专利名称：一种车轮与地面接触点的自动检测方法
技术领域：
本发明属于图像处理技术领域，涉及摄像机标定、基于单幅图像的 测量、图像处理实际应用技术。
背景技术：
目前，交通事故现场处理主要采用人工勘査的方式，这种方式具有 处理时间长、精度低、劳动强度大、需要人员多等缺点，己经不适应现 代交通流量大、速度快的特点。近年来许多研究人员开始研究视觉测量技术在交通事故现场处理 中的应用，其基本思想是通过拍摄交通事故现场的图像进行测量，以减 少现场处理的时间，提高勘查的质量和效率；其中，事故现场特征点的 检测是应用视觉测量技术进行交通事故现场处理的一个关键问题，如车 轮与地面接触点的检测，刹车印痕的起点、终点及拐点检测，血迹及地 面散落物的形心和轮廓检测等。这些特征点的检测精度将直接影响测量 的精度和勘查质量。在现有的交通事故现场处理系统中，车轮与地面的接触点主要采取 人工提取的方式。从图6、图7中可以看出，车轮外表面与地面的接触部分在图像中几乎成一条直线段，仅仅依靠人眼很难精确地进行判断。 车胎的充气情况、天气情况、图像的拍摄时间、光照情况等许多外界因 素都会影响人眼对车轮与地面接触点的判断。比如，在晚上光线不足的 情况下，仅仅依靠人眼很难在图像中判断车轮与地面的接触点；在雨天 拍摄的图像由于车轮和地面的颜色变得非常接近而使人眼难以辨认。而 雨天和晚上又恰恰是交通事故的多发期，因此利用计算机视觉技术和图 像处理技术进行车轮与地面接触点的自动检测具有重要的应用价值和 研究意义。发明内容现有的交通事故现场处理的视觉测量技术，获取事故现场特征点， 由于交通事故现场的环境限制，会使获得这些特征点的检测精度不高， 将直接影响测量的精度和勘査质量，为了解决现有技术的问题，本发明 的目的是提供一种在交通事故现场处理系统的车辆定位、现场平面图 生成车轮与地面接触点自动检测方法及装置。为了实现本发明的目的，本发明是提供一种车轮与地面接触点的自 动检测方法，其实现步骤如下步骤l:建立摄像机内参数模型，获得摄像机的内参数矩阵，用于 在交通事故现场拍摄的任意图像经过简单计算，获得摄像机的内参数；步骤2:根据交通事故现场的情况自动地调节摄像机的有效焦距， 用于获得清晰的现场图像；步骤3:对每幅现场图像的摄像机内参数重新进行估计；步骤4:对含有车轮的现场图像进行处理，提取车轮图像的主轮廓线；步骤5:确定车轮中心投影点和垂直消影点，用于获取中心投影点 和垂直消影点的投影直线；步骤6:在投影直线上寻找车轮与地面的接触点。优选地，所述车轮与地面的接触点，是在三维空间中车轮与地面的 接触点在图像上的投影。优选地，所述车轮中心投影点是检测车轮图像主轮廓线的中心来近似车轮中心点的图像；垂直消影点是在垂直于地面方向的直线的消影 点。优选地，所述三维空间中车轮与地面的接触点是 在三维空间中车轮与地面的接触点位于过车轮中心点且垂直于地 面的直线上，在图像中车轮与地面的接触点位于直线的投影直线上；车轮中心投影点与垂直消影点的连接直线为投影直线，得到垂直消影点和车轮中心投影点后，直线唯一确定；在车轮图像中从车轮中心投影点幵 始沿直线指向地面的方向寻找梯度变化最大的像素点，则该点即为车轮 与地面的接触点。优选地，所述车轮与地面的接触点的确定，根据图像中车轮的个数 和分布情况确定车轮与地面的接触点步骤包括当图像中只有一个车轮时，根据调和共轭的性质对车轮中心点所对 应的图像点和垂直消影点进行优化，获得车轮与地面的接触点；对于单幅图像、多个车轮的情况当图像中存在分别位于不同车辆 的多个车轮时，对每个车轮分别进行优化；当图像中存在位于同一辆车的两个车轮时，两个车轮中心点连线方 向的消影点必位于回字形模板所在的平面兀的消影线上，根据调和共轭 和消影线的性质，同时优化两个车轮与地面的接触点。优选地，所述的估计步骤还包括利用放置在地面上的回字形模板 来估计模板平面与回字形模板像平面之间的单应矩阵；利用单应矩阵来 测量地平面上任意两点间距离，用来确定摄像机的当前有效焦距、摄像 机外参数和垂直消影点。