專利名稱：基于道路和車輛自身信息的單目視覺車距測量方法
技術(shù)領(lǐng)域：
本發(fā)明屬于汽車主動(dòng)安全駕駛領(lǐng)域，特別是一種基于道路和車輛自身信息的單目
視覺車距測量方法。
背景技術(shù)：
目前，主流的車距測量的技術(shù)分為兩類一是基于雷達(dá)傳感器的超聲波測距、紅外 線測距、微波測距、激光測距；另一個(gè)是基于視覺傳感器的單目視覺測距、雙目立體視覺測 距等。雷達(dá)傳感器雖然能夠較好的完成對實(shí)體目標(biāo)的檢測，但普遍價(jià)格較高，而且無法準(zhǔn) 確地判斷實(shí)體目標(biāo)的類別，而視覺傳感器的價(jià)格相對便宜，且可以獲得更直觀、更豐富的信 息，所以基于視覺的測距技術(shù)是公認(rèn)的最有前景的一種技術(shù)。 發(fā)明專利200710025166. 9中提到的"基于雙目視覺的車距測量方法"，該方法利 用裝在車前方的兩個(gè)相機(jī)拍攝前方道路信息，應(yīng)用立體視覺技術(shù)獲取測距所需的參數(shù)，該 方法應(yīng)該是有效的。但是，也存在著一些問題1、由于立體視覺的原理要求只有當(dāng)物體出現(xiàn) 在兩個(gè)相機(jī)的公共視野里時(shí)，才能進(jìn)行測距；2、在車輛體視測距中，兩個(gè)相機(jī)之間的距離越 近，公共視野就越大，但遠(yuǎn)距離測距誤差也越大；兩個(gè)相機(jī)之間的距離越遠(yuǎn)，遠(yuǎn)距離測距誤 差降低，但公共視野也就越小，這在車輛測距中是個(gè)很難調(diào)和的矛盾；3、立體視覺技術(shù)需要 進(jìn)行的立體匹配運(yùn)算，計(jì)算復(fù)雜度高，運(yùn)算速度慢，在車輛高速行駛過程中，無法達(dá)到較高 的實(shí)時(shí)性，這將嚴(yán)重影響車輛的安全性。 —些基于單目視覺的車距測量方法主要是通過檢測車輛的外形和輪廓的幾何特 征來測距的，被證明是有效的，但是其不足的地方也很明顯首先，由于汽車車型的多樣型， 形狀特征和長寬比信息變化范圍很大，無法找到一個(gè)有效的模板對各類車輛進(jìn)行檢測，從 而影響測距；其次，由于視角的原因，車輛的外形輪廓會(huì)發(fā)生畸變，有的時(shí)候甚至無法將車 輛拍全，車輛的對稱性特征被破壞，所以在實(shí)際應(yīng)用中還有很多局限性。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種能夠自動(dòng)根據(jù)道路信息和車輛的車牌信息準(zhǔn)確測出 前方車輛距離的基于道路和車輛自身信息的單目視覺車距測量方法。 實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案為基于道路和車輛自身信息的單目視覺車距測量方 法，步驟如下 步驟1 :所述攝像機(jī)安裝在擋風(fēng)玻璃后面或車輛頂部，用于拍攝前方道路圖像；
步驟2 :根據(jù)設(shè)置的攝像機(jī)的參數(shù)，確定行道線寬度與車距的變換關(guān)系fl、車牌類 型及車牌面積與車距的變換關(guān)系f2、車牌的字符高度與車距的變換關(guān)系f3 ;
