一种基于单目视觉和车牌的车距测量方法与流程

技术特征：

1.一种基于单目视觉和车牌的车距测量方法，包括下列步骤：

(1)利用摄像机采集获取检测图像并进行灰度化；

(2)提取车牌区域；

(3)获取车牌四个顶点坐标；

(4)采用Tsai两步算法校正相机内部参数；

(5)基于矩形测量理论，计算两车之间的距离。

2.根据权利要求1所述的前方车辆检测与测距方法，其特征在于，步骤(2)中使用投影法定位和提取车牌区域。具体算法描述如下：

(1)对经过二值转换处理的车牌图像进行水平投影，即把二值图像再水平方向上统计其赋值为1的像素。

(2)牌照区的上下边界定位。取一阈值(设为T1)，自下而上扫描。将水平投影值大于T1的行取出，可以认为这是车牌区域的下边界，并命名为y1。因为，通过实验发现大部分的图片中存在这样的一行：这一行大于阈值而且经过车牌区域。然后继续进行扫描，将水平投影值小于T1的位置记下，可以认为这是牌照区的上边界，命名为y2。然而，y1和y2不一定是真正的车牌区域的上边界与下边界。为了确认提取的区域含有车牌区域，加入了判断式y2-y1≥t1。And.y2-y1≤t2，其中t1与t2是对大量图片进行测试而得到的车牌高度经验值。经过判断，如果满足条件就可以认为y1、y2是牌照区的上下边界，否则，y1:＝y2,重新开始扫描。ylow＝y1；yhigh＝y2。

(3)对二值图像进行垂直投影。垂直投影是在垂直方向上统计其赋值为1的像素数。

(4)定位牌照区的左右边界。用与(2)类似的方法，设一阈值为T2，自左向右扫描，将垂直投影大于和小于T2的列位置标记为x1和x2，为了确认提取的区域含有车牌区域，同样加入了判断式x2-x1≥s1.and.x2-x1≤s2，s1与s2是车牌宽度经验值。经过判断，如果满足条件就可以认为x1、x2是牌照区的左右边界，否则，x1:＝x2，重新开始扫描。xleft＝x1；xright＝x2。得到牌照的左右边界xleft，xright。

(5)根据牌照区的四个边界值，ylow,yhigh,xleft,xright在原图像中提取车牌，如图2中c所示。最终提取灰度化后的结果如图2中d所示。

3.根据权利要求1所述的前方车辆检测与测距方法，其特征在于，步骤(4)中采用Tsai两步算法和棋盘格算法对相机内部参数进行校正。首先对相机定义一个三维坐标系O-XYZ，对图像定义一个二维坐标系O₀-uv和一个世界坐标系O’-X’Y’Z’，如图3所示。其中A1，A2，A3，A4是实际车牌的四个顶点，而a1,a2,a3,a4是车牌映射到图像上对应的四个顶点。图3中d1,d2,d3,d4分别是OA1，OA2，OA3和OA4的长度。在世界坐标系中，任何点P(X’,Y’Z’)，对应的二维(u,v)映射和三维坐标(X,Y,Z)之间的关系，可以表述为：

其中K是相机内部参数，我们采用一种与Tsai模型类似的带有径向畸变的针孔模型，改进如下：

(x-u₀)(1+k(u²+v²))＝u-u₀

(y-v₀)(1+k(u²+v²))＝v-v₀

其中k为畸变系数，(u₀,v₀)是主点。K可以表示为：

K通过经典的Tsai两步算法和棋盘格算法得到。

4.根据权利要求1所述的前方车辆检测与测距方法，其特征在于，步骤(5) 中基于矩形测量理论，利用P4P算法计算前车距离，算法可以描述为：

其中，cosθ₁₂，cosθ₂₃，cosθ₃₄和cosθ₁₄分别在ΔOa₁a₂，ΔOa₂a₄，ΔOa₃a₄和ΔOa₁a₄中计算如图3所示。W和H是一个车牌对应的常量，由于国内小车车牌的尺寸为宽度440，高度140，所以这里W和H分别取440和140。

通过对式(6)的求解可以得到d₁，d₂，d₃和d₄的值，我们利用几何知识就可以得到前后两车之间的距离d_oo'：

。