[發明專利]基于單目視覺的車距測量方法

有效

• 申請號: 202110515969.2
• 申請日: 2021-05-12
• 公開（公告）號: CN113221739B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 秦家虎;周文華;王帥
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/25;G06V10/44;G06V10/774;G06T7/73;G01C3/00
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 鄢功軍

本發明提供了一種基于單目視覺的車距測量方法，包括以下步驟：在輸入圖像中選擇與車輛檢測區域相對應的感興趣區域；從所述關注區域中提取聚合通道特征，并將所述聚合通道特征輸入到采用基于改進AdaBoost的ACF算法訓練的車輛檢測器檢測車輛；基于檢測到的車輛的邊界框區域的中心坐標來估計當前車輛到檢測到的車輛的距離。同傳統的車輛檢測算法相比，本發明針對原始ACF算法中使用的經典AdaBoost算法中困難樣本的權重增長速度過快易引起“退化問題”，采用魯棒交替的AdaBoost對其進行改進，提高檢測效果。

技術領域

本發明涉及計算機視覺檢測領域，特別涉及一種基于單目視覺的車距測量方法。

背景技術

目前，車載視覺傳感器的測距系統按照傳感器的數目可以簡單劃分為單相機的單目視覺系統和多相機的立體視覺系統。立體視覺方案多見于智能車輛，其中最流行的是雙目視覺測距方案，其主要的測距原理是使用兩個相機從不同的視點位置觀察同一場景目標，通過采集的左、右圖像的視差進而估計目標距離。相較于立體視覺系統，單目視覺系統結構簡單，無需進行復雜的圖像匹配而得到了更加廣泛的應用。

許多基于視覺傳感器的研究已經被用于車輛檢測和對稱距離估計。基于視覺傳感器的特征，可以以不同的方式應用圖像處理。通過使用圖像處理在輸入圖像上檢測車輛，可以獲得關于檢測到的車輛的各種信息。車輛檢測研究包括，例如，基于特征的模板匹配方法，神經網絡或支持向量機，或基于形狀和運動的方法。車輛檢測方法主要是基于假設車輛形狀不變的特征。車輛到車輛的距離估計研究包括基于檢測到的車輛尺寸的距離估計方法，基于立體攝像機的方法，以及比較道路基礎設施的方法。車輛距離估計方法主要基于檢測到的車輛形狀信息。雖然基于立體攝像機的距離估計提供了相對準確的結果，但是立體攝像機比單目攝像機更昂貴，并且計算量更有限。

目前常用的前方車輛檢測方法主要有四種，其中，基于車輛特征

的方法主要是利用車輛上的一些特征，通過提取特征來檢測車輛，該方法在復雜的外界環境下檢測效果較差，容易受到外界環境的影響。基于模板匹配的方法主要是建立好的車輛幾何模型與檢測的圖像進行相關匹配操作，而車輛的位置就由相關匹配度來確定，但該方法需要一定的先驗知識與大量的各種不同類型的車輛圖像來建立車輛的幾何模型，計算量大，過分依賴于車輛模型，且建立的車輛模板無法適用于任何汽車。基于車輛運動的方法主要利用視頻幀序列的幀與幀之間的連續性對前方車輛進行檢測，該方法容易受到光照條件以及外界噪聲的影響，且計算較為復雜，對車輛的運動速度有一定的要求。因此這三種方法都會有受到一定的外界因素的限制，而基于機器學習的方法在這方面明顯優于他們，具有幾個明顯的優點，如：魯棒性好，穩定性相對較好，不易受外界環境的影響。

發明內容

有鑒于此，本發明的主要目的在于提供一種基于單目視覺的車距測量方法，以期部分地解決上述技術問題中的至少之一。

為了實現上述目的，作為本發明的一方面，提供了一種基于單目視覺的車距測量方法，包括以下步驟：

在輸入圖像中選擇與車輛檢測區域相對應的感興趣區域；

從所述關注區域中提取聚合通道特征，并將所述聚合通道特征輸入到采用基于改進AdaBoost的ACF算法訓練的車輛檢測器檢測車輛；

基于檢測到的車輛的邊界框區域的中心坐標來估計當前車輛到檢測到的車輛的距離。

其中，所述改進AdaBoost的ACF算法的改進之處在于修改弱分類器權重值α_t的計算方法，改進后的計算方法具體如下：

其中，ε_t表示計算錯誤率，γ表示魯棒參數，

其中，所述感興趣區域的選擇包括行駛車道的左右車道和移動的車輛獲得的圖像的中心部分。