基于四目立體視覺的智軌電車參數測量方法與系統

彭 京，高曉飛，龍海泉，周傳德

(1.湖南中車智行科技有限責任公司，湖南 株洲 410000；2.重慶科技學院 機械與動力工程學院，重慶 401331)

智軌電車是一種融合了現代有軌電車和公共汽車各自優勢的交通工具，投資成本低、建設周期短、運營靈活[1]。然而，由于智軌電車具有3節及以上編組，整體車身超過20 m，在車輛行駛過程中極易出現跑偏、甩尾及雙向駕駛性能不一致等現象，需對車軸及鉸接盤角度進行精密測量[2]。

目前采用角度和尺寸測量儀進行智軌電車角度測量，整車完成測量耗時1 d，效率低、勞動強度大且測量誤差大[3]。為實現智軌電車車輪及鉸接盤角度快速、精密測量，提出了一種基于四目立體視覺的測量框架，解決車身過長引起的測量視野范圍問題；通過方向性標靶的識別及二次優化，解決車輪目標空間姿態的高精度求解問題；通過空間向量計算各輪轉向角及鉸接盤夾角，構建相關角度視覺測量模型；通過V3D模型建立車身平面測量基準，解決車廂前后左右不平產生的誤差，實現了智軌電車車輪及鉸接盤角度大視野、高效率、高精度測量。

1 智軌電車的幾何參數

智軌電車角度測量需構造測量基準，定義電車在車輪零轉向角時為零位置狀態，以車身平面為基準建立各角度間數學關系式，如圖1所示，連接同一車廂左右兩側車輪位置得到兩個輪轂線AC、BD，將輪轂線的中點E、F連接以得到虛軌對準線EF，取虛軌對準線的垂線GH，由車輪法向的法向量與垂線得到夾角∠A、∠B、∠C、∠D，視為車輪轉向角。將虛軌對準線EF延長，與相鄰車廂的虛軌對準線形成夾角∠β1、∠β2，視為鉸接盤轉向角。

圖1 幾何參數示意圖Fig. 1 Schematic diagram of geometric parameters

基于空間向量，以車身平面為基準建立車輪轉動角度、鉸接盤夾角及其零度，獲取智軌電車幾何參數，不受零點偏移影響，可自動消除由于車廂前后左右不水平產生的測量誤差，提高測量精度。

2 四目立體視覺

利用4臺相機分別識別各車輪上的目標靶，實現大視野景象拍攝。相機間安裝位置關系如圖1，相機1，2和相機3，4分別位于車廂同一側，相機1，4采用對角線的安裝方式。采用的4臺相機，需對相機內外參數進行標定。

相機內參數表示線性透視變換參數和非線性畸變參數,線性透視變換參數表示計算機圖像和相機坐標系間的關系[4-7]，如式(1)。

(1)

式中：(u0,v0)為計算機圖像原點;r為圖像物理坐標u軸和v軸不垂直因子;ax，ay分別為u軸、v軸的尺度因子。

相機外參數表示相機坐標系和世界坐標系間的位姿關系，包含旋轉矩陣和平移矩陣：

(2)

式中：R表示綜合旋轉矩陣；T表示綜合平移向量，r1-r9、tx-tz分別表示R，T展開數值。

考慮相機徑向畸變，首先通過1維平臺，分別實現單相機內參數TSAI標定[8-11]。然后將4臺相機分別安裝在工字形相機架四端進行多相機標定，標定步驟如下：

1)完成相機2相對于相機1關系的R12T12標定。

2)完成相機4相對于相機2關系的R24T24標定，計算得到相機4相對于相機1關系的R14T14。

3)完成相機3相對于相機4關系的R43T43標定，計算得到相機3相對于相機1關系的R13T13。

系統外參數包含3對相機間的相對位置關系，求解原理相同。以相機1和相機2求解為例。現場標定時，保證4臺相機同時拍攝到對應標靶上的合作標識特征，相機1坐標系與相機2坐標系間的變換矩陣就是相機外參R12T12。因此，只需求解兩相機坐標系下相同點數的三維點集間的剛性變換關系即可求得相機外參R12T12[12]。

于是問題簡化為

(3)

則目標函數為

(4)

