一种基于视频图像处理的室内车辆定位导航系统及方法与流程

本发明属于智能停车系统中的车辆定位技术领域，具体涉及一种基于视频图像处理的室内车辆定位导航系统及方法，实现实时定位。

背景技术：

随着我国经济建设的发展,私家车拥有量越来越多,对大型停车场的需求也越来越大,同时大规模地下停车场存在着地形复杂、空位难找、线路不清晰等问题。因此,提高地下停车场的车辆定位准确度和车位利用率备受各界关注。

gps技术是常用的导航系统，但gps应用于室内时，信号易被遮挡，定位精度会受到非常大的影响，甚至失效；ibeacon技术弥补了gps技术的不足，为用户提供一种低成本、更省电的定位追踪技术，能根据用户的位置和需求，通过移动终端应用程序提供智能化电子服务。由于ibeacon比较小，不能远程，维护难度大，不易管理；wifi定位是利用现有的无线网络，配合wifi标识和相关的移动设备如手机、电脑等，再结合相应定位算法，实现的定位系统。在城市中空间中任何一点至少能即受到一个ap信号，热点只要通电，不管怎么加密，都会向周围发射信号，定位会有很大误差。

与目前使用的室内定位导航系统相比，本系统替代无线局域网基站发射信号，传输速度快，只要在室内灯光照射的地方，都可以实现长时间的上传高清晰画像和动画等数据。系统接收端选择为摄像头，通过摄像头的拍摄来确定车辆与摄像头的相对远近位置，弥补室内信号弱以及后期维护的缺陷，可以实现准确定位。

技术实现要素：

本发明的目的在于：克服现有技术的不足，提供一种基于视频图像处理的室内车辆定位导航系统及方法，采用基于摄像头的室内定位技术，不仅结构简单、适用性广、操作方便，而且还可以推广进行不同环境下的运动目标检测与跟踪。

为实现以上目的，本发明解决关键技术问题的技术方案：

一种基于视频图像处理的室内车辆定位导航系统，其特征在于包括：图像采集装置、服务器、车辆用户终端和通信设备；所述图像采集装置用于捕捉移动中的车辆，利用通信设备向位于后台的服务器实时传输图像数据；车载用户终端内有室内停车场的电子地图，电子地图中有图像采集装置的位置信息，图像采集装置的位置信息也会标注在服务器中；图像采集装置获取的运动车辆信息通过通信设备发送给服务器，后台的服务器经过图像处理算法提取和跟踪目标车辆，通过几何关系运算获取车辆位置，然后向车辆用户终端发送用户车辆的位置；同时服务器还向用户推送车位信息和用户选择的空车位信息，以及从用户车辆位置到用户选择的空车位位置的导航信息，从而实现停车场内车辆的实时定位导航。

所述图像采集装置由多个摄像机组成，每个摄像机被固定，并向下有一定的倾斜角度。

所述服务器中，经过图像处理算法提取和跟踪目标车辆如下：

(1)混合高斯模型建模，通过计算一段时间内图像采集装置采集的视频序列图像中各个像素点的平均灰度值和像素方差，对每一个像素点用k个高斯分布构成高斯混合模型来建模，k值取3-5；

(2)更新模型，在时刻t对图像帧的每个像素与混合高斯模型中的k个高斯分布匹配，对于不匹配的高斯分布，则它们的均值和协方差矩阵不变；匹配的高斯分布需要更新每个高斯分布的参数和各高斯分布的权重，根据权重把各高斯分布排序，加入新的高斯分布进行模型更新；

(3)前景检测，利用步骤(2)得到的权重与标准差的比值将每个像素的k个高斯分布进行降序排序，由于最有可能描述稳定背景过程的高斯分布位于序列前面，取前b个高斯分布作为背景模型，当前时刻的每一个像素值与得到的前b个高斯分布进行匹配，存在匹配，该像素点则为背景点；否则该像素被检测为运动目标，即为运动车辆；

(4)目标车辆跟踪定位，以步骤(3)获取的前景为初始目标车辆信息，采用camshift算法与卡尔曼滤波器算法相结合，实现对后续时刻运动车辆的准确识别与定位，从而完成目标车辆跟踪定位。

