[發明專利]基于機器視覺和GPS的汽車列車最大橫向擺動量檢測方法

有效

• 申請號: 201110145611.1
• 申請日: 2011-05-31
• 公開（公告）號: CN102322800B
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 孫偉;張小瑞;唐慧強;夏旻;閭軍;李超
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G01B11/02
• 分類號: G01B11/02;G01S19/52;G06T7/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 黃雪蘭

1.一種基于機器視覺和GPS的汽車列車最大橫向擺動量檢測方法，所述的 汽車列車包括牽引車和掛車，其特征在于，分別在牽引車前橋和掛車后橋下方安 裝CCD攝像頭C₁和CCD攝像頭C₂，CCD攝像頭C₁負責牽引車下方圖像信息的 采集，CCD攝像頭C₂負責掛車下方圖像信息的采集；另外，在牽引車上方安裝 GPS，負責實時采集汽車列車行駛速度，以后步驟如下：

步驟1分別求解CCD攝像頭C₁和CCD攝像頭C₂所拍圖像像素的標定值

（1）求解CCD攝像頭C₁所拍圖像像素的標定值

在CCD攝像頭C₁的拍攝范圍內設置第一圓形標志，并由CCD攝像頭C₁對 圓形標志進行拍攝，獲得第一圓形標志的圖像；

對第一圓形標志的圖像進行閾值分割并二值化處理，得到二值化圖像的灰度 值B(m，n)，I(m，n)為采集的第一圓形標志圖像 數據的灰度值，T為二值化圖像分割閾值，T=210，然后，利用基于形態學的 邊緣檢測算法，求得二值化后的邊緣圖像E(m，n),

m、n分別為當前位置像素的橫、縱坐標，接著利用點Hough變換和最小二乘法 計算第一圓形標志圓心的橫坐標值u、縱坐標值v及半徑值R，并將第一圓形 標志的圓心坐標作為與牽引車固連的固連點O₁的坐標，即固連點O₁的橫縱坐 標值也為u和v，R=u2-2x‾u+v2-2y‾v+x2‾+y2‾,]]>其中，

u=(x2‾x‾+x‾y2‾-x3‾-xy2‾)(y‾2-y2‾)-(x2‾y‾+y‾y2‾-x2y‾-y3‾)(x‾y‾-xy‾)2(x‾2-x2‾)(y‾2-y2‾)-2(x‾y‾-xy‾)2,]]>

v=(x2‾y‾+y‾y2‾-x2y‾-y3‾)(x‾2-x2‾)-(x2‾x‾+x‾y2‾-x3‾-xy2‾)(x‾y‾-xy‾)2(x‾2-x2‾)(y‾2-y2‾)-2(x‾y‾-xy‾)2,]]>

x‾=Σi=1Ωxi/Ω,]]>y‾=Σi=1Ωyi/Ω,]]>x2‾=Σi=1Ωxi2/Ω,]]>y2‾=Σi=1Ωyi2/Ω,]]>x3‾=Σi=1Ωxi3/Ω,]]>xy2‾=Σi=1Ωxiyi2/Ω,]]>x2y‾=Σi=1Ωxi2yi/Ω,]]>y3‾=Σi=1Ωyi3/Ω,]]>xy‾=Σi=1Ωxiyi/Ω,]]>Ω為點Hough 變換確定的圓邊緣像素點的個數，x_i、y_i分別表示點Hough變換確定的第i個邊 緣像素點的橫、縱坐標值，

利用直尺直接測得第一圓形標志的直徑值D_a，單位：毫米，再計算得到 CCD攝像頭C₁所拍圖像像素的標定值C_v，即：C_v=D_a/D_c，單位：毫米/像素， 其中，D_c=2R，單位：像素，

（2）求解CCD攝像頭C₂所拍圖像像素的標定值

在CCD攝像頭C₂的拍攝范圍內設置第二圓形標志，并由CCD攝像頭C₂對 圓形標志進行拍攝，獲得第二圓形標志的圖像；

對第二圓形標志的圖像進行閾值分割并二值化處理，得到二值化圖像的灰度 值B′(m，n)，I′(m，n)為采集的第二圓形標志

圖像數據的灰度值，T′為二值化圖像分割閾值，T′＝205，然后，利用基于形態 學的邊緣檢測算法，求得二值化后的邊緣圖像E′(m，n),

m、n分別為當前位置像素的橫、縱坐標，接著利用點Hough變換和最小二乘法 計算第二圓形標志圓心的橫坐標值u′、縱坐標值v′及半徑值R′，并將圓形標 志的圓心坐標作為與牽引車固連的固連點O₂的坐標，即固連點O₂的橫、縱坐 標值也為u′和v′，R′=u′2-2x′‾u′+v′2-2y′‾v′+x′2‾+y′2‾,]]>其中，

u′=(x′2‾x′‾+x′‾y′2‾-x′3‾-x′y′2‾)(y′‾2-y′2‾)-(x′2‾y′‾+y′‾y′2‾-x′2y′‾-y′3‾)(x′‾y′‾-x′y′‾)2(x′‾2-x′2‾)(y′‾2-y′2‾)-2(x′‾y′‾-x′y′‾)2,]]>

v′=(x′2‾y′‾+y′‾y′2‾-x′2y′‾-y′3‾)(x′‾2-x′2‾)-(x′2‾x′‾+x′‾y′2‾-x′3‾-x′y′2‾)(x′‾y′‾-x′y′‾)2(x′‾2-x′2‾)(y′‾2-y′2‾)-2(x′‾′y‾-x′y′‾)2,]]>

