单目交通场景下基于自标定的车辆三维信息识别算法

获取车辆的三维信息作为车型精确分类的依据,已成为当前越来越重要的研究方向,但交通场景中的监控相机大多为单目相机,由于透视因素无法直接获取车辆位姿、车辆轮廓尺寸等三维信息.针对上述问题,提出单目交通场景下基于自标定的车辆三维信息识别算法,首先根据典型的交通场景,建立单目相机的摄像机模型以及较稳定的单消失点标定模型,完成摄像机标定;接着使用深度学习卷积神经网络中的YOLO模型对交通场景中的车辆进行二维目标检测.在此基础上,提出对角线和消失点约束的非线性优化求解算法,结合标定信息完成车辆的三维信息识别及最佳三维目标检测.在公开数据集BrnoCompSpeed和实际高速公路场景进行了实验,实验结果表明,该算法在多种交通场景下均能有效识别车辆三维信息,平均识别准确率超过90%.     

高速公路云台相机的自动标定

目的 云台相机因监控视野广、灵活度高,在高速公路监控系统中发挥出重要的作用,但因云台相机焦距与角度不定时地随监控需求变化,对利用云台相机的图像信息获取真实世界准确的物理信息造成一定困难,因此进行云台相机非现场自动标定方法的研究对高速公路监控系统的应用具有重要价值。方法 本文提出了一种基于消失点约束与车道线模型约束的云台相机自动标定方法,以建立高速公路监控系统的图像信息与真实世界物理信息之间准确描述关系。首先,利用车辆目标运动轨迹的级联霍夫变换投票实现纵向消失点的准确估计,其次以车道线模型物理度量为约束,并采用枚举策略获取横向消失点的准确估计,最终在已知相机高度的条件下实现高速公路云台相机标定参数的准确计算。结果 将本文方法在不同的场景下进行实验,得到在不同的距离下的平均误差分别为4.63%、4.74%、4.81%、4.65%,均小于5%。结论 对多组高速公路监控场景的测试实验结果表明,本文提出的云台相机自动标定方法对高速公路监控场景的物理测量误差能够满足应用需求,与参考方法相比较而言具有较大的优势和一定的应用价值,得到的相机内外参数可用于计算车辆速度与空间位置等。     

道路场景下相机自动标定及优化算法

当前交通相机的自标定算法大多基于灭点或道路中的几何标识进行标定,但多灭点的检测存在不稳定及趋于无穷的"病态"条件,标识先验条件获取不精确等因素,造成自标定算法的实际应用受限.为了改进上述问题,首先根据典型道路场景,建立较稳定的单灭点标定模型;然后动态获取道路中的可标定区域及其中的几何标识,并在钻石空间中求取最佳灭点;最后利用场景中的冗余信息构造非线性约束条件,对标定参数在约束空间中进行迭代求最优,以消除标定初始条件不精确造成的标定误差.在云台相机监控的实际弯曲道场景中进行实验,同时改变相机视角及焦距进行实时算法处理,结果表明,该算法在多交通场景下的标定准确率达95%以上,优于现有算法,尤其适用于云台全方位交通相机的自标定.     

基于摄像机动态标定的交通能见度估计

为克服雾天能见度检测仪价格昂贵、检测范围小等缺点,该文结合雾天光线传输模型与摄像机几何光学模型提出一种交通能见度估计算法.该算法通过动态标定交通摄像机内外参数来计算路面区域内点到摄像机的距离,利用场景透射率得到大气消光系数并估计交通能见度.首先,算法基于活动图提取感兴趣区域,再根据区域内平均像素拟合曲线是否满足刃边函数对雾天进行识别;其次,通过暗原色先验原理估计交通场景中每一个点的透射率,并且选取道路上4组透射率差值最大的点对摄像机内部参数标定;然后,提取消失点及车道边缘线完成摄像机外部参数动态标定;最后,通过路面上点到摄像机的距离以及相应的场景透射率估计交通场景的能见度.该文将雾天多个交通场景下能见度值计算结果与人工观测、物理仪器测量等方法进行了比较,结果证明了该文方法的有效性与实时性.     

高速公路动态环境下的摄像机自标定

提出一种动态环境下高速公路监控系统摄像机的自标定方法.首先利用混合高斯背景建模方法从动态视频图像中获取背景图像和目标频繁出现的目标区域;然后利用不同的直线检测算法检测和估计出目标区域内高速公路上大量存在的各种标志线和虚标志线以及水平线,基于这些线状特征计算出摄像机的灭点;最后根据灭点和线特征之间的几何关系计算出摄像机的内外参数,从而实现摄像机自标定.真实场景的实验结果表明,该算法非常合适于各种高速公路监控系统中摄像机的实时自标定,且精度高、稳定性好.     

