一种基于外极面图像的车速检测方法与流程

1.本发明属于自动驾驶领域，涉及一种基于外极面图像的车速检测方法。


背景技术：

2.在利用传感器对真实世界的测量或重构中，传感器自身的速度确定是一个重要问题。宏观位置的速度的确定可以利用gps和惯性(陀螺仪)传感器等外部传感装置，微观位置的速度确定可以借助速度或加速度传感器，例如汽车可以利用车速脉冲传感器。但是，其一gps其使用条件很受限制，如存在高楼遮挡及反射影响、隧道卫星丢失等问题；再者衔接宏观与微观数据的中间传感器，以及改善宏微观数据的手段均较少。本文提出的基于外极面图像的车速检测方法在算法实现上相对简单，且可以有效避免gps对于用户位置信息等敏感信息的泄露，同时在偏远地区也能够不受信号影响。


技术实现要素：

3.有鉴于此，本发明的目的在于提供一种基于外极面图像的车速检测方法。
4.为达到上述目的，本发明提供如下技术方案：
5.一种基于外极面图像的车速检测方法，该方法包括：
6.s1：将进行反复路线扫描的距离传感器装载到车辆上，定期捕获车辆前方道路的图像，获取时空间距离图像；
7.s2：将获得的时空间距离图像的曲线簇面划分为若干部分；
8.s3：获取的各个部分对应的曲线，表示各个对象物体在传感器的可视范围伴随着时间变化的样子，表示装置传感器的车辆的位置，以及速度变化；
9.s4：将s3中各个部分对应的曲线用解析式表达，表示出各个当地短区间的位置变化；通过对其解析微分得到各个部分的速度曲线；
10.s5：全区间速度曲线的生成，根据特征点的位移量，计算出车辆速度；从各个部分中得到的速度曲线是该部分存在区间局部的产物；将速度曲线进行回归处理，生成连接各个速度曲线的跨越全区间的速度曲线；越靠近中间部分的速度曲线，可信性越高；若在某个特定区间获得多个速度曲线，则对可信性越高的速度曲线越优先信赖。
11.可选的，所述s1中，装载距离传感器的车辆进行水平行驶，得到时空间图像，描绘出构成右边图像中的连续的对应点所组成的边，包含有深度信息，外极面距离图像epdi的构成点使用深度信息进行边的检测处理：
[0012][0013]
式中，m是边的斜率；δx表示图像距离传感器的水平移动距离；δy表示特征在图像平面中移动的距离，即每一次扫描帧图像的变化量；k是排列扫描线路的间隔，标准的单位m-1
；δt表示扫描时间耗时；f0是线路扫描传感器的帧频率，标准单位是hz或s-1
；v是传感器的移动速度；
[0014]
将深度d与视差u用移动距离用以下的方法进行关联：
[0015][0016][0017]
式中，δu表示不同位置处的视差变化量；u1和u2分别表示图像距离传感器在位置1和位置2处的视差；δx表示图像距离传感器的水平移动距离；x表示参照点p与图像传感器在位置1处的水平距离；h表示相机平面与图像平面的垂直距离；
[0018]
结合式(1)和式(3)得到速度为：
[0019][0020]
可选的，所述s5中，由于获取的时空距离图像数据内有多个簇平面，将这些簇平面用s1,s2,...,sn表示，如果sn部分从第kn帧开始到k'n帧为止的范围内存在的话，第k帧的速度推定值rn(k)的可信度用以下的方式定义：
[0021][0022][0023]
6σ＝k'
n-knꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0024]
式中，kn表示第k帧的前一帧；k'n表示第k帧的后一帧；μ表示第k帧的前后帧的平均值；σ表示第k帧的后一帧与前一帧之差的比例系数；
[0025]
将从sn得到的速度曲线看成vn(k)的话，跨越全区间的推定速度曲线v(k)用以下的方式表示：
[0026][0027][0028]
式中，n为第sn个簇平面中的帧数集合；r为第sn个簇平面中每一帧的速度推定值可信度之和；
[0029]
将对应各自信赖度的每个部分的速度曲线连接起来。
[0030]
本发明的有益效果在于：本发明基于视觉运动学原理，利用车载摄像头以及距离传感器获取的图像，通过观测图像中特征点的运动情况计算出车辆的速度。与现有的基于物理传感器的速度检测方法相比，该方法成本更低，但原理简单，精度也较高。该方法可以单独使用，也可以与其他传感器的数据结合，提高检测精度和稳定性。它可以应用于各种车辆速度检测和驾驶辅助系统中，特别适合于低速域的应用，可以实现车速的智能检测。