通過奇異值分解求得目標解，提高測量結果準確性。其余待解參數同理。

3 標靶圖高精度識別及優化

以圓形和圓環為合作標識，設計平面標靶如圖2所示，減小由機械加工造成的精度影響。標靶圖高精度識別及優化流程如圖3所示。分為合作標識識別及優化處理兩部分。

圖2 平面標靶示意圖Fig. 2 Schematic diagram of plane target

圖3 識別及優化過程流程圖Fig. 3 Flow chart of identification and optimization process

首先通過高斯高通濾波對圖像進行平滑處理，去除圖像噪聲，完成邊緣提取與增強，其函數為

(5)

式中：u，v屬計算機圖像坐標系；D(u,v)為傅立葉變換中心原點的距離；D0為截止頻率。

將濾波后的圖像利用邊緣檢測算法尋找圖像強度梯度，利用公式(6)求得每一個像素點的梯度幅值，通過非極大抑制清晰模糊邊界，利用雙閾值確定邊界閾值，利用滯后技術跟蹤邊界。

(6)

式中Gx和Gy分別表示沿水平x方向和垂直y方向的梯度。

鑒于合作標識在成像過程中的旋轉、扭曲等現象，設定圓點面積范圍、長短軸比例關系剔除非標識點并補充缺失點，然后對合作標識進行橢圓擬合，得到圓心坐標(x0,y0)，對其進行最小二乘法曲線擬合求交補齊，得到更精確的圓心坐標[13-14]，即

(7)

完成合作標識初步識別后，對其進行二次優化處理得到更高精度的標靶空間姿態。首先通過透視變換將合作標識成像投影到一個新的平面，讀取坐標數組，如式(8)：

(8)

將式(8)展開后得到

(9)

帶入合作標識點獲得此次透視變換的變換矩陣，通過自適應閾值將圖像二值化，找到圓心坐標，后通過逆透視變換求解各圓心精確坐標。

利用上述方法對合作標識進行高精度識別及優化處理，得到透視變換圖像如圖4所示，實測受光照和環境影響更小，測量結果精度更高和更穩定。

圖4 標靶高精度識別及優化結果測試圖Fig. 4 High-precision target identification and optimization results test chart

4 參數測量系統及實驗

將本系統應用于3節編組的智軌電車標定中，測量系統硬件安裝示意圖如圖5所示，采用工字形架構，3種型號的標靶通過夾具按圖中順序將其分別固定在電車各輪，將4臺2 000萬紅外相機及LED光源分別置于橫梁四端配合對應標靶成像。

圖5 測量系統示意圖Fig. 5 Schematic diagram of measurement system

智軌電車參數測量軟件基于C/S架構提高程序處理速度，通過遞歸算法排除采樣噪點提高圖像質量，借助OpenCV豐富的函數庫對標靶圖像進行識別優化，得到更高精度的標靶空間姿態。軟件測量界面如圖6所示，實驗測量數據及計算結果見表1及表2。

圖6 測試采集圖Fig. 6 Test capture diagram

表1 車輪轉向角測量數據及計算結果

表2 鉸接盤轉向角測量數據及計算結果

實驗誤差主要來源于環境干擾、相機分辨率及標靶圖像處理等誤差的累積。分組多次測量待測參數，根據車輪轉向角測量數據及計算結果可知，測量相對誤差均不超過±0.1°；在鉸接盤轉向角測量實驗中，改變鉸接盤夾角，從實驗數據中可知相對誤差均不超過±0.05°。

結果表明依靠研發的測量方法可實現智軌電車參數高效率、高精度測量，測量耗時1 h/車，精度均優于±0.1°。四目立體視覺保證大視野測量，有效解決了由智軌電車車身過長引起的相關問題。

5 結 論

針對智軌電車參數測量存在車身過長、測量精度及測量效率等問題，通過研究四目立體視覺及標靶圖像識別與優化技術，研發了一套基于四目立體視覺的智軌電車參數測量系統，并應用于中車相應車輛標定中，結論如下：

1)通過四臺相機解決由車身過長引起的測量視野范圍問題，并分布進行相機標定。首先通過1維平臺實現單相機內參數TSAI標定，再分布完成多相機標定，避免由聯合標定造成的系統誤差，準確有效，成功率高。

2)對拍攝標靶圖像進行高精度識別及優化處理，基于邊緣檢測完成合作標識初步識別，基于透視變換原理得到更精確的圓心坐標，達到車輪轉向角測量精度優于±0.1°，鉸接盤夾角測量精度優于±0.05°。

3)研發了基于C/S架構的智軌電車參數測量系統并應用于中車相應車輛標定中，測量時間由之前的1 d/車縮短為1 h/車，有效提高了測量效率。