优选地，提取车轮图像主轮廓线步骤包括在提取车轮中心投影点 之前，把原始的彩色车轮图像变为灰度图像，依次利用维纳滤波去除图 像噪声、直方图均衡化增强图像对比度、填充图像中的孔洞，最后，利用Carmy边缘检测算子提取车轮图像的轮廓线，去掉其中较小的连通区 域，从而得到车轮图像的主轮廓线。优选地，对于检测到的车轮主轮廓线，利用基于弦中点的椭圆中心 检测方法来确定车轮中心投影点，具体步骤包括利用椭圆上任意一点与椭圆上的其它点的连线构成椭圆的一组弦，则这组弦的中点构成的椭圆即为原椭圆在该点的内切椭圆；任意通过椭 圆中心的弦都被椭圆中心平分，椭圆上任意一点的内切椭圆必过椭圆的 中心，通过椭圆中心的内切椭圆的数量要多于其它位置；利用椭圆上所 有点的内切椭圆必经过椭圆中心这一性质，通过检测累加器的最大值来 确定椭圆的中心点即为车轮中心投影点。优选地，在检测时对车轮与地面的接触点的约束条件在直线指向地面的方向上，接触点前面的",个点必须是黑色的，且接触点的灰度值 与后面的 个点的灰度值之差必须大于阈值r"本发明的有益效果或优点本发明提出了一种单幅图像、单个车轮情况下接触点的自动检测方 法，它主要利用车轮与地面的接触点必位于过车轮中心的像点和垂直消 影点的直线上这一性质进行检测。该方法可以代替实际应用中主要采用 人工提取车轮与地面接触点的方式，比较有效地克服了传统检测方式中 劳动强度大、易受外界因素影响等缺点，满足系统自动处理的需要。大 量图像的实验结果均验证了该方法的有效性。解决交通事故现场的环境 限制，使获得特征点的检测精度提高。本发明能在交通事故现场处理车 辆定位、自动生成现场平面图。
图1本发明中回字形模板示意2本发明中圆与调和共轭的示意3本发明中车轮图像预处理及特征点检测示意4本发明中椭圆任一点的内切椭圆示意5本发明中椭圆不同点的内切椭圆示意6本发明中图像中只有一个车轮时的实验结果示意7本发明中图像中含有同一辆车两个车轮时的实验结果示意图具体实施方式
下面将结合附图对本发明加以详细说明，应指出的是，所描述的实 施例仅旨在便于对本发明的理解，而对其不起任何限定作用。1、 一些预备知识 1. 1摄像机标定本发明中的符号规定如下， 一个图像点坐标为一个三维 空间点在摄像机坐标系中的坐标表示为p-^义zf 。它们对应的齐次 坐标形式分别是* = (^,1/与。摄像机模型使用透视投影模型，则根据中心投影原理有<formula>formula see original document page 9</formula>(1)其中，A为非零尺度因子，^是摄像机的内参数矩阵，/是有效 焦距，S是倾斜因子，《是像素的纵横比，("。,v。f为摄像机的主点坐标。兄r是摄像机的外参数，分别表示世界坐标系到摄像机坐标系的旋转矩阵和平移向量。在实际应用过程中，我们需要根据交通事故现场的情况自动地调节 摄像机的有效焦距，在拍摄图片时，只需把摄像机设置为自动对焦，即 可以得到清晰的现场图片。因此，本发明给出的方法必须对每幅现场图像的摄像机内参数都重新进行估计。由于摄像机的主点坐标("。，v。f 、像素的纵横比a、倾斜因子s只与摄像机的制造工艺有关， 一般不随有 效焦距/的变化而变化，故可事先对摄像机的这些参数进行标定以简化 摄像机内参数模型。在实际应用中，仅需要标定有效焦距/。在摄像机内参数K,广、《均已知且假设5为0的情况下(当5不为0时，也可以预先进行标定)，摄像机的内参数矩阵可简化为<formula>formula see original document page 9</formula>(2)当"回"字形模板平面与回字形模板像平面之间的单应矩阵//已知 时，有效焦距/可以很方便地得到。由于本发明主要研究车轮与地面接 触点的检测方法，故这里不对/的确定进行介绍，具体有效焦距的实现 方法可查阅相关参考文献。