[发明专利]一种保证准确性的车辆运动状态估计方法

摘要

本发明公开了一种保证准确性的车辆运动状态估计方法，包括特征提取、数据分析和结果验证三个部分，其中特征提取部分采用双向光流算法，保证所得的特征点对的可靠性，过滤噪声数据；数据分析部分采用随机采样一致算法和八点算法相结合，将所得的基本矩阵按对整个特征点对集合的匹配程度由高到低排序，求解对应的运动方向向量与旋转矩阵；结果验证部分对求得的运动方向向量与旋转矩阵进行校验，确保最终结果的合理性。本发明能考虑到平移向量和旋转矩阵的约束条件，从而提高了结果的准确性，并保证一定的运算效率，在保证效率的前提下进行数据处理，有助于实现对视频数据的在线分析。

主权项

1.一种保证准确性的车辆运动状态估计方法，其特征在于，包括：步骤一、特征提取：首先，根据装载于车辆上的视频摄像机，获得以帧为单位的待分析视频图像数据，每一帧视频图像对应一个二维点阵；然后，提取当前帧中图像特征点集合，采用光流算法计算当前帧图像特征点在下一帧图像中对应特征的位置，获得关于当前帧图像和下一帧图像中的特征点对集合；之后，反向使用光流算法过滤掉特征点对集合中的噪声数据；步骤二、数据分析：首先，采用随机采样一致算法和八点算法相结合，从步骤一得到的特征点对集合中求得一个基本矩阵；然后，通过多次迭代采样过程，将所得的基本矩阵按对整个特征点对集合的匹配程度由高到低排序，并根据视频摄像机的固有参数求得本质矩阵；之后，对所得本质矩阵做分解，求解对应的运动方向向量与旋转矩阵；步骤三、结果验证：对求得的运动方向向量与旋转矩阵进行校验，确定最终的车辆运动状态估计结果；其中步骤二中求得本质矩阵的具体步骤如下：步骤41)、在集合S和S′中随机选取8组对应点，分别记为(x_l,y_l)和(x′_l,y′_l)，l∈[1,8]，构造一个矩阵A:步骤42)、对矩阵A进行分解得到A＝U_AD_AV_A，具体步骤如下：步骤421)计算矩阵B＝A^TA；步骤422)初始化特征向量矩阵V_A为9×9的单位矩阵，其中单位矩阵是指主对角线上元素全为1，其余元素为0的矩阵；步骤423)在矩阵B中找到除主对角线外绝对值最大的元素b_rc，其中b_rc是指矩阵B中第r行第c列的元素，根据公式求得计算矩阵H，H是一个旋转矩阵，其中余下元素中主对角线元素为1，非对角线元素为0；步骤424)迭代计算B←H^TBH，V_A←HV_A，若此时B中除主对角线上的元素外绝对值最大的元素大于阈值th_B，则返回步骤423)继续迭代，否则此时B中主对角元素就是矩阵A^TA的特征值，对应列的矩阵V_A中的列向量就是对应的特征向量；将特征值按绝对值大小依次排列，记为λ₁,λ₂,…,λ₉，对应的特征向量为s₁,s₂,…,s₉；得到D_A＝diag(λ₁,λ₂,…,λ₉)，V_A＝(s₁,s₂,…,s₉)；步骤425)计算得到矩阵U_A＝(w₁,w₂,…,w₈)，得到A＝U_AD_AV_A；步骤43)、选取V_A的第9列作为向量s：s＝[s₁ s₂ s₃ s₄ s₅ s₆ s₇ s₈ s₉]^T步骤44)、计算得到基本矩阵F′：步骤45)、计算矩阵其中，f_x、f_y为视频摄像机的焦距；x₀、y₀是视频摄像机相对于成像平面的主点坐标，w为坐标轴倾斜参数，理想状态下为0；步骤46)计算求得本质矩阵E＝K^TF′K。