一种道面图像检测用相机的偏置位置的测量方法与流程

本发明涉及道面检测技术领域，尤其是一种道面图像检测用相机的偏置位置的测量方法。

背景技术：

本文所述的相机特指搭载在道面检测机器人，用于对道面进行图像拍摄；其中，道面包括机动车道、非机动车道、飞机起降航道等等；在采集图像数据过程中，相机给每一幅图标定一个位置标签，后续的使用中，根据位置标签，结合图像特征点匹配结果，将所有图片拼接成一张大图。目前，现有技术是使用物理方式测量机器人的位置标定器的位置和采集的图像数据的图形中心的位置，其存在较大误差。另外，市面上并未涉及到关于道面检测用相机的偏置位置的测量方法。

技术实现要素：

针对上述问题，本发明的目的在于提供一种道面图像检测用相机的偏置位置的测量方法，本发明采用的技术方案如下：

一种道面图像检测用相机的偏置位置的测量方法，包括以下步骤：

步骤s1，对道面检测机器人采集的图像进行光照补偿和畸变校正处理；所述道面检测机器人采用栅状折返方式采集道面的图像；任一图像具有一初始位置标签，并采用组合方式获得原始大图reslmg。

步骤s2，求得同一道相邻的图像之间的重叠率，根据重叠率提取并匹配相邻的图像的重合部分的匹配特征点对。

步骤s3，根据匹配的重叠区域的特征点，以同一道的第lmg_i幅图的位置为基准，计算第lmg_i+1幅图的所有匹配的特征点对的位置偏移的平均值(delta_x，delta_y)；所述i为大于等于1的自然数。

步骤s4，以同一道的第lmg_i幅图的位置为基准，将lmg_i+1幅图移动(-delta_x，-delta_y)；重复步骤s3至s4，直至完成任一道的图像均移动，获得任一图像移动后的位置标签。

步骤s5，计算同一道任一相邻的图像的像素尺寸与实际尺寸的比例尺ppm，其表达式为：

ppm＝l_pixle/l_real

其中，l_pixle表示移动后相邻的图像的重合部分的图像中心的像素坐标间距，l_real表示相邻图像对应的实际中心间距。

步骤s6，求取比例尺ppm的平均值avg_ppm。

步骤s7，根据平均值avg_ppm和任一图像的初始位置标签，组合获得任一图像的初始位置标签不变的大图reslmg1；

步骤s8，求得相邻列的图像的重叠区域，并进行重叠区域的特征点匹配；根据匹配的特征点计算相邻列相邻图像之间的位置偏移的平均值(delta_x1，delta_y1)。

步骤s9，计算相邻列相邻图像之间偏移像素距离l_pixel，其距离坐标为：

l_pixel＝(delta_x1，delta_y1)；

将偏移像素距离l_pixel转换成以米为单位的偏移量l_ldea，其表示为：

l_ldeal＝(delta_x1_ideal，delta_y1_ideal)，

l_ldeal＝l_pixel/avg_ppm。

步骤s10，分别将所述相邻列相邻图像的实际的位置标签偏移l_tag(deltax，deltay)和计算到的偏移量l_ldeal换算至道面检测机器人行进方向，分别标记为l_tag1和l_ldeal1；所述l_tag1的坐标为(delta_x1_real，delta_y1_real)，且所述l_ldeal1的坐标为(delta_x1_ideal，delta_y1_ideal)，并进入步骤s12。

步骤s11，测量道面检测机器人的位置中心与相机中心位置的间距为l_diff。

步骤s12，根据换算至道面检测机器人行进方向的l_tag1和l_ldeal1修正道面检测机器人的位置中心与相机中心位置的间距l_diff，以获得相机偏置距离的修正值delta_diff。

步骤s13，求得任一相邻列的相机偏置距离的修正值delta_diff的平均值，并作为道面检测机器人的当前修正值。

进一步地，所述步骤s1中，道面检测机器人采用栅状折返方式采集道面的图像，任一任务包含有两道任务，并将任一道图片折返起始的图像旋转180°；将道面检测检测机器人行进方向标记为第一方向，且将垂直于第一方向标记为第二方向。

优选地，所述步骤s2中，图像特征点提取采用orb、sift或surf任意之一算法；且图像特征匹配采用knnmatch、ransac或匹配分数任意之一算法，以剔除错误的特征点匹配。

优选地，所述步骤s8中，图像特征点提取采用orb、sift或surf任意之一算法；且图像特征匹配采用knnmatch、ransac或匹配分数任意之一算法，以剔除错误的特征点匹配。