[0031]
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可
以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0032]
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
[0033]
图1为外极面图像形成示意图；
[0034]
图2为深度-视差关系图；
[0035]
图3为速度估算处理流程图。
具体实施方式
[0036]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0037]
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
[0038]
本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0039]
该方法基于视觉运动学原理，利用车载摄像头以及距离传感器获取的图像，通过观测图像中特征点的运动情况计算出车辆的速度。与现有的基于物理传感器的速度检测方法相比，该方法成本更低，但原理简单，精度也较高。该方法可以单独使用，也可以与其他传感器的数据结合，提高检测精度和稳定性。它可以应用于各种车辆速度检测和驾驶辅助系统中，特别适合于低速域的应用，可以实现车速的智能检测。
[0040]
基于外极面图像的车速检测方法原理如图1所示。
[0041]
在图1左边图像中，装载了距离传感器的车辆进行水平行驶，从中得到的时空间图像，描绘出构成右边图像中的连续的对应点所组成的边，是一张包含有深度信息的图像，外极面距离图像(epdi)的构成点虽然在同一坐标系中，但是构成了多个平面，可以直接使用深度信息进行边的检测处理。
[0042]
其中：
[0043][0044]
式中，m是边的斜率；δx表示图像距离传感器的水平移动距离，也就是图1中横坐标的变化量；δy表示特征在图像平面中移动的距离，即每一次扫描帧图像的变化量；k是排列扫描线路的间隔，标准的单位m-1
；δt表示扫描时间耗时；f0是线路扫描传感器的帧频率，标准单位是hz或s-1
；v是传感器的移动速度。
[0045]
如图2所示，将深度d与视差u用移动距离用以下的方法进行关联：
[0046][0047][0048]
式中，δu表示不同位置处的视差变化量；u1和u2分别表示图像距离传感器在位置1和位置2处的视差；δx表示图像距离传感器的水平移动距离；x表示参照点p(如图2所示)与图像传感器在位置1处的水平距离；h表示相机平面与图像平面的垂直距离。
[0049]
结合式(1)和式(3)得到速度为：
[0050][0051]
本发明提出的速度检测计算程序步骤如下：
[0052]
(1)数据的获取：为了获得时空间距离图像，需要将进行反复路线扫描的距离传感器装载到车辆上。
[0053]
(2)时空间距离图像的程序分段：由于时空间距离图像是由多个部分的曲线簇面组成的，为了方便后续的计算，所以需要将这些曲线簇面划分为若干部分。
[0054]
(3)各个部分的对应曲线：得到的各个部分是表示了各个对象物体在传感器的可视范围伴随着时间变化的样子，表示装置传感器的车辆的位置，以及速度变化。
[0055]
(4)每一部分速度曲线的计算：将上一步中各个部分对应的曲线由解析式来表示，可表示出各个当地短区间的位置变化。通过对其解析微分可以得到各个部分的速度曲线。
[0056]
(5)全区间速度曲线的生成：从各个部分中得到的速度曲线是那个部分存在区间局部的产物。在此，将连接各个速度曲线的跨越全区间的速度曲线进行生成。这里是通过将这些速度曲线进行回归处理所得到的，因此，在中央附近部分的速度曲线可信性很高，在末端附近的可信性很低。在某个特定区间能获得多个速度曲线的情况，应该对可信性较高的速度曲线进行优先信赖。
[0057]
具体方面，如果sn部分从第kn帧开始到k'n帧为止的范围内存在的话，第k帧的速度推定值的可信度用以下的方式定义：
[0058][0059]
[0060]
6σ＝k'
n-knꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0061]