所述服务器中，通过几何关系运算获取车辆位置坐标的计算过程如下：

(1)根据摄像头针孔模型和摄像头位置、安装角度和获取的视频图像基本参数计算摄像机垂直视角与地平面y轴的最大夹角α和最小夹角β，以及摄像机水平视角在水平视角的投影与地平面y轴夹角γ；

α＝arctan(h/y1)

β＝arctan(h/(y1+y2))

γ＝acrtan(x1/y1)

(2)根据步骤(1)计算结果确定目标在图像中的实际坐标p(x，y)，x，y分别表示运动目标在停车场的坐标位置，

所述车辆用户终端为手机、车载终端、平台电脑。

所述的通信设备为无线通信设备，置于用户终端内部。

一种基于视频图像处理的室内车辆定位导航方法，实现如下：室内停车多处均安装置有摄像机，用于捕捉移动中的车辆，利用摄像头向后台的服务器实时传输图像数据；车载用户终端内有室内停车场的电子地图，电子地图中有摄像机的位置信息，摄像机的位置信息也会标注在后台的服务器上，摄像机获取的运动车辆信息发送给后台的服务器，服务器经过图像处理算法提取和跟踪目标车辆，通过几何关系运算获取车辆位置，并向车辆用户终端发送用户车辆的位置；同时服务器还向用户推送车位信息和用户选择的空车位信息，以及从用户车辆位置到用户选择的空车位位置的导航信息，从而实现停车场内车辆的实时定位导航。

本发明与现有技术相比的优点在于：采用以上的技术方案，监控摄像与运动车辆的结合，服务端向用户推送停车场的空车位信息，确定用户车辆位置和用户选择的空车位信息，从用户车辆位置到用户选择的空车位位置的导航信息。从而实现停车场内车辆的实时定位导航，为车主提供一种找车位，智能停车的解决方案，可以很好的利用停车场监控摄像资源，提高停车效率，实用性强，可以更好的服务于车主。

附图说明

图1显示了本发明测量原理图；

图2显示本发明的室内车辆定位导航流程图。

具体实施方式

下面通过实施方式结合附图对本发明作进一步说明。

如图1所示，本发明基于视频图像处理的室内车辆定位导航系统，包括图像采集装置、服务器、车辆用户终端(手机，车载终端、平台电脑等)、通信设备，图像采集装置为多个摄像，每个摄像机被固定在一定的位置上，并向下有一定的倾斜角度(30度-50度)。本发明所述的室内车辆定位导航系统实现流程如下：室内停车场多处均安装置有摄像机，用于捕捉移动中的车辆，利用摄像头向后台的服务器实时传输图像数据；车载用户终端内有室内停车场的电子地图，电子地图中有摄像机的位置信息，摄像机的位置信息也会标注在后台的服务器上，摄像机获取的运动车辆信息发送给后台的服务器，服务器经过图像处理算法提取和跟踪目标车辆，通过几何关系运算获取车辆位置，并向车辆用户终端发送用户车辆的位置；同时服务器还向用户推送车位信息和用户选择的空车位信息，以及从用户车辆位置到用户选择的空车位位置的导航信息，从而实现停车场内车辆的实时定位导航。

几何关系运算获取车辆位置，图1为获取车辆坐标，摄像机被固定，并向下有一定的倾斜角度(通常取30度-50度)。p(x,y)点为车辆位置，p(μ，ν)为其在摄像机成像平面上的特征点的像平面坐标。h是摄像机到地面的垂直距离，y1是摄像机垂直视角投影在地面上的最近距离，y1+y2是摄像机垂直视角投影在地面上的最远距离，x1是当摄像机垂直视角在地面上的距离最近时，其水平视角投影在地面上的距离。α(0°＜α＜50°)和β(0°＜β＜10°)分别为摄像机垂直视角与地平面y轴的最大和最小夹角，γ(0°＜γ＜45°)是摄像机水平视角在水平视角的投影与地平面y轴夹角。

