一种基于先验模型与双目视觉的车辆三维测量方法与流程

本发明涉及车辆识别的技术领域，特别是涉及一种基于先验模型与双目视觉的车辆三维测量方法。

背景技术：

众所周知，自改革开放以后，全国物流业得到了飞速的发展，物流公司、生产工厂等如雨后春笋般建设、发展。货车作为物流公司、工厂等行业的重要的运输工具，在现代物流中有着无可替代的作用。然而货车超载、私自改装等问题对交通安全的危害巨大。目前市场上针对货车长度的测量大多采用传感器的方式，但使用传感器测量较容易受外界环境影响，且无法匹配车辆信息。

使用传感器测量货车三维长度的缺点：

1)使用传感器长度测量方法，造价高、功能单一，且较容易受外界环境干扰；

2)使用传感器长度测量方法，在设备部署过程中比较麻烦，需要考虑部署环境、位置、空间等因素。因此，在某些环境较差或者规模较小的工厂无法部署；

3)使用传感器测量货车三维长度的方法无法匹配车辆信息，也无法判断货车是否存在私自加长、加高等问题。

技术实现要素：

为解决上述技术问题，本发明提供一种基于先验模型与双目视觉的车辆三维测量方法，利用机器视觉与先验知识相结合，在指定的位置和高度安置一个高清摄像机，并在矩形平面上做四个标记点，当货车进入测量位置后利用机器视觉的方法即可测量货车的三维信息，并可以判断该货车是否存在改装的问题。

本发明的一种基于先验模型与双目视觉的车辆三维测量方法，包括以下步骤：

s1在测量系统部署前，先根据双目测距理论对相机进行标定，使得两个相机形成双目测量系统；

s2在对矩形平面的四个角做记号和立杆时，测量矩形平面实际的长和宽，测量相机固定位置离地面的高度，并将实际场地的长宽高三维信息录入测量系统中，建立先验模型；

s3摄像机获取现场影像，检测和定位矩形平面的四个标记(角)，根据四个标记的成像角度计算出摄像机与平面的角度；同时利用四个角的坐标对图像进行透视变换，得到矩形平面的鸟瞰图；然后再利用双目测距原理计算矩形平面的三维信息(长宽高)，并根据实际测量三维信息校正测量的偏差，从而建立一个高精度的三维立体测量模型(空间)；

s4三维立体测量模型(空间)生成后，系统利用haaradaboost级联分类器实时监控测量平面内是否有货车进入，当货车完全进入平面后，提示牌提示司机停车接受测量，之后利用混合高斯背景建模算法判断货车是否停稳；

s5当货车停稳后，利用基于深度学习的前景提取算法提取货车的掩码图像并根据掩码图像生成货车检测框，最后再利用基于深度学习的定位算法定位货车车轮、挡风玻璃、车标、车厢、驾驶室等多个关键角点位置；

s6利用s2中记录的矩形平面四个标记点对货车进行透视变换，得到货车及矩形平面的鸟瞰图，并将s5中定位的关键点信息和货车掩码图像信息代入s3中所建立的三维立体测量模型(空间)中计算，即可精确地求出货车的长宽高信息以及货车掩码的长度和高度信息；

s7根据s5中定位的车标关键点位置，利用形态学方法分析车标大小，并截取车标图案，之后利用深度学习分类器对截取的车标图案做分类识别，车标识别完成后，根据s5中定位的驾驶室的多个关键点信息可将驾驶室截取下来，并在对应的车标库中采用模板匹配方法，匹配对应的车型，并获取该车型对应的信息；

s8根据s6实际测量的货车长宽高信息以及s7中匹配的车型信息，可判断该货车是否存在私自改装的问题；并可根据s6中计算的货车掩码长度和高度信息判断货车是否超载(超长、超高)；

s9如果测量平面下方有一个地磅称重，则可以根据s7中匹配的车型信息判断该货车是否超载(超重)；

s10测量完成后，将测量结果展示于提示牌，并提示司机驶离测量区域；如果货车存在私自改装或超载(超长、超高、超重)问题系统将发出警报，以提示工作人员对货车进行处理。

