基于序列圖像的車載測速方法與實驗

金守峰， 胡永彪， 田明銳， 張文祥

（1.長安大學 道 路施工技術與裝備教育部重點實驗室，陜西 西 安 710064；2.西安工程大學 機 電工程學院，陜西 西 安 710048）

0 引 言

車輛行駛速度對于安全行駛及車輛牽引性能是非常重要的，目前車輛的速度一般是通過測量驅動輪車軸的轉速及車輪行駛半徑換算得到的行駛速度，該速度在車輪與地面純滾動時可以認為與實際行駛速度相同，但當出現(xiàn)滑轉時所顯示的速度就不是實際行駛速度［1－2］。對實際行駛速度的測量通常使用五輪儀裝置，但僅限于試驗研究［3］。雷達測速范圍大約在24～99km／h，不適合低速測量；GPS測速精度高但受電離層的天氣狀況影響及附近建筑物和地面反射造成的延遲較大［4］；視頻測速利用視頻圖像對車輛進行測速，較多應用在公路車輛速度監(jiān)控中［5］。

本文在分析路面灰度分布隨機性特點的基礎上，通過車載圖像采集系統(tǒng)實時采集路面紋理的灰度序列圖像，利用相鄰圖像的相似性估計出相鄰圖像間的位移量，結合圖像采集系統(tǒng)的標定參數(shù)及成像幀頻，計算車輛相對于路面的運動速度。

1 車載圖像采集系統(tǒng)的運動模型

圖像采集系統(tǒng)將三維空間中的物體映射到二維空間中，隨著圖像采集系統(tǒng)的運動，物體上的同一點，在成像平面上的位置也會隨之變化，圖像采集系統(tǒng)的運動模型如圖1所示。

圖1 圖像采集系統(tǒng)的運動模型

在圖1中，O點為載體t1時刻的位置，O′點為載體t2時刻的位置，三維空間點M在t1和t2時刻映射到圖像平面上的位置為M1（x1，y1）和M2（x2，y2），（Δx，Δy）是M點在圖像平面上在t1和t2時刻的位移量，其中Δx＝x1－x2，Δy＝y(tǒng)1－y2，假設圖像采集系統(tǒng)僅存在平移運動且在景深方向無明顯運動，因此，圖像采集系統(tǒng)的運動模型如（1）式所示，即

其中，（x1，y1）和（x2，y2）分別表示前后2幀圖像相應點的坐標，Δx和Δy分別表示x軸和y軸的平移量，由相鄰幀圖像的相似性估計出幀間圖像位移，則載體的運動速度為：

其中，K為單位像素的距離；Δl為幀間圖像位移；N為相機的幀頻。

2 圖像位移估計算法

圖像采集系統(tǒng)所采集的路面有瀝青、水泥、泥土等各種路面，在光照條件下路面各處對光反射強度均不相同，在成像平面上形成了隨機分布的灰度紋理［6］。利用相鄰幀圖像的相似性，本文提出圖像灰度投影算法估計相鄰幀圖像的位移量。

將動態(tài)圖像序列中每一幀圖像的二維灰度信息映射成2個獨立的一維曲線，分別表示圖像行和列的投影［7－8］，投影公式為：

其中，Ik（i，j）為第k幀圖像上（i，j）位置處的灰度值；Xk為行投影；Yk為列投影；W、H為圖像的行數(shù)和列數(shù)；1／H和1／W為消除孤立噪聲帶來的影響。

車載圖像采集系統(tǒng)采集的第48幀和第49幀的路面灰度圖像如圖2所示，大小為640像素×512像素，用（3）式對2幀圖像進行投影，其投影曲線如圖3所示。

由圖2和圖3可知，相鄰2幀圖像相似，其投影在X軸和Y軸的投影曲線也相似，將相鄰幀的行、列投影一維曲線進行相關計算［9－11］，設Rxk和Ryk分別為行投影Xk與列投影Yk的相關性測度，其計算公式為：

