[发明专利]一种基于光流的车辆距离估计方法

摘要

本发明涉及一种基于光流的车辆距离估计方法。本发明所述基于光流的车辆距离估计方法，通过选取车辆检测感兴趣区域、分类器检测车辆候选框、光流提取车辆轮廓，逐步缩减算法遍历区域，定位前方车辆轮廓的质心位置坐标，计算车辆距离，避免算法重复扫描计算，保证算法实时性；通过定位车辆轮廓质心所处的不同图像位置，自适应计算不同相机倾斜视角下不同位置处的车辆距离；相比于使用车辆候选矩形框计算车距的方法，本发明有更高的计算精度。

主权项

1.一种基于光流的车辆距离估计方法，其特征在于，该方法包含步骤如下：A)OpenCV训练车辆级联AdaBoost分类器A1)采集样本并生成正负样本说明文件；其中，正样本为包含车辆目标的图片，负样本为不包含车辆目标的图片；正样本和负样本的尺寸固定；A2)使用opencv_createsamples.exe创建“样本.vec”文件；A3)使用opencv_haartraining.exe训练车辆级联AdaBoost分类器，生成“AdaBoost分类器.xml”文件；B)由粗略到精细逐层定位前方车辆B1)动态感兴趣区域确定获取交通视频中连续两帧图像，优化连续两帧图像对应像素点的运动误差，得到采样窗中的光流；所述采样窗为左右对称采样窗；误差能量方程如下：其中，x、y为车辆目标点在图像中的位置坐标；A(x,y)，B(x+δ_x,y+δ_y)分别为同一车辆目标点在连续两帧图像中的像素亮度，v＝(δ_x，δ_y)为图像中车辆目标点的运动矢量；最优光流运动对应有误差能量方程ε(v)最小；误差能量方程ε(v)最小时有：两个采样窗中主光流V₁、V₂的角度θ₁、θ₂差异与幅度U₁、U₂差异反映采样窗中光流分布的差异，如果两个采样窗没有同时包含光流，则两个采样窗垂直移到下一组对称区域，直至两个采样窗同时包含光流；感兴趣区域ROI由该区域的大小与中心坐标确定，其中感兴趣区域ROI的大小由主光流的倾角确定，有Θ＝Average(θ₁，θ₂)  (3)r＝Θ/90°  (4)其中，r为感兴趣区域ROI所占图像的比例；F(r)＝log₁₀(r+a)+b  (5)F(r)为对数提升方程；感兴趣区域ROI的中心坐标由下式确定，其中，a,b,c为常量，N_row为图像高度，N_col为图像宽度，R为提升后的感兴趣区域所占图像比例，Φ为采样窗中主光流的差异；B2)Haar特征AdaBoost分类器检测车辆确定感兴趣区域ROI的位置坐标与大小后，在第二帧图像的感兴趣区域ROI内利用所述“AdaBoost分类器.xml”文件检测车辆；将候选车辆矩形框左上角的顶点坐标及候选车辆矩形框的长、宽构成的数组保存于内存容器中，并在图片中标注；B3)光流提取车辆精准轮廓光流法中将像素邻域用多项式表示，多项式的转移表示像素点在连续两帧图像间的位移；图像的局部信号模型：经过位移d后的信号模型：x为像素二维位置坐标；A₁，A₂为多项式二次项参数，b₁，b₂为多项式一次项参数，c₁，c₂为多项式常数项参数；如果A₁，A₂是非奇异的，联立公式(8)与公式(9)有2A₁d＝b₂‑b₁  (10)在优化过程中作简化近似，获得光流法的初始约束条件：A(x)d(x)＝Δb(x)  (11)其中，d(x)为时域全局位移场，A(x)为图像信号模型多项式二次项参数、b(x)为图像信号模型多项式一次项参数；假设d(x)适应于公式(11)，使误差方程最小化可得d(x)；误差方程如下：ω(Δx)邻域像素点权重因式；对光流数据进行孟塞尔颜色系统编码，通过彩色图像分割提取车辆精准轮廓；C)车辆距离估计所述交通视频通过摄像头捕捉；摄像头距离地面高度为H，摄像头视角为2α，摄像头俯仰角为γ，依次经过摄像头光心、车辆后背所在平面与地面的相交线的光线与地面的夹角为θ，d_x为车辆横向距离，d_y为车辆纵向距离；车辆所处位置为Position1或Position2；摄像头距离地面高度H，摄像头视角2α，摄像头俯仰角γ通过测量得到；d_y＝H/tanθ  (13)其中，β，γ，θ有下述关系：符号±由前方车辆位置决定，Position1处对应符号+，Position2处对应符号‑；对于β，在摄像头成像的内部关系中有：h_i为图像高度，Y为车辆轮廓质心对应轮廓的最底边纵坐标，f_y是单位像素纵向长度，h_i，Y，f_y三个量均以像素为单位；结合公式(13)～(15)，有：d_x，d_y有如下关系：Δx为车辆质心距离图像中轴线的像素数，d_i为车辆轮廓底边距离图像底边像素数；实际车辆距离D为：