车道线驱动的4S店在线相机自动标定法

4星 · 超过85%的资源 需积分: 48 68 下载量 171 浏览量 更新于2024-09-12 6 收藏 961KB DOCX 举报
本发明介绍了一种基于车道线标定的自动标定方法,针对4S店的环视拼接系统,旨在提高标定效率并解决传统标定方法可能存在的问题。该方法主要包括以下步骤: 1. 数据采集与预处理:系统通过前、后、左、右四个相机同时采集原始图像,对这些图像进行预处理,提取车道线所在的感兴趣区域。这一步确保了后续车道线检测的准确性和有效性。 2. 车道线检测与拟合:在感兴趣的区域内,利用直方图和随机抽样一致性算法检测车道线,将检测到的车道线分解为6段短直线,便于进一步分析和计算。 3. 相机夹角判定:通过分析这6段直线的斜率,确定各相机的视角角度,以此判断是否需要对特定相机进行标定。这种方法利用了线特征来判断相机的相对位置。 4. 相机标定:对于判定需要标定的相机,采用设计的误差函数和Levenberg-Marquardt (LM)算法进行在线标定,优化相机的外参,如焦距、偏移和旋转等参数。 5. 参数更新与图像重建:标定完成后,更新所有相机的参数,利用新的外参重新生成全景拼接图。这个过程涉及到地面投影图的计算和图像像素的双线性插值,确保了拼接图像的无缝连接。 通过这种基于线特征的在线标定方法,4S店能够减少手动标定的工作量,特别是在标定效果不佳时,能够快速适应环境变化,实现自动校准。这种方法的优势在于实时性高、操作简便,显著提升了4S店在车辆维护和展示过程中的工作效率。整个系统适用于汽车影像和电子领域的应用场景,尤其适合那些对标定精度有较高要求的环视系统。
2018-04-17 上传
随着汽车保有量的增长,越来越多的道路交通事故也给社会和人民造成了巨大的损失。其中,汽车驾驶人的危险驾驶行为是导致道路交通事故频频发生的主要原因。无人驾驶汽车因其无需人类驾驶操纵的特点具有广阔的应用前景。在无人驾驶汽车的行驶过程中,如何实时、鲁棒地提取行驶环境信息,以及在获得信息的基础上进行合理的运动决策是实现其安全、高效自主驾驶的关键,也是无人驾驶汽车研究中的难点和热点。论文依托国家自然科学基金重大研究计划项目(90920305)“无人驾驶车辆智能测试环境研究与开发”和中央高校基金创新团队项目(CHD2011TD006)“基于视觉信息的无人驾驶智能车辆关键技术研究”对无人驾驶汽车环境信息提取及运动决策方法展开研究,以实现无人驾驶汽车安全、高效、智能地行驶。本文的研究内容主要包括:(1)视觉图像数据采集模型和预处理研究。以无人驾驶汽车坐标系作为约束条件,建立视觉图像数据采集模型;针对图像采集质量易受行驶环境影响而造成特征难以提取的问题,研究多尺度Retinex图像增强算法和传统中值滤波算法的改进优化算法,并进行静态离线对比试验。(2)针对复杂道路环境下车道标线检测算法鲁棒性较差的问题,提出面向图像像素点的改进道路图像分割方法以深度挖掘车道标线轮廓信息;在此基础上提出基于抽样行双向扫描和成像模型约束候选特征点相结合的车道标线检测优化算法。为了实现车道标线检测与跟踪模块的有效切换,建立置信度判别模块和失效判别模块。(3)针对非结构化道路边界检测效率和鲁棒性之间难以平衡的问题,提出一种基于置信概率的分块分类方法提取道路边界的特征点,在此基础上运用改进的最小二乘法完成非结构化道路模型参数求解,并进行静态离线对比试验。(4)针对无人驾驶汽车对前方车辆识别定位准确性及稳定性要求高的问题,提出一种基于视觉传感器和64线三维激光雷达信息融合的前方车辆识别算法。通过融合64线三维激光雷达提取的障碍物位置信息,确定图像中前方车辆的感兴趣区域;以类Haar-HOG融合特征作为目标车辆描述方法,采用AdaBoost算法离线训练获得的级联分类器进行前方车辆辨识;对因遮挡问题未被识别出前方车辆的感兴趣区域,提出基于激光雷达坐标系下位置关系信息的再确认方法。(5)无人驾驶汽车运动决策建模方法研究。以宏观行驶规划为前提,在环境信息提取的基础上,结合无人驾驶汽车的自身运动状态,对其在微观动态交通环境下的两类基本运动模式进行深入研究,设计无人驾驶汽车运动模式的决策条件及对应目标量;在此基础上建立基于决策树的运动决策模型;最后,通过构建微观动态交通仿真环境对其进行合理性验证。(6)搭建基于上位机组件的无人驾驶汽车平台,并对其广义视觉传感系统参数进行标定,在此基础上进行道路试验,以验证论文提出的环境信息提取方法的有效性和运动决策模型的合理性。