本发明的一种基于先验模型与双目视觉的车辆三维测量方法，基于测量单元，该测量单元包括：

在矩形平面的四个角分别做好记号，可在矩形平面的四个角各立一个小柱或画个圆点；

在矩形平面外矗立一根杆子用以固定摄像机；

高清摄像机两个，用于获取现场影像和构建双目测距系统；

电脑主机一台，用于货车长度测量和图像识别、匹配；

提示牌一块，用于提示司机停车、驶离以及展示测量结果。

与现有技术相比本发明的有益效果为：本发明利用传统的双目视觉与先验模型，建立一个三维测量模型(空间)，并结合深度学习对货车目标进行精确的检测和提取，最后将提取的货车目标代入至建立好的三维测量模型中，快速准确地测量出货车的三维信息，同时，结合货车目标识别，准确匹配货车车型及核载信息，从而判断货车是否存在超载(超长、超高、超重)的问题，在源头上解决了货车超载的问题，具有很强的创造性和新颖性，同时，本发明部署灵活轻便，且并不仅局限于货车的三维测量，系统内置多种物体的检测和识别算法，可以延伸至多种场景、不同目标的三维测量和信息匹配，解决多种行业的目标三维测量问题，具有非常强的扩展性和实用性，

附图说明

图1是本发明的测量单元部署示意图；

图2是建立三维测量模型(空间)示意图；

图3是三维测量及信息匹配流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

如图1至图3所示，本发明的一种基于先验模型与双目视觉的车辆三维测量方法，包括以下步骤：

s1在测量系统部署前，先根据双目测距理论对相机进行标定，使得两个相机形成双目测量系统；

s2在对矩形平面的四个角做记号和立杆时，测量矩形平面实际的长和宽，测量相机固定位置离地面的高度，并将实际场地的长宽高三维信息录入测量系统中，建立先验模型；

s3摄像机获取现场影像，检测和定位矩形平面的四个标记(角)，根据四个标记的成像角度计算出摄像机与平面的角度；同时利用四个角的坐标对图像进行透视变换，得到矩形平面的鸟瞰图；然后再利用双目测距原理计算矩形平面的三维信息(长宽高)，并根据实际测量三维信息校正测量的偏差，从而建立一个高精度的三维立体测量模型(空间)；

s4三维立体测量模型(空间)生成后，系统利用haaradaboost级联分类器实时监控测量平面内是否有货车进入，当货车完全进入平面后，提示牌提示司机停车接受测量，之后利用混合高斯背景建模算法判断货车是否停稳；

s5当货车停稳后，利用基于深度学习的前景提取算法提取货车的掩码图像并根据掩码图像生成货车检测框，最后再利用基于深度学习的定位算法定位货车车轮、挡风玻璃、车标、车厢、驾驶室等多个关键角点位置；

s6利用s2中记录的矩形平面四个标记点对货车进行透视变换，得到货车及矩形平面的鸟瞰图，并将s5中定位的关键点信息和货车掩码图像信息代入s3中所建立的三维立体测量模型(空间)中计算，即可精确地求出货车的长宽高信息以及货车掩码的长度和高度信息；

s7根据s5中定位的车标关键点位置，利用形态学方法分析车标大小，并截取车标图案，之后利用深度学习分类器对截取的车标图案做分类识别，车标识别完成后，根据s5中定位的驾驶室的多个关键点信息可将驾驶室截取下来，并在对应的车标库中采用模板匹配方法，匹配对应的车型，并获取该车型对应的信息；

s8根据s6实际测量的货车长宽高信息以及s7中匹配的车型信息，可判断该货车是否存在私自改装的问题；并可根据s6中计算的货车掩码长度和高度信息判断货车是否超载(超长、超高)；

s9如果测量平面下方有一个地磅称重，则可以根据s7中匹配的车型信息判断该货车是否超载(超重)；

s10测量完成后，将测量结果展示于提示牌，并提示司机驶离测量区域；如果货车存在私自改装或超载(超长、超高、超重)问题系统将发出警报，以提示工作人员对货车进行处理。

本发明的一种基于先验模型与双目视觉的车辆三维测量方法，基于测量单元，该测量单元包括：

在矩形平面的四个角分别做好记号，可在矩形平面的四个角各立一个小柱或画个圆点；

在矩形平面外矗立一根杆子用以固定摄像机；

高清摄像机两个，用于获取现场影像和构建双目测距系统；

电脑主机一台，用于货车长度测量和图像识别、匹配；

提示牌一块，用于提示司机停车、驶离以及展示测量结果。

工程实施例1：

在某高速入口安装上述测量单元，并施行上述方法，时长共计20天，共计通过货车513辆，共计检出超载34辆，超高13辆，超长21辆，问题车辆经专业人员测量后准确率100％。

工程实施例2：

在某城市外环路口安装上述测量单元，并施行上述方法，时长共计20天，共计通过货车326辆，共计检测超载45辆，超高12辆，超长21辆，问题车辆经专业人员测量后准确率100％。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。