[發(fā)明專利]一種汽車A柱透視方法

有效

• 申請?zhí)枺?/td>: 201910996968.7
• 申請日: 2019-10-19
• 公開（公告）號: CN110723073B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計）人: 秦學(xué)斌;景寧波
• 申請（專利權(quán)）人: 西安科技大學(xué)
• 主分類號: B60R1/00
• 分類號: B60R1/00;B60Q9/00;G06T17/00;G06T3/00;G06T5/00;G06T7/30;G06K9/00;G06N3/00
• 代理公司: 西安啟誠專利知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61240
• 代理人: 李艷春

1.一種汽車A柱透視方法，其特征在于，該方法包括以下步驟：

步驟S1、通過視覺傳感器獲取駕駛員頭部的深度圖像和RGB圖像并傳輸給圖像處理器；

步驟S2、圖像處理器對駕駛員頭部的深度圖像和RGB圖像進行配準；

步驟S3、圖像處理器基于配準后的圖像，對駕駛員臉部特征進行識別，當(dāng)識別到駕駛員臉部特征時，獲取駕駛員臉部重心的三維坐標和駕駛員臉部平面法線方向，并執(zhí)行步驟S4；當(dāng)未識別到駕駛員臉部特征時，采用粒子濾波器跟蹤駕駛員頭部位置，獲取駕駛員頭部重心的三維坐標和駕駛員頭部平面法線方向，并執(zhí)行步驟S5；

步驟S4、圖像處理器以步驟S3中獲取的駕駛員臉部重心三維坐標作為球面模型的球心，構(gòu)建球面模型；通過魚眼相機獲取汽車A柱外場景的魚眼視頻流數(shù)據(jù)并傳輸給圖像處理器，將獲取到的魚眼視頻流數(shù)據(jù)基于球面模型進行誤差校正后生成球面圖像；根據(jù)駕駛員臉部平面法線方向，將球面圖像生成透視圖像，執(zhí)行步驟S6；

步驟S5、圖像處理器以步驟S3中獲取的駕駛員頭部重心三維坐標作為球面模型的球心，構(gòu)建球面模型；通過魚眼相機獲取汽車A柱外場景的魚眼視頻流數(shù)據(jù)并傳輸給圖像處理器，將獲取到的魚眼視頻流數(shù)據(jù)基于球面模型進行誤差校正后生成球面圖像；根據(jù)駕駛員頭部平面法線方向，將球面圖像生成透視圖像，執(zhí)行步驟S6；

步驟S6、圖像處理器將透視圖像傳輸給顯示屏進行顯示，圖像處理器實時檢測駕駛員頭部移動是否超出預(yù)先設(shè)定的范圍，當(dāng)駕駛員頭部移動超出預(yù)先設(shè)定的范圍時，圖像處理器發(fā)出信號給報警模塊，報警模塊發(fā)出警報。

2.按照權(quán)利要求1所述的一種汽車A柱透視方法，其特征在于：在步驟S1之后步驟S2之前，還對深度圖像和RGB圖像進行高斯濾波處理。

3.按照權(quán)利要求1所述的一種汽車A柱透視方法，其特征在于：所述視覺傳感器為Kinect v2傳感器。

4.按照權(quán)利要求1所述的一種汽車A柱透視方法，其特征在于：步驟S2中所述圖像處理器對駕駛員頭部的深度圖像和RGB圖像進行配準時，采用預(yù)先存儲在圖像處理器中的旋轉(zhuǎn)矩陣R'和平移矩陣T'進行配準；所述旋轉(zhuǎn)矩陣R'和平移矩陣T'的獲取的過程為：

步驟S201、采用棋盤格的方式，通過視覺傳感器獲取棋盤格的RGB圖像并存儲在圖像處理器中，再獲取棋盤格的RGB圖像上的角點位置；

步驟S202、采用棋盤格的方式，通過視覺傳感器獲取棋盤格的深度圖像并存儲在圖像處理器中，再獲取棋盤格的深度圖像上的角點位置，其中，獲取棋盤格的深度圖像上的角點位置的具體方法為：將棋盤格的深度圖像轉(zhuǎn)換為二值圖像，在二值圖像上手動點擊角點且將手動點擊的角點位置作為初始角點的位置，基于初始角點的位置，采用最小二乘法獲取多條水平方向上的直線和多條豎直方向上的直線，將獲取的多條直線作為邊緣線的初始值，以每條線為中心線，選擇10個像素帶寬的白色點區(qū)域像素優(yōu)化初始邊緣線，將最優(yōu)邊緣線的交點位置確定為棋盤格的深度圖像上的角點位置；

步驟S203、將存儲的棋盤格的RGB圖像上的角點位置和存儲的棋盤格的深度圖像上的角點位置映射到世界坐標系中，通過旋轉(zhuǎn)和平移使棋盤格的RGB圖像上的角點位置和棋盤格的深度圖像上的角點位置達到重合狀態(tài)，計算出旋轉(zhuǎn)矩陣R'和平移矩陣T'。

5.按照權(quán)利要求1所述的一種汽車A柱透視方法，其特征在于：步驟S3中所述圖像處理器基于配準后的圖像，對駕駛員臉部特征進行識別的具體過程為：

步驟S3A1、駕駛員臉部全局特征的提?。核鰣D像處理器先對配準后的圖像進行Gabor變換，再對Gabor變換的輸出結(jié)果應(yīng)用Zernike矩的離散形式，提取出駕駛員臉部全局特征；

步驟S3A2、駕駛員臉部局部特征的提取：所述圖像處理器先對配準后的圖像進行高斯濾波，再采用梯度直方圖對高斯濾波后的圖像進行形狀信息描述，并基于相鄰圖像塊的重疊計算去除光照變化和偏移對特征的影響，提取出駕駛員臉部局部特征；

步驟S3A3、所述圖像處理器將提取的駕駛員臉部全局特征和駕駛員臉部局部特征進行融合，形成駕駛員臉部的融合特征；

步驟S3A4、所述圖像處理器采用支持向量機分類器對駕駛員臉部融合特征進行二分類，分為是駕駛員臉部特征和非駕駛員臉部特征兩類。