步驟3 :從所述道路圖像中，檢測前方車道標(biāo)志線，根據(jù)獲取的所述的車道標(biāo)志線 建立車道模型；若檢測不到，執(zhí)行步驟6 ; 步驟4:檢測前方車輛在道路上的陰影，獲取陰影所在的所述車道模型中的車道 寬度，記為Wl ;并計(jì)算車道標(biāo)志線在圖像最底行上的車道寬度W2個(gè)像素；再根據(jù)行道線寬度W1、W2與車距的變換關(guān)系fl得到車輛距離Dl ; 步驟5 :若所述的車輛距離D1大于閾值T1，則輸出車輛距離D1，結(jié)束；否則若小于 閾值T1，則執(zhí)行步驟6; 步驟6 :檢測和驗(yàn)證前方汽車車牌的矩形區(qū)域，將獲取的前方汽車車牌的矩形區(qū) 域的面積記為S、車牌的類型標(biāo)記為I ; 步驟7 :對該類型I的車牌，若步驟6所述的車牌面積S小于閾值T2 [I]，則按f2 計(jì)算車車輛距離，將獲得的所述的車輛距離記為D2，輸出車輛距離D2，結(jié)束；否則若所述的 車牌面積S大于閾值T2 [I]，則執(zhí)行步驟8 ; 步驟8 :計(jì)算車牌區(qū)域中字符的高度，根據(jù)字符高度按f3計(jì)算車輛距離，將獲得的 所述的車輛距離記為D3，輸出車輛距離D3，結(jié)束。 本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)為1、在技術(shù)上具有高實(shí)時(shí)性、高魯棒性的特 點(diǎn)；2、系統(tǒng)配置簡單，硬件成本低；3、適合多種型號車輛，易于大規(guī)模推廣。


圖l是本發(fā)明基于道路和車輛自身信息的單目視覺車距測: 圖2是本發(fā)明基于道路和車輛自身信息的單目視覺車距領(lǐng)
檢測流程圖。 圖3是本發(fā)明基于道路和車輛自身信息的單目視覺車距領(lǐng) 距中車牌水平中心線的求取流程圖。 圖4是本發(fā)明基于道路和車輛自身信息的單目視覺車距領(lǐng) 距中車牌面積的求取流程圖。 圖5是本發(fā)明基于道路和車輛自身信息的單目視覺車距測: 距中車牌號字符高度的求取流程圖。
t方法的流程圖。 量方法的車道標(biāo)志線
量方法的車牌信息測
量方法的車牌信息測
t方法的。車牌信息測
具體實(shí)施例方式
本發(fā)明的基于道路和車輛自身信息的單目視覺車距測量方法分三種情況
(1)在遠(yuǎn)距離時(shí)采用圖像中汽車所在的車道寬度來測量車距。 為了保證車輛行駛的安全、有序、通暢，在我國的高速公路和城市道路上都畫有交
通標(biāo)志線，其中最主要的就是車道分割線，幾乎每天公路上都有車道分割線或者道路邊緣
線，這些標(biāo)志線在起到疏導(dǎo)交通作用的同時(shí)也可以作為測距的準(zhǔn)繩。由于照相機(jī)的成像原
理，裝在駕駛車上的攝像機(jī)拍攝的道路圖像中，路上平行的車道線在圖像中會(huì)變成交叉線，
原本等寬度的車道看上去寬度不等了 ，近處的車道寬度大，遠(yuǎn)處的車道寬度小，也就是說圖
像中車道的寬度和實(shí)際距離是有著必然關(guān)系的，實(shí)際上根據(jù)投影成像公式，這種關(guān)系是可
知的。所以據(jù)此原理，我們提出了根據(jù)圖像中汽車所在的車道寬度來測量車距的方法。
(2)在中等距離時(shí)根據(jù)車牌類型及在圖像中的面積來計(jì)算出車輛距離。 車輛測距的前提是要能夠準(zhǔn)確地定位車輛，我們提出了基于機(jī)器視覺方法定位汽
車車牌的方法來定位車輛，然后根據(jù)車牌在圖像中的面積來計(jì)算出車輛距離。眾所周知，車
牌是汽車上的一個(gè)固有特征，無論車型的變化是多么大，但是車牌的尺寸大小變化是很小
