基于双目线阵ccd的汽车底盘三维高程确定方法
【专利摘要】本发明方法公开了一种基于双目线阵CCD的汽车底盘三维高程确定方法,按照以下步骤具体实施:步骤1、对双目线阵CCD采集到的汽车底盘图像进行灰度闭运算处理;步骤2、提取步骤1得到的灰度闭运算结果的特征;步骤3、对左、右视图进行特征匹配;步骤4、获取立体物高程信息。本发明的方法,针对汽车底盘的物体特性查找合适的匹配特征,依托于汽车底盘安全实时监测系统,对系统的检测结果进行三维展示,在双目特征正确匹配的基础上得到稀疏的三维高程数据,由此进一步得到稠密的三维高程数据,克服了基于标定图像方法的限制,仅依赖图像间的特征匹配,恢复不同视图的几何约束关系,具备良好的应用前景。
【专利说明】基于双目线阵CCD的汽车底盘三维高程确定方法
【技术领域】
[0001]本发明属于双目线阵CXD三维成像【技术领域】,具体涉及一种基于双目线阵CXD的汽车底盘三维高程确定方法。
【背景技术】
[0002]汽车底盘环境安全的检测,是智能交通安全管理系统的一个重要的研究方向。现有的车辆安检场所,对于汽车底盘的检测方式,长期以来主要是依靠人工检测和手动仪器设备进行检测,部分场所还需要工作人员利用镜面成像观测汽车底盘是否夹带违禁品,也有部门借助警犬进行查禁。这种初级方法费时费力,工作效率低。
【发明内容】
[0003]本发明的目的是提供一种基于双目线阵CCD的汽车底盘三维高程确定方法,解决了现有技术中存在的人工方式观测汽车底盘,费时费力,工作效率低的问题。
[0004]本发明所采用的技术方案是,一种基于双目线阵CCD的汽车底盘三维高程确定方法,按照以下步骤具体实施:
[0005]步骤1、对双目线阵CXD采集到的汽车底盘图像进行灰度闭运算处理;
[0006]步骤2、提取步骤I得到的灰度闭运算结果的特征;
[0007]步骤3、对左、右视图进行特征匹配;
[0008]步骤4、获取立体物闻程/[目息。
[0009]本发明的有益效果是,针对汽车底盘的物体特性查找合适的匹配特征,依托于汽车底盘安全实时监测系统,对系统的检测结果进行三维展示,在双目特征正确匹配的基础上得到稀疏的三维高程数据,由此进一步得到稠密的三维高程数据。
【专利附图】
【附图说明】
[0010]图1是本发明方法中的双目相机成像模型示意图。
【具体实施方式】
[0011]下面结合附图和【具体实施方式】对本发明进行详细说明。
[0012]本发明的基于双目线阵CCD的汽车底盘三维高程确定方法,按照以下步骤具体实施:
[0013]步骤1、对双目线阵CXD采集到的汽车底盘图像进行灰度闭运算处理
[0014]设双目线阵CXD采集到的图像大小为mX η,将左、右视图分别命名为[I Jx,y) ] mXn及[ΙκU,y)]mXn,利用高斯模板分别对左、右视图作灰度闭运算处理,设置用以做闭运算处理的高斯模板为[G(x,y)]mXn,计算公式为:
【权利要求】
1.一种基于双目线阵CCD的汽车底盘三维高程确定方法,其特征在于,按照以下步骤具体实施: 步骤1、对双目线阵CXD采集到的汽车底盘图像进行灰度闭运算处理; 步骤2、提取步骤I得到的灰度闭运算结果的特征; 步骤3、对左、右视图进行特征匹配; 步骤4、获取立体物高程信息。
2.根据权利要求1所述的基于双目线阵CCD的汽车底盘三维高程确定方法,其特征在于:所述的步骤I的详细步骤是, 设双目线阵CXD采集到的图像大小为mX η,将左、右视图分别命名为[IJx,y) ] mXn及[IE(x, y)]mXn,利用高斯模板分别对左、右视图作灰度闭运算处理,设置用以做闭运算处理的高斯模板为[G(x,y)]mXn,计算公式为:
3.根据权利要求1所述的基于双目线阵CCD的汽车底盘三维高程确定方法,其特征在于:所述的步骤2的详细步骤是,步骤2a、对步骤1处理后的图像[if—U, y)]mXn和[IKel°se(x, y)]mXn提取canny边缘, 得到边缘图像[I产(x,y)UP [I产(x,y)]mXn,之后,去除小面积的干扰,对图像[IJdge(x,y)]mXn和[V@(x,y)]mXn进行八连通域的贴标签处理,设经过连通域 贴标签后,图像[inX,y)]mXn得到队个连通域,每个连通域的面积为Area^ i为标签编 号,i = 1,2广",队;图像[IKedge(X,y)]mXn得到乂个连通域,每个连通域的面积为Areai i 为标签编号,i = 1,2,…,Nk;之后设定消除噪声干扰的阈值Area_Th,对所有的连通域进行处理,当连通域的面积大 于Area_Th时,保留该连通域;如果小于Area_Th时,则认为是噪声,去除该连通域;步骤2b、去掉边缘图像中的横向边缘设置作用模板为一个pXq大小的矩形模板[M(x, y)]pXq?M(x, y) = l,x = 1,2,--?,p;y =1,2…,q;p取值为奇数,取值范围为pG {3,5,7} ;q取值为奇数,取值范围为 q G {5, 7,9, 11},将模板[M(x,y)]pXq作用于步骤2a得到的两个图像[ILedge (x, y)]fflXn^P [IEedge(x, y)] mXn,模板的中心对应于图像待处理像素的位置上,进行如下的运算,得到去除了横向边缘的 特征图像[MVdge(X,y)]mXn& [MVdge(X,y)]mXn:
4.根据权利要求1所述的基于双目线阵CCD的汽车底盘三维高程确定方法,其特征在于:所述的步骤3的详细步骤是,步骤3a、求左、右视特征图像[ιΛ_(χ,y)]mXn和[i/hal:a(x,y)]mXn的特征之间的相关性对左、右视特征图像[ifal:a(x,y)]mXn和[inX,y)]mXn进行贴标签处理,并按照连通域中心列坐标从左到右的顺序排列标签号,将[ifal:a(x,y)]m><n的标签号依次排序为I, 2,..., Lablj,将[IEchara (x, y) ]mXn的标签号依次排序为I, 2,..., LabE ;之后,求出左、右视特征图像的特征相关性, 特征相关性包括以下四个相关参数: 1)左视特征图像[ΙΛΜ(Χ,y)]fflx?的特征线i与右视特征图像[ΙΛ_(Χ,y)]mXn的特征线 j 的公共行个数 NMatch(i,j),i = I, 2,...,LabL, j = I, 2,...,LabE, 首先,按照公式(10)计算左、右视特征图像的特征线之间的行终点坐标b(i,j),i =
5.根据权利要求1所述的基于双目线阵CCD的汽车底盘三维高程确定方法,其特征在于:所述的步骤4的详细步骤是, 步骤4a、得到特征线高程 遍历左视特征图像[?ΛΜ(χ,y)]mXn,依次找到右视特征图像[ΙΛ_(Χ,y)]mXn中所有配对成功的特征线对,进行重新排序为(i, i),i = 1,2,…,Labui,其中Labui是配对成功的特征线对的个数, 设第i个配对线对(i,i),i = 1,2,…,Labui的特征线,在左视特征图像[I^toa(x,y)]mXn的行坐标为χΛ列坐标为;在右视特征图像[?ΛΜ(χ,y)]mXn中,与之配对的特征线,在左视特征图像中特征线相同行坐标上(即XiK = XiL)的列坐标为yA则称ei = yiE-yiL为其视差,i = 1,2,…,Labui, 立体目标的高程由视差计算而得,设高程矩阵[h (x, y)]fflXn,初始化为全零矩阵, 设是左相机,Oe是右相机,设成像在左视特征图像[ιΛΜ(χ,Y)]fflx?与右视特征图像[IEChara(x, y)]mXn的配对特征线上的空间像素点U,Y, z),在左视特征图像[dx,y)]fflXn中成像点的列坐标为yi,在右视特征图像[ΙΛΜ(Χ,y)]mXn中的列坐标为yr,对应于其第i个配对线对(i,i),yi = YiSyr = yAf是相机焦距,z是空间点离相机平面的距离,b是左、右相机的距离,由成像模型得:
【文档编号】G06T7/00GK103473761SQ201310359120
【公开日】2013年12月25日 申请日期:2013年8月16日 优先权日:2013年8月16日
【发明者】朱虹, 俞帅男, 王栋, 王芙, 张喜, 王佳, 高磊 申请人:西安理工大学