基于双目立体视觉的车辆检测系统和方法
【技术领域】
[0001] 本发明设及计算机视觉技术应用领域，具体地说是设及一种基于双目立体视觉的 车辆检测系统和方法。
【背景技术】
[0002] 随着城市交通系统的智能化的发展，对道路交通车辆的检测和统计的需求日益增 加。现有的车辆检测方法主要有超声波、红外、环感应圈检测，但应用中存在抗干扰能力不 强、检测精度不高、无法适应多车道的检测环境W及无法获取到车速、车型等车辆相关参数 等缺陷。而目前基于计算机视觉的车辆检测方法已成为研究热点和未来发展趋势。该类方 法分为：基于单目视觉的方法和基于双目立体视觉的方法。
[0003] 基于单目视觉的方法采用单个摄像机拍摄道路车辆画面，具有图像采集、运动目 标检测、目标跟踪、车辆统计等步骤。该方法成本较低，实施方便。但是，由于很难处理光照 变化、透视效应及遮挡阴影等的影响，造成前景目标的检测困难和前景目标的分割误差，导 致统计精度较差。
[0004] 基于双目立体视觉的方法采用双目摄像机拍摄道路交通视频图像，利用立体视觉 中深度感知原理，从双目视频图像中得到目标的深度信息，再利用深度信息进行前景目标 的检测、分割，进而达到车辆检测的目的。该类方法虽然理论上可W有效地处理光照变化、 透视效应及阴影等所造成的影响。但是，该类方法摄像机标定繁琐，视差匹配和目标分割算 法的计算量大、精度不高，由此得到的车辆检测器的实时性和适应性较差，精度低。
【发明内容】
[0005] 本发明的目的在于针对现有的基于单目视觉车辆检测技术中存在的问题，提供一 种基于双目立体视觉的车辆检测系统和方法，不仅不易受场景光线变化、阴影、透视效应及 遮挡的影响，而且设备简单，算法计算量较低，能有效提高车辆的检测精度和实时性，同时 可获得检测车辆的模型参数（如车高、车长、车速等）。
[0006] 为了达到上述目的，本发明采用的技术方案是：
[0007] 一种基于双目立体视觉的车辆检测系统，包括双目平行摄像机、DSP处理器、通信 模块和上位主机，所述双目平行摄像机包括左摄像机A1、右摄像机A2，分别与DSP处理器相 连，用于采集左右图像；所述DSP处理器通过通信模块与上位主机相连，用于数据通信及实 时数字视频传输。
[0008] 一种基于双目立体视觉的车辆检测方法，采用上述系统对路面上的车辆进行检 巧。，该方法步骤如下：
[0009] (1)、采用人机交互的方式对左右摄像机进行主点差标定，获得精确的主点差参 数；
[0010] (2)、实时采集左右图像，在左图像中通过高斯模型构建场景的背景图像，利用背 景差分法进行前景运动目标的检测和提取；
[0011] (3)、依据主点差进行位置校正，对已提取获得的前景目标区域，按照自适应的窗 口立体匹配方法进行立体匹配，得到当前帖视差图像；
[0012] (4)、对得到的视差图像进行后续处理，包括：5点中值滤波平滑、去误检区，同时 计算前景区域中每个像素点对应的二维地平面的高度及位置，得到二维地平面映射图像；
[0013] 巧）、通过获取到的二维映射图像W及视差和前景区域的参数信息，检测车辆并计 算获得车速、车高、车型相关参数。
[0014] 上述步骤（1)中的人机交互的方式对左右摄像机进行主点差标定，获得精确的主 点差参数，具体步骤如下：
[0015] (1-1)、通过实际测量，得到双目平行摄像机的固有参数，包括左右摄像机间的基 线距离B，左右摄像机焦距f;并测出双目平行摄像机的离地高度H;
[0016] (1-2)、根据平行双目系统测距原理，计算理论视差值，公式为：
[0017]
(1)
[001引其中，P。和X1-Xr为地面像素点水平方向的理论视差值，f、B和H分别为上述所描 述的焦距、左右摄像机间基线距离W及摄像机离地高度；
[0019] (1-3)、通过鼠标选取待匹配图像，即右图像中位于地面上的一个特征点并记录图 像坐标利用区域匹配算法，W像素点为中屯、的矩形窗口mXn为匹配基元 (m，n表示矩形窗口的长宽，单位：像素），在匹配图像，即左图像相同坐标的周围一定范围 内进行捜索匹配，得到相似度最高的同名像素点（XI，yi);
[0020] (1-4)、根据获取到的左右图像的匹配像素点，分别计算水平方向和垂直方向的实 际视差值，公式为：
[0021]
錢 阳02引其中，P济Py分别表示水平X方向和垂直y方向的视差值。
[0023] (1-5)、利用得到的理论视差值化及实际视差值，得到较为精确的双目摄像机两个 坐标方向上的主点差参数屯，dy，公式如下：
[0024]
巧
[00巧]上述步骤（2)中的实时采集左右图像，在左图像中通过高斯模型构建场景的背景 图像，利用背景差分法进行前景运动目标的检测和提取，其具体如下：
[00%] (2-1)、利用高斯模型构建图像背景帖，在T帖训练样本内建立初始高斯模型 n(X，y。，0。)，其中：
[0027]
(4)
[0028] y。，0。为初试模型的均值和均方差，对当前帖图像每个像素点建立高斯模型 n (X，y。〇t)，下标t表示帖序号，X。y。〇t分别表示当前帖右图像的像素值，均值和均 方差，高斯背景模型的更新公式为：
[0029]
(5)
[0030] 其中Xt1，yt1，0t汾别表示上一帖右图像的像素值、均值和均方差，a是引入的 常数，表示背景更新速度的快慢；
[0031] (2-2)、根据当前帖图像与背景图像的差值运算，检测判断前景目标区域并提取：
[0032]
{(>} 阳03；3] 其中，X，y表示像素位置坐标，fk(x,y)表示当前帖右图像（第k帖），Bk(x,y)表 示背景帖图像，化为满足阔值条件的右图像像素点的灰度值，T表示背景差的阔值，由实验 确定。
[0034] 上述步骤（3)中的依据主点差进行位置校正，对已提取的前景目标区域，按照自 适应的窗口立体匹配方法进行立体匹配，得到当前帖视差图像，其具体如下：
[0035] (3-1)、实时采集左右摄像机的图像，根据步骤（1)所述的左右摄像机主点差，对 左图像进行两个坐标方向的平移（屯，dy)，W校正主点差对立体匹配的影响，用于精确视差 的计算；
[0036] (3-2)、针对步骤（2)提取的右图像前景目标区域化(x，y)，得到视差图像，首先 设Dk(x，y)为参考图像，左图像为匹配图像，将Dk(x，y)中的像素点为中心大小为mXn 像素的块的一个自适应窗口为匹配基元，然后在匹配图像中W视差范围内每个像素点为 中心大小同为mXn的窗口，依次计算化(x，y)中待匹配像素的窗口相关性测量值，记为 NCC(X，y，d)，其相关性测量值表达式如下：
[0037]
[00測其中，x，y为图像像素坐标，If，I汾别表示Dk(x，y)和左图像中的像素灰度值， 玄五分别表示化(x，y)和左图像中W匹配像素点为中屯、的窗口内像素平均灰度值，d为沿 基线方向在视差范围内的偏移量，对相关性测量NCC(X，y，d)值进行S节点插值，得到相关 性测量NCC(x，y，d)最大值所对应的偏移量d，即是所得的视差；
[0039] 利用上述区域匹配的方法对化(X，y)中所有灰度值大于0的像素点进行视差