基于全局視圖的車輛輔助導航

劉會平

（重慶郵電大學自動化學院，中國 重慶400065）

智能車輛[1]又稱為室外移動機器人或自主地面車浪，是許多高薪技術綜合集成的載體，是未來車輛的發展趨勢。在智能車輛的研究中，輔助導航一直是研究的關鍵技術之一，而且不斷在加大研究和開發力度，其中以駕駛員安全輔助導航系統的應用最為成功，如駕駛員視野拓展、安全預警等。

在實現智能車輛感知外部環境方面，經過人們多方面的探索之后，證明利用視覺傳感器[2]是智能車輛最有效、最重要的感知方法。駕駛員在駕駛車輛過程中需要信息的90%都是來自視頻圖像，它如同智能車輛的眼睛，能識別各種情況下的道路、道路網絡、路標及無道路的野外環境。因而視覺導航受到各國的關注，是目前智能車輛輔助導航方式的主流。在智能車輛上安裝車載攝像機的基于全局視覺的導航方式技術路線。

而本文采用就是以視覺傳感器為主的輔助導航方式，通過在智能車輛頂部安裝多個攝像機，而實時獲取車身周圍的交通環境信息。本文首先通過攝像機標定技術獲取各個攝像機的內參數和外參數，然后利用參數求解圖像的像素坐標和現實世界坐標之間的轉換關系，根據世界坐標，進而求得相鄰攝像機圖像之間的重合點，將圖像拼接，這樣可以拓展視野，最后利用圖像的逆變換技術，將拼接的圖像轉換成一幅全局視圖的正下視圖，類似于方便我們查閱的地圖，進而達到輔助導航的目標。

1 攝像機標定

在基于視覺導航的智能車輛中，需要根據攝像機所獲取的圖像信息來重建或者識別目標，因此車載攝像機的標定[3]是至關重要的，所謂攝像機標定，就是從攝像機獲取的圖像信息出發，根據空間物體表面某點的三維幾何位置與其在圖像中對應點之間的相互關系，構建攝像機成像的幾何模型，再經實驗與計算得到空間環境中三維物體的位置、形狀等幾何模型參數的過程。從定義上看，攝像機標定實質是確定攝像機內外參數的一個過程。本文中攝像機的內部參數可以通過使用南加利福尼亞大學開發的標定工具箱[4]進行標定，得到攝像機的主點和有效焦距。外部參數采用的是一種簡單實用的方法，稱三線法[5]。

根據透視投影原理，一條空間直線上的無窮遠像素即在視平面上形成的收斂點稱為消失點，空間中相互平行的的直線簇在視平面有相同的消失點。而車載攝像機的外部參數和與消失點和斜率之間具有內在的聯系，攝像機的外部參數可以用與平行線有關的解析表達式表示。

分別建立與汽車固連的車體坐標系（世界坐標系）和與攝像機坐標系固連的攝像機坐標系。車體坐標系的原點設在汽車的豎直中心線和地面的交點上。設地面平坦，攝像機坐標系原點在攝像機的光心，光心在車體坐標系中的坐標t=(l,d,h)。若車體坐標系中有一點pv=(xv,yv,zv)，它在攝像機坐標系中的坐標為pc=(xc,yc,zc)。通過旋轉和平移變換，可以建立圖像像素坐標(u,v)和pc=(xc,yc,zc)之間的關系表達式：

最后求得圖像像素坐標和車體坐標之間的關系表達式：式中，fx,fy,u0,v0為攝像機的x,y方向的焦距和主點坐標，是相機的內部參數；R,T是相機的外部參數。具體的標定方法見文獻[4]。

2 基于攝像機標定的圖像拼接

由于智能車輛對實時性要求較高，否則無法達到實時導航的目標，針對現有的圖像拼接[6]算法在配準精度和速度方面的不足，本文利用相機標定技術獲得的參數求得圖像像素坐標，相機坐標系和車體坐標系旋轉變換關系。