优选地，所述步骤s11中，当道面检测机器人的位置中心与相机中心位置的间距l_diff与真实值的误差范围值在1mm内时，所述位置标签距离为l_tag等于图像的实际的偏移量l_ldeal。

更进一步地，所述步骤s12中，获得相邻列的相机偏置距离的修正值delta_diff，具体步骤如下：

步骤s121，获取先后拍摄的任两张图像，并分别标记为a和b；所述图像a和图像b分别位于不同道中；所述图像a对应的道面检测机器人的初始位置标签为(xa，ya)；所述图像b对应的道面检测机器人的初始位置标签为(xb,yb)。

步骤s122，将图像a和图像b的初始位置标签分别转换到以第一方向、第二方向为坐标基的坐标系，分别获得图像a和图像b的坐标为(xa_new_real，ya_new_real)，(xb_new，yb_new_real)。

步骤s123，将l_ldeal1转换到以第一方向、第二方向为坐标基的坐标系中，其坐标为(delta_x1_ideal,delta_y1_ideal)。

步骤s124，所述相机沿道面检测机器人的行进方向的距离为：

delta_y1_real＝(yb_new_real–delta_diff)-(ya_new_real+delta_diff)。

步骤s125，获得相邻列的相机偏置距离的修正值delta_diff，其表达式为：

delta_diff＝((yb_new_real-ya_new_real)-delta_y1_ideal)/2。

与现有技术相比，本发明具有以下有益效果：

(1)本发明巧妙地采用光照补偿和畸变校正对道面检测机器人采集的图像进行处理，以提高图像采集的清晰度。

(2)本发明的道面检测机器人采用栅状折返方式采集道面的图像，并且将折返起始图像旋转180°，由于道面检测机器人检测的总面积较宽，单一方向路径检测是无法获取全部图像；传统的图像拼接方法无法适用于折返采集的大面积图像拼接。

(3)本发明采用检测并提取相邻的图像的重叠部分的特征点，以获取相对偏移量，如此设计的好处在于：既能减少特征点检测提取的工作量，又能获取图像间的调整量。

(4)本发明通过该orb、sift或surf算法提取重叠部分的特征点，并利用knnmatch、ransac或匹配分数算法，剔除错误的特征点匹配，保证相机的偏置位置的测量更准确。

(5)本发明通过根据相邻列相邻图像的偏移量l_tag1和l_ldeal1修正道面检测机器人的位置中心与相机中心位置的间距l_diff，以获得相机偏置距离的修正值delta_diff。如此设计的好处在于，相机和道面检测机器人中心的偏置距离精度可以到毫米级，保证道面检测更为准确。

综上所述，本发明具有逻辑简单、计算工作量少、准确度高等优点，在道面检测技术领域具有很高的实用价值和推广价值。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需使用的附图作简单介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对保护范围的限定，对于本领域技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明的测量流程图。

图2本发明的同一道图像移动后示意图。

图3为本发明的相邻列相邻图像的示意图。

图4为本发明的相邻列相邻图像的特征点匹配图。

图5为本发明的相机偏置距离修正示意图。

具体实施方式

为使本申请的目的、技术方案和优点更为清楚，下面结合附图和实施例对本发明作进一步说明，本发明的实施方式包括但不限于下列实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例

如图1至图5所示，本实施例提供了一种道面图像检测用相机的偏置位置的测量方法，其包括以下步骤：

第一步，对道面检测机器人采集的图像进行光照补偿和畸变校正处理；所述道面检测机器人采用栅状折返方式采集道面的图像；任一图像具有一初始位置标签，采用组合方式获得原始大图reslmg。任一任务包含有两道任务，并将任一道图片折返起始的图像旋转180°；将道面检测检测机器人行进方向标记为第一方向，且将垂直于第一方向标记为第二方向。

第二步，求得同一道相邻的图像之间的重叠率，根据重叠率提取并匹配相邻的图像的重合部分的匹配特征点对。其中，图像特征点提取采用orb、sift或surf任意之一算法；且图像特征匹配采用knnmatch、ransac或匹配分数任意之一算法，以剔除错误的特征点匹配。由于orb、sift、surfknnmatch、ransac或匹配分数等算法均为现有技术，在此就不予过多赘述。

第三步，根据匹配的重叠区域的特征点，以同一道的第lmg_i幅图的位置为基准，计算第lmg_i+1幅图的所有匹配的特征点对的位置偏移的平均值(delta_x，delta_y)；所述i为大于等于1的自然数。

