王曉霞

摘 要：車(chē)輛行駛距離是交通安全的重要指標(biāo)之一。安全車(chē)距的測(cè)量已成為智能交通領(lǐng)域的一個(gè)日益熱門(mén)的研究領(lǐng)域。通過(guò)分析立體視覺(jué)的基本原理，標(biāo)定CCD傳感器的內(nèi)外參數(shù)，提出了一種測(cè)量立體視覺(jué)的方法，建立了基于立體視覺(jué)和DSP的車(chē)輛距離控制系統(tǒng)。一旦車(chē)輛的速度和距離形成非安全關(guān)聯(lián)，它就會(huì)發(fā)出警告，并上傳數(shù)據(jù)或強(qiáng)制限速。該方法根據(jù)從左右傳感器獲取的目標(biāo)車(chē)輛圖像的不同坐標(biāo)，識(shí)別特征點(diǎn)，計(jì)算到目標(biāo)車(chē)輛的距離，分析車(chē)輛距離的安全性。實(shí)驗(yàn)結(jié)果表明，該方法測(cè)量范圍寬，測(cè)量精度高，運(yùn)算速度快，能夠滿(mǎn)足智能交通中安全車(chē)距測(cè)量的實(shí)際需要。

關(guān)鍵詞：智能交通;車(chē)輛安全距離;圖像特征;智能交通;DSP

中圖分類(lèi)號(hào)：U462 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1671-7988（2020）14-62-03

Abstract： Vehicle distance is one of the important indexes of traffic safety. The measurement of safe distance between vehicles has become an increasingly popular research field in the field of intelligent transportation. By analyzing the basic principle of stereo vision and calibrating the internal and external parameters of CCD sensor， a method of measuring stereo vision is proposed， and a vehicle distance control system based on stereo vision and DSP is established. Once the vehicle's speed and distance form an unsafe relationship， it will issue a warning and upload data or impose a speed limit. According to the different coordinates of the target vehicle image obtained from the left and right sensors， the feature points are identified， the distance to the target vehicle is calculated， and the safety of the vehicle distance is analyzed. The experimental results show that the method has a wide measurement range， high measurement accuracy and fast calculation speed， and can meet the actual needs of the safe distance measurement in intelligent transportation.

Keywords： Intelligent transportation; Vehicle safety distance; Image features; Intelligent transportation; DSP

CLC NO.： U462 ?Document Code： A ?Article ID： 1671-7988（2020）14-62-03

1 引言

隨著經(jīng)濟(jì)和社會(huì)的發(fā)展，汽車(chē)越來(lái)越多，交通堵塞越來(lái)越嚴(yán)重，嚴(yán)重的交通事故也越來(lái)越頻繁，給人們的生命財(cái)產(chǎn)安全造成了巨大的損失。2018年，總共有390萬(wàn)余例交通事故報(bào)告，其中有21萬(wàn)余個(gè)道路交通傷亡事故，導(dǎo)致6余萬(wàn)人死亡，25萬(wàn)余人受傷，直接財(cái)產(chǎn)損失9.43億元[1-2]。對(duì)司機(jī)來(lái)說(shuō)最大的危險(xiǎn)來(lái)自于周?chē)能?chē)輛。安全車(chē)距測(cè)量通過(guò)計(jì)算當(dāng)前車(chē)與前方目標(biāo)車(chē)之間的距離，在車(chē)距較小時(shí)發(fā)出報(bào)警信號(hào)，完成危險(xiǎn)報(bào)警和防撞功能。據(jù)不完全統(tǒng)計(jì)，汽車(chē)碰撞事故在交通事故中占相當(dāng)大的比例，因?yàn)闆](méi)有注意車(chē)輛之間的安全距離。因此，解決安全車(chē)距的測(cè)量問(wèn)題可以預(yù)防交通事故的發(fā)生[3-4]，這也是當(dāng)代智能交通實(shí)現(xiàn)的重要內(nèi)容之一。本文提出了一種基于立體視覺(jué)的安全車(chē)距測(cè)量方法。根據(jù)左右傳感器獲取的目標(biāo)車(chē)輛圖像的不同坐標(biāo)，計(jì)算出目標(biāo)與傳感器之間的距離，在車(chē)載行駛狀態(tài)DSP監(jiān)控系統(tǒng)中增加了安全距離的測(cè)量功能，開(kāi)發(fā)了遠(yuǎn)程傳輸功能。一旦車(chē)輛的速度和距離形成非安全關(guān)聯(lián)，它就會(huì)發(fā)出警告，并上傳數(shù)據(jù)或強(qiáng)制限速。該方法可用于檢測(cè)車(chē)輛距離，識(shí)別車(chē)道、障礙物、交通標(biāo)志等，可廣泛應(yīng)用于智能交通領(lǐng)域[5]。