圖像拼接技術主要分為兩個主要步驟：圖像配準、圖像融合。圖像配準[7]具體方法是利用攝像機標定獲得每個攝像機的內參數和外參數，計算出拍攝圖像像素坐標和車體坐標系之間的單應性矩陣關系式，然后不斷進行重復試驗，直到求出相鄰圖像之間的車體坐標相重合的坐標點，然后在該坐標點附近反復實驗，直到求出坐標最接近的像素坐標。然后以其中一幅圖像為基準，將相鄰的另一幅從重合的坐標點開始拼接到基準圖像中。

一般情況下，由于待拼接圖像的采樣角度的不同，配準后的圖像在重疊部分會出現明暗強度及變形程度的差異。為了使拼接后的圖像具有視覺一致性且沒有明顯的縫合痕跡，必須對拼接后的圖像進行后序的圖像融合處理。本文采用的較常用的加權平均法。令I1(x,y),I2(x,y),g(x,y)分別表示第一幅圖像、第二幅圖像和融合圖像則融合后的圖像像素g(x,y)的分布規律如下：

上式中，w1,w2表示權重。0fflt;w1,w2fflt;1且w1+w2=1。它們的值像素在重疊中的位置的不同是變換的。一般與重疊區域的寬度有關。在重疊區域中，w1由1漸變到0。而w2恰恰相反，由0漸變到1。根據此原則從而實現兩幅圖像在重疊區域中圖像I1到圖像I2的平滑過渡。本文根據圖像拼接的情況，采用了最拼接邊緣部分進行加權平均的融合方法。拼接效果如圖所示：

圖1

3 圖像的逆投影變換

在智能車采集駕駛環境信息的過程中，逆投影變換[8]有著廣泛的應用。逆投影變換能夠去除圖像采集過程中形成的透視效果。逆變換后的圖像能夠較好地反映客觀路面情況，強化車道線信息和車輛信息，進而達到輔助導航的目的。

根據小孔成像原理，以圖像中心為圖像坐標系的原點，圖像的豎直方向作為y軸。得到圖像像素坐標系與（世界坐標系）車體坐標系之間的投影關系如下：

其中：x、y分別表示世界坐標系（車體坐標系）的橫縱坐標；、X、Y分別表圖像像素坐標的橫縱坐標；H、W分別表示圖像的長和寬；h表示攝像機的安裝高度；2α表示攝像機的垂直視場角；2β表示攝像機的水平視場角，其詳細的推到過程見文獻[6]。

經過這種投影變換，首先消除了 由于近大遠小這種投影特點造成的車道識別的困難。其次,相比較未轉換的原圖像，僅僅使用 簡單的邊緣增強函數就可以獲得很好的邊緣增強效果。最后，經過變換的圖像還可以盡可能地降低圖像中的車輛對于車道識別的影響，最終現實基于全局視圖的車輛導航的目標。逆投影變換如圖所示：

圖2

4 結論

本文提出的基于全局視圖的車輛輔助導航系統，通過實時獲得最后的大視野的逆俯視圖像，進而可以實時獲知車身周圍的實時交通信息，最終實現智能車輛中輔助導航的功能。

［1］徐友春.世界智能車輛近況綜述[J].汽車工程,2001,23(5):289-295.

［2］沈峘.智能車輛視覺環境感知技術的研究[D].南京:南京航空航天大學,2010.

［3］譚華春,夏紅衛.車載攝像機的立體標定方法[J].吉林大學學報,2013,43(5):352-356.

［4］李青,鄭南寧.用三線法標定車載攝像機的外部參數[J].光電工程,2004,31(8):23-26.

［5］BOUGET J Y.Matlab camera calibration toolbox[EB/OL].http://www.vision.caltech.edu/bougetj/calib_doc/index.html,2003-4-18.

［6］高俊鑫.基于攝像機精確標定的全景圖圖像拼接[D].杭州:浙江大學,2013.

［7］張金玲,孫漢旭.基于相機標定的圖像拼接算法[J].中北大學學報,2003,26(6):575-579.

［8］郭磊,李克強.基于定向二維插值的逆投影變換方法[J].清華大學學報,2006,46(5):712-715.