1.2回字形模板及模板平面的单应矩阵在交通事故现场处理系统中，用放置在地面上的回字形模板来估计 模板平面与其像平面之间的单应矩阵// (Homography)。在测量模块中，行重构操作，得到指纹细节点模板。由外部存储器接口功能单元54 保存至外部指纹存储芯片中。至此，完成一次指纹注册操作，同时FPGA芯片4将注册成功信息通过串行通讯电路5发送到计算机。在指纹匹配操作过程中，本装置首先从用户输入的指纹图像提取 出指纹模板。然后通过控制外部存储器接口功能单元54从外部指纹存 储芯片中依照保存的顺序读取一枚指纹模板数据。在细节点匹配功能 单元57中完成指纹匹配，求出两枚指纹模板相似度数值，并且与预先 设置的阈值比较。如果匹配数值大于阚值，则表明输入用户是已注册 用户，FPGA芯片4将匹配成功信息通过串行通讯电路5发送到计算 机。如果匹配数值小于阈值，则表明输入用户指纹模板与本次读取的 指纹模板不匹配。此时，外部存储器接口功能单元54将按顺序从外部 指纹存储芯片中读取下一枚指纹模板数据，传送到细节点匹配功能单 元57中，进行再一次指纹匹配。如果外部存储芯片中所有的指纹模板 与输入用户的指纹模板都不匹配，则表明当前用户不是已注册用户， FPGA芯片4将匹配失败信息通过串行通讯电路5发送到计算机。该装置使用Verilog硬件描述语言在Xilinx公司的xc2v8000芯片 上测试，测试时FPGA外部时钟为70MHz，使用的FPGA芯片4的资 源大约为34%。经过测试注册一枚指纹所需的平均时间为1秒，两枚 指纹模板匹配所需的平均时间为1毫秒。以上所述，仅为本发明中的具体实施方式
，但本发明的保护范围 并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内， 可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此， 本发明的保护范围应该以权利要求书的保护范围为准。交比是射影变换下的不变量，如本发明中圆与调和共轭的示意图， 图2所示，令通过圆心0的直线与圆的交点分别为点化/>2，该直线上的 无穷远点为&。根据交比的定义可知，点/^，0上的交比",&;0上)"1。此时，点尸!,尸2与o,/^称作调禾口共辄(Harmonic Conjugate)。2.车轮与地面接触点的检测方法 2.1基本原理在不加其它说明的情况下，本发明中"车轮与地面的接触点"指三 维空间中车轮与地面的接触点在图像上的投影点；"车轮中心投影点"指车轮中心点在图像上的投影点。由于在三维空间中车轮与地面的接触 点位于过车轮中心点且垂直于地面的直线"上，故在图像中车轮与地面 的接触点必位于直线^的投影直线上。由消影点的性质可知，车轮中心 投影点与垂直消影点的连线即为直线^的投影直线"因此，本发明给 出的接触点检测方法的主要步骤有1) 对车轮图像进行处理，提取车轮图像的主轮廓线。2) 确定车轮中心投影点和垂直消影点。3) 在得到的投影直线/e上寻找车轮与地面的接触点。4) 为了进一步提高接触点的检测精度，我们还根据图像中车轮的 个数和分布情况提出了两种不同的优化方案。2.2车轮图像的主轮廓线提取与车轮中心投影点检测根据圆的透视投影性质可知，圆的图像为椭圆，但是圆心的图像一 般不是椭圆的中心。在实际应用中发现，由于车轮的外形各异，很难找 到一个有效、鲁棒的方法来检测圆心的图像。而在大多数情况下，椭圆 中心可近似认为是圆心所对应的图像点。因此，在本发明所述的方法中 通过即车轮中心投影点。如图3本发明中车轮图像预处理及特征点检测示意图所示 在提取车轮中心投影点之前，我们需要对车轮图像进行预处理。首 先，我们把原始的彩色车轮图像变为灰度图像，'如图3 (1)所示。然 后，依次利用维纳滤波去除图像噪声、直方图均衡化增强图像对比度、 填充图像中的孔洞，处理后的图像如图3 (2)所示。