通過交通場景中的相機可以獲取更為準確且更有價值的交通參數(shù),例如車輛的行駛速度、空間位置等。而這些參數(shù)的獲取需要經(jīng)過相機標定,利用相機的內(nèi)外參數(shù)建立幾何映射關系從而實現(xiàn)圖像的二維信息與空間的三維信息的相互轉換。因此相機標定是計算機視覺在智能交通系統(tǒng)中的先決條件之一。當前相機的自動標定算法多基于消失點與各類交通標識物,但這些方法存在的問題有:僅用車道線或車道邊界相交形成的消失點不穩(wěn)定;標定標識物的檢測受到自然條件的影響;在一定視角下消失點趨于無窮大。針對上述問題,本文采用消失點與模型(車輛模型或車道線模型)匹配的方法獲取相機的內(nèi)外參數(shù)。具體研究如下:1.簡化相機模型。依據(jù)本文實驗場景的特性,簡化相機模型,建立適當?shù)氖澜缱鴺讼?將相機參數(shù)簡化為:焦距f,俯仰角?,偏轉角?以及相機高度H,從而方便后續(xù)自動標定算法的設計與實施。2.標定標識物的檢測及沿道路方向消失點的獲取。對于車輛標識物,本文利用Single Shot Multibox Detector(SSD)深度學習算法進行檢測;對于沿道路方向的消失點,本文跟蹤車輛標識物從而獲取軌跡集,將軌跡集處理后利用級聯(lián)霍夫變換投票獲得;對于車道線標識物,本文利用沿道路方向的消失點提取運動區(qū)域,基于運動區(qū)域信息改進霍夫變換進行車道線的檢測。3.自動標定模型的構建與相關算法研究。因交通場景的多樣性與差異性,每個場景提取到的標定標識物不一致,且已知信息不同,因此很難使用一套通用的標定模型進行標定。因此針對不同的場景,構建車道線模型或者車輛模型,使用基于VVH、VVL或VLH的自動標定算法進行標定。本文提出的算法均在給定的交通場景中進行了大量測試,自動標定的精度達到90%以上。對實驗結果進行合理分析,解釋產(chǎn)生誤差的原因并給出相應的改進優(yōu)化方法。獲取到的相機內(nèi)外參數(shù)可用于計算車輛的行駛速度與空間位置、估計車輛的三維尺寸等。
【學位單位】：長安大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：U495;TP391.41
【部分圖文】：

正交消失點示意圖

坐標系位置關系

切向畸變
【參考文獻】

相關期刊論文 前3條

1 嚴紅平;汪凌峰;潘春洪;;高速公路動態(tài)環(huán)境下的攝像機自標定[J];計算機輔助設計與圖形學學報;2013年07期

2 蘇楚奇;黃力博;雷芳芳;;視覺檢測在車輛尺寸測量上的應用[J];汽車工程師;2009年01期

3 江志軍;易華蓉;;一種基于圖像金字塔光流的特征跟蹤方法[J];武漢大學學報(信息科學版);2007年08期

相關碩士學位論文 前3條

1 王潛;基于雙目視覺的車輛尺寸測量技術研究[D];南京郵電大學;2018年

2 嚴騰;高速公路場景下相機自動標定算法研究[D];長安大學;2018年

3 張茗昱;基于邊緣輪廓的車輛尺寸測量系統(tǒng)的設計[D];哈爾濱理工大學;2017年

本文編號：2883245