基于機(jī)器視覺(jué)的車(chē)距檢測(cè)系統(tǒng)設(shè)計(jì)

程 瑤，趙 雷，成 珊，田又源, 米曾真

(1. 重慶理工大學(xué) 機(jī)械工程學(xué)院，重慶 400050；2. 中國(guó)電子科技集團(tuán)公司 第十研究所，四川 成都 610036)

1 引 言

汽車(chē)安全中檢測(cè)前方車(chē)輛距離是汽車(chē)安全輔助駕駛系統(tǒng)研究中的一個(gè)重點(diǎn)。與其他探測(cè)手段相比，機(jī)器視覺(jué)探測(cè)手段具有探測(cè)范圍寬、目標(biāo)信息完整、價(jià)格便宜，更符合人類(lèi)認(rèn)知習(xí)慣等優(yōu)勢(shì);不僅可以用來(lái)檢測(cè)車(chē)距，而且還可以用來(lái)識(shí)別車(chē)道、障礙物、交通標(biāo)志等，是未來(lái)汽車(chē)安全防護(hù)方面的主要研究方向之一[1]。而單目視覺(jué)結(jié)構(gòu)簡(jiǎn)單，運(yùn)算速度快,具有廣闊的應(yīng)用前景[2]。

近年來(lái)，國(guó)內(nèi)外許多學(xué)者開(kāi)展了檢測(cè)前方車(chē)輛距離的研究。文獻(xiàn)[3～8]給出了估算車(chē)距信息的幾種方法： 利用圖像中像素距離與實(shí)際距離之間的統(tǒng)計(jì)關(guān)系估算前方車(chē)輛的距離；利用車(chē)輛位置和車(chē)輛寬度估計(jì)前方車(chē)輛的距離；利用前方車(chē)輛模型，將圖像中的前方車(chē)輛與駕駛車(chē)輛在道路中的行駛位置聯(lián)系起來(lái)，進(jìn)而估算前方車(chē)輛距離；基于前方車(chē)輛陰影特征進(jìn)行車(chē)輛距離的計(jì)算。本文綜合上述測(cè)距方法，提出了提取車(chē)牌圖像像素值數(shù)量，結(jié)合車(chē)牌實(shí)際尺寸，計(jì)算得到車(chē)距的方法，并完成了系統(tǒng)的設(shè)計(jì)及實(shí)驗(yàn)驗(yàn)證。

2 車(chē)距檢測(cè)算法

單目攝像頭的成像模型近似考慮為針孔模型，如圖1所示，以車(chē)牌為被測(cè)對(duì)象。f為攝像頭的焦距，c為鏡頭光心，x代表小孔與車(chē)牌之間的距離，y′代表車(chē)牌像的高度，y代表實(shí)際車(chē)牌的高度。

圖1 系統(tǒng)成像原理圖Fig.1 System imaging schematic diagram

依據(jù)成像系統(tǒng)模型，成像垂軸放大率β可由式(1)得到，由式(2)通過(guò)標(biāo)定焦距、測(cè)算車(chē)牌像大小即可計(jì)算車(chē)距x。

(1)

(2)

車(chē)牌投影在像平面上的像高y′，通過(guò)標(biāo)定圖像傳感器像元大小δ及像元數(shù)量n可得：

y′=nδ

(3)

3 車(chē)距檢測(cè)系統(tǒng)設(shè)計(jì)

車(chē)距檢測(cè)系統(tǒng)的設(shè)計(jì)框圖如圖2所示，通過(guò)搭建CCD成像系統(tǒng)，對(duì)被測(cè)車(chē)輛的車(chē)牌進(jìn)行成像采集，在計(jì)算機(jī)中對(duì)圖像進(jìn)行處理及分析后，顯示出車(chē)距大小。

圖2 系統(tǒng)設(shè)計(jì)框圖Fig.2 System design block diagram

采集車(chē)輛圖像時(shí)，需要事先對(duì)成像系統(tǒng)進(jìn)行標(biāo)定。在固定距離下對(duì)標(biāo)準(zhǔn)圖像進(jìn)行成像，通過(guò)采集圖像并進(jìn)行圖像分析，標(biāo)定像元尺寸。