的，事實(shí)上在我國，汽車車牌的尺寸主要就是兩種規(guī)格現(xiàn)行的92式機(jī)動(dòng)車號牌國標(biāo)尺寸藍(lán)牌和黑牌是440X140mm，大車牌(黃牌)前牌尺寸同前，后牌為440 X 220mm。可以說在 千變?nèi)f化的道路行駛環(huán)境中，車牌是一個(gè)可以較容易通過機(jī)器視覺去定位的顯著的、穩(wěn)定 的車輛自身信息。車牌在圖像中的面積和車距之間是有著必然聯(lián)系的，車牌的圖像面積越 小車距越遠(yuǎn)，車牌的圖像面積越大車距越近，即可以根據(jù)車牌在圖像中的面積來計(jì)算出車 輛距離。但是由于車牌有小牌(440X140mm)和大牌(440X220mm)之分，同樣的車牌圖像 面積，大牌和小牌表示的車距是不一樣的，所以還要判斷被定位車牌是大牌還是小牌。大牌 和小牌雖然都是長方形，但是它們的長寬比不同，通過被定位車牌在圖像中的長寬比可以 區(qū)分車牌的種類，然后再根據(jù)面積通過變換計(jì)算出車距。根據(jù)原理，該方法還可以對多部車 輛進(jìn)行車距檢測。
(3)在較近距離時(shí)采用車牌內(nèi)字符的高度來計(jì)算車距。 由于車牌安裝時(shí)往往帶有一定的車牌邊框，從而在車距很小時(shí)，影響了車牌面積 的準(zhǔn)確度；但在車距很小時(shí)，車牌內(nèi)字符的高度可以很精確地測量得到，而且車牌內(nèi)字符的 高度在近距離時(shí)也能很好地代表車距，因此在近距離時(shí)，采用車牌內(nèi)字符的高度來計(jì)算車距。 下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)描述。 首先在車輛內(nèi)部安裝面向前方的攝像機(jī)，并設(shè)置攝像機(jī)的參數(shù)；從攝像機(jī)中獲取 前方路面和車輛的圖像，并進(jìn)行車牌檢測、車道線檢測和車輛定位；然后根據(jù)車牌面積大小 或車道線寬度信息來進(jìn)行前方車輛測距。結(jié)合圖l，具體步驟如下 步驟1 :攝像機(jī)安裝在車輛擋風(fēng)玻璃后面或車輛頂部，保證能拍攝到前方的路面 情況，安裝方式有一定的要求，就是在行車過程中要讓攝像機(jī)與汽車保持相對靜止?？煽紤] 將攝像機(jī)安裝在汽車內(nèi)部，以免受到下雨等氣候的影響。對于不同類型的車型的安裝，對于 攝像機(jī)來說意味著不同的外部參數(shù)，包括攝像機(jī)相對地面的高度、攝像機(jī)相對右車輪外側(cè) 的距離、攝像機(jī)光軸與水平平面的夾角、攝像機(jī)光軸與垂直平面的夾角，以及攝像機(jī)的水平 和垂直視場角等。攝像機(jī)的參數(shù)，主要為檢測車牌和行道線服務(wù)，并為從圖像中提取的信息 變換到實(shí)際車距的計(jì)算提供參數(shù)。 步驟2 :車距變換關(guān)系確定。根據(jù)設(shè)置的攝像機(jī)的參數(shù)，確定行道線寬度與車距的 變換關(guān)系fl、車牌類型及車牌面積與車距的變換關(guān)系f2、車牌的字符高度與車距的變換關(guān) 系f3。值得一提的是，攝像機(jī)首次安裝好后攝像機(jī)參數(shù)和車距變換關(guān)系即可固定，無需特別 的后續(xù)維護(hù)。 步驟3 :從所述道路圖像中，檢測前方車道標(biāo)志線，根據(jù)獲取的所述的車道標(biāo)志線 建立車道模型；若檢測不到，執(zhí)行步驟6 ;車道標(biāo)志線檢測首先包括四種道路約束假設(shè)，包 括道路形狀假設(shè)、道路寬度和道路平坦假設(shè)、道路特征一致假設(shè)、感興趣區(qū)域假設(shè)。具體步 驟如圖2 : 步驟31 :對道路灰度圖像，采用閾值窮舉法采用一系列閾值得到一系列的二值圖 像。在每個(gè)二值圖像中，大于等于閾值的像素在二值圖像中的值為a，反之為b;