第四步，以同一道的第lmg_i幅图的位置为基准，将lmg_i+1幅图移动(-delta_x，-delta_y)；重复第三步至第四步，直至完成任一道的图像均移动，获得任一图像移动后的位置标签。

第五步，计算同一道任一相邻的图像的像素尺寸与实际尺寸的比例尺ppm，其表达式为：

ppm＝l_pixle/l_real

其中，l_pixle表示移动后相邻的图像的重合部分的图像中心的像素坐标间距，l_real表示相邻图像对应的实际中心间距。

第六步，求取比例尺ppm的平均值avg_ppm；为减小误差，计算所有道内相邻图像的匹配关系，每匹配上的道内的图像对，都可以计算出计算出ppm，然后便可求得其平均值avg_ppm。跟据计算的ppm以及各图像数据的位置标签，可以决定每张小图在最终的大图上位置，所以，保持原始图像不缩放，将本次测试图像(两道)，生成一个大图resimg，如图2所示。

第七步，根据平均值avg_ppm和任一图像的初始位置标签，组合获得任一图像的初始位置标签不变的大图reslmg1。此时保证，每个图像的位置是没有移动的，保证后续算出来的修正值是在最开始的位置标签的基础上的。

第八步，求得相邻列的图像的重叠区域，并进行重叠区域的特征点匹配；根据匹配的特征点计算相邻列相邻图像之间的位置偏移的平均值(delta_x1，delta_y1)。与第二步相同，图像特征点提取采用orb、sift或surf任意之一算法；且图像特征匹配采用knnmatch、ransac或匹配分数任意之一算法，以剔除错误的特征点匹配。

第九步，计算相邻列相邻图像之间偏移像素距离l_pixel，其距离坐标为：

l_pixel＝(delta_x1，delta_y1)；

将偏移像素距离l_pixel转换成以米为单位的偏移量表示为：

l_ldeal＝(delta_x1_ideal，delta_y1_ideal)，

l_ldeal＝l_pixel/avg_ppm；

第十步，分别将所述相邻列相邻图像的实际的位置标签偏移l_tag(deltax，deltay)和计算到的偏移量l_ldeal换算至道面检测机器人行进方向，分别标记为l_tag1和l_ldeal1；所述l_tag1的坐标为(delta_x1_real，delta_y1_real)，且所述l_ldeal1的坐标为(delta_x1_ideal，delta_y1_ideal)，并进入第十二步；

第十一步，测量道面检测机器人的位置中心与相机中心位置的间距为l_diff。在此，当道面检测机器人的位置中心与相机中心位置的间距l_diff与真实值的误差范围值在1mm内时，所述位置标签距离为l_tag等于图像的实际的偏移量l_ldeal。

第十二步，根据换算至道面检测机器人行进方向的l_tag1和l_ldeal1修正道面检测机器人的位置中心与相机中心位置的间距l_diff，以获得相邻列的相机偏置距离的修正值delta_diff。具体如下：

(1)获取先后拍摄的任两张图像，并分别标记为a和b；所述图像a和图像b分别位于不同道中；所述图像a对应的道面检测机器人的初始位置标签为(xa，ya)；所述图像b对应的道面检测机器人的初始位置标签为(xb,yb)。

(2)将图像a和图像b的初始位置标签分别转换到以第一方向、第二方向为坐标基的坐标系，分别获得图像a和图像b的坐标为(xa_new_real，ya_new_real)，(xb_new，yb_new_real)。

(3)将l_ldeal1转换到以第一方向、第二方向为坐标基的坐标系中，其坐标为(delta_x1_ideal,delta_y1_ideal)。

(4)所述相机沿道面检测机器人的行进方向的距离为：

delta_y1_real＝(yb_new_real–delta_diff)-(ya_new_real+delta_diff)。

(5)获得相邻列的相机偏置距离的修正值delta_diff，其表达式为：

delta_diff＝((yb_new_real-ya_new_real)-delta_y1_ideal)/2。

第十三步，求得任一相邻列的相机偏置距离的修正值delta_diff的平均值，并作为道面检测机器人的当前修正值。

本发明通过特征点匹配的方式获取相邻列相邻图像的的坐标，并根据相邻列相邻图像的偏移量修正道面检测机器人的位置中心与相机中心位置的间距，以获得准确的道面图像检测用相机的偏置位置。与现有技术相比，具有突出的实质性特点和显著的进步，在道面检测技术领域具有很高的实用价值和推广价值。

上述实施例仅为本发明的优选实施例，并非对本发明保护范围的限制，但凡采用本发明的设计原理，以及在此基础上进行非创造性劳动而作出的变化，均应属于本发明的保护范围之内。