基于PreScan平台的单目视觉测距方法研究与虚拟试验

 本文目的:

为了用于前碰撞预警，实时监测车辆与前方障碍物之间的距离。机器视觉测距具有价格低廉、信息量大的优点。

其中，分为双目视觉测距和单目视觉测距。双目视觉测距是基于三角测量的方法，模仿人类利用双目视觉差感知距离，但在处理过程中需要进行图像匹配，对硬件和算法要求高。单目视觉测距具有结构简单、成本低的优点，节省了图像匹配工作。

 本文工作方法及内容：

该作者根据投影变换模型推导出单目测距算法，基于PreScan平台进行虚拟试验，分析图像传感器各参数对测距精度的影响，验证单目测距方法的有效性和准确度。

 投影变换模型和车距测量方法介绍

根据小孔成像原理，假设摄像头在坐标G点，在水平地面的投影为O点，汽车前进方向为X轴方向，假设障碍物在（X1，Y1）点，则有如图所示数学模型：

第二步在一个图像中，分辨率为I*J；障碍物在图中的（U1，V1）；在图像中我们是知道障碍物的坐标（U1，V1）是多少的，而且很实际位置来说，有着这样的关系：

所以我们可以得到实际位置中的角度如下数学公式所示：

知道角度后，且我们有固定的摄像头的高度h，所以根据（1）（2）式我们可以得到障碍物相对于摄像头的位置X和Y，而且还可以求出来直线距离d:

• 最后一步：因为我们传感器的位置不在车头，所以直线距离还要减去车头，得到真实车距。

 基于PreScan的虚拟试验平台搭建

其中含有摄像头焦距位置等信息，然后拍摄结果如图：分别是90m 75m  60m  45m 30m  15m 的图片

90m

75m

60m

45m

30m

15m

 虚拟实验与误差分析

根据图像传感安装高度、采集图像分辨、镜头俯仰角的不同，共采集4组图像。分别为：

• 第一组实验：标准组：设定传感器高度为1.4m，镜头俯仰角为0°，图像分辨率为640X480；
• 第二组实验：将传感器高度改为1.35m;
• 第三组实验：图像分辨率改为1280X960；
• 第四组将镜头俯仰角改为2°，光轴和地面相交。

经过图片处理程序后，有以下结果：

结果分析：第1组实验中，60m以内测距相对误差数值均在3%以下，说明单目测距在近距离内具有较好的精度；随着距离的增加，相对误差明显增大。误差主要由分辨率造成，本文测距程序的功能是完成从某一像素到对应距离的转换，但是在图像传感器成像时，将连续的路面转换为离散的像素，每一段距离对应一个像素，所以计算距离对应的是一个距离区间，即障碍物出现在某一距离区间内，使用测距程序会得出相同的距离，距离区间的增加会导致误差的增加，因此提高传感器分辨率可以降低此项误差。

第二组实验相对误差有所增加，对比标准组，试验数据偏大，说明图像传感器高度降低使得计算车距值偏大。从理论模型分析，考虑式（l）可知，计算车距图像传感器安装高度成正比，实际安装高度偏小，按安装高度计算得出的车距偏大，与实际情况吻合。当距离增加后，两组数据差异减小，直至相同，说明远距离误差主要由分辨率导致。

第3组试验对比标准组，相对误差明显降低，大部分相对误差降低至标准组的一半以下。从理论分析可知，分辨率提高一倍（640像素×480像素提升至128像素×960像素），系统误差减小一半，与试验结果大致吻合，证明提高分辨率可以有效降低误差。

由于图像传感器俯仰角对测距精度影响较大，以第4组试验需要以车道线平行的约束条件来求解仰角。根据几何知识，三维空间两平行直线在二维

平面交于一点，即消隐点。当车辆在道路中央沿直线行驶且摄像头主光轴水平时（俯仰角为0°），消隐点应在图像正中央。图像传感器俯仰角校正如图5所示当俯仰角变化时，消隐点的位置会上下移动，移动幅度与镜头俯仰角正相关。利用此原理，首先通过Hough变换求解左右两侧车道线方程,得:

U1=1.22 x v1+6,           u2=-1.22 x v2 +635

求解两条直线交点（消隐点）为（320.5，258），将消隐点坐标代入式（10）：

得tana=0.0348，a=1.99°，与实际俯仰角2°接近。将俯仰角正切值代入式（7）可得出校正后的计算车距。编写校正程序并重新进行测距试验。测距结果表明，在校正良好的情况下，单目视觉测距有着较高的精度。