步驟32 :對每一幅二值圖像沿水平方向進(jìn)行掃描，使用鏈碼跟蹤輪廓算法(本發(fā) 明采用了下面這篇文章提出的鏈碼跟蹤輪廓算法[REN Mingiu， YANG Jing-yu， SUN Han-Tracing boundary contours in a binary image, mage and Vision Computing,2002， 20(2) :125-131])，在鏈碼中尋找所有滿足一定長度和一定角度的、且值為a的直線段；并在該幅二值圖像中，從獲取的所述的直線為起始點(diǎn)，沿水平方向，向兩邊尋找滿足一定寬度 范圍的值為a的水平直線段； 步驟33 :將在所有的二值圖像中得到的步驟22所述的水平直線段累計(jì)成一幅新 的圖像，記為A。圖像A中像素點(diǎn)的灰度值是該點(diǎn)在所有二值圖像中符合條件的水平直線段 上的出現(xiàn)的次數(shù)，即圖像A是車道線的結(jié)構(gòu)信息的匯總； 步驟34:將圖像A進(jìn)行平滑處理，再在A中尋找滿足一定寬度范圍的、灰度值大于 t的水平直線段，將該直線段上的像素坐標(biāo)連同其在A中的灰度值記錄到數(shù)組C中； [OO37] 步驟35 :對數(shù)組C中的像素坐標(biāo)進(jìn)行其灰度值加權(quán)的Hough變換，找到Hough投 影值最高的N條直線段，記為數(shù)組L[N]; 步驟36 :在L[N]中搜尋滿足一定角度范圍，相距一定距離范圍的直線，記為數(shù)組
步驟37 :R[1]…R[M]即為車道標(biāo)志線。 步驟4:檢測前方車輛在道路上的陰影，獲取陰影所在的所述車道模型中的車道 寬度，記為Wl ;并計(jì)算車道標(biāo)志線在圖像最底行上的車道寬度W2個(gè)像素；再根據(jù)行道線寬 度Wl、 W2與車距的變換關(guān)系fl得到車輛距離Dl ;車輛陰影定位的目的是要在圖像中找到 車輛下沿與道路的相交行，以該行的車道寬度作為測距的標(biāo)準(zhǔn)。通常在圖像中，車輛與道路 相交的地方存在陰影，陰影處的灰度值明顯偏低，依據(jù)該特點(diǎn)來檢測所述的車輛下沿與道 路的相交行，具體步驟如圖3: 步驟41 :根據(jù)檢測到的車道標(biāo)志線，在每相鄰的兩條車道線之間的圖像區(qū)域中，
計(jì)算車道標(biāo)志線在前方道路圖像第y行中的左行道線的坐標(biāo)xl[y]和右行道線的坐標(biāo) x2[y]，并將xl[y]適當(dāng)縮小和x2[y]適當(dāng)放大。 步驟42 :先把位于xl[y]和x2[y]之間的像素在前方道路圖像中的灰度值的統(tǒng)計(jì) 到直方圖P中，再將P中灰度值最小的KGO (x2[y]-xl[y]+l)/2)個(gè)像素的灰度值累加到 Sum中，最后令Z[y] = Sum/K。 步驟43 :對圖像中的所有行執(zhí)行步驟51和步驟52 ;在Z[y]選擇出最靠近本車的
且在一定范圍內(nèi)值突然變小的Z[y0]。 步驟44 :y0即位前方車輛對應(yīng)的陰影位置。 步驟5 :基于行道線的車距D1測量。若D1大于T1，則輸出車輛距離D1，結(jié)束；否 則，認(rèn)為車輛距離過近，采用車牌信息來進(jìn)行車輛測距則更加精確。 步驟6 :車牌區(qū)域的類型和面積，檢測和驗(yàn)證前方汽車車牌的矩形區(qū)域，將獲取的 前方汽車車牌的矩形區(qū)域的面積記為S、車牌的類型標(biāo)記為I ; 由于汽車車牌本身的形狀特征，以及車牌內(nèi)部有密集字符的紋理特征，本發(fā)明使 用了一種基于連通區(qū)域輪廓分析的車牌定位方法，具體步驟如圖4 : 步驟61 :根據(jù)檢測到的車道標(biāo)志線，在每相鄰的兩條車道線之間的圖像區(qū)域中， 采用閾值窮舉法得到一系列的二值圖像； 步驟62 :在每一幅二值圖像中，使用鏈碼跟蹤算法跟蹤連通域輪廓(本發(fā)明 采用了下面這篇文章提出的鏈碼跟蹤輪廓算法[RENMingiu， YANG Jing-yu， SUN Han. Tracingbo皿dary contours in abinary image, mage and Vision Computing, 2002， 20(2) :125-131])，根據(jù)車牌輪廓長寬比和車牌內(nèi)字符長寬比的特征，以及輪廓周長和面積
