1.基于冰雪路面车辙痕迹构建虚拟轨迹线的车辆循迹方法,其特征在于,包括以下步骤:步骤1:通过车载摄像头融合多传感器采集冰雪路面车辙图像;
步骤2:对车载摄像头进行标定,获取相机内参数矩阵和畸变系数,对采集的图像进行去畸变处理;
步骤3:对像素点进行颜色聚类,在灰度化之前初步去除部分无关要素数据,得到初步ROI图像;
步骤4:对步骤3所得图像进行进一步预处理,包括灰度化、双边滤波、直方图均衡化、自适应阈值二值化、形态学腐蚀操作先腐蚀再膨胀、轮廓提取;
步骤5:通过逆透视变换将步骤4处理得到的图像转换为鸟瞰图;
步骤6:基于车辆左右轮胎间距范围,通过逐行扫描提取车辙边缘的像素点坐标;
步骤7:采用基于非线性回归的BANSAC算法拟合三次多项式模型生成光滑曲线;
步骤8:将拟合后图像透视变换为原视角后,以拟合曲线作虚拟轨迹线,在原图像中画出并作为车辆循迹的依据;
所述步骤2中,相机内参矩阵,畸变系数,去畸变公式为:;
;
;
其中,是相机的焦距;是图像的主点坐标;分别是径向畸变的二阶、四阶和六阶系数;是切向畸变的系数;是非畸变的坐标位置;是畸变后的坐标位置;r是点到图像坐标系原点的径向距离;
所述步骤3的具体步骤如下:
步骤31:读取处理后图像并转化为像素点矩阵,运用K-Means聚类算法对图像中的像素点使用RGB空间进行颜色聚类,得到不同颜色取值范围的簇;
步骤32:根据雪地像素特征,即雪的颜色偏白色,三通道数值均趋于255;以及车辙像素特征,即车辙颜色偏深,三通道数值均趋于0,选择聚类中心数量;
步骤33:分析聚类结果,通过计算簇的中心颜色与已知雪地及车辙颜色的相似度,提取与雪地和车辙颜色最接近的目标簇;
步骤34:将非目标簇的像素点设置为背景色,即白色,保留与雪地和车辙相关的像素点;
步骤35:根据筛选后的像素点,生成新的图像,仅保留与雪地和车辙相关的区域,形成初步ROI图像;
所述步骤4中,灰度化公式如下:
;
其中,是灰度化后的像素值;R、G、B分别表示彩色图像中红色、绿色、蓝色通道的像素值;
直方图均衡化步骤为:计算每个灰度值出现的频率,输入图像的直方图;计算累积分布函数,即CDF;根据CDF,将输入图像的每个灰度值映射到新的灰度值,公式如下:;
其中,;是直方图均衡化的变换函数;是输入图像的灰度值;是取整函数;是输入图像的累积分布函数;是非零的最小累积分布函数值;N是图像的总像素数;L是灰度级总数;
所述步骤6中,车辆左右轮胎间距范围的获取方法为:依据不同车型的前轮间距及后轮间距范围,选出轮距最小值以及轮距最大值,并根据图像的分辨率和透视变换后的比例尺转换成像素值,;
提取车辙边缘的像素点坐标的具体步骤如下:
步骤61:初始化行指针i=m,列指针j=0,m为图像总行数;扫描第i行,即从图像底部开始逐行扫描所得二值图像,然后判定当前行像素值P是否全为255,若是,则无车辙边缘,令i=i-1扫描上一行;否则,进行步骤62;
步骤62:令j=j+1,从左往右由第1列开始扫描像素点,寻找当前行第j列像素值Pj为0的像素点;若Pj不为0,则非目标点,令j=j+1继续扫描下一列;若0,则记录当前点列号;
在当前行中,从第列开始,检查从到范围内的像素值;若在范围内存在像素值为0的像素点,则认为当前点是车辙边缘的一部分,记录当前点的坐标;否则将当前点视为干扰点,令,以消除干扰;
步骤63:继续逐行向上扫描,重复步骤62,直到扫描完所有行;
步骤64:扫描完成后,提取所有灰度值为0的像素点坐标,即为车辙边缘的像素点坐标值;
所述步骤7的具体步骤如下:
步骤71:初始化所有数据点的内点概率为0.5,设置最大迭代次数、误差阈值和置信度;
步骤72:进行迭代,在每次迭代中,根据当前模型计算每个数据点的内点概率;使用动态贝叶斯网络更新内点概率,考虑数据点与当前模型的拟合误差;
步骤73:根据更新后的内点概率进行加权采样,选择样本点用于模型估计;
步骤74:在BANSAC框架下,使用非线性回归拟合三次多项式模型,优化目标函数Z为最小化拟合误差;
三次多项式模型的数学表达式为:
;
其中,a,b,c,d是多项式的系数;是因变量;x是自变量;
优化目标函数Z为:
;
其中,N是数据点的数量;是数据点的坐标;
步骤75:计算当前模型的内点数量和拟合误差,再判断是否满足停止准则,若满足停止准则,停止迭代;输出最终的三次多项式模型参数a,b,c,d,并生成光滑曲线。
2.根据权利要求1所述的基于冰雪路面车辙痕迹构建虚拟轨迹线的车辆循迹方法,其特征在于,所述步骤5中,逆透视变换公式为:;
其中,是原图像中的点;是变换后的点;是缩放因子;H是逆透视变换矩阵。
3.根据权利要求1所述的基于冰雪路面车辙痕迹构建虚拟轨迹线的车辆循迹方法,其特征在于,所述步骤8中,将拟合后图像透视变换为原视角的具体方法为:对步骤5所得逆透视变换矩阵H求逆矩阵,使用OpenCV的cv2.warpPerspective函数将拟合后图像转变为原视角。
4.一种驾驶辅助系统,其特征在于,所述驾驶辅助系统包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆循迹程序,所述车辆循迹程序被所述处理器执行时实现如权利要求1-3中任一所述的车辆循迹方法的步骤。
5.一种车辆,其特征在于,包括车辆本体及如权利要求4所述的驾驶辅助系统,所述驾驶辅助系统设置于所述车辆本体中。