一種基于圖像動(dòng)態(tài)特征跟蹤的車輛外廓尺寸測量方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像測量領(lǐng)域，主要涉及動(dòng)態(tài)運(yùn)行的車輛的外廓尺寸測量。
【背景技術(shù)】
[0002] 近年來，隨著對車輛安全運(yùn)營方面的重視，車輛外廓尺寸測量的相關(guān)產(chǎn)品與裝置 不斷優(yōu)化，目前出現(xiàn)了圖像、激光等方式的檢測裝置。目前傳統(tǒng)的圖像檢測方式通常采用圖 像拼接或整體圖像分析的方式來計(jì)算車輛外廓尺寸，但是很多裝置的檢測質(zhì)量受到光線、 車輛速度等因素的影響，存在一定的誤差。為了實(shí)現(xiàn)對車輛外廓信息的準(zhǔn)確檢測，需要進(jìn)行 圖像處理算法的優(yōu)化，使檢測裝置可以滿足不同環(huán)境條件、不同車型的測量。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于，為了克服上述問題，本發(fā)明提供了一種基于圖像動(dòng)態(tài)特征跟 蹤的車輛外廓尺寸測量方法及系統(tǒng)。
[0004] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于圖像動(dòng)態(tài)特征跟蹤的車輛外廓尺寸測量 方法，所述方法包含:步驟100)采集圖像信息，獲取車輛檢測過程的圖像;步驟101)基于車 輛檢測過程的圖像獲取相鄰幀圖像的特征點(diǎn)；步驟102)對特征點(diǎn)進(jìn)行匹配，針對匹配的圖 像進(jìn)行拼接，獲取車輛整體圖像，基于車輛的整體圖像計(jì)算像素尺寸進(jìn)而獲得車輛實(shí)際外 廓尺寸。
[0005] 可選的，上述步驟101)具體包含:步驟101-1)在采集的圖像中通過分割車輛前景 與背景得到車頭和車尾所在圖像；以車頭和車尾圖像分別作為起始幀和結(jié)束幀，進(jìn)而獲取 車輛測量中的圖像序列；步驟101-2)對圖像幀遍歷獲得候選特征點(diǎn)，通過判斷鄰域灰度值 與候選特征點(diǎn)灰度值的差別進(jìn)而得到特征點(diǎn)。
[0006] 上述步驟101-2)具體為：
[0007] 首先，將每一幀圖像中的所有元素作為候選特征點(diǎn);然后，根據(jù)候選特征點(diǎn)進(jìn)一步 選擇特征點(diǎn)，選擇的具體原則為:設(shè)定第一閾值與第二閾值，當(dāng)任意一個(gè)候選特征點(diǎn)P周圍 鄰域的一圈像素點(diǎn)的數(shù)量大于第一閾值且候選特征點(diǎn)P周圍鄰域的一圈像素點(diǎn)與候選特 征點(diǎn)P的灰度值的差別大于第二閾值時(shí)，則選取該候選特征點(diǎn)P作為特征點(diǎn)，用公式表示為：
[0008]
[0009]其中，I (X)為候選特征點(diǎn)p的鄰域圓周上任意一點(diǎn)的灰度，I (p)為候選節(jié)點(diǎn)p點(diǎn)的 灰度，￡d為設(shè)定的第二差閾值;如果N大于設(shè)定的第一閾值，則候選節(jié)點(diǎn)p點(diǎn)為一個(gè)特征點(diǎn)。 [0010] 上述步驟102)具體包含：
[0011] 步驟102-1)篩選特征點(diǎn)進(jìn)行匹配，再對匹配結(jié)果進(jìn)行如下判斷：
[0012] 1)對成功匹配的特征點(diǎn)進(jìn)行進(jìn)一步判斷，刪除背景中錯(cuò)誤匹配的特征點(diǎn)和與車輛 運(yùn)動(dòng)方向偏差大于設(shè)定的第三閾值的特征點(diǎn)；
[0013] 2)將相鄰兩幀圖像中滿足步驟1)的判斷標(biāo)準(zhǔn)的特征點(diǎn)進(jìn)行均值計(jì)算，獲取亞像素 精度的匹配均值；
[0014] 步驟102-2)將步驟102-1)中得到的相鄰兩幀圖像的匹配均值作為兩幀圖像的相 對拼接坐標(biāo)；
[0015] 步驟102-3)將相對拼接坐標(biāo)之和作為車輛的像素尺寸;根據(jù)像素尺寸和實(shí)際尺寸 的比例值，獲得車輛的真實(shí)尺寸。
[0016] 上述步驟102-1)具體為：
[0017] 將找到的特征點(diǎn)采用篩選二進(jìn)制特征描述算子進(jìn)行匹配，且匹配的具體過程為：
[0018] 步驟102-1-1)，選用像素中心的一個(gè)二值特征描述算子作為比較對象，具體為： [0019]采用如下的二進(jìn)制描述算子間的相關(guān)性系數(shù)計(jì)算公式得到相關(guān)性系數(shù)最低的隨 機(jī)點(diǎn)對，將隨機(jī)點(diǎn)對作為關(guān)鍵點(diǎn)：