7的特點(diǎn)，篩選出符合車牌和字符的特征的輪廓線，記在輪廓集合G中；計(jì)算選中的各輪廓在
垂直方向上的中心Y，并用數(shù)組E記錄每個(gè)Y出現(xiàn)的次數(shù)。E即包含有效車牌信息的垂直中 心Y坐標(biāo)的投影； 步驟63 :數(shù)組E中投影分布最集中的位置即為車牌的水平中心位置CY ;
步驟64 :對每個(gè)二值圖像中選出的各輪廓，設(shè)其最小和最大縱坐標(biāo)分別為Yl和 Y2，若滿足Yl < CY < Y2，則將這些輪廓對應(yīng)的區(qū)域(本發(fā)明采用了下面這篇文章提出的跟 蹤填充算法來得到輪廓包圍的區(qū)域[REN，Ming-wu，YANG Wan-kou，YANG Jing-yu，ANew And Fast Contour Filling Algorithm, Pattern Recognition,2005，38(12) :2564-2577])累 計(jì)在一幅圖像D中；對D中向水平方向進(jìn)行投影，得到最可能的M對上邊界和下邊界；對D 中向垂直方向進(jìn)行投影，得到最可能的N對左邊界和右邊界；按照不同類型車牌的長寬比， 得到車牌的最佳的左、右、上、下邊界和車牌類型。 步驟7 :對該類型I的車牌，若步驟6所述的車牌面積S小于閾值T2 [I]，則按f2 計(jì)算車車輛距離，將獲得的所述的車輛距離記為D2，輸出車輛距離D2，結(jié)束；否則若所述的 車牌面積S大于閾值T2 [I]，則執(zhí)行步驟8 ;采用車牌的字符高度來進(jìn)行車輛測距則更加精 確。 步驟8 :計(jì)算車牌區(qū)域中字符高度，根據(jù)字符高度按f3計(jì)算車輛距離，將獲得的所 述的車輛距離記為D3，輸出車輛距離D3，結(jié)束。步驟如圖5 : 步驟81 :根據(jù)檢測到的車道標(biāo)志線，在每相鄰的兩條車道線之間的圖像區(qū)域中， 采用閾值窮舉法得到一系列的二值圖像； 步驟82 :在每一幅二值圖像中，使用鏈碼跟蹤算法跟蹤各連通域的輪廓，根據(jù)車 牌輪廓長寬比和車牌內(nèi)字符長寬比的特征，以及輪廓周長和面積的特點(diǎn)，篩選出符合車牌 和字符的特征的輪廓線，記在輪廓集合G中；計(jì)算選中的各輪廓在垂直方向上的中心Y，并 用數(shù)組E記錄每個(gè)Y出現(xiàn)的次數(shù)；E即包含有效車牌信息的垂直中心Y坐標(biāo)的投影；
步驟83 :對每個(gè)二值圖像中選出的各輪廓，設(shè)其最小和最大縱坐標(biāo)分別為Yl和 Y2，若滿足Yl < CY < Y2且長寬比滿足字符的特征，則對其高度Y2-Y1+1累計(jì)到數(shù)組F中。 F即包含有效車牌字符的高度的投影。 步驟84 :數(shù)組F中投影分布最集中的位置即為車牌字符的高度H。
權(quán)利要求
一種基于道路和車輛自身信息的單目視覺車距測量方法，其特征在于，步驟為步驟1所述攝像機(jī)安裝在擋風(fēng)玻璃后面或車輛頂部，用于拍攝前方道路圖像；步驟2根據(jù)設(shè)置的攝像機(jī)的參數(shù)，確定行道線寬度與車距的變換關(guān)系f1、車牌類型及車牌面積與車距的變換關(guān)系f2、車牌的字符高度與車距的變換關(guān)系f3；步驟3從所述道路圖像中，檢測前方車道標(biāo)志線，根據(jù)獲取的所述的車道標(biāo)志線建立車道模型；若檢測不到，執(zhí)行步驟6；步驟4檢測前方車輛在道路上的陰影，獲取陰影所在的所述車