2 立體視覺(jué)的原理

立體視覺(jué)是計(jì)算機(jī)視覺(jué)的一個(gè)重要分支。根據(jù)三角測(cè)量原理、立體視覺(jué)使用兩個(gè)CCD傳感器獲得兩張同一對(duì)象從不同的立場(chǎng)和獲得目標(biāo)的三維信息通過(guò)計(jì)算兩幅圖像中對(duì)應(yīng)點(diǎn)的視差測(cè)量相機(jī)之間的距離和目標(biāo)[3]。兩個(gè)CCD傳感器的投影中心距離為基線(xiàn)距離，為B。兩個(gè)傳感器同時(shí)觀(guān)測(cè)空間物體相同的特征點(diǎn)P，分別從左CCD和右CCD獲取點(diǎn)P圖像，假設(shè)的兩個(gè)CCD圖像傳感器在同一平面上，每個(gè)CCD的有效焦距為f，那么特征點(diǎn)P與兩個(gè)圖像坐標(biāo)的Y坐標(biāo)相同，也就是Yleft = Yright = Y。那么視差就是D = Xleft-Xright。計(jì)算得到的特征點(diǎn)P在攝像機(jī)坐標(biāo)系中的三維坐標(biāo)為：

3 攝像機(jī)標(biāo)定

相機(jī)成像模型包括線(xiàn)性模型和非線(xiàn)性模型。基于針孔成像原理，線(xiàn)性模型建立了空間表面點(diǎn)與像點(diǎn)之間的幾何位置關(guān)系，描述了空間點(diǎn)、投影中心與像點(diǎn)之間的共線(xiàn)關(guān)系，處于理想狀態(tài)。在不考慮圖像點(diǎn)坐標(biāo)偏差的情況下，嚴(yán)格按照針孔成像原理建立線(xiàn)性相機(jī)成像模型。從空間點(diǎn)到像平面的投影過(guò)程本質(zhì)上是建立模型的過(guò)程，可以表示為幾個(gè)坐標(biāo)系的轉(zhuǎn)換。線(xiàn)性模型的攝像機(jī)參數(shù)是在轉(zhuǎn)換過(guò)程中引入的參數(shù)。利用相機(jī)標(biāo)定的線(xiàn)性模型來(lái)確定這些參數(shù)。校準(zhǔn)分為兩部分：內(nèi)部參數(shù)校準(zhǔn)和外部參數(shù)校準(zhǔn)。內(nèi)部參數(shù)是指相機(jī)成像的基本參數(shù)，如主點(diǎn)（圖像中心）、焦距、徑向透鏡偏差、離軸透鏡偏差等系統(tǒng)誤差參數(shù)。外部參數(shù)是指相機(jī)在空間坐標(biāo)中的方位角和位置。內(nèi)外參數(shù)標(biāo)定的組合可以建立三維坐標(biāo)與二維圖像坐標(biāo)之間的關(guān)系。

具體校準(zhǔn)程序?yàn)椋孩賹⑿?zhǔn)板置于適當(dāng)?shù)奈恢?，使其在兩個(gè)相機(jī)中完全成像。通過(guò)標(biāo)定，可以確定兩臺(tái)相機(jī)（R1、T1、R2、T2）的內(nèi)部參數(shù)和外部參數(shù)，其中R1、T1、R2、T2分別代表左右相機(jī)的相對(duì)位置和空間坐標(biāo)。②假設(shè)任何空間的非齊次坐標(biāo)點(diǎn)在空間坐標(biāo)系，坐標(biāo)系的左相機(jī)和坐標(biāo)系的右相機(jī)xw，x1，x2，然后合并，消除xw后，兩個(gè)攝像頭之間的位置關(guān)系R和T可以表示為：