x′‾=Σi′=1Ω′xi′′/Ω′,]]>y′‾=Σi′=1Ω′yi′′/Ω′,]]>x′2‾=Σi′=1Ω′xi′′2/Ω′,]]>y′2‾=Σi′=1Ω′yi′′2/Ω′,]]>x′3‾=Σi′=1Ω′xi′′3/Ω′,]]>x′y′2‾=Σi′=1Ω′xi′′yi′′2/Ω′,]]>x′2y′‾=Σi′=1Ω′xi′′2yi′′/Ω′,]]>y′3‾=Σi′=1Ω′yi′′3/Ω′,]]>x′y′‾=Σi′=1Ω′xi′′yi′′/Ω′,Ω′]]>為點Hough變換確定的圓邊緣像素點的個數，分別表示點Hough變換后 的第i′個邊緣點的橫、縱坐標值，

利用直尺直接測得第二圓形標志的直徑值單位：毫米，再計算得到 CCD攝像頭C₂所拍圖像像素的標定值即：單位：毫米/像素， 其中，單位：像素，

步驟2在CCD攝像頭C₁和CCD攝像頭C₂的拍攝范圍內設置白色直線標 志線，實時測量給定速度下汽車列車橫向擺動值

2.1實時測量固連點O₁到CCD攝像頭C₁拍攝的白色直線標志線的距離

（1）直線標志線圖像預處理

對C₁實時采集的白色直線標志線圖像進行閾值分割并二值化處理，得到二 值化圖像的灰度值B₁(m，n)，

I₁(m,n)為采集的直線標志線圖像數據的灰度值，T₁為二值化圖像分割閾值， T₁=230，然后，利用基于形態學的邊緣檢測算法，求得二值化后的邊緣圖像的灰 度值E₁(m，n),

m、n分別為當前位置像素的橫、縱坐標，

（2）直線標志線參數計算

利用最小二乘法，擬合出直線標志線的參數方程y＝a+bx，并利用 Gauss-Jordan消去法，求解N1Σk=1N1xk′Σk=1N1xk′Σk=1N1xk′2·ab=Σk=1N1yk′Σk=1N1xk′yk′]]>得到a，b值，a，b為 牽引車上CCD攝像頭C₁采集的圖像擬合出的直線標志線參數，N₁為直線標志 線邊緣點的像素個數，分別表示直線標志線第k個邊緣點的橫、縱坐標 值，k＝1，2，…，N₁，

（3）固連點O₁到直線標志線距離的計算

利用點到直線的距離公式，求得第t次牽引車上的固連點O₁到直線標志線的 矢量距離P_1t，其中u、v分別為固連點O₁在圖像上的橫、縱坐 標值，

2.2實時測量固連點O₂到CCD攝像頭C₂拍攝的白色直線標志線的距離

（1）直線標志線圖像預處理

對C₂實時采集的白色直線標志線圖像進行閾值分割并二值化處理，得到二 值化圖像的灰度值

為采集的直線標志線圖像數據的灰度值，為二值化圖像分割閾值， 然后，利用基于形態學的邊緣檢測算法，求得二值化后的邊緣圖像的 灰度值

m、n分別為當前位置像素的橫、縱坐標，同理，可求得C₂采集的白色標志線圖 像二值化后及邊緣檢測后的圖像的灰度值，

（2）直線標志線參數計算

利用最小二乘法，擬合出直線標志線的參數方程y=a′+b′x，并利用 Gauss-Jordan消去法，求解N1′Σk′′=1N1′xk′′′′Σk′′=1N1′xk′′′′Σk′′=1N1′xk′′′′2·a′b′=Σk′′=1N1′yk′′′′Σk′′=1N1′xk′′′′yk′′′′]]>得到a′，b′值，a′， b′為牽引車上CCD攝像頭C₂采集的圖像擬合出的直線標志線參數，為直線 標志線邊緣點的像素個數，分別表示直線標志線第k′個邊緣點的橫、縱 坐標值，

（3）固連點O₂到直線標志線距離的計算 利用點到直線的距離公式，求得第t次牽引車上的固連點O₂到直線標志線的 矢量距離P_2t，其中u′、v′分別為固連點O₂在圖像上的橫、縱 坐標值，

步驟3給定速度下，汽車列車橫向擺動值計算

首先，利用GPS實時獲得列車第t時刻的北向速度V_Nt和東向速度V_Et，根據 速度合成公式，求得第t時刻汽車列車沿直線標志線方向的瞬時速度V_t，即 接著，分別計算第t時刻牽引車距離直線標志線的偏離值W_1t和 掛車距離直線標志線的偏離值W_2t：即W_1t=P_1t·C_v，W_2t=P_2t·C_v，t＝1，2，3，…， N_c，N_c為測試次數，N_c=1000；將速度V_t控制在[V_min,V_max]內，計算并記錄當前 速度范圍[V_min,V_max]下汽車列車在第t時刻的橫向擺動值S_t，即S_t=|W_1t-W_2t|， 其中，V_min為當前速度范圍下的最小值，V_max為當前速度范圍下的最大值；

步驟4汽車列車最大橫向擺動量計算

對檢測過程中記錄的各時刻橫向擺動值進行統計比較，找出當前速度范圍下 汽車列車的最大橫向擺動量S_Max，S_Max=Max{S_t}。