系統(tǒng)利用MATLAB GUI設(shè)計(jì)車(chē)距檢測(cè)圖像的處理及分析系統(tǒng)[9,10]，該系統(tǒng)包括了圖像預(yù)處理、車(chē)牌定位與分割、像素計(jì)算及車(chē)距計(jì)算，程序流程如圖3所示，系統(tǒng)操作面板如圖4所示。

圖3 車(chē)距檢測(cè)流程圖Fig.3 Flow chart of vehicle distance detection

圖4 車(chē)距檢測(cè)系統(tǒng)前面板Fig.4 Front panel of vehicle distance detection

3.1 圖像預(yù)處理

圖像的預(yù)處理針對(duì)車(chē)輛圖像，以便圖像更利于定位和分割，并加強(qiáng)圖像有效特征，增強(qiáng)有用信息的可檢測(cè)性，去除影響車(chē)輛區(qū)域特征的噪點(diǎn)。從而使圖像特征更加明顯，易于辨識(shí)、對(duì)比和識(shí)別[11,12]。

本系統(tǒng)對(duì)采集后的車(chē)牌圖像采取了灰度化、灰度增強(qiáng)、中值濾波、邊緣檢測(cè)等處理，結(jié)果如圖5所示。

圖5 車(chē)輛圖像預(yù)處理對(duì)比Fig.5 Comparison of vehicle image preprocessing

經(jīng)過(guò)灰度變換增強(qiáng)圖像后，車(chē)輛和環(huán)境的對(duì)比度明顯加強(qiáng)了，能夠更容易地從背景中區(qū)分出車(chē)輛；由灰度變換前后得到的灰度直方圖也可以看出，變換后的圖像灰度值分布更加均勻了；灰度圖像經(jīng)過(guò)中值濾波處理后，去除了圖像中的噪聲點(diǎn)，圖像變得更加平滑；經(jīng)過(guò)邊緣檢測(cè)處理后，車(chē)輛部分在圖像中非常明顯，可以清楚地顯示出車(chē)輛的輪廓。

3.2 車(chē)牌定位

圖6為車(chē)輛定位算法流程圖。根據(jù)車(chē)距算法模型，當(dāng)攝像系統(tǒng)焦距固定時(shí)，兩車(chē)之間的實(shí)際距離與車(chē)牌在圖像上的車(chē)牌寬度的乘積為一常數(shù)。對(duì)預(yù)處理后的車(chē)輛圖像進(jìn)行行掃描和列掃描，確定圖像中車(chē)牌的位置，同時(shí)得出車(chē)牌部分像元的個(gè)數(shù)，換算后得到車(chē)牌的像的長(zhǎng)度。然后將車(chē)牌實(shí)際長(zhǎng)度和像的長(zhǎng)度通過(guò)公式進(jìn)行計(jì)算，即可得到所需的車(chē)距信息。所以，對(duì)圖像中的車(chē)牌進(jìn)行準(zhǔn)確的定位是車(chē)距測(cè)量的基礎(chǔ)。

圖6 車(chē)輛定位算法流程圖Fig.6 Flow chart of vehicle location algorithm

對(duì)預(yù)處理后的圖像進(jìn)行腐蝕處理，消除小且無(wú)意義的物體，包括車(chē)牌中的字符部分；然后再對(duì)圖像進(jìn)行閉運(yùn)算，填補(bǔ)輪廓的空白區(qū)域，并進(jìn)一步去除圖像中的小對(duì)象，從而得到近似矩形的連通域。對(duì)圖像進(jìn)行腐蝕和閉運(yùn)算的結(jié)果如圖7所示。

圖7 腐蝕與閉運(yùn)算處理結(jié)果Fig.7 Processing results of corrosion and closed operation

