汽车车体偏斜角度测量方法与流程
本发明涉及一种非接触式自动测量汽车车体偏斜角度的方法，基于机器视觉技术检测汽车的行驶方向和车身纵向轴线，分析汽车车体偏斜角度，适用于车辆安全性能检测。
背景技术：
随着行驶里程的增加，汽车不可避免地会出现动力性下降、安全性变差和可靠性降低等使用性能的变化，影响了汽车的正常运行和使用，因此，对在用汽车进行性能检测是必要的。当汽车各性能都正常时，在平坦道路上直线前进的情况下，汽车行驶方向应与车身俯视平面内的纵向轴线重合，即汽车没有跑偏，或车体没有偏斜。
当车体偏斜时，汽车车身相对于行驶方向有一定的角度，会引起啃胎，使轮胎报废，还容易引起侧滑、翻转等现象，影响了汽车的操作稳定性，是道路交通安全的一个隐患。此外，车体偏斜也会影响前照灯检测结果的准确度，引起光束照射方向的测量误差，从而造成前照灯检测合格率低、检测结果重复性差，影响汽车夜间的安全行驶。因此，分析汽车的车身纵向轴线和行驶方向之间的偏角，测量车体偏斜角度是非常有必要的。
在汽车的车体偏斜角度测量方面，有研究人员利用激光测距技术加以实现，其硬件主要由汽车摆正器、激光测距仪和反射面构成。先将汽车摆正，激光测距仪沿行车中心线左右对称分布，在汽车前端面安装反射面。根据激光反射距离分析车体偏斜角度的大小和方向。但该方案为了测距，需要在车身上安装反射面进行激光的反射，由于每次测试都需要安装、调试和拆卸，很不方便，而且要求与汽车连接紧密，防止在行车过程中产生位置的变化，测量精度不易保证。
技术实现要素：
为了克服常规方法的测量不方便、精度低等问题，本发明提供一种非接触式测量方法，利用机器视觉技术，实现汽车车体偏斜角度的自动检测。
本发明的汽车车体偏斜角度的测量原理如下。
如图1所示，当汽车车体没有偏斜时，汽车车体1的车身纵向轴线2应与行车方向3一致。当车体偏斜时，假设：车身纵向轴线2与理想参考线4的偏角为α，行车方向3与理想参考线4的偏角为β，则车体偏斜角度θ为：
θ= β –α (1)
式中：α、β、θ为正表示左偏，为负表示右偏。
本发明的汽车车体偏斜角度的测量方案如下。
如图2所示，双目摄像机5设置在停车位正前方，在汽车方向盘回正的状态下，让待检汽车6从起始位置缓慢前进，行驶一段距离，到达停车位。在此期间，拍摄若干帧汽车的视觉图像，传输给计算机7。由计算机程序对汽车图像进行处理，利用双目立体视觉原理，分析汽车的实际行驶方向和车身纵向轴线，分析它们与理想参考线之间的偏角，得到汽车车体偏斜角度。
本发明的具体实现过程分为以下四个步骤。
(1) 拍摄汽车视觉图像
制作平面方格靶标，基于张正友平面法对摄像机进行标定。在汽车行驶过程中，拍摄若干帧汽车的视觉图像，传输给计算机，并进行预处理。
(2) 行车方向分析
由于SIFT特征的独特性，特别是对图像尺度具有不变性，可利用SFIT算法检测不同位置的汽车图像的特征点，并进行立体匹配，实现行车方向的测量。基于SIFT特征点的行车方向分析的具体过程如下。
对每帧的左、右两幅汽车图像进行分析，提取SIFT特征点，并描述其特征向量。
基于欧几里得距离相似性度量和双向匹配，对所有帧的左序列图像，进行特征点匹配，得到左序列图像的匹配特征点集合Fl={F(l)1, F(l)2 , …, F(l)N}，其中：N表示采集的汽车视觉图像的帧数，F (l)i={ F(l)i1, F(l)i2,…, F(l)iP}(i=1, 2,…, N)为第i帧左图像的已匹配特征点集合，P为左序列图像的匹配点数量。
对所有帧的右序列图像进行特征点匹配，得到右序列图像的匹配特征点集合Fr={F(r)1, F(r)2 , …, F(r)N}，其中： F (r)i={ F(r)i1, F(r)i2,…, F(r)iQ}(i=1, 2,…, N)为第i帧右图像的已匹配特征点集合，Q为右序列图像的匹配点数量。
对停车位，即最后一帧的两幅汽车图像的已匹配特征点F(l)N和F(r)N再次进行特征点匹配，得最终匹配点集合FN={P(l)N, P(r)N}，其中：P(l)N={ P(l)N1, P(l)N2,…, P(l)NT}，P(r)N={ P(r)N1, P(r)N2,…, P(r)NT}，T为本次匹配点的数量。
根据最后一帧的立体匹配结果P(l)N和P(r)N，在Fl和Fr集合中查询其它帧的左、右两幅图像中的对应点，在左、右序列图像中分别得到T个N点的特征点序列。
对每帧的两幅图像的T对最终匹配点进行三维重建，计算它们在世界坐标系的坐标，得到T个N点的三维坐标序列。
把每个N点序列当作汽车的一个行驶轨迹，共得T个汽车轨迹。对每个汽车轨迹进行直线拟合，得到对应的行车方向。
求T个行车方向的平均值，得到最终的汽车行驶方向，并取在汽车俯视平面内的水平行车方向。