基于PSO-IGA算法的高性能十字阵列的设计与综合

前碰撞预警系统是安全辅助驾驶领域的一项重要部分,通过计算机处理交通环境信息,当检测到潜在危险时,及时提醒并辅助驾驶员。采用计算机视觉方法,通过目标检测和跟踪算法,获取图像中目标车辆的位置和轨迹信息,并利用相机标定,计算当前车辆和前方车辆在世界坐标系中的距离、速度及轨迹等信息,综合该信息,实现前车碰撞时间预警、前车并线预警以及非机动车预警算法。在前车并线过程中,利用轨迹信息实时检测前车并线意图,及时提示驾驶员注意避让前方车辆。实验表明,本文提出的预警算法具有较高的准确性和鲁棒性,特别在高架或高速道路场景下,并线预警算法能检测到前车的并线意图,及时预警。     

非结构化道路中基于均质雾天的摄像机动态标定算法

现有的交通摄像机标定算法大多基于车道线长度、车辆尺寸等先验信息,由于在非结构化道路中往往不存在车道线,使得标定算法具有局限性.为了改进摄像机标定在非结构化道路中的适用性,结合摄像机线性模型与均质雾天,提出一种只包含路面以及运动车辆的摄像机动态标定算法.首先生成并更新背景和场景活动图,提取路面、天空的纹理特征,利用区域搜索算法得到感兴趣区域,并根据感兴趣区域的像素变化规律判断当前天气是否为均质雾天;其次根据暗原色先验原理计算场景透射率,将结果映射到[0,255]作为图像显示;最后结合均质雾天光线传输模型、摄像机线性模型和暗原色先验原理导出标定方程,选取路面上具有特定透射率的8个点生成2个一次方程、1个二次方程和1个三角方程,依次标定摄像机参数,将视频多帧图像标定的参数值平均得到准确值.与角点检测法、摄像机6点标定法以及基于消失点的标定算法进行对比的实验结果表明,该算法是有效的且满足视频的实时性处理要求.     

基于相机标定的跨相机场景拼接方法

针对单相机场景下的智能交通应用得到了较好的发展,但跨区域研究还处在起步阶段的问题,本文提出一种基于相机标定的跨相机场景拼接方法.首先,通过消失点标定分别建立两个相机场景中子世界坐标系下的物理信息到二维图像的映射关系;其次通过两个子世界坐标系间的公共信息来完成相机间的投影变换;最后,通过提出的逆投影思想和平移矢量关系来完成道路场景拼接.通过实验结果表明,该方法能够较好的实现道路场景拼接和跨区域道路物理测量,为相关实际应用研究奠定基础.     

跨相机交通场景下的车辆空间定位方法

为解决交通应用中的跨相机全场景车辆空间定位问题,利用单目相机,提出一种全场景透视拼接及车辆3D检测相结合的方法.首先提出一种交通场景下的相机自动标定方法,通过构建相机标定空间模型,自动求取标定参数并优化;然后利用公共区域的特征点,将多相机空间坐标系进行变换统一,为直观体现全场景物理空间,将各场景透视变换至统一的像素-物理坐标系中;最后,针对单目视觉下的车辆3D定位难题,利用车辆投影的几何约束,建立优化模型构建精细化的3D包络,以3D包络质心作为车辆空间定位点,同时可映射至像素-物理坐标系,体现车辆的动态信息.在具有人工特征点的实验环境及无人工特征点的实际应用环境中,对于跨场景的多类型车辆进行空间定位实验验证,实验结果表明,该方法可解决交通视频监控中的车辆跨相机大场景下的空间定位难题,在选取的实验场景中综合定位精度可达到厘米级,且实时性较好.     

用于视频中车速自动检测的摄像机自动标定方法

针对目前基于视频的车辆测速方法均需通过手工标定而造成的低效和可操作性差的问题,提出了一种对典型配置的道路监控摄像机的焦距、俯仰角、离地距离等重要参数进行自动标定的方法。首选利用自然场景中两组正交平行线在视频图像中形成的消失点之间的内在关系对摄像机的焦距和俯仰角实施精确标定;在此基础上利用视频中目标车辆群体的平均宽度对摄像机与地面之间距离进行自动标定。实验表明,该算法具有参数测量精度高和可靠性好等优点,可作为现有道路视频监控设备实施车辆速度、类别、流量等数据的自动采集、分析和监控,以及电子违章抓拍设备的有效自动标定手段。     

基于云台摄像的实时车速检测算法

针对采用固定摄像的路况监视系统无法观看自如的缺点,提出了基于云台摄像的实时车速检测算法．建立了简化的摄像机参数模型,提取了线性拟合后的车道图像特征参数,并利用Kluge曲线模型和随机霍夫变换实现了像平面车道分割线的二维重建和云台摄像机的标定;应用自适应背景减除、扩展Kalman滤波器等方法,提取了帧运动域及域中目标轮廓,从而实现了车辆的精确定位、跟踪,以至实时速度检测．该算法已试用于工程实践,具有较好的鲁棒性．     

