基于機器視覺的車輛軌跡測量方法研究

梁梓 王濤

陸軍裝甲兵學院 北京市 100072

1 引言

車輛的行駛軌跡和絕對速度在測量車輛運動學參數(shù)過程中有著重要的作用。但現(xiàn)階段在車輛行駛軌跡和絕對速度的精確測量方面研究成果還不夠完善，傳統(tǒng)方法大多存在成本較高、設(shè)備布置困難和精度不足等缺點，不能做到成本和精度兼顧。所以一種既有精度保證，又能控制成本的實用、快速的車輛軌跡檢測系統(tǒng)，有著極大的發(fā)展前景。

隨著機械自動化和光學測量系統(tǒng)的發(fā)展，越來越多的機械化產(chǎn)業(yè)與光學系統(tǒng)相結(jié)合，形成了多種復合領(lǐng)域。本文針對現(xiàn)有車輛行駛軌跡的測量方法存在的種種問題，提出一種基于機器視覺的車輛軌跡檢測方案，作為一種非接觸測量手段，具有成本可控、準備工作少、測量速度快、測量精度高等優(yōu)點；同時，其具有實用性和廣泛性，在此平臺上可拓展車輛運行時其他參數(shù)的測量應用，也可與其他測量系統(tǒng)相結(jié)合形成綜合的測量系統(tǒng)。

2 車輛軌跡檢測研究現(xiàn)狀

對車輛行駛軌跡的精確測量方法大致有以下幾種：采用五輪儀、滴水法、主動輪估算法、差分GPS定位法、超聲波定位法、激光測距定位法、拉線位移傳感器定位法、視覺SLAM法等。

基于機器視覺的車輛檢測是對采集圖像進行初步處理，將車輛圖像部分分割出來。通常有幀差法、背景差法和光流法等。基于機器視覺的軌跡跟蹤主要是為了獲得車輛在場地上運動時行進過的軌跡，得到運動車輛的位置、速度、方位角等信息。軌跡跟蹤通?？煞譃榛谀Ｐ偷母?、基于區(qū)域的跟蹤、基于活動輪廓的跟蹤和基于特征的跟蹤四大類。隨著機器學習技術(shù)的迅速發(fā)展，基于機器學習的車輛檢測和軌跡跟蹤技術(shù)發(fā)展較快，通過構(gòu)建神經(jīng)網(wǎng)絡(luò)、支持向量機和Adaboost等算法使機器獲得對圖像分辨和理解的能力，從而解決傳統(tǒng)算法運算量大、實時性不高、受環(huán)境影響大和檢測跟蹤精度不高等問題。隨著深度學習的快速興起，此領(lǐng)域的理論研究達到了一個新的高度，但現(xiàn)階段其在各領(lǐng)域的應用剛剛起步，還不夠廣泛。

傳統(tǒng)的基于機器視覺的車輛軌跡跟蹤方法獲取的都是整車軌跡的粗略估計值，難以獲得高精度行駛軌跡，傳統(tǒng)的車輛軌跡檢測方法也存在精度和成本難以平衡的缺點，本文采用基于機器視覺的車輛軌跡檢測方案，在車輛精度和成本上做到了較好的平衡。

3 軌跡檢測系統(tǒng)和軌跡檢測算法

本文軌跡檢測系統(tǒng)利用試驗場地頂部相機對車輛運動過程進行視頻采集，而后對視頻圖像采用車輛檢測和軌跡跟蹤算法進行處理得到精確的運動軌跡。

圖1 軌跡檢測系統(tǒng)構(gòu)成圖

在車輛檢測方面，針對傳統(tǒng)方法檢測精度低的缺點，設(shè)計了定位標志代替車輛，將對車輛的檢測簡化為對標志的檢測，將對車輛的軌跡跟蹤簡化為對標志的軌跡跟蹤，一方面可以降低檢測和跟蹤運算量，提高了檢測的速度，另一方面不使用對整車的粗略跟蹤方法，而采用對標志的精確跟蹤方法，提高了軌跡跟蹤的精度。整個方案設(shè)備簡單，安裝方便，成本可控，通過誤差分析和修正迭代可達到可觀的精度，另外其魯棒性強，拓展能力強，易于集成和模塊性開發(fā)。

標志設(shè)計如圖3（a），由兩個同心圓和一對平行線段組成，通過Hough變換對圓和線段進行檢測來獲取圓心精確坐標和線段平均轉(zhuǎn)動角度，檢測結(jié)果如圖3（b）作為車輛的精確位置和行駛方向角，其坐標誤差為3.8‰，方向角誤差為2.4‰[4]。對標志的跟蹤算法采用基于運動預測的方法，其運算速度較普通算法可提高48.6%[5]。

圖2 定位標志

4 算法仿真驗證

圖3 仿真模型

圖4

對試驗車輛進行仿真建模，首先通過Recurdyn和Matlab仿真對模型進行可靠性驗證，而后進行轉(zhuǎn)向工況的算法仿真驗證，利用Recurdyn獲取標志精確軌跡作為實際數(shù)據(jù)，同時生成頂視角視頻進行跟蹤算法計算得到軌跡算法仿真數(shù)據(jù)進行對比分析。這里選用輕型履帶底盤模型車進行建模，并在主動輪附近設(shè)置兩個標志以提高檢測精度。

對模型雙側(cè)主動輪進行高轉(zhuǎn)速的啟動試驗，并生成頂視角視頻通過軌跡跟蹤算法進行處理，獲取主動輪轉(zhuǎn)速和橫擺角速度的實際和仿真數(shù)據(jù)進行對比。經(jīng)對比實際和仿真數(shù)據(jù)在變化范圍和變化趨勢上都相近，故模型具有較高的可靠性。

對模型進行轉(zhuǎn)向工況仿真，同樣生成頂視角視頻作為試驗場地頂部攝像機采集的信息，利用跟蹤算法進行檢測，獲取左、右標志軌跡的實際數(shù)據(jù)和仿真數(shù)據(jù)。其中左、右標志軌跡平均誤差為2.93mm、1.89mm；方向角度平均誤差為0.1°，其精度比較可觀。

5 結(jié)語

本文針對傳統(tǒng)車輛行駛軌跡檢測方法的缺點，結(jié)合基于機器視覺的車輛檢測和跟蹤算法設(shè)計了基于機器視覺的車輛軌跡精確檢測方案，通過對輕型履帶模型底盤進行建模和仿真，驗證了軌跡跟蹤算法的精度。結(jié)果表明，本文提出的車輛行駛軌跡精確檢測方案成本可控，精度可靠。同時，本文方案還有較大拓展空間，一方面可以通過誤差分析和對方案和算法的修改進行迭代修正，提高軌跡檢測精度；另一方面本文方案可拓展研究內(nèi)容，如通過獲取的車輛精確行駛軌跡幫助研究車輛運動學參數(shù)和動力學參數(shù)，作為車輛性能評價的子模塊，同時也可將本文方案用于工業(yè)應用，并為其他形式的軌跡檢測任務(wù)拓寬思路。