道模型中的車道寬度，記為W1；并計(jì)算車道標(biāo)志線在圖像最底行上的車道寬度W2個(gè)像素；再根據(jù)行道線寬度W1、W2與車距的變換關(guān)系f1得到車輛距離D1；步驟5若所述的車輛距離D1大于閾值T1，則輸出車輛距離D1，結(jié)束；否則若小于閾值T1，則執(zhí)行步驟6；步驟6檢測和驗(yàn)證前方汽車車牌的矩形區(qū)域，將獲取的前方汽車車牌的矩形區(qū)域的面積記為S、車牌的類型標(biāo)記為I；步驟7對該類型I的車牌，若步驟6所述的車牌面積S小于閾值T2[I]，則按f2計(jì)算車車輛距離，將獲得的所述的車輛距離記為D2，輸出車輛距離D2，結(jié)束；否則若所述的車牌面積S大于閾值T2[I]，則執(zhí)行步驟8；步驟8計(jì)算車牌區(qū)域中字符的高度，根據(jù)字符高度按f3計(jì)算車輛距離，將獲得的所述的車輛距離記為D3，輸出車輛距離D3，結(jié)束。
2. 根據(jù)權(quán)利要求1所述的基于道路和車輛自身信息的單目視覺車距測量方法，其特征在于，在所述步驟3中，即在車道標(biāo)志線檢測過程中采用的步驟如下步驟31 :對道路灰度圖像，采用閾值窮舉法采用一系列閾值得到一系列的二值圖像；在每個(gè)二值圖像中，大于等于閾值的像素在二值圖像中的值為a，反之為b ;步驟32:對每一幅二值圖像沿水平方向進(jìn)行掃描，使用鏈碼跟蹤輪廓法，在鏈碼中尋找所有滿足一定長度和一定角度的、且值為a的直線段；并在該幅二值圖像中，從獲取的所述的直線為起始點(diǎn)，沿水平方向，向兩邊尋找滿足一定寬度范圍的值為a的水平直線段； 步驟33 :將在所有的二值圖像中得到的步驟32所述的水平直線段累計(jì)成一幅新的圖像，記為A ;圖像A中像素點(diǎn)的灰度值是該點(diǎn)在所有二值圖像中符合條件的水平直線段上的 出現(xiàn)的次數(shù)，即圖像A是車道線的結(jié)構(gòu)信息的匯總；步驟34 :將圖像A進(jìn)行平滑處理，再在A中尋找滿足一定寬度范圍的、灰度值大于t的水平直線段，將該直線段上的像素坐標(biāo)連同其在A中的灰度值記錄到數(shù)組C中；步驟35 :對數(shù)組C中的像素坐標(biāo)進(jìn)行其灰度值加權(quán)的Hough變換，找到Hough投影值 最高的N條直線段，記為數(shù)組L[N];步驟36 :在L[N]中搜尋滿足一定角度范圍，相距一定距離范圍的直線，記為數(shù)組步驟37 :R[1]…R[M]即為車道標(biāo)志線。
3. 根據(jù)權(quán)利要求1所述的基于道路和車輛自身信息的單目視覺車距測量方法，其特征在于，所述步驟4中，即檢測前方車輛在道路上的陰影的方法的步驟如下步驟41 :根據(jù)檢測到的車道標(biāo)志線，在每相鄰的兩條車道線之間的圖像區(qū)域中，計(jì)算 車道標(biāo)志線在圖像中第y行中的左行道線的坐標(biāo)xl[y]和右行道線的坐標(biāo)x2[y]，并將xl[y]適當(dāng)縮小和x2[y]適當(dāng)放大; 步驟42 :先把位于xl[y]和x2[y]之間的像素在前方道路圖像中的灰度值的統(tǒng)計(jì)到直 方圖P中，再將P中灰度值最小的KGO (x2[y]-xl[y]+l)/2)個(gè)像素的灰度值累加到Sum 中，最后令Z[y] = Sum/K ;步驟43 :對圖像中的所有行執(zhí)行步驟41和步驟42 ;在Z[y]選擇出最靠近本車的且在 一定范圍內(nèi)值突然變小的Z[yO];步驟44 :y0即位前方車輛對應(yīng)的陰影位置。