单视未标定图像的正交灭点检测算法

传统方法只能计算标定图像的正交灭点,同时没有考虑图像直线检测结果的误差、 直线的长度以及候选灭点与约束直线之间的位置关系对灭点检测精度的影响。针对此类问题, 提出了一种针对单视未标定图像的正交灭点检测方法。首先利用J-Linkage 完成灭点的初始化估 计,得到假设灭点集合;然后根据假设灭点与图像直线之间的一致性约束、图像直线的长度, 基于投票机制先得到精确的垂直方向灭点;后利用灭点、灭线的定义和性质,计算得到图像相 机参数;根据正交灭点的特性,得到准确的水平方向和纵深方向的灭点。因引入了一种新的假 设灭点和图像直线之间的一致性度量方法,正交灭点检测精度不受直线检测结果的误差、直线 的长度以及候选灭点与约束直线之间的位置关系的影响,在未知图像相机参数的情况下能精准 的得到三个正交灭点信息。正交灭点检测方法在室内场景下可以得到更加精确的检测结果。     

基于消失点的坐标校准算法

提出一种新的基于消失点的坐标校准算法,并将此算法应用于运动车辆的跟踪检测。该算法只需要知道消失点和已知尺寸物体在图像中的位置就可以实现坐标校准。与其他算法相比,该算法不需要预先知道摄像机的配置和参数,具有更广泛的适应性和更高的灵活性。在算法实现的过程中,使用了一维数组来表示前景分布矩阵,而非二维数组,从而有效地降低了算法空间复杂度。     

Dynamic calibration of pan-tilt-zoom cameras for traffic monitoring.

Pan-tilt-zoom (PTZ) cameras have been widely used in recent years for monitoring and surveillance applications. These cameras provide flexible view selection as well as a wider observation range. This makes them suitable for vision-based traffic monitoring and enforcement systems. To employ PTZ cameras for image measurement applications, one first needs to calibrate the camera to obtain meaningful results. For instance, the accuracy of estimating vehicle speed depends on the accuracy of camera calibration and that of vehicle tracking results. This paper presents a novel calibration method for a PTZ camera overlooking a traffic scene. The proposed approach requires no manual operation to select the positions of special features. It automatically uses a set of parallel lane markings and the lane width to compute the camera parameters, namely, focal length, tilt angle, and pan angle. Image processing procedures have been developed for automatically finding parallel lane markings. Interesting experimental results are presented to validate the robustness and accuracy of the proposed method.     

Dynamic Calibration of Pan–Tilt–Zoom Cameras for Traffic Monitoring

Pan–tilt–zoom (PTZ) cameras have been widely used in recent years for monitoring and surveillance applications. These cameras provide flexible view selection as well as a wider observation range. This makes them suitable for vision-based traffic monitoring and enforcement systems. To employ PTZ cameras for image measurement applications, one first needs to calibrate the camera to obtain meaningful results. For instance, the accuracy of estimating vehicle speed depends on the accuracy of camera calibration and that of vehicle tracking results. This paper presents a novel calibration method for a PTZ camera overlooking a traffic scene. The proposed approach requires no manual operation to select the positions of special features. It automatically uses a set of parallel lane markings and the lane width to compute the camera parameters, namely, focal length, tilt angle, and pan angle. Image processing procedures have been developed for automatically finding parallel lane markings. Interesting experimental results are presented to validate the robustness and accuracy of the proposed method.     

基于Radon变换的视频测速算法

为了从视频监测图像中自动提取车辆行驶速度,提出了一种基于Radon变换的视频测速算法。根据车辆行驶轨迹的时空特点,利用道路交通标线为图像与道路建立距离映射关系,简化了现场标定的条件和过程;利用时间堆栈成像方法,建立了车辆行驶轨迹的时空关系;基于Radon变换的图像处理,实现了行驶车辆的视频测速技术。算法具有较好的鲁棒性,与传统方法相比,计算复杂性也要低很多。     

面向建筑物重建的相机标定方法研究

由于灭点具有很多独特的几何属性且大量地存在于建筑物场景中,因此针 对建筑物重建,提出了一种基于灭点的相机标定方法。首先通过构造各种几何约束关系,如 灭点与相机矩阵间的关系、世界坐标原点和相机矩阵间的关系,逐步实现相机矩阵的度量重 建和欧氏重建,获得相机矩阵的值,然后通过分解相机矩阵得到相机的内外部参数。该方法 在标定过程中无须借助任何标定物,求解过程简单,标定速度快。实验结果表明,该方法可 以满足虚拟现实中建筑物场景重建的需要。