这里填充孔洞的目的是为了减弱车轮内圈花纹对下一步边缘提取的影响，以便更好地提取车轮的主轮廓线。最后，我们利用Ca皿y边缘检测算子提取车轮图像的轮廓线，去掉其中较小的连通区域，从而得到车轮图像的主轮廓线。 由于受光照、路况等外界因素的影响，在图像中我们往往不能鲁棒地提 取出车轮外圈的边缘，而对于车轮内圈边缘的提取则相对稳定得多(一般来说，内圈是银色的，与地面颜色存在较大差异；外圈是黑色的，与 地面颜色的差异较小)，如图3 (3)所示。因此，这里车轮图像的主轮 廓线是指车轮内圈边缘在图像中所对应的椭圆。对于检测到的车轮主轮廓线，利用基于弦中点的椭圆中心检测方法 来确定车轮中心投影点^。如本发明中椭圆任一点的内切椭圆图4所 示，椭圆上任意一点与椭圆上的其它点的连线构成椭圆的一组弦，则这 组弦的中点构成的椭圆即为原椭圆在该点的内切椭圆。由于任意通过椭 圆中心的弦都被椭圆中心平分，故椭圆上任意一点的内切椭圆必过椭圆 的中心，通过椭圆中心的内切椭圆的数量要多于其它位置，如本发明中 椭圆不同点的内切椭圆图5所示。因此，我们可利用椭圆上所有点的内 切椭圆必经过椭圆中心这一性质，通过检测累加器的最大值来确定椭圆 的中心点。与一般的Hough变换的方法相比，这种方法具有较快的检测 速度和较高的检测精度，同时又对边缘噪声具有一定的抗干扰能力，检 测结果如图3 (3)所示。 2.3车轮与地面接触点的检测令过垂直消影点"与车轮中心投影点 的直线为/。，则直线^在三 维空间中对应的直线^必通过车轮中心点且垂直于地面。因此，车轮与 地面的接触点必在直线/,上。通过上面的步骤得到垂直消影点&和车轮 中心投影点^后，直线/,可唯一确定。我们在车轮图像中从车轮中心投 影点《t开始沿直线4指向地面的方向寻找梯度变化最大的像素点，则该 点即为车轮与地面的接触点 。为了提高检测算法的鲁棒性，我们在检 测时对车轮与地面的接触点w,加了以下约束条件在直线/J旨向地面的 方向上，接触点^前面的。个点必须是黑色的，且接触点^的灰度值与 后面的 个点的灰度值之差必须大于阈值r"这里点的个数",、 和阈 值w的值是由我们根据大量实验得到的公式自动计算的，不需要人工干预。换句话说，当给定一幅新的车轮图像后，程序会根据当前车轮图像的大小和灰度分布自动计算《,、 "2和r"检测结果如图3 (4)所示。 2.4迭代优化在2. 2节中我们已经介绍，圆心的图像并不一定是椭圆的中心点。 因此，有必要探讨如何利用图像中的射影不变量和几何约束来进一步优 化检测结果。针对图像中车轮的个数和分布情况，提出了两种优化方案。 当图像中只有一个车轮时，根据调和共轭的性质对车轮中心点所对应的 图像点^和垂直消影点&进行优化，从而进一步提高车轮与地面的接触点m,的检测精度。定义目标函数如下其中，w 、 ^分别为直线/￡与车轮内圈的两个交点。利用与2.2节类似 的方法在直线^上检测点 和^，如图3 (5)所示。这里需要说明的一点是在每次迭代优化过程中，都要根据目标函数调整点 和"的坐标值并生成新的直线/e，然后在直线上重新检测点 和w。在算法收敛 后，利用优化后的图像点 和々的坐标值重新计算车轮与地面的接触点 ,",，从而提高算法的精度。本发明重点研究基于单幅图像对单个车轮的接触点的自动检测方 法，但是在实际应用中，也经常会遇到单幅图像、多个车轮的情况。在 这种情况下，车轮图像中可能会存在一些新的约束关系。下面我们将对 单幅图像、多个车轮的不同情况分别进行讨论。当图像中存在分别位于 不同车辆的多个车轮时，仍采用上述方法对每个车轮分别进行优化。当 图像中存在位于同一辆车的两个车轮时，两个车轮中心点连线方向的消 影点必位于回字形模板所在的平面兀(地面)的消影线上。此时，根据 调和共轭和消影线的性质同时优化两个车轮与地面的接触点。假设两个 车轮的中心点图像分别为^、 ，它们与地面的接触点分别为,和 。