基于消失點的車載相機俯仰角標定方法

洪豐

基于消失點的車載相機俯仰角標定方法

洪豐

（浙江科技學院 機械與能源工程學院，浙江 杭州 310023）

車載相機的標定對于基于機器視覺的智能輔助駕駛系統來說十分重要，其中，相機的俯仰角是一項重要參數。基于此，提出基于消失點的車載相機俯仰角標定方法，根據道路的紋理特征，利用5個尺度、8個方向的Gabor濾波器獲得圖像的紋理信息，然后運用局部軟投票算法得到消失點的位置，最后，根據相機成像原理，建立消失點與俯仰角的運算關系，最終得到相機俯仰角信息。實驗結果表明，該方法俯仰角的標定誤差在0.5°以內，具有較好的測量精度，滿足實際工程應用需求。

單目視覺；紋理特征；消失點；俯仰角

目前，機器視覺在智能輔助駕駛系統中運用得越來越廣泛，而最常用的視覺設備便是車載相機了。車道線檢測、車輛跟蹤及測距等算法都需要運用攝像機的標定參數，其中，攝像機俯仰角對算法檢測結果影響最顯著[1-2]。因此，精確地標定車載相機的俯仰角對基于機器視覺的智能輔助駕駛系統來說十分重要。

實際上，車輛的行車環境復雜多樣，例如樹木陰影、光照不均、路面障礙物等情況，使得處理道路圖像的難度增加。目前，基于紋理特征的道路檢測方法能夠適應復雜的道路環境，魯棒性較好。

因此，本文提出基于消失點的車載相機俯仰角標定方法，建立5個尺度、8個方向的二維Gabor濾波器對圖像進行卷積運算，得到圖像的紋理方向；運用局部軟投票機制確定道路消失點的位置；運用消失點與俯仰角的運算關系得到相機的俯仰角。

1 消失點檢測

1.1 Gabor變換

紋理是圖像的固有特征，獲得圖像紋理特征的常用方法是采用Gabor 濾波器。Gabor濾波器能夠在頻域不同尺度、不同方向上提取圖像特征，這樣的表達方式與人類視覺系統很相似。本文利用 Gabor 濾波器多尺度多方向的特點，對圖像進行分析，提取圖像的紋理方向。二維 Gabor 濾波器表示如式（1）所示：

式（1）中：=sin+cos，=－sin+cos，一般取2.2；為尺度；為方向。

由于5個尺度、36個方向的Gabor濾波器耗時很長，經實驗驗證，本文選取5個尺度、8個方向共40個模板的Gabor濾波器對圖像進行卷積運算。

令（，）表示圖像在點（，）處的灰度值，則圖像與Gabor濾波器的卷積操作表示為：

卷積的結果ω，φ在點=（，）處有兩部分：實部和虛部。將實部和虛部的平方和的平均值定義為ω，φ（），則點處的響應值為：

圖像在不同方向上的響應會有所不同，定義響應強度最大的方向為該點的紋理方向，并確定原圖像中所對應點的方向響應幅值，即該點8個方向特征最大的幅值來確定，如式（4）所示：

（）=argmaxφω，φ（） （4）

1.2 局部軟投票

Gabor濾波器提取出每個像素的紋理方向后，進行消失點的篩選和確定。采用投票機制對消失點候選點進行投票可最終確定消失點的位置。根據投票范圍可以將投票方式劃分為全局硬投票方式和局部軟投票[3]方式，全局硬投票方式往往偏向于選擇上部的點，使得消失點上移，產生較大的誤差。為克服這一問題，本文選用局部軟投票方式。

對于圖像中的每一個候選消失點，在該點下方設定一個以該點為圓心、半徑為0.35×的半圓區域為投票點區域V，其中為圖像的對角線長度。對于投票點區域V內的任一投票點，其紋理主方向為P，投票公式為：

