；

(2) 标定流程需要人工参与，大大增加了标定的复杂度；

(3) 当摄像头状态发生改变，如摄像头后视镜更换等，车辆须返回售后点进行标定，增加了售后的人力和材料费用；

(4) 随着时间的推移，摄像头支架会不可避免的出现振动、老化等问题，造成摄像头姿态的变化，如果不能及时对摄像头重新标定参数，ADAS系统无法做出正确决策，就会对行车安全造成极大的隐患；

(5)在车辆静止状态下进行标定，图像内特征点(线)较少，且只能利用单帧图像信息, 标定精度不高。

由于存在上述问题，现有车载摄像头标定技术无法满足未来无人驾驶的需求。

有鉴于此，本发明进行了深入构思，遂产生本案。

发明内容

本发明的目的在于提供一种基于路面标识几何特征的车载摄像头在线自标定方法，以实现自动化标定，并提高标定的灵活性。

为实现上述目的，本发明采用的技术方案是：

一种基于路面标识几何特征的车载摄像头在线自标定方法，其包括以下步骤：

步骤1、车载摄像头的自标定启动后，实时采集当前帧图像；同时，检测当前帧图像场景是否具有标定所需要的特征，当发现符合条件的场景后，执行步骤2，否则重复步骤1；

步骤2、对符合标定条件的图像进行预处理，然后提取图像中的精确特征并存储至特征数据库中；所述特征包括点特征和线特征；

步骤3、检查特征数据库中的数量是否足够达到设定值，特征数量满足要求后，执行步骤4，否则执行步骤1，继续采集图像；

步骤4、确定特征数据库中的特征数据集的类型，并根据所确定的特征数据集类型选择相应的目标优化函数；

步骤5、获取标定摄像头的参数，采用目标优化函数以及特征数据集、标定摄像头与相关摄像头之间的相对空间位移对车载摄像头的参数进行迭代优化；若优化的结果收敛，执行步骤6，否则执行步骤7；

步骤6、 校核优化结果是否存在异常值，若不存在则标定流程结束，标定成功；否则标定失败；

步骤7、判断是否已剔除离群特征点，若已剔除，标定流程结束，标定失败；否则剔除数据集中的离群特征，继续执行步骤5；

所述数据集特征类型分为车道线特征、人行道特征和自定义标识特征三类。

所述步骤4中，如果数据特征类型确认为车道线特征时，利用车道线中包含的平行的几何关系构建目标优化函数；如果数据特征集类型确认为人行道特征时，利用人行道中包含的平行和等距的几何关系构建目标优化函数；如果数据特征集类型确认为自定义标识特征，则利用自定义标识的几何特征构建目标优化函数。