公开/公告号CN113844365A
专利类型发明专利
公开/公告日2021-12-28
原文格式PDF
申请/专利权人 盐城吉研智能科技有限公司;
申请/专利号CN202111346109.7
申请日2021-11-15
分类号B60R1/00(20060101);G06K9/00(20060101);
代理机构16017 北京君琅知识产权代理有限公司;
代理人周燕
地址 224055 江苏省盐城市盐都区高新区智能终端产业创业园1号楼(D)
入库时间 2023-06-19 13:27:45
技术领域
本发明涉及计算机视觉技术以及图像处理技术领域,具体涉及一种汽车前视双侧盲区可视化方法。
背景技术
汽车已经逐渐成为人们出行必备的交通工具,其驾驶的安全性也受到越来越多的重视,在这些安全问题中,我们不可忽略的一个问题便是汽车前视双侧盲区带来的驾驶干扰问题。本发明通过在汽车前视双侧盲区像融合显示装置来解决汽车前视双侧盲区遮挡视线的问题,使得汽车在既满足刚度要求的情况下,又能够使得驾驶员的视野得到改善。
本发明通过对透视变换理论进行探究,并且结合计算机视觉相关技术实现一种汽车前视双侧盲区可视化方法。本发明通过一个外接相机用来获取景象,前置单目深度相机用来取驾驶员双眼中心的三维空间坐标,从而根据驾驶员的双眼中心三维空间坐标来动态地显示汽车前视双侧盲区遮挡住的景象,并且实现屏幕里的景象与屏幕外景象相互融合、无缝衔接的效果。
发明内容
针对现有技术的不足,本发明旨在提供一种汽车前视双侧盲区可视化方法。
为了实现上述目的,本发明采用如下技术方案:
一种汽车前视双侧盲区可视化方法,具体过程为:
S1.盲区图像预处理:本发明采首先用非线性的灰度变换法来增强图像的灰度,从而减少光照对图像的影响。本方法首先分别采用对数变换和幂次变换来对要进行人眼识别的图像进行处理。设图像的像素坐标为ε(u,v),变换前像素坐标处灰度值为f(u,
v),变换后的像素坐标值为g(u,v)则依照如下的变换规则:
其中m1为图像像素的灰度曲线的初始值,m2为图像像素的灰度曲线的变化速率,min、max分别为图像区域内像素点灰度级最小值、最大值。
利用对数变换以及幂次变换处理过的图像可以增强其视觉上的分辨能力,之后使用中值滤波器对图像进行降噪处理,增强其轮廓的可辨识度,即遍历图像中的每个区域的像素值进行排序,将其中值赋与(x,y)。最后,对图像进行均值化处理。
S2.人眼坐标的三维空间坐标计算:利用深度相机结合Haar模板计算区域的特征值,并根据特征值集合设计积分图,利用特征值训练弱分类器,并组合多个弱分类器构成强分类器,使用多层强分类器来对人脸进行检测以获取人眼的三维空间精确坐标位置。
S3.单目深度相机精准定位:依据图像坐标系和车身坐标系以及车载车内单目深度相机的安装数据构建人眼与深度相机相对车身坐标系XYZ轴的夹角空间关系,并根据测量获得的已知的数据以及人眼定位算法的三维空间人眼坐标值计算出人眼的双眼中心实际坐标(x
S4.图像透视转换:依据计算所获得的三维空间人眼坐标值(x
即求图像变换前Wa的计算公式为变换后的坐标Wb=WaH,即只需要求出矩阵H即可获得透视转换的规则矩阵,在本方法中,设图像处于平面z=1上,则只需要使用四个预设点(0,0)(0,1)(1,0)(1,1)即可求出变换矩阵H,利用变换矩阵H对车外相机所捕获的视频图像进行透视转换矫正,令盲区图像处于和视平面的同一平面上。
S5.盲区图像局部选取:以图像局部选取矩阵δ(x,y,d’,l’),对进行矫正后的盲区图像进行选取,x,y分别为盲区图像的正中心点横纵坐标值,d’、I’分别为盲区图像的宽度和高度,从车外相机所拍摄的图像中局部选取驾驶员的视觉盲区范围图像。