图1所示，由摄像机真空模型的几何关系可知，h，y1，y2和x1的值可以测量的情况下，图中α，β，γ的大小可以很方便求出。得出的α，β，γ角后可以进一步求出目标p(x，y)在坐标系下的横纵坐标x和y。推导关系式如下：

α＝arctan(h/y1)

β＝arctan(h/(y1+y2))

γ＝acrtan(x1/y1)

上式中，u，v分别表示目标特征在图像平面上的行数和列数，sx和sy分别表示图像平面在x和y方向上的总行数和列数。

图像算法获取目标实现实时跟踪，根据混合高斯算法，通过计算一段时间内图像采集装置采集的视频序列图像中各个像素点的平均灰度值和像素方差，对每一个像素点用k个(k值取3-5)高斯分布构成高斯混合模型来建模，这些高斯分布的一部分表示运动目标的像素值，另一部分表示背景的像素值。高斯分布函数可以用下式表示：

式中xi,t为颜色点的变量，d表示xi,t的维数(灰度图像的混合高斯背景建模时通常取d＝1)，μi,t为均值，σi,t为协方差矩阵，且(ωi,t为权重)。

然后更新高斯模型，在时刻t对当前帧的每个像素与混合高斯模型中的k个高斯分布匹配，对于不匹配的高斯分布，则它们的均值和协方差矩阵不变；匹配的高斯分布需要更新每个高斯分布的参数和各高斯分布的权重，更新高斯分布可以按照如下式进行更新均值和标准差：

ωi,t＝(1-α)ωi,t-1+αmi,t

μi,t＝(1-β)μi,t-1+β

其中α(0≤α≤1)为自定义的更新率，β是参数学习率，σi,t为标准差。如果当前像素点颜色变量与其混合高斯模型的所有分布都不匹配，则将其混合高斯模型中权重最小的那个模型用新的模型代替。新的模型以xi,t为均值，并初始化一个较大的标准差σ0和一个较小的权重。剩下的模型保持原来参数不变，但权重会衰减，按照下式更新：ωi,t＝(1-α)ωi,t-1

运动车辆的检测提取即前景检测，根据新的像素值把混合高斯模型的所有参数更新，按照的比值大小对每个像素的k个高斯分布进行降序排序，由于最有可能描述稳定背景过程的高斯分布位于序列前面，取前b个高斯分布作为背景模型，剩下的作为前景模型。

其中τ是全值阈值(通常为0.7)，表示能够描述场景背景的高斯分布权重之和的最小值。将当前时刻的每一个像素值xi,t与得到的前b个高斯分布进行匹配，存在匹配，该像素点则为背景点；否则该像素被检测为运动目标，即为运动车辆。

b代表高斯分布个数，t表示时间，i表示高斯分量，wi,j表示t时刻第i个高斯分量的加权系数，也即权重。

最后实现目标车辆跟踪定位，根据前景检测获取的运动前景目标获取初始目标车辆信息，采用camshift算法与卡尔曼滤波器算法相结合，实现对后续时刻运动车辆的准确识别与定位，从而完成目标车辆跟踪定位。

将实时获取到的运动车辆以及通过几何关系得到的车辆坐标信息定位显示在用户车辆终端，接下来需要获取停车场空车位信息。如图2所示，整个流程为车辆进入停车场后台将空车位信息发送给用户，用户根据后台发送车辆坐标和空车位信息选择空车位，并根据后台提供的导航信息，实现快捷停车，以此系统帮助用户实现车辆定位和导航。

作为本发明的改进，服务端将车位信息存放在后台，当用户需要找车时，可以向服务端发出请求，服务端检索与待查车辆信息绑定的车位信息发送给用户，并根据用户的位置，向用户推送导航路线，用户终端显示车位信息和导航信息。从而为方便用户找车提供一种可能。

更进一步，根据摄像头获取的停车场信息，可以判断车位信息和车辆移动信息，保证停车场中车位的实时更新，方便其他用户停车。此外可以根据车主距离空车位或者停车场出口远近为车主推送基于距离停车的最优选择，节省车主停车时间的同时也方便车主离开停车场。

提供以上实施例和对本发明的进一步改进说明仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。