式中，kn表示第k帧的前一帧；k'n表示第k帧的后一帧；μ表示第k帧的前后帧的平均值；σ表示第k帧的后一帧与前一帧之差的比例系数；
[0062]
将从sn得到的速度曲线看成vn(k)的话，跨越全区间的推定速度曲线v(k)用以下的方式表示：
[0063][0064][0065]
n：含有第k帧的部分的集合。
[0066]
最终，对应各自信赖度的每个部分的速度曲线就可以平缓的连接起来。
[0067]
图3为速度估算处理流程图。
[0068]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种基于外极面图像的车速检测方法，其特征在于：该方法包括：s1：将进行反复路线扫描的距离传感器装载到车辆上，定期捕获车辆前方道路的图像，获取时空间距离图像；s2：将获得的时空间距离图像的曲线簇面划分为若干部分；s3：获取的各个部分对应的曲线，表示各个对象物体在传感器的可视范围伴随着时间变化的样子，表示装置传感器的车辆的位置，以及速度变化；s4：将s3中各个部分对应的曲线用解析式表达，表示出各个当地短区间的位置变化；通过对其解析微分得到各个部分的速度曲线；s5：全区间速度曲线的生成，根据特征点的位移量，计算出车辆速度；从各个部分中得到的速度曲线是该部分存在区间局部的产物；将速度曲线进行回归处理，生成连接各个速度曲线的跨越全区间的速度曲线；越靠近中间部分的速度曲线，可信性越高；若在某个特定区间获得多个速度曲线，则对可信性越高的速度曲线越优先信赖。2.根据权利要求1所述的一种基于外极面图像的车速检测方法，其特征在于：所述s1中，装载距离传感器的车辆进行水平行驶，得到时空间图像，描绘出构成右边图像中的连续的对应点所组成的边，包含有深度信息，外极面距离图像epdi的构成点使用深度信息进行边的检测处理：式中，m是边的斜率；δx表示图像距离传感器的水平移动距离；δy表示特征在图像平面中移动的距离，即每一次扫描帧图像的变化量；k是排列扫描线路的间隔，标准的单位m-1
；δt表示扫描时间耗时；f0是线路扫描传感器的帧频率，标准单位是hz或s-1
；v是传感器的移动速度；将深度d与视差u用移动距离用以下的方法进行关联：将深度d与视差u用移动距离用以下的方法进行关联：式中，δu表示不同位置处的视差变化量；u1和u2分别表示图像距离传感器在位置1和位置2处的视差；δx表示图像距离传感器的水平移动距离；x表示参照点p与图像传感器在位置1处的水平距离；h表示相机平面与图像平面的垂直距离；结合式(1)和式(3)得到速度为：3.根据权利要求2所述的一种基于外极面图像的车速检测方法，其特征在于：所述s5中，由于获取的时空距离图像数据内有多个簇平面，将这些簇平面用s1,s2,...,s
n
表示，如果s
n
部分从第k
n
帧开始到k'
n
帧为止的范围内存在的话，第k帧的速度推定值r
n
(k)的可信度用以下的方式定义：
6σ＝k'
n-k
n
ꢀꢀꢀꢀꢀ
(7)式中，k
n
表示第k帧的前一帧；k'
n
表示第k帧的后一帧；μ表示第k帧的前后帧的平均值；σ表示第k帧的后一帧与前一帧之差的比例系数；将从s
n
得到的速度曲线看成v
n
(k)的话，跨越全区间的推定速度曲线v(k)用以下的方式表示：表示：式中，n为第s
n
个簇平面中的帧数集合；r为第s
n
个簇平面中每一帧的速度推定值可信度之和；将对应各自信赖度的每个部分的速度曲线连接起来。

技术总结
本发明涉及一种基于外极面图像的车速检测方法，属于自动驾驶领域。该方法包括：S1：定期捕获车辆前方道路的图像，获取时空间距离图像；S2：将获得的时空间距离图像的曲线簇面划分为若干部分；S3：获取的各个部分对应的曲线；S4：通过对其解析微分得到各个部分的速度曲线；S5：全区间速度曲线的生成，根据特征点的位移量，计算出车辆速度。本发明基于视觉运动学原理，利用车载摄像头以及距离传感器获取的图像，通过观测图像中特征点的运动情况计算出车辆的速度。与现有的基于物理传感器的速度检测方法相比，该方法成本更低，但原理简单，精度也较高。该方法可以单独使用，也可以与其他传感器的数据结合，提高检测精度和稳定性。提高检测精度和稳定性。提高检测精度和稳定性。


技术研发人员：邓天民 陈月田 邓杰 姜佐博 杨令 谢鹏飞 余洋 彭栎丹 兰一凡
受保护的技术使用者：重庆市佰强科技有限公司
技术研发日：2023.07.11
技术公布日：2023/10/15