(3) 车身纵向轴线分析
在提取的SIFT特征点的基础上，基于汽车车身的对称性，根据SIFT特征向量的特点，检测汽车车身对称点，进而得到车身纵向轴线。基于SIFT特征点的车身纵向轴线分析的具体过程如下。
对停车位，即最后一帧的两幅汽车图像，进行分析，提取SIFT特征点集合F={P(l), P(r)}，其中：P(l)={ P(l)1, P(l)2,…, P(l)ML}为左图像的特征点集合，ML为左图像特征点的数量； P(r)={ P(r)1, P(r)2,…, P(r)MR}，为右图像的特征点集合，MR为右图像特征点的数量。
把汽车左图像的特征点分为两部分，左半部分特征点集合Fll={P(ll)1, P(ll)2 , …, P(ll)MLL}和右半部分特征点集合Flr={P(lr)1, P(lr)2 , …, P(lr)MLR}，其中，MLL和MLR分别为汽车左图像左半部分和右半部分的SIFT特征点数量。
汽车左图像的SIFT特征向量修正
在进行SIFT特征点描述时，每个特征向量都是128维的，其中，需要16个种子点，每个种子点8个向量。从Fll中任取一特征点P(ll)i，对应的种子点序号为(ls, lt)；从Flr中取其车身对称特征点，假设为P(lr)j，其对应的种子点序号为(rs, rt)；ls、lt和rs、rt的取值范围都为{1, 2, 3, 4}，根据对称性，在理想情况下，种子点的下标应有对称关系：rs = ls, rt =5-lt。每对对应的种子点的方向向量也有对称关系，如图3所示。
在进行车身对称点检测之前，先根据以上关系对汽车左图像右半部分特征点集合Flr中的每个特征点的特征向量进行对称修正。
把Fll看作左图像的特征点集合，把修正后的Flr看作右图像的特征点集合，对左、右部分特征点进行行双向对称性度量，得到匹配点集合Fld={P(ldl), P(ldr)}，即原汽车左图像的车身左、右对称点集合。
对汽车右图像的特征点重复以上-过程，得原汽车右图像的车身左、右对称点集合Frd={P(rdl), P(rdr)}。
对汽车左图像左半部分特征点集合Fll和汽车右图像左半部分特征点集合Frl进行匹配，得左、右图像左半部分匹配点集合Fllp={P(ll)p, P(rl)p}；对汽车左图像右半部分特征点集合Flr和汽车右图像右半部分特征点集合Frr进行匹配，得左、右图像右半部分匹配点集合Frrp={P(lr)p, P(rr)p}。
综合以上，得到最终的既满足左、右图像匹配，又满足图像车身左、右对称的特征点集合，Fpd={(P(ll)pd, P(lr)pd), (P(rl)pd, P(rr)pd)}，其中：P(ll)pd是左图像的左半部分匹配对称点集合，P(lr)pd是左图像的右半部分匹配对称点集合，P(rl)pd是右图像的左半部分匹配对称点集合，P(rr)pd是右图像的右半部分匹配对称点集合，每个集合中特征点数量相同，假设为MPD。
对P(ll)pd、P(rl)pd的MPD对匹配对称点进行三维重建，得到车身左半部分对称点的世界坐标；对P(lr)pd、P(rr)pd的MPD对匹配对称点进行三维重建，得到车身右半部分对称点的世界坐标。
根据车身对称点，得到车身纵向轴线，并取在汽车俯视平面内的水平车身纵向轴线。
(4) 根据汽车俯视平面内的车身纵向轴线和行车方向，得到车身纵向轴线与理想参考线的偏角α、行车方向与理想参考线的偏角β，根据式(1)计算车体偏斜角度θ。
附图说明
以下结合附图对本发明作进一步说明。
图1是本发明的汽车车体偏斜角度测量原理。
图2是本发明的汽车车体偏斜角度测量的系统结构。
图3是本发明的汽车图像SIFT特征点方向向量的对称关系。
图4是本发明的汽车车体偏斜角度分析程序的流程图。
在以上附图1-4中，1：汽车车体，2：车身纵向轴线，3：行车方向，4：理想参考线，5：双目摄像机，6：待检汽车，7：计算机。
具体实施方式
参照图2构建汽车车体偏斜角度测量系统，在本发明的实施例中，在停车位正前方2米处设置CMOS数码双目摄像机，离地1米。首先，采集十六幅靶标图像，传输给计算机，经计算机程序进行摄像机标定，得到摄像机内部参数、外部参数和系统结构参数，完成系统的初始化。然后，在方向盘回正的状态下，汽车从起始位置缓慢前行，到达停车位，在此期间，拍摄十六帧汽车的视觉图像，取汽车俯视平面内与坐标轴平行的理想行车方向作为理想参考线，经计算机程序分析得到汽车的行车方向和车身纵向轴线，计算行车方向偏角和车身纵向轴线偏角，得到车体偏斜角度。计算机执行的程序如图4所示。下表列出了汽车车体偏斜角度的三次测量结果（单位为）。
- 还没有人留言评论。精彩留言会获得点赞！