令过点 和^2的直线为一，过点,和^2的直线为/,2，则直线^和^均 平行于平面"令直线^和/,2的交点为点气，则点 为直线/p, (y)的消影点。由1.3节消影点和消影线的性质可知，消影点 必位于平面;r的消影线/y上。此时，定义目标函数如下min[w:/v + (/7^，,；wcl,v:) + (wwI,,，ci，v:) + 2] (6)其中， 、,为直线/d与其对应车轮内圈的两个交点， 2， 2为直 线^与其对应车轮内圈的两个交点。同样，在优化过程中不断调整 、 2和vz的值，以达到最终优化车轮与地面的接触点,和,的目的。3、应用实例本发明方法从数学上完全可以证明其正确性。本发明所有的实验都 是在Intel Pentium 4 2. 4GHZ的计算机上实现的，所有的实验图像均 由Nikon Coolpix5700数码相机拍摄，图像分辨率为2560x1920 。实验 中，对回字形模板图像，利用Carmy边缘检测算子提取图像的边缘，并 通过最小二乘法将提取的边缘拟合成直线。对车轮图像，利用本发明给 出的方法提取车轮与地面的接触点，并根据实际情况选择优化方案进行 优化。由于图像的拍摄质量会对检测结果有比较大的影响，为了验证本 发明所述方法的鲁棒性，我们分别对200多幅在不同时间、不同天气情 况下、不同类型车的图像使用上述方法进行了实验。其中，晴天的图像 有78幅(分别在上午、中午、下午进行拍摄)，阴天的图像有23幅， 雨天的图像有38幅，晚上拍摄的图像有126幅。由于篇幅限制，在这 里图6仅仅给出了本发明中图像中只有一个车轮时的实验结果，图7仅 仅给出了本发明中图像中含有同一辆车两个车轮时的实验结果。图6是图像中只有一个车轮时的实验结果示意图，其中，图6(1) 为阴天时拍摄的图像，图6 (2)和图6 (3)为晚上拍摄的图像，图6 (4)和图6 (5)是雨天拍摄的图像，图6 (6)为晴天时拍摄的图像。 图7是图像中含有同一辆车的两个车轮时的实验结果示意图，其中，图 7 (1)为晴天时拍摄的图像，图7 (2)、图7 (3)和图7 (4)为晚上 拍摄的图像，图7 (5)和图7 (6)是雨天拍摄的图像。图中，绿色的 点为车轮的中心点和车轮与地面的接触点，红色的线为车轮的中心点与 垂直消影点的连线，蓝色的点和黄色的线分别为它们优化后的结果。从图6、图7可以看出，本发明所述的方法能够较准确地检测出车轮与地 面的接触点；由于本发明根据回字形模板求出的垂直消影点已经比较精 确，故在两种情况下优化对结果的提高都不是很大，但优化也不会使结 果变坏且耗时一般都在10s以下。在一般情况下，初始检测结果已经能够满足系统的需要。但是从图6 (5)我们可以看出，对于一些车轮中心点或垂直消影点提取不精确的情况，经过优化会使检测精度得到一定 程度上的提高。因此，在系统允许的情况下，我们可根据图像中车轮的 个数和分布情况选择优化方案，以进一步提高检测结果的精度。以上所述，仅为本发明中的具体实施方式
，但本发明的保护范围并 不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理 解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发 明的保护范围应该以权利要求书的保护范围为准。
权利要求
1. 一种车轮与地面接触点的自动检测方法，实现步骤包括步骤1建立摄像机内参数模型，获得摄像机的内参数矩阵，用于在交通事故现场拍摄的任意图像经过简单计算，获得摄像机的内参数；步骤2根据交通事故现场的情况自动地调节摄像机的有效焦距，用于提取清晰的现场图像；步骤3对每幅现场图像的摄像机内参数重新进行估计；步骤4对含有车轮的现场图像进行处理，提取车轮图像的主轮廓线；步骤5确定车轮中心投影点和垂直消影点，用于获取中心投影点和垂直消影点的投影直线；步骤6在投影直线上寻找车轮与地面的接触点。
