计算 得到当前帖前景区域的视差图像，每一像素点的初始自适应窗口宽度为5列，高度是3行， 在初始大小的窗口内统计像素的灰度方差，如果灰度方差小于某一口限，说明窗口内包含 太少的结构信息，则将匹配窗口的宽度放大50%，继续其灰度方差的判断，直至大于口限或 窗口大小达到12X6,所用口限值由实验确定。
[0040] 上述步骤（4)中的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，得到二维映射图像，其 具体如下：
[0041] (4-1)、采用5点中值滤波的方法进行中值平滑滤波处理，消除弱纹理区域的错误 匹配W及孤立视差点；
[0042] (4-2)、去除地面阴影区域，在前期获取到地面的视差值Pg后，视差图中前景目标 两侧视差值与Pg相等的像素区域，分别为Z1和Zf，根据车辆左右对称的特征，适当消除其中 面积较大的部分，使其与另一侧对称；
[0043] (4-3)、计算前景车辆目标图像中每个像素点对应的二维地平面的垂直投影位置， 生成二维映射图像，坐标映射关系为：
[0044]
觸 阳045] 其中，U和V为图像像素坐标系中的像素坐标，U。和V。为图像的主点坐标，Pg和P。 分别为地面视差值及该坐标前景点的视差值；
[0046] (4-4)、根据上述步骤获取到前景目标视差图后，根据平行双目测距原理，将视差 值转换为高度值，转换计算公式为：
[0047] H"=d,-d"
(9)
[0048]
[0049] 其中，dg，d。分别表示前景目标和地面离双目摄像机的距离，f，B分别表示焦距和 基线距离，Xi-Xf为通过步骤（3)计算的前景目标像素点的视差值，H。表示前景目标点的离 地高度，转换后得到前景目标的深度图，即每个像素点的值表示前景目标高度。
[0050] 上述步骤巧）中的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，其具体如下：
[0051] 巧-1)、根据步骤（4)得到的前景目标深度图，取前景目标高度的最大值作为车身 高度，对最大高度值有效性做判断：当最大高度值的数量大于阔值时，判定其有效，否则舍 去最大值，选取下一个最大值再次做有效性判断，阔值由实验确定；
[0052] 巧-2)、根据步骤似提取的前景目标区域，获得该区域的长宽信息，通过世界坐 标系与图像坐标系的等比关系公式，获得车身的长宽参数，公式为：
[0054]其中L和W表示前景目标的像素长宽，Xp和YP表示图像的像素长宽，即分辨率，单 位：像素，X和y为双目平行摄像机拍摄视角的实际长度和宽度，单位：cm，1和W表示前景 区域实际长宽数据，单位：cm; 阳化5] 巧-3)、根据步骤（4)获取的表示目标高度的深度图，对深度图逐列进行扫描，统 计每列的最大高度值，作为绘制车身侧面轮廓的点；
[0056] 巧-4)、根据相邻两帖前景目标在图像中的位置差计算车速；首先，W步骤巧-3) 的获取的车身轮廓作为匹配基元，将前一帖的车身轮廓图作为参考图像，当前帖的作为匹 配图像检测两帖之间的位置差，采用W下公式计算获得车速信息：
[0057]
(…
[0058]其中D为两帖间车身轮廓位置差，单位：像素，Xp表示图像的长度，单位：像素，X表 示双目平行摄像机拍摄视角的实际长度，单位：cm，d为前景车辆目标的每秒移动距离，单 位：cm/秒，式中24为帖率，即拍摄视频的每秒帖数。
[0059] 本发明与现有基于单目视觉处理的车辆检测方法相比较，具有如下特征和优点：
[0060] 本发明采用双目摄像机，利用立体视觉原理，得到物体的深度信息，解决了单目视 觉技术普遍存在的对光线变化敏感、易受阴影干扰的问题；利用目标映射到二维平面实现 对车型、车高、车长、车宽等车辆相关信息的获取，达到道路车辆检测的目的。本发明提出的 基于双目立体视觉的车辆检测系统，能有效的对拍摄到的道路车辆进行检测，并获取到车 型、车高、车速等车辆相关信息，且不易受场景光线变化、阴影、透视效应及遮挡的影响，能 够有效的进行车辆的统计和信息收集。
【附图说明】
[0061] 图1是本发明基于双目立体视觉的车辆检测系统的硬件系统构成示意图。
[0062] 图2是本发明基于双目立体视觉的车辆检测方法的示意图。
[0063] 图3是本发明基于双目立体视觉的车辆检测方法的流程图。
[0064] 图4是本发明基于双目立体视觉的车辆检测方法的具体实施流程示意图。
【具体实施方式】 W65] W下结合附图对本发明作进一步的详细描述。
[0066]如图1所示，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。 阳067] 如图2所示，检测系统安装时，位于道路上方，自顶向下安装，左右摄像机参数一 致，光轴平行，并与地面垂直；两个摄像机的基线方向与车道平行。 W側如图3、图4所示，一种基于双目立体视觉的车辆检测方法，包括如下步骤：
[0069] (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，其具体步骤如下：
[0070] (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;
[0071] (1-2)、根据平行双目系统测距原理，计算理论视差值，公式为：
[0072]
… 阳〇7引其中，P。和X1-Xr为地面像素点的理论视差值（水平方向），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；
[0074] (1-3)、通过鼠标选取待匹配图像（右图像）中位于地面上的一个特征点并记录坐 标（Xf，yf)，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（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);
[00巧](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：
[0076]
(2) 阳077] 其中，P济Py分别表示水平X方向和垂直y方向的视差值。
[0078] (1-5)、利用得到的理论视差值W及实际视差值，可W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： 阳0巧]
(5)
[0080] (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，其具体步骤如下：
[0081] (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：
[0082]
斜)
[0083] 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