[发明专利]一种基于梯度的路牌配准定位方法

说明书

本发明涉及一种基于梯度的路牌配准定位方法，包括：A、构建数据库；B、路牌粗定位与提取；a、获取道路图像；b、将道路图像利用训练好的YOLOv8网络模型进行目标检测，实现目标路牌的粗定位，并识别当前路牌的类别，获取当前路牌的数据库信息，并求取粗定位区域图像；c、将粗定位区域图像从RGB空间转换为HSV空间；d、将处理的图像在HSV空间进行阈值处理，得到路牌区域ROI图像；C、基于梯度的配准优化；D、车辆位姿计算；本发明运用最高版本的YOLO网络模型进行路牌的粗定位，实现了在复杂场景下检测路牌目标区域的问题，提高了检测结果的速度和可靠性，保证了路牌区域的完整性，有效排除了其他相似区域的干扰。

技术领域

本发明涉及一种基于梯度的路牌配准定位方法，属于数字图像处理和计算机视觉领域。

背景技术

随着国家经济水平的快速提升，汽车保有量迅速增加，交通拥堵问题日益严重，智慧交通系统以及自动驾驶技术成为国内外学者研究的热点课题。其中，车辆自定位作为基础和关键技术，极为重要。在地下停车场、隧道或建筑密集的城市中心区域，由于卫星信号被遮挡，基于卫星的车载定位系统定位精度影响很大或无法正常工作。基于此背景，深入研究基于路牌的车辆定位系统，旨在提高车载定位系统在特定区域的定位精度和可靠性。

发展最早且应用最为广泛的定位技术是全球定位系统GPS，但其在密集城市地区的定位效果明显下降。若使用单一的传感器，则无法在车辆密集的情况下实现无干扰高精度定位；多传感器融合的定位系统，成本高且不够灵活，阻碍了该系统的大规模产品化；同时，大多数依靠传感器级联的定位系统，在复杂的城市环境和拥堵的道路状况下，定位会出现累积误差并导致较大的定位误差。

基于以上方法的局限性，随着计算机视觉的发展，视觉传感器越来越多地用于车辆定位，双目相机、单目相机与各种传感器相结合的系统层出不穷，使用单目相机完成车辆定位一般需要构建更加复杂和精准的比对数据库，且准确度较低。

发明内容

针对现有技术的不足，本发明提供了一种基于梯度的路牌配准定位方法。

本发明采用双目视觉车辆自定位算法，结合GPS或离线下载的路线规划、道路标志数据库实现自主导航，特别在路口车辆密集和车道线被覆盖时，利用路牌实现车辆的精准自定位。

术语说明：

1、RGB颜色空间：由红(R)、绿(G)、蓝(B)三个基本颜色通道组成，每个通道中像素的取值范围都是[0,255]，改变三个通道的取值然后进行叠加，从而得到不同的颜色。

2、HSV颜色空间：以色调(H)、饱和度(S)、明度(V)三种特征对颜色进行描述，更类似于人眼感知颜色的方式。

3、getPerspectiveTransform函数：根据源图像和目标图像上的四对点坐标来计算从原图像透视变换到目标头像的透视变换矩阵。

4、相机的内参矩阵：可以将3D相机坐标变换到2D齐次图像坐标，表示为其中f是焦距，代表x轴方向焦距的像素长度，代表y轴方向焦距的像素长度，u₀,v₀为图像主点的实际位置，这些参数只由相机自身属性决定，不因外界环境而改变。

5、外参矩阵：实现从世界坐标系到相机坐标系的变换，可表示为其中R是旋转矩阵，它的每一个列向量表示世界坐标系的每一个坐标轴在相机坐标系下的指向；T是平移矩阵，它是世界坐标系原点在相机坐标系下的表示。

6、透视变换矩阵：两台相机对同一场景进行成像，两幅图像之间存在着唯一的几何对应关系，可以用矩阵的形式来表达。满足透视变换的一种情形是两幅图像拍摄时光心是重合的，另一种情形是拍摄的场景处于一个平面上，例如本发明所用的路牌。