基于消失点的车载相机俯仰角标定方法

科技与创新┃Science and Technology &Innovation
·94·
2019年第15期
文章编号：2095－6835（2019）15－0094－02
基于消失点的车载相机俯仰角标定方法
洪丰
（浙江科技学院机械与能源工程学院，浙江杭州310023）
摘要：车载相机的标定对于基于机器视觉的智能辅助驾驶系统来说十分重要，其中，相机的俯仰角是一项重要
参数。

基于此，提出基于消失点的车载相机俯仰角标定方法，根据道路的纹理特征，利用5个尺度、8个方向的Gabor 滤波器获得图像的纹理信息，然后运用局部软投票算法得到消失点的位置，最后，根据相机成像原理，建立消失点与俯仰角的运算关系，最终得到相机俯仰角信息。

实验结果表明，该方法俯仰角的标定误差在0.5°以内，具有较好的测量精度，满足实际工程应用需求。

关键词：单目视觉；纹理特征；消失点；俯仰角中图分类号：U471.1
文献标识码：A
DOI ：10.15913/ki.kjycx.2019.15.037
目前，机器视觉在智能辅助驾驶系统中运用得越来越广泛，而最常用的视觉设备便是车载相机了。

车道线检测、车辆跟踪及测距等算法都需要运用摄像机的标定参数，其中，摄像机俯仰角对算法检测结果影响最显著[1-2]。

因此，精确地标定车载相机的俯仰角对基于机器视觉的智能辅助驾驶
系统来说十分重要。

实际上，车辆的行车环境复杂多样，例如树木阴影、光照不均、路面障碍物等情况，使得处理道路图像的难度增加。

目前，基于纹理特征的道路检测方法能够适应复杂的道路环境，鲁棒性较好。

因此，本文提出基于消失点的车载相机俯仰角标定方法，建立5个尺度、8个方向的二维Gabor 滤波器对图像进行卷积运算，得到图像的纹理方向；运用局部软投票机制确定道路消失点的位置；运用消失点与俯仰角的运算关系得到相机的俯仰角。

1消失点检测1.1Gabor 变换
纹理是图像的固有特征，获得图像纹理特征的常用方法是采用Gabor 滤波器。

Gabor 滤波器能够在频域不同尺度、不同方向上提取图像特征，这样的表达方式与人类视觉系统很相似。

本文利用Gabor 滤波器多尺度多方向的特点，对图像进行分析，提取图像的纹理方向。

二维Gabor 滤波器表示如式（1）所示：
）
（）
，（）
（）
（φ/2
c iaω
8c b 4a ω，ω2
2222π2-+--=e
e
e c
y x ω
ψ（1）
式（1）中：a =x sin φ+y cos φ，b =－x sin φ+y cos φ，c 一般取2.2；ω为尺度；φ为方向。

由于5个尺度、36个方向的Gabor 滤波器耗时很长，
经实验验证，本文选取5个尺度、8个方向共40个模板的Gabor 滤波器对图像进行卷积运算。

令I （x ，y ）表示图像在点（x ，y ）处的灰度值，则图像与Gabor 滤波器的卷积操作表示为：
φ
，φ，），（ωωψζ⊗=y x I （2）
卷积的结果ζω，φ在点Z =（x ，y ）处有两部分：实部和虚部。

将实部和虚部的平方和的平均值定义为R ω，φ（Z ），则
点Z 处的响应值为：
]Im [2
ω2ωe ω）（）（）（，，φφ
φζζ+=R average Z R （3）图像在不同方向上的响应会有所不同，定义响应强度最大的方向为该点的纹理方向，并确定原图像中所对应点的方向响应幅值，即该点8个方向特征最大的幅值来确定，如式（4）所示：
T （Z ）=argmax φR ω，φ（Z ）
（4）
1.2局部软投票
Gabor 滤波器提取出每个像素的纹理方向后，进行消失点的筛选和确定。