由圖7中可以看到，圖像在經(jīng)過(guò)腐蝕處理和閉運(yùn)算后，得到了一塊矩形的連通域，即需要得到的車(chē)牌區(qū)域。通過(guò)車(chē)牌特征查找連通域，并對(duì)實(shí)際車(chē)牌區(qū)域的連通域做出標(biāo)記[13]。判斷一個(gè)矩形連通域是否為車(chē)牌的標(biāo)準(zhǔn)是：測(cè)出該區(qū)域的長(zhǎng)寬比約為3:1(中國(guó)機(jī)動(dòng)車(chē)車(chē)牌長(zhǎng)寬規(guī)格為44 cm:14 cm，比值近似取為3:1)，即車(chē)牌面積和周長(zhǎng)間存在比值關(guān)系：

(4)

Fmetric=21×A/C2

(5)

式中：L表示車(chē)牌寬;A表示矩形面積;C表示矩形周長(zhǎng)。

以式(5)構(gòu)造Fmetric函數(shù)作為連通域的匹配度[14]，匹配度越接近1，則該連通域越可能是3:1的矩形，即車(chē)牌區(qū)域。

通過(guò)對(duì)標(biāo)記的連通域圖像進(jìn)行行掃描，確定Y方向的車(chē)牌區(qū)域；進(jìn)行列掃描，確定X方向的車(chē)牌區(qū)域。二者合并可得到正確的車(chē)牌區(qū)域，將其剪切下來(lái)即為所需的車(chē)牌部分。根據(jù)列掃描檢測(cè)出車(chē)牌部分在圖像中的像元的數(shù)目，即可通過(guò)式(3)算出車(chē)牌區(qū)域的長(zhǎng)度，如圖8所示。

圖8 連通域定位及車(chē)距結(jié)果顯示Fig.8 Connected region location and vehicle distance results

4 實(shí)驗(yàn)結(jié)果

測(cè)距實(shí)驗(yàn)使用單目攝像系統(tǒng)拍攝車(chē)輛圖片，圖9為采集的車(chē)輛圖片，通過(guò)MATLAB實(shí)現(xiàn)了圖片的識(shí)別處理，再利用測(cè)距程序來(lái)得到前方車(chē)輛的距離信息。本文通過(guò)MATLAB編寫(xiě)了簡(jiǎn)潔的GUI程序，可以讓使用者非常方便地使用本系統(tǒng)進(jìn)行對(duì)目標(biāo)車(chē)輛的測(cè)距，操作更加簡(jiǎn)便。

圖9 采集的車(chē)輛圖片F(xiàn)ig.9 Acquired the vehicle pictures

經(jīng)過(guò)測(cè)量采集到的車(chē)輛圖像信息，將計(jì)算得到的車(chē)距信息與實(shí)際車(chē)距進(jìn)行對(duì)比，測(cè)量結(jié)果及誤差計(jì)算如表1 ，相對(duì)誤差分析結(jié)果如圖10所示。平均相對(duì)誤差為6%。驗(yàn)證了測(cè)距方案的可行性。

表1 車(chē)距測(cè)量結(jié)果Tab.1 Measured results of vehicle distance m

圖10 車(chē)距測(cè)量結(jié)果分析Fig.10 Analysis of measurement results of vehicle distance

5 結(jié) 論

通過(guò)構(gòu)造單目機(jī)器視覺(jué)系統(tǒng)，準(zhǔn)確處理及定位車(chē)牌圖像，建立了車(chē)牌像大小與實(shí)際車(chē)牌大小的對(duì)應(yīng)關(guān)系；在此基礎(chǔ)上，利用基于車(chē)牌像素大小的方法得到了本車(chē)與前方車(chē)輛之間的距離;通過(guò)程序算法對(duì)實(shí)際拍攝的車(chē)輛圖片進(jìn)行了車(chē)距檢測(cè)。實(shí)驗(yàn)結(jié)果驗(yàn)證了系統(tǒng)中車(chē)距測(cè)量方法的可行性，完成了車(chē)距檢測(cè)要求。通過(guò)實(shí)驗(yàn)數(shù)據(jù)誤差分析，該系統(tǒng)能較好地檢測(cè)10 m以?xún)?nèi)車(chē)距大小，其中在3 m以?xún)?nèi)范圍誤差波動(dòng)較大，平均誤差為7%；3 m以外的誤差波動(dòng)較小，平均誤差為4%。