其中，Δx和Δy為行列圖像位移。

圖2 路面灰度圖像

圖3 路面灰度投影曲線

對應一維曲線的相關測度取最大值，即得到相鄰幀在x軸和y軸的平移量Δx和Δy的值［12－13］，即：

相鄰幀行列投影曲線的相關測度曲線如圖4所示。

圖4 X軸、Y軸投影相關測度曲線

根據(jù)相關測度曲線最大值所對應的像素值估計出相鄰2幀的行和列方向的圖像位移，由圖4a可知第49幀相對于第48幀的行方向圖像位移Δx＝34像素，由圖4b可知列方向圖像位移Δy＝0像素，也就是說相鄰幀間只有x方向位移，而無y方向位移，因此相鄰幀間圖像位移＝34像素。

3 實驗及數(shù)據(jù)分析

3.1 實驗裝置

實驗裝置采用單片機控制4個獨立電機驅動車輪，速度控制在1.5m／s以內。在實驗裝置上安裝FC－IE工業(yè)相機，使其光軸垂直于地面，工業(yè)相機在640×512分辨率下的幀頻為60幀／s，通過靜態(tài)標定尺標定K＝0.074mm／像素。

3.2 實驗數(shù)據(jù)分析

實驗環(huán)境為平坦的實驗室水泥地面，工業(yè)相機在景深方向無明顯運動；實驗裝置沿直線運動，因此工業(yè)相機不存在繞光軸轉動。本文設定的實驗距離為2m，實驗裝置每次完成這段距離所用時間為8s，則平均速度ˉv＝0.25m／s。根據(jù)本文算法，載體瞬時運動速度如圖5所示。

圖5 載體瞬時速度曲線

由（6）式計算的速度誤差為4%，本文方法計算的載體運動速度平均值為0.249 5m／s，誤差為0.2%。

4 結束語

計算的載體速度v與平均速度ˉv的誤差定義為：

本文提出了一種基于序列圖像的車載測速方法。利用相鄰幀間路面圖像的相似性，以灰度投影算法估計出圖像幀間位移，結合相機標定參數(shù)計算出載體相對于地面的運動速度。經(jīng)實驗驗證，本文算法對于紋理隨機分布的平坦地面的速度測量具有很高的精度和穩(wěn)定性。

［1］ 姚懷新.工程機械底盤及其液壓傳動理論［M］.北京：人民交通出版社，2002：11－20.

［2］ 馬鵬宇.冷銑刨機功率自適應控制系統(tǒng)研究［D］.西安：長安大學，2008.

［3］ 印 祥，盧博友，鐘以崇，等.拖拉機滑轉率實時測量中的車速測量方法［J］.農(nóng)機化研究，2009（4）：237－240.

［4］ 張利鵬，祁炳楠，趙棟杰.幾種車速測量裝置的工作原理與性能比較［J］.公路與汽車，2008（3）：40－42.

［5］ 高 飛，蔣建國，安紅新，等.一種快速運動目標檢測算法［J］.合 肥 工 業(yè) 大 學 學 報：自 然 科 學 版，2012，35（2）：180－183.

［6］ 楊 強，齊美彬，蔣建國.一種用于車輛檢測的選擇性背景更新方法［J］.合肥工業(yè)大學學報：自然科學版，2011，34（4）：509－514.

［7］ 于起峰.基于圖像的精密測量與運動測量［M］.北京：科學出版社，2002：148－155.

［8］ 周 瑛，魏 平.基于FPGA并行處理的實時圖像相關速度計［J］.光學技術，2006，32（1）：108－110.

［9］ 李 銳，何輔云，夏玉寶.相關檢測原理及其應用［J］.合肥工業(yè)大學學報：自然科學版，2008，31（4）：573－575，579.

［10］ Peters W H，Ranson W F.Digital imaging techniques in experimental stress analysis［J］.Opt Eng，1982，21（3）：427－431.

［11］ Tsai R Y.A versatile camera calibration technique for high－accuracy 3Dmachine vision metrology using off－theshelf TV camera and lenses［J］.IEEE Journal of Robotics and Automation，1987，3（4）：323－334.

［12］ Sun Changku，Wei Wei，Zhang Xiaodong，et al.Experimental design for CCD camera parameters calibration［J］.Optoelectronic Technology ＆ Information，2005，18（2）：43－46.

［13］ Yamaguchi I.A laser－speckle strain gauge［J］.Journal of Physics E：Scientific Instruments，1981，14 （5）：1270－1273.