采用投票机制对消失点候选点进行投票可最终确定消失点的位置。

根据投票范围可以将投票方式划分为全局硬投票方式和局部软投票[3]方式，全局硬投票方式往往偏向于选择上部的点，使得消失点上移，产生较大的误差。

为克服这一问题，本文选用局部软投票方式。

对于图像中的每一个候选消失点V ，在该点下方设定一个以该点为圆心、半径为0.35×Diag 的半圆区域为投票点区
域R V ，其中Diag 为图像的对角线长度。

对于投票点区域R V 内的任一投票点P ，其纹理主方向为θP ，投票公式为：
[]⎪⎩
⎪
⎨⎧
+≤+=其他，），（），（），（0215 112V P d V P d V P Vote γγ（5）
. All Rights Reserved.
Science and Technology &Innovation ┃科技与创新
2019年第15期
·95·
式（5）中：d （P ，V ）是投票点P 与候选点V 的距离与Diag 的比值；），，（＞＜P V P θγ∠=为投票点P 到点V 的线段向量与投票点P 的纹理主方向之间的夹角。

从上述公式中可以看出，夹角γ的取值与d （P ，V ）有关。

当投票点P 离点V 越远，d （P ，V ）越大，γ取值在较小范围内；当投票点P 离点V 较近时，可以取较大的γ值。

因此，局部软投票法可以避免图像上方的候选消失点得票更多的情况，以提高检测精度。

计算出候选点的投票值Vote 后，选出投票值最高的点作为道路的消失点。

消失点的检测结果如图1所示，图1（d ）中的黑色矩形框表示消失点的
位置。

（a ）道路图像
（b ）纹理特征
（c ）投票空间
（d ）道路消失点
图1消失点检测结果
2相机俯仰角的计算
B.CAPRILE 等人[4]根据相机内部参数与消失点之间的关系，提出了运用消失点进行摄像机标定的思想。

本文根据无穷远处消失点与光心的连线近乎平行于道路平面这一关系对相机的俯仰角进行标定。

俯仰角如图2所示，uO 1v 为图像坐标系，C 为光心位置，其在图像坐标系上的坐标为（u 0，v 0）；V´为道路消失点V 在图像平面上的投影点，像素坐标为（u 1，v 1），由前面部分计算得到；相机的焦距为f ；摄像头安装高度为h ；b 为相机的盲区距离（图像最底端与相机之间的实际距离），可由式（7）计算得到；β为相机垂直视角的一半，与相机的自身参数有关，计算公式如式（8）所示；θ为相机的俯仰角。

根据几何关系得到的相机俯仰角计算公式为：
f v
v 1
0arctan －=θ（6））
（θβ+=
tan h
b （7））
（f
L
2arctan 2=β（8）
式（8）中：L 2为相机光敏元件的尺寸参数。

3实验结果与分析
选用焦距为18mm ，CMOS 尺寸为22.3mm×14.9mm 的相机，并将相机固定在三脚架上，让三脚架上的水平仪保持在水平状态。

相机的高度为1.2m 。

将相关参数代入式（8）中得出β为22.48°。

沿垂直方向转动相机一定角度，每转动一次拍摄一张照片，共拍摄100
张照片。

图2俯仰角示意图
图像处理平台：2.30GHz CPU ，Window 10操作系统，
MATLAB 2017a 编译环境。

将测量盲区距离所得的俯仰角作为实际俯仰角与运用本文算法所得的俯仰角进行实验对比，实验结果如表1所示。

由表1得到，运用本文方法标定出的俯仰角误差均在0.5°以内，具有较好的检测精度，可运用在车载相机俯仰角的标定中。

表1俯仰角标定结果
序号
基于消失点得到的俯仰角基于盲区距离得到
的俯仰角相对误差10°57′0°26′0°31′22°39′2°13′0°26′35°20′4°53′0°27′49°55′9°26′0°29′514°43′15°10′﹣0°27′620°32′20°07′0°25′724°53′25°11′﹣0°18′8
30°11′
29°48′
0°23′
4结论
本文提出了基于消失点的车载相机俯仰角标定方法，首先运用Gabor 滤波器得到道路的纹理图像，然后采用局部软投票法得到消失点的位置，最后根据相机成像原理，建立了消失点与俯仰角的关系，得出相机实际俯仰角角度。

