基于机器视觉运动车辆长宽高尺寸估测

摘要

基于机器视觉的交通信息采集技术是发展智能交通的一个重要方面，在智能交通领域内拥有非常良好的发展前景。本文研究的主要内容是基于机器视觉运动车辆长宽高尺寸估测。车辆的长宽高信息是道路监控中的重要参数。实现对运动中车辆尺寸参数的非接触式快速检测，可以有效提高道路监测效率，为我国公路交通运输管理部门提供有效的技术手段。
　　文章的主要研究内容有以下三点:
　　1.单目摄像机的标定技术
　　通过分析实际应用背景，确定摄像机的成像模型为最基本的针孔成像模型。根据标定摄像机的参数，构建了由图像坐标系到世界坐标系的映射表。并通过实验对建立的映射表数据进行了验证，对误差进行了分析。
　　2.基于枚举法的运动车辆速度估计
　　文章为了减少对运动车辆速度检测的算法复杂度，采用了枚举法来估计运动车辆的速度。首先采集一组目标图像序列，根据映射表确定目标车辆上特征点在所采集样本内的起始位置，然后通过枚举测速的方法对目标车辆的行驶速度进行估计。最后通过实验验证了结果的精准性。
　　3.运动车辆长宽高尺寸估计
　　文章首先提取了目标车辆上的特征角点，并通过计算得出特征角点的投影速度。然后分析了特征角点的空间高度与速度的几何关系，并获取了特征角点的空间高度，以此估计了目标车辆的高度信息。最后根据映射表计算出特征角点的路平面二维坐标，并分析了如何获得车辆的长度和宽度信息。
　　文章就是围绕以上三个技术要点，对如何实现以分析视频图像的方式实时检测运动车辆的尺寸参数做了详细论述。

目录

摘要

1 绪论

1．1 课题背景及意义

1．2 国内外研究状况及其进展

1．2．1 国外发展概况

1．2．2 国内发展概况

1．3 论文的主要研究内容和结构安排

2 运动车辆长宽高尺寸获取方案设计与检测原理

2．1 运动车辆长宽高尺寸获取方案设计

2．2 视觉检测中图像处理基础

2．2．1 图像预处理技术

2．2．2 特征点提取算法的选择和研究

3 单目摄像机标定技术

3．1 摄像机模型

3．1．1 摄像机标定的四个坐标系

3．1．2 摄像机成像模型

3．2 单目摄像机标定模型

3．3 一维映射表

3．3．1 一维摄像机模型

3．3．2 一维映射关系

3．4 二维映射表

3．4．1 二维摄像机模型

3．4．2 二维映射关系

3．5 实验结果分析

3．5．1 一维映射表的实验结果分析

3．5．2 二维映射表实验结果分析

3．6 本章小结

4 车辆运动速度估测

4．1 车辆运动速度估测算法流程

4．2 车尾跟踪范围划定

4．3 车尾投影序列提取

4．4 特征点的提取

4．5 枚举测速与实验结果

4．6 本章小结

5 运动车辆长宽高尺寸估计

5．1 特征点投影模型

5．2 路平面投影点的运动速度估计

5．2．1 车辆特征角点的提取

5．2．2 车辆特征角点的匹配

5．2．3 车辆特征角点投影速度计算

5．3 特征角点的高度与速度的关系

5．3．1 特征角点的高度与速度的几何关系

5．3．2 特征角点的高度与速度关系实验结果

5．3．3 特征角点的实际空间高度估计

5．3．4 车辆的实际空间高度估计

5．4 车辆特征角点的二维坐标估计

5．4．1 特征角点的高度与空间位置关系

5．4．2 模拟环境空间点的二维坐标估计

5．4．3 特征角点的二维坐标估计

5．4．4 车辆的实际长宽估计算法研究

5．5 本章小结

6 总结与展望

参考文献

攻读硕士学位期间发表的论文和参加的科研工作

致谢

声明