4 車(chē)輛距離測(cè)量的計(jì)算

基于雙目立體成像原理和攝像機(jī)成像標(biāo)定，設(shè)置測(cè)量系統(tǒng)的實(shí)驗(yàn)方案，如圖1所示。

如圖1所示，兩個(gè)CCD傳感器的光心分別為O1、O2。A、B分別為光軸與兩個(gè)CCD成像平面的交點(diǎn)。光學(xué)軸和X軸之間的角度都是θ。P為測(cè)點(diǎn)，其在兩個(gè)CCD傳感器上的成像點(diǎn)分別為P1和P2。設(shè)置O1A =O2B=f，AP1=x1，（如果P1位于左邊的點(diǎn)，它是負(fù)的，或者它是積極的），BP2=X2（如果P2位于B點(diǎn)的左邊，它是負(fù)的，或者它是積極的），OO1= OO2=L，然后直線(xiàn)O1P1可以在XOZ坐標(biāo)系統(tǒng)表示成具體的方程，直線(xiàn)O2P2在XOZ坐標(biāo)系下也可以表示為一個(gè)具體的方程，結(jié)合兩者可以得到點(diǎn)P的z坐標(biāo)距離為：

5 車(chē)輛距離測(cè)量系統(tǒng)

系統(tǒng)硬件配置：由CCD傳感器、帶遠(yuǎn)程傳輸?shù)腄SP系統(tǒng)和監(jiān)視器組成。CCD傳感器用于采集檢測(cè)到的車(chē)輛信息。將視頻信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，由DSP進(jìn)行處理。在DSP中完成圖像處理程序后，就可以計(jì)算出速度和距離。然后我們可以確定距離是否在安全范圍內(nèi)。如果在安全范圍內(nèi)，則結(jié)果將顯示在監(jiān)視器中;否則，將發(fā)出警告，數(shù)據(jù)被上傳或者速度被強(qiáng)制限制。以測(cè)量系統(tǒng)的重要環(huán)節(jié)為基礎(chǔ)，選取10m、20m、30m、40m四個(gè)距離進(jìn)行實(shí)際測(cè)量，選擇某型號(hào)轎車(chē)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。圖2為10m和40m靜態(tài)車(chē)輛的圖片，完成系統(tǒng)搭建后，選擇4個(gè)車(chē)距，10米，20米，30米，40米，做實(shí)際測(cè)量。實(shí)驗(yàn)結(jié)果如表1所示。

通過(guò)數(shù)據(jù)分析，測(cè)量誤差小于5%，符合《公路交通管理辦法》第十五條關(guān)于高速公路車(chē)輛距離的規(guī)定，充分表明該方法可以滿(mǎn)足車(chē)輛距離測(cè)量的實(shí)際要求?；贒SP硬件測(cè)量系統(tǒng)，車(chē)輛距離的計(jì)算可以保證實(shí)時(shí)計(jì)算速度，低測(cè)量誤差，快速，準(zhǔn)確地測(cè)量前方和前方車(chē)輛的距離，并判斷車(chē)距組合速度的安全性。

6 結(jié)論

綜上所述，由于應(yīng)用于智能交通技術(shù)的立體視覺(jué)技術(shù)仍處于研發(fā)過(guò)程中，因此，由于許多外部影響因素，在實(shí)際應(yīng)用很難全面考量。外部因素包括沿車(chē)輛法線(xiàn)方向的車(chē)輛距離，車(chē)輛之間的橫向距離，光暈干擾，行人干擾和車(chē)輛變道等。本文所做的研究是靜態(tài)的（在較少外部因素干擾的情況下），盡管如此，基于本文的研究理論和基礎(chǔ)，在今后，在移動(dòng)車(chē)輛中應(yīng)用的立體視覺(jué)技術(shù)的研究將越來(lái)越深入和切合實(shí)際。

參考文獻(xiàn)

[1] 王麗影.安全車(chē)距檢測(cè)系統(tǒng)的研究與設(shè)計(jì)[D].長(zhǎng)春工業(yè)大學(xué)，2013.

[2] 張鳳靜，王紅陽(yáng)，張軒.基于立體視覺(jué)的汽車(chē)安全車(chē)距預(yù)警系統(tǒng)研究[J].艦船電子工程，2012，32（08）：134-136.

[3] 張鳳靜，周建江，夏偉杰.基于雙目立體視覺(jué)的汽車(chē)安全車(chē)距測(cè)量方法[J].智能系統(tǒng)學(xué)報(bào)，2011，6（01）：79-84.

[4] 張鳳靜.基于立體視覺(jué)的汽車(chē)安全車(chē)距預(yù)警系統(tǒng)研究[D].南京航空航天大學(xué)，2010.

[5] 林廣宇.基于嵌入式技術(shù)的車(chē)載圖像監(jiān)控系統(tǒng)研究[D].長(zhǎng)安大學(xué)， 2009.