[0020]
[0021] 其中，X，Y為測量相關(guān)性的兩個(gè)向量，η為向量的維數(shù)，Xi為向量的元素；i為向量維 數(shù)的索引號；
[0022] 建立關(guān)鍵點(diǎn)的測試矩陣T，將測試矩陣T中的每個(gè)特征點(diǎn)與其鄰域的像素組合方式 的數(shù)量為Μ:
[0023] M=((l-t+l)2)2
[0024] 其中，1為定義的關(guān)鍵點(diǎn)的鄰域?qū)挾?，t為替代特征點(diǎn)和鄰域像素點(diǎn)的鄰域塊的寬 度；
[0025] 步驟102-1-2)，對于測試集矩陣T的列向量計(jì)算均值，并重新排序，按照設(shè)定的第 四閾值選取若干個(gè)相關(guān)性系數(shù)最低的特征點(diǎn)；
[0026] 步驟102-1-3)，對兩幀圖像中的經(jīng)過步驟101-1-2)篩選后的特征點(diǎn)進(jìn)行匹配操 作，其中應(yīng)當(dāng)將篩選距離比例滿足要求并且一一映射的特征點(diǎn)進(jìn)行匹配。
[0027] 上述步驟102-1-1)進(jìn)一步包含：
[0028]首先，獲取特征點(diǎn)p的主方向，具體為：
[0029] 通過矩計(jì)算得到特征點(diǎn)p主方向，表示如下：
[0030]
[0031] 其中，X軸的方向分量cx = ^，y軸的方向分量.c.y二為0階矩，Μοι,Μιο為1階 矩，矩函數(shù)表示為：
[0032]
[0033]其中，X和y為特征點(diǎn)ρ在圖像上的像素坐標(biāo)，k和1為矩的階數(shù)；
[0034]其次，提取二進(jìn)制特征描述算子，具體為：
[0035]采用優(yōu)化的多尺度拓?fù)浣Y(jié)構(gòu)作為特征點(diǎn)ρ的二進(jìn)制特征描述算子，所述的優(yōu)化的 多尺度拓?fù)浣Y(jié)構(gòu)為:若干個(gè)面積不同且有重疊的圓，且距離中心的特征點(diǎn)P越近的采樣點(diǎn)的 采樣半徑越小，反之距離特征點(diǎn)P越遠(yuǎn)的采樣點(diǎn)采樣半徑越大；
[0036] 所述二進(jìn)制特征描述子表示如下：
[0037]
[0038] 其中，Pa為采樣點(diǎn)和特征點(diǎn)p組成的點(diǎn)對，N表示期望的二進(jìn)制編碼長度；
[0039] '
[0040] 其中，/(pf)為采樣點(diǎn)對pa中前一個(gè)采樣點(diǎn)的像素值，/(Pf)為采樣點(diǎn)對pa中后一 個(gè)采樣點(diǎn)的像素值。
[0041] 此外，本發(fā)明還提供了一種基于圖像動(dòng)態(tài)特征跟蹤的車輛外廓尺寸測量系統(tǒng)，所 述系統(tǒng)包含:采集模塊，用于采集圖像信息，獲取車輛檢測過程的圖像;特征點(diǎn)提取模塊，用 于基于車輛檢測過程的圖像獲取相鄰幀圖像的特征點(diǎn)；處理模塊，用于對特征點(diǎn)進(jìn)行匹配， 針對匹配的圖像進(jìn)行拼接，獲取車輛整體圖像，基于車輛的整體圖像計(jì)算像素尺寸進(jìn)而獲 得車輛實(shí)際外廓尺寸。
[0042]上述特征點(diǎn)提取模塊進(jìn)一步包含：
[0043] 第一獲取子模塊，用于在采集的圖像中通過分割車輛前景與背景得到車頭和車尾 所在圖像;以車頭車尾圖像作為起始幀和結(jié)束幀，獲取車輛測量中的圖像序列；
[0044] 第二獲取子模塊，用于對圖像幀遍歷獲得候選特征點(diǎn)，通過判斷鄰域灰度值與候 選特征點(diǎn)灰度值差別滿足閾值的像素個(gè)數(shù)得到特征點(diǎn)。
[0045]上述第二獲取子模塊進(jìn)一步包含：
[0046] 候選特征點(diǎn)選取子模塊，用于將每一幀圖像中的所有元素作為候選特征點(diǎn)；
[0047] 特征點(diǎn)選擇子模塊，用于根據(jù)候選特征點(diǎn)進(jìn)一步選擇特征點(diǎn)，選擇的具體原則為： 設(shè)定第一閾值與第二閾值，當(dāng)任意一個(gè)候選特征點(diǎn)P周圍鄰域的一圈像素點(diǎn)的數(shù)量大于第 一閾值且候選特征點(diǎn)P周圍鄰域的一圈像素點(diǎn)與候選特征點(diǎn)P的灰度值的差別大于第二閾 值時(shí)，則選取該候選特征點(diǎn)P作為特征點(diǎn)，用公式表示為：
[0048]
[0049] 其中，I (X)為候選特征點(diǎn)