[發明專利]一種保證準確性的車輛運動狀態估計方法

有效

• 申請號: 201710269892.9
• 申請日: 2017-04-24
• 公開（公告）號: CN107123128B
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 張帥;岳文靜;陳志;白園
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T7/207
• 分類號: G06T7/207;G06T7/246
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱小兵

本發明公開了一種保證準確性的車輛運動狀態估計方法，包括特征提取、數據分析和結果驗證三個部分，其中特征提取部分采用雙向光流算法，保證所得的特征點對的可靠性，過濾噪聲數據；數據分析部分采用隨機采樣一致算法和八點算法相結合，將所得的基本矩陣按對整個特征點對集合的匹配程度由高到低排序，求解對應的運動方向向量與旋轉矩陣；結果驗證部分對求得的運動方向向量與旋轉矩陣進行校驗，確保最終結果的合理性。本發明能考慮到平移向量和旋轉矩陣的約束條件，從而提高了結果的準確性，并保證一定的運算效率，在保證效率的前提下進行數據處理，有助于實現對視頻數據的在線分析。

技術領域

本發明涉及一種保證準確性的車輛運動狀態估計方法，屬于計算機視覺、視頻挖掘和計算機軟件的交叉技術應用領域。

背景技術

車輛無人駕駛需要通過對視頻數據進行處理，從而得到車輛的當前位置與運動軌跡，汽車狀態參數的準確獲得是保證汽車主動安全系統有效性的重要要求。通過對車輛的運動過程進行運動學或動力學建模，同時將相應的車載傳感器(如輪速傳感器、陀螺儀、加速度計等)信息作為觀測信息，進而利用適當的濾波估計算法實現對汽車運行狀態的估計。這種方法需要對車輛整體甚至各個輪胎分別進行建模，當這些模型或者模型參數不準時，估計誤差較大。

隨著計算機軟硬件的不斷發展，人們能越來越方便的獲取和存儲視頻數據，對視頻數據進行分析的需求也隨之提高。因此根據車載視頻數據對車輛運動狀態估計成了廣泛研究的課題。中國專利CN201210442082.6公開了一種基于光流的車輛運動狀態估計方法，適用于估計道路交通環境下低速行駛在平坦瀝青路面上的車輛的運動狀態。首先在車輛后橋中心位置安裝俯視高精度單目攝像機，并通過標定算法獲取攝像機參數；接著采用直方圖均衡化對獲取的圖像序列進行預處理，以凸顯瀝青路面角點特征，降低路況及光照變化帶來的不利影響；再采用高效的哈里斯Harris角點檢測算法進行實時路面角點特征檢測；然后根據盧卡斯-柯乃德Lucas-Kanade光流算法進行前、后幀的角點匹配跟蹤，選用隨機采樣一致RANSAC算法進一步優化匹配角點，進而獲取較為準確的光流信息；最后，由圖像光流重構出車輛載體坐標系下縱向速度、橫向速度和質心側偏角等車輛實時運動參數，由此獲得較高精度的車輛對地運動狀態的估計。

但是上述方法需要耗費較多計算機資源，而在計算機資源和內存有限的條件下，通過車載視頻數據在線求得當前車輛運動狀態準確性不高；因此，如何在有限的計算條件下，提出一種保證準確性的車輛運動狀態估計方法，是有待解決的問題。

發明內容

本發明所要解決的技術問題是：針對車載視頻數據在線求得當前車輛運動狀態準確性不高的問題，提出一種保證準確性的車輛運動狀態估計方法，該方法能夠通過對運動狀態的檢驗保證結果的準確性。

本發明為解決上述技術問題采用以下技術方案：

一種保證準確性的車輛運動狀態估計方法，包括：

步驟一、特征提取：首先，根據裝載于車輛上的視頻攝像機，獲得以幀為單位的待分析視頻圖像數據，每一幀視頻圖像對應一個二維點陣；然后，提取當前幀中圖像特征點集合，采用光流算法計算當前幀圖像特征點在下一幀圖像中對應特征的位置，獲得關于當前幀圖像和下一幀圖像中的特征點對集合；之后，反向使用光流算法過濾掉特征點對集合中的噪聲數據；

步驟二、數據分析：首先，采用隨機采樣一致算法和八點算法相結合，從步驟一得到的特征點對集合中求得一個基本矩陣；然后，通過多次迭代采樣過程，將所得的基本矩陣按對整個特征點對集合的匹配程度由高到低排序，并根據視頻攝像機的固有參數求得本質矩陣；之后，對所得本質矩陣做分解，求解對應的運動方向向量與旋轉矩陣；

步驟三、結果驗證：對求得的運動方向向量與旋轉矩陣進行校驗，確定最終的車輛運動狀態估計結果。

進一步的，本發明的車輛運動狀態估計方法，步驟一具體如下：