2、 根据权利要求l所述的自动检测方法，其特征在于，所述车轮 与地面的接触点，是在三维空间中车轮与地面的接触点在图像上的投 影。
3、 根据权利要求l所述的自动检测方法，其特征在于，所述车轮 中心投影点是检测车轮图像主轮廓线的中心来近似车轮中心点的图 像；垂直消影点是在垂直于地面方向的直线的消影点。
4、 根据权利要求2所述的自动检测方法，其特征在于，所述三维 空间中车轮与地面的接触点是在三维空间中车轮与地面的接触点位于过车轮中心点且垂直于地面的直线上，在图像中车轮与地面的接触点位于直线的投影直线上；车轮中心投影点与垂直消影点的连接直线为投影直线，得到垂直 消影点和车轮中心投影点后，直线唯一确定；在车轮图像中从车轮中心投影点开始沿直线指向地面的方向寻找 梯度变化最大的像素点，则该点即为车轮与地面的接触点。
5、 根据权利要求l所述的自动检测方法，其特征在于，所述车轮与地面的接触点的确定，根据图像中车轮的个数和分布情况确定车轮与地面的接触点步骤包括当图像中只有一个车轮时，根据调和共轭的性质对车轮中心点所 对应的图像点和垂直消影点进行优化，获得车轮与地面的接触点；对于单幅图像、多个车轮的情况当图像中存在分别位于不同车 辆的多个车轮时，对每个车轮分别进行优化；当图像中存在位于同一辆车的两个车轮时，两个车轮中心点连线 方向的消影点必位于回字形模板所在的平面"的消影线上，根据调和共 轭和消影线的性质，同时优化两个车轮与地面的接触点。
6、 根据权利要求l所述的自动检测方法，其特征在于，所述的估 计步骤还包括利用放置在地面上的回字形模板来估计模板平面与回字形模板像 平面之间的单应矩阵；利用单应矩阵来测量地平面上任意两点间距离，用来确定摄像机 的当前有效焦距、摄像机外参数和垂直消影点。
7、 根据权利要求l所述的自动检测方法，其特征在于， 提取车轮图像主轮廓线步骤包括在提取车轮中心投影点之前，把原始的彩色车轮图像变为灰度图 像，依次利用维纳滤波去除图像噪声、直方图均衡化增强图像对比度、填充图像中的孔洞；最后，利用Carmy边缘检测算子提取车轮图像的轮廓线，去掉其 中较小的连通区域，从而得到车轮图像的主轮廓线。
8、 根据权利要求l所述的自动检测方法，其特征在于，对于检测 到的车轮主轮廓线，利用基于弦中点的椭圆中心检测方法来确定车轮 中心投影点，具体步骤包括利用椭圆上任意一点与椭圆上的其它点的连线构成椭圆的一组 弦，则这组弦的中点构成的椭圆即为原椭圆在该点的内切椭圆；任意通过椭圆中心的弦都被椭圆中心平分，椭圆上任意一点的内 切椭圆必过椭圆的中心，通过椭圆中心的内切椭圆的数量要多于其它利用椭圆上所有点的内切椭圆必经过椭圆中心这一性质，通过检 测累加器的最大值来确定椭圆的中心点即为车轮中心投影点。
9.根据权利要求l所述的自动检测方法，其特征在于，在检测时 对车轮与地面的接触点的约束条件在直线^指向地面的方向上，接触点前面的",个点必须是黑色的，且接触点的灰度值与后面的巧个点的灰 度值之差必须大于阈值。
全文摘要
本发明公开一种车轮与地面接触点的自动检测方法，建立摄像机内参数模型，获得摄像机的内参数矩阵，用于在交通事故现场拍摄的任意图像经过简单计算，获得摄像机的内参数；根据交通事故现场的情况自动地调节摄像机的有效焦距，用于提取清晰的现场图像；对每幅现场图像的摄像机内参数重新进行估计；对含有车轮的现场图像进行处理，提取车轮图像的主轮廓线；确定车轮中心投影点和垂直消影点，用于获取中心投影点和垂直消影点的投影直线；在投影直线上寻找车轮与地面的接触点。本发明代替实际应用中主要采用人工提取车轮与地面接触点的方式，比较有效地克服了传统检测方式中劳动强度大、易受外界因素影响等缺点，满足系统自动处理的需要。
文档编号G06T7/00GK101226637SQ20071006282
公开日2008年7月23日 申请日期2007年1月18日 优先权日2007年1月18日
发明者慧 曾, 胡占义, 谭博怡, 赵训坡 申请人:中国科学院自动化研究所