实验结果表明：该方法俯仰角检测误差在0.5°以内，有较高的工程应用价值。

下一步研究将针对算法的实时性问题进行优化。

参考文献：
［1］刘军，后士浩，张凯，等.基于单目视觉车辆姿态角估
计和逆透视变换的车距测量［J ］.农业工程学报，2018，34（13）
：70-76.［2］余厚云，张为公.基于单目视觉传感器的车距测量与误
差分析［J ］.传感器与微系统，2012，31（9）：10-13.
（下转第100页）
. All Rights Reserved.
科技与创新┃Science and Technology&Innovation ·100·2019年第15期
报准确率更高、更稳定，而BP方法在对最高温度的预报中表现更好。

基于以上检验结果，在实际气温预报工作中利用MOS 算法对广安市最低气温进行预报，而采用BP算法预报最高气温。

这样形成的本地气温预报方法就兼具了MOS方法预报最低气温的稳定性及BP方法预报最高气温的优越性。

MOS 方法、BP方法在广安本地的最高、最低预报工作中均有一定的指导意义。

4结论
本文采用ECMWF（欧洲中期数值预报）产品，利用MOS方法、BP方法对广安地区的最高、最低气温进行预报，结果表明两种方法均能较为准确地预报出最高、最低气温，且预报准确率较高，最低温度的预报准确率明显高于最高温度，随着时间的延长，准确率逐步降低。

两种预报方法差异表现在对最低、最高气温的预报准确率上：MOS方法对最低气温的预报准确率高，而BP方法对最高气温的预报准确率高。

因此，在实际业务使用中，应该结合使用MOS方法和BP方法，这样才能更进一步提高预报准确率。

在研究工作中还存在不足之处，包括两种方法建立的预报公式过于笼统和粗糙，不够细化。

本文直接针对每日最高、最低气温建立了温度预报方程，没有考虑到季节差异造成的影响。

实际上，由于气温的季节性差异明显，采用同一个预报公式对不同季节气温进行预报存在较大的差异。

下一步将针对本地的气候特点，分季节建立温度预报方程，这样可进一步提高温度预报的准确率。

参考文献：
［1］陈优平，陆琛莉，李云泉.基于GFS产品和卡尔曼滤波的嘉兴市温度客观预报［J］.气象科技，2009，37（2）：142-144.
［2］陈豫英，陈楠，王素艳，等.MOS方法在动力延伸期候平均气温预报中的应用［J］.应用气象学报，2011，22
（1）：86-95.
［3］林纾，张东方，王永光，等.MOS方法在西北地区东部春季干旱预警的应用与检验［J］.气象，2010，36（5）：98-101.
［4］胡江林，涂松柏，冯光柳，等.基于人工神经网络的暴雨预报方法探讨［J］.热带气象学报，2003，19（4）：
423-428.
［5］韦惠红，李才媛，邓红，等.SVM方法在武汉区域夏季暴雨预报业务中的应用［J］.气象科技，2009，37（2）：145-148.
［6］熊秋芬，顾永刚，王丽.支持向量机分类方法在天空云量预报中的应用［J］.气象，2007，33（5）：20-26.［7］贺皓，罗慧.基于支持向量机模式识别的大雾预报方法［J］.气象科技，2009，37（2）：149-151.
［8］吴爱敏.极端气温集成预报方法对比［J］.气象科技，2012，40（5）：772-777.
————————
作者简介：李曦（1985—），男，四川广安人，研究生，气象工程师，研究方向为中短期天气预报、雷达气象。

〔编辑：张思楠〕
（上接第95页）
［3］KONG H，AUDIBERT J Y，PONCE J.General road detection from a single image［J］.IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society，2010，19（8）：2211-2220.
［4］B.CAPRILE，ing vanishing points for camera
calibration［J］.International Journal of Computer Vision，1990，4（2）：127-140
————————
作者简介：洪丰（1994—），女，研究方向为智能交通。

〔编辑：张思楠〕
（上接第97页）
［5］骆畅.生态城市理念下的绿色交通规划演进——迈向可持续发展的城市交通系统［J］.建筑与文化，2016（1）：90-91.
————————
作者简介：李佩瑾（1997—），首都经济贸易大学信息学院硕士研究生，主要研究方向为交通运输规划与管理。

张军（1963—），男，首都经济贸易大学信息学院教授，博士，主要研究方向为管理科学和信息技术在管理中的应用。

〔编辑：张思楠〕
. All Rights Reserved.。