欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021104870051
申请人: 湖北汽车工业学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种车辆与障碍物相对位置自动获取方法,其特征在于,在车载激光雷达标定场正中间位置的上方设置用于获取标定场内状态的摄像头,在标定场场地两个对角处分别布置球体特征标定物,然后检测出标定场内的球体特征标定物的球心的世界坐标,并检测待获取标定车辆外轮廓,接着计算出车辆外轮廓的外接矩形并获取该外接矩形正中心的世界坐标,再以车辆外轮廓的外接矩形的正中心为车体坐标系原点,将车体坐标系的X轴、Y轴设置为分别与车辆外轮廓的外接矩形的两条边平行,再通过车体坐标系与世界坐标系的旋转平移转系,最终计算出球体特征标定物的球心在车体坐标系中的坐标;

具体包括以下步骤:

(1)在车辆车载激光雷达标定场地的两个对角处各布置一组球体特征标定物,且每组球体特征标定物是由呈正三角形分布的三个表面为高哑光的球体构成;

(2)将摄像头置于车载激光雷达标定场地的正中间上方,摄像头的高度需保证其拥有完整、清晰的标定场地的视野,并使摄像头成像平面与标定场地的平面保持水平,再将车辆停放于标定场地正中间区域内且保证车头航向角在0°‑180°之间;

(3)对置于车辆车载激光雷达标定场地正中间上方的摄像头的内参矩阵及外参矩阵进行标定,并将摄像头的内、外参矩阵存储于标定运算计算机中;

(4)载入并保存一张标定车辆未进入标定场地时的图像并对该图像进行灰度化处理,对得到的灰度图进行高斯滤波与平滑处理,然后检测经高斯滤波与平滑处理后的图像中的圆,提取出圆心坐标即球心在二维像素坐标系下的坐标,接着将球心在二维像素坐标系下的坐标转换到世界坐标系下,得出球心在世界坐标系下的坐标并存储于标定计算机中;

(5)载入待标定车辆未进入标定场时的图像获取球体球心的世界坐标的同时,通过混合高斯模型对经上述步骤(4)中高斯滤波与平滑处理后的图像进行背景建模并存储建模结果,即背景图像;

(6)在保证车头航向角在0°‑180°内的前提下,将车辆以任意位姿停放在标定场内,获取并载入待标定车辆进入标定场后的当前景帧图像;

(7)获取并载入车辆停放在标定场内的当前景帧图像Pvehicle,再将当前景帧图像Pvehicle进行高斯滤波处理后与预先存储于标定计算机中的背景帧图像Pempty作为输入,使用背景差分法对图像进行处理,计算出与背景偏离超过一定阈值的像素区域作为待标定车辆在图像中的所在区域,获取一张仅包含待标定车辆的前景像素图;

(8)对上述步骤(7)中所获得的前景像素图进行二值化和高斯滤波与平滑处理,然后检测待获取标定车辆的外轮廓信息,提取车辆外轮廓中处于最外围的两个对角点并获取其在像素坐标系下的坐标,以这两个对角点构造待标定车辆外轮廓的外接矩形;

(9)以上述步骤(8)中构造的外接矩形的几何中心点为车体坐标系的原点,将车体坐标系的原点设置在高于地面且能保证摄像头具有覆盖整个标定场地的清晰视野的平面上,从车体坐标系的原点分别向外接矩形的两条边作垂线,获取垂线与外接矩形的边的交点在图像坐标系中的坐标;

(10)通过像素坐标系下和世界坐标系下的坐标转换公式分别计算得到上述步骤(9)中车体坐标系的原点、垂线与外接矩形的边的交点在世界坐标系中的坐标,再计算出车体此时的航向角;

(11)最后计算出球体特征标定物的球心在车体坐标系下的坐标;

所述步骤(10)计算车体此时航向角θ的计算公式为:此时各个球体的球心在车体坐标系下的坐标计算公式为:其中,(x,y)为球心在二维世界坐标系下的坐标,则该球心在车体坐标系下的坐标为(x',y',r‑k),r为球体半径,k为车体坐标系XY平面距离地面的距离,r‑k为球心在车体坐标系中Z轴上的坐标。

2.如权利要求1所述的车辆与障碍物相对位置自动获取方法,其特征在于:所述步骤(1)中每个球体的半径为0.6m,每组球体特征标定物中相邻球体的球心之间距离为2.2m,将每组球体特征标定物的正中心置于车体坐标系原点8‑10m的距离处。

3.如权利要求1所述的车辆与障碍物相对位置自动获取方法,其特征在于:所述步骤(3)是利用张正友棋盘格标定法对置于标定场的正中间位置上方的摄像头的内参矩阵及外参矩阵进行标定;且像素坐标系下和世界坐标系下的坐标转换公式为:上式(1)中u,v为某点在像素坐标系中的坐标,Xw,Yw,Zw为该点在世界坐标系中的坐标,K为摄像头的内参矩阵,R、T为摄像头的外参矩阵。

4.如权利要求1所述的车辆与障碍物相对位置自动获取方法,其特征在于:所述步骤(4)是使用OpenCV中的函数cvLoadlmage()载入并保存一张标定车辆未进入标定场时的图像;

所述步骤(4)是通过cvtColor()函数对该图像进行灰度化处理;

所述步骤(4)是利用霍夫梯度法检测经高斯滤波与平滑处理后的图像中的圆;

所述步骤(4)是通过OpenCV中的椭圆拟合函数fitEllipse()输出所有圆的圆心坐标,表示为矩阵Ocam:

(u1,v1)..(u6,v6)分别代表两组球体特征标定物中六个球体的球心在像素坐标系下的坐标,球心在世界坐标系下的坐标表示为Oword:(xw1,yw1)..(xw6,yw6)为球体特征标定物中六个球体的球心在二维世界坐标系下的横、纵坐标,r为球体半径。

5.如权利要求1所述的车辆与障碍物相对位置自动获取方法,其特征在于:所述步骤(5)是利用OpenCV中的混合高斯背景模型构建函数BackgroundSubtraatorMOG()对经所述步骤(4)中高斯滤波与平滑处理后的图像进行背景建模。

6.如权利要求1所述的车辆与障碍物相对位置自动获取方法,其特征在于:所述步骤(8)是使用Canny算法检测待获取标定车辆的外轮廓信息。

7.如权利要求1所述的车辆与障碍物相对位置自动获取方法,其特征在于:所述步骤(11)是通过所述公式(2)和公式(3)计算球体特征标定物的球心在车体坐标系下的坐标,所有球体特征标定物的球心在车体坐标系下的纵坐标均为k‑r,球体特征标定物的球心在车体坐标系下的坐标集合表示为Ovehicle:(xV1,yV1,zV1)..(xV6,yV6,zV6)为两组球体特征标定物中六个球体的球心在车体坐标系下的坐标。

8.如权利要求1所述的车辆与障碍物相对位置自动获取方法,其特征在于:所述车载激光雷达的标定场景为静态场景。