4. 根據(jù)權(quán)利要求1所述的基于道路和車輛自身信息的單目視覺車距測量方法，其特征 在于，所述步驟6中，即檢測前方汽車車牌區(qū)域的方法的步驟如下步驟61 :根據(jù)檢測到的車道標(biāo)志線，在每相鄰的兩條車道線之間的圖像區(qū)域中，采用 閾值窮舉法得到一系列的二值圖像；步驟62 :在每一幅二值圖像中，使用鏈碼跟蹤算法跟蹤各連通域的輪廓，根據(jù)車牌輪 廓長寬比和車牌內(nèi)字符長寬比的特征，以及輪廓周長和面積的特點(diǎn)，篩選出符合車牌和字符的特征的輪廓線，記在輪廓集合G中；計(jì)算選中的各輪廓在垂直方向上的中心Y，并用數(shù) 組E記錄每個(gè)Y出現(xiàn)的次數(shù)；E即包含有效車牌信息的垂直中心Y坐標(biāo)的投影； 步驟63 :數(shù)組E中投影分布最集中的位置即為車牌的水平中心位置CY ;步驟64 :對每個(gè)二值圖像中選出的各輪廓，設(shè)其最小和最大縱坐標(biāo)分別為Yl和Y2，若 滿足Yl < CY < Y2，則將這些輪廓包圍的區(qū)域累計(jì)在一幅圖像D中，D中像素的灰度值是該 像素被這些輪廓經(jīng)過和包圍的次數(shù)；對D向水平方向進(jìn)行投影，得到最可能的M對上邊界和 下邊界；對D向垂直方向進(jìn)行投影，得到最可能的N對左邊界和右邊界；按照不同類型車牌 的長寬比，得到車牌的最佳的左、右、上、下邊界和車牌類型。
5. 根據(jù)權(quán)利要求1所述的基于道路和車輛自身信息的單目視覺車距測量方法，其特征 在于，所述步驟8中，即計(jì)算車牌區(qū)域中字符高度的方法的步驟如下步驟81 :根據(jù)檢測到的車道標(biāo)志線，在每相鄰的兩條車道線之間的圖像區(qū)域中，采用 閾值窮舉法得到一系列的二值圖像；步驟82 :在每一幅二值圖像中，使用鏈碼跟蹤算法跟蹤各連通域的輪廓，根據(jù)車牌輪 廓長寬比和車牌內(nèi)字符長寬比的特征，以及輪廓周長和面積的特點(diǎn)，篩選出符合車牌和字 符的特征的輪廓線，記在輪廓集合G中；計(jì)算選中的各輪廓在垂直方向上的中心Y，并用數(shù) 組E記錄每個(gè)Y出現(xiàn)的次數(shù)；E即包含有效車牌信息的垂直中心Y坐標(biāo)的投影；步驟83 :對每個(gè)二值圖像中選出的各輪廓，設(shè)其最小和最大縱坐標(biāo)分別為Y1和Y2，若 滿足Yl < CY < Y2且長寬比滿足字符的特征，則對其高度Y2-Y1+1累計(jì)到數(shù)組F中，F(xiàn)即 包含有效車牌字符的高度的投影；步驟84 :數(shù)組F中投影分布最集中的位置即為車牌字符的高度H。
全文摘要
本發(fā)明公開了一種基于道路和車輛自身信息的單目視覺車距測量的方法。該方法用于駕駛車在道路上依靠自身的裝置自動(dòng)測定前方汽車距離，達(dá)到防止車輛追尾碰撞、提醒駕駛員安全駕駛的目的。具體為，在車輛前部安裝一個(gè)面向前方的攝像機(jī)，從攝像機(jī)中獲取前方路面和車輛的圖像；進(jìn)行車道標(biāo)志線和前方車輛檢測，以及汽車車牌定位；根據(jù)在道路圖像中的車輛所在的車道寬度與車距之間的變換關(guān)系得到車輛距離，或根據(jù)圖像中車牌的尺寸信息與車距之間的變換關(guān)系得到車輛距離，或者根據(jù)車牌中字符的高度與車距之間的變換關(guān)系得到車輛距離。本發(fā)明可以準(zhǔn)確地測量出前方車輛的距離，具有高實(shí)時(shí)性、高魯棒性的優(yōu)點(diǎn)，硬件成本低，適合多種型號車輛，易于推廣。
文檔編號G01B11/14GK101750049SQ20081023577
公開日2010年6月23日 申請日期2008年12月5日 優(yōu)先權(quán)日2008年12月5日
發(fā)明者任明武, 唐振民, 楊靜宇, 趙春霞 申請人:南京理工大學(xué)