S6.盲区图像融合:利用图像局部选取模板和透视矩阵,对车外相机所捕获的汽车盲区图像进行局部选取和透视变换,以实时驾驶员的视觉和盲区与周围景物的视觉融合,将进行局部选取以及变换后的盲区视频图像显示在汽车前视双侧盲区显示屏上,并根据车内摄像机捕获的驾驶员眼部坐标进行实时的调整以达到与周围景物完全相融合以消除汽车前视双侧盲区。
本发明的有益效果在于:本发明可应用于消除汽车前视双侧盲区对驾驶员的视线干扰造成的行车安全隐患。本方法可以将通过一个外接相机用来获取景象,车内前置单目深度相机用来获取驾驶员双眼中心的三维空间坐标,从而根据驾驶员的双眼中心三维空间坐标来动态地显示汽车前视双侧盲区遮挡住的景象,并且实现屏幕里的景象与屏幕外景象相互融合、无缝衔接的效果。
附图说明
图1为本发明实施例中汽车前视双侧盲区可视化方法的示意图。
具体实施方式
以下将结合附图对本发明作进一步的描述,需要说明的是,本实施例以本技术方案为前提,给出了详细的实施方式和具体的操作过程,但本发明的保护范围并不限于本实施例。
本实施例提供一种汽车前视双侧盲区可视化方法。主要过程为:
S1.盲区图像预处理:本发明采首先用非线性的灰度变换法来增强图像的灰度,从而减少光照对图像的影响。本方法首先分别采用对数变换和幂次变换来对要进行人眼识别的图像进行处理。设图像的像素坐标为ε(u,v),变换前像素坐标处灰度值为f(u,v),变换后的像素坐标值为g(u,v)则依照如下的变换规则:
其中m1为图像像素的灰度曲线的初始值,m2为图像像素的灰度曲线的变化速率,min、max分别为图像区域内像素点灰度级最小值、最大值。
利用对数变换以及幂次变换处理过的图像可以增强其视觉上的分辨能力,之后使用中值滤波器对图像进行降噪处理,增强其轮廓的可辨识度,即遍历图像中的每个区域的像素值进行排序,将其中值赋与(x,y)。最后,对图像进行均值化处理。
S2.人眼坐标的三维空间坐标计算:利用深度相机结合Haar模板计算区域的特征值,并根据特征值集合设计积分图,利用特征值训练弱分类器,并组合多个弱分类器构成强分类器,使用多层强分类器来对人脸进行检测以获取人眼的三维空间精确坐标位置。
S3.单目深度相机精准定位:依据图像坐标系和车身坐标系以及车载车内单目深度相机的安装数据构建人眼与深度相机相对车身坐标系XYZ轴的夹角空间关系,并根据测量获得的已知的数据以及人眼定位算法的三维空间人眼坐标值计算出人眼的双眼中心实际坐标(x
S4.图像透视转换:依据计算所获得的三维空间人眼坐标值(x
即求图像变换前Wa的计算公式为变换后的坐标Wb=WaH,即只需要求出矩阵H即可获得透视转换的规则矩阵,在本方法中,设图像处于平面z=1上,则只需要使用四个预设点(0,0)(0,1)(1,0)(1,1)即可求出变换矩阵H,利用变换矩阵H对车外相机所捕获的视频图像进行透视转换矫正,令盲区图像处于和视平面的同一平面上。
S5.盲区图像局部选取:以图像局部选取矩阵δ(x,y,d’,I’),对进行矫正后的盲区图像进行选取,x,y分别为盲区图像的正中心点横纵坐标值,d’、I’分别为盲区图像的宽度和高度,从车外相机所拍摄的图像中局部选取驾驶员的视觉盲区范围图像。
S6.盲区图像融合:利用图像局部选取模板和透视矩阵,对车外相机所捕获的汽车盲区图像进行局部选取和透视变换,以实时驾驶员的视觉和盲区与周围景物的视觉融合,将进行局部选取以及变换后的盲区视频图像显示在汽车前视双侧盲区显示屏上,并根据车内摄像机捕获的驾驶员眼部坐标进行实时的调整以达到与周围景物完全相融合以消除汽车前视双侧盲区。
对于本领域的技术人员来说,可以根据以上的技术方案和构思,给出各种相应的改变和变形,而所有的这些改变和变形,都应该包括在本发明权利要求的保护范围之内。
机译: 一种制造双侧电池和双侧电池的方法
机译: 一种制造双侧膜和双侧膜的方法
机译: 一种用于单侧或双侧螺纹接头的方法,特别是用于加热体的方法