從上述公式中可以看出，夾角的取值與（，）有關。當投票點離點越遠，（，）越大，取值在較小范圍內；當投票點離點較近時，可以取較大的值。因此，局部軟投票法可以避免圖像上方的候選消失點得票更多的情況，以提高檢測精度。計算出候選點的投票值后，選出投票值最高的點作為道路的消失點。消失點的檢測結果如圖1所示，圖1（d）中的黑色矩形框表示消失點的位置。

（a）道路圖像 （b）紋理特征

（c）投票空間 （d）道路消失點

圖1 消失點檢測結果

2 相機俯仰角的計算

B.CAPRILE等人[4]根據相機內部參數與消失點之間的關系，提出了運用消失點進行攝像機標定的思想。本文根據無窮遠處消失點與光心的連線近乎平行于道路平面這一關系對相機的俯仰角進行標定。俯仰角如圖2所示，1為圖像坐標系，為光心位置，其在圖像坐標系上的坐標為（0，0）；為道路消失點在圖像平面上的投影點，像素坐標為（1，1），由前面部分計算得到；相機的焦距為；攝像頭安裝高度為；為相機的盲區距離（圖像最底端與相機之間的實際距離），可由式（7）計算得到；為相機垂直視角的一半，與相機的自身參數有關，計算公式如式（8）所示；為相機的俯仰角。

根據幾何關系得到的相機俯仰角計算公式為：

式（8）中：2為相機光敏元件的尺寸參數。

3 實驗結果與分析

選用焦距為18 mm，CMOS尺寸為22.3 mm×14.9 mm的相機，并將相機固定在三腳架上，讓三腳架上的水平儀保持在水平狀態。相機的高度為1.2 m。將相關參數代入式（8）中得出為22.48°。沿垂直方向轉動相機一定角度，每轉動一次拍攝一張照片，共拍攝100張照片。

圖2 俯仰角示意圖

圖像處理平臺：2.30 GHz CPU，Window 10操作系統，MATLAB 2017a 編譯環境。將測量盲區距離所得的俯仰角作為實際俯仰角與運用本文算法所得的俯仰角進行實驗對比，實驗結果如表1所示。由表1得到，運用本文方法標定出的俯仰角誤差均在0.5°以內，具有較好的檢測精度，可運用在車載相機俯仰角的標定中。

表1 俯仰角標定結果

序號基于消失點得到的俯仰角基于盲區距離得到的俯仰角相對誤差 10°57′0°26′0°31′ 22°39′2°13′0°26′ 35°20′4°53′0°27′ 49°55′9°26′0°29′ 514°43′15°10′﹣0°27′ 620°32′20°07′0°25′ 724°53′25°11′﹣0°18′ 830°11′29°48′0°23′

4 結論

本文提出了基于消失點的車載相機俯仰角標定方法，首先運用Gabor濾波器得到道路的紋理圖像，然后采用局部軟投票法得到消失點的位置，最后根據相機成像原理，建立了消失點與俯仰角的關系，得出相機實際俯仰角角度。實驗結果表明：該方法俯仰角檢測誤差在0.5°以內，有較高的工程應用價值。下一步研究將針對算法的實時性問題進行優化。

［1］劉軍，后士浩，張凱，等.基于單目視覺車輛姿態角估計和逆透視變換的車距測量［J］.農業工程學報， 2018， 34（13）：70-76.

［2］余厚云，張為公.基于單目視覺傳感器的車距測量與誤差分析［J］.傳感器與微系統，2012，31（9）：10-13.

［3］KONG H，AUDIBERT J Y，PONCE J.General road detection from a single image［J］.IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society，2010，19（8）：2211-2220.

［4］B.CAPRILE，V.TORRE.Using vanishing points for camera calibration［J］.International Journal of Computer Vision，1990，4（2）：127-140

U471.1

A

10.15913/j.cnki.kjycx.2019.15.037

2095－6835（2019）15－0094－02

洪豐（1994—），女，研究方向為智能交通。

〔編輯：張思楠〕