余厚云，張為公

（1．南京航空航天大學機電學院，江蘇南京 210016;2．東南大學儀器科學與工程學院，江蘇 南京 210096）

0 引言

車輛在道路上行駛過程中，為了避免在跟馳或換道時與周圍車輛發(fā)生碰撞，需要對本車與其他車輛之間的車距進行測量。目前常見的障礙物測距主要采用的是超聲波［1］、毫米波雷達［2，3］、激光［4，5］等主動型傳感器或以機器視覺為代表的被動型傳感器。主動型傳感器測量直接，對數(shù)據(jù)處理能力要求不高，對氣候依賴性小，在障礙物識別和距離測量方面應用非常廣泛。但主動型傳感器在車輛類型、尺寸信息的獲取以及車道檢測等方面無能為力，信息量的匱乏限制了其在車距測量中的應用。

視覺作為行車過程中駕駛員獲取外界信息的主要渠道，不僅能夠提供交通標志、交通信號、車道線標記等信息，同時周圍車輛與本車之間的距離及相對速度也是駕駛員通過視覺來估計的。因此，采用機器視覺測量車距，所得到的信息量最大，也最貼近駕駛員的感知實際。同時，機器視覺硬件結構簡單、成本低，軟件算法柔性大、適應性強，也是采用機器視覺進行車距測量的優(yōu)勢所在。

1 基于單目視覺的車距測量

針對基于機器視覺的空間距離測量，目前大多采用雙目立體視覺系統(tǒng)［6～9］來實現(xiàn)。但立體視覺系統(tǒng)需要對2個攝像機拍攝的圖像進行重建，以恢復物體的三維位置信息，算法非常復雜。就車距測量的實際應用而言，可以在假設路面平坦的前提下，通過單目視覺來完成該項任務［10，11］。

文獻［12，13］利用攝像機內部參數(shù)和透視投影的幾何關系，給出了基于單目視覺的前方車輛車距測量方法。但在測量過程中需要提供攝像機的安裝高度和俯仰角參數(shù)，其中攝像機安裝高度的測量較為簡單，但俯仰角的測量則很難實現(xiàn)，且在車輛行駛過程中攝像機俯仰角會發(fā)生瞬時的變化，如果得不到及時修正，會給車距測量結果帶來很大誤差。為此，本文在該方法的基礎上，利用攝像機內部參數(shù)的標定結果和針孔模型下的成像幾何關系，結合車道線消失點和近視場特征點的位置推導出新的車距測量公式，避免了對攝像機高度和俯仰角等外部參數(shù)的測量。

如圖1所示，假設Oc為攝像機光心，OcI垂直于路面于點I。攝像機光軸OcG與路面相交于點G，與圖像平面相較于點g。Q點為攝像機視場中拍攝到的路面上與攝像機縱向距離最近的點，本文將其定義為近視場點，它對應著圖像下邊沿上的像素點q。點P為前方運動車輛車底陰影上一點，其在圖像平面內對應的像素點為點p，P到攝像機的縱向距離d2即為前方車輛與本車之間的車距。若路面上近視場點Q到攝像機的縱向距離為d1，則由針孔模型下的攝像機成像關系可知

在圖1中，Ocg=f，f為攝像機焦距，因此，有

同時，由于圖像中車道線消失點v（u0，v3）對應的是世界坐標系中的無窮遠點，因此，光心與消失點的連線Ocv平行于路面，從而有

因此，由式（2）和式（3）可得

將式（4）代入式（1）并化簡得

式（5）表明:只要測出近視場特征點Q到車輛的實際距離d1，即可計算出前方車輛與本車之間的車距。

圖1 基于車道線消失點的車距測量示意圖Fig 1 Schematic diagrams of vehicle distance measurement based on vanishing point of lane lines

2 車距測量誤差分析

在由公式（5）計算前方車輛車距時，路面上的近視場點到攝像機的實際縱向距離d1可預先測量得到，而該點所對應的圖像下邊沿上的點的縱坐標v1可由圖像尺寸確定。攝像機內部參數(shù)v0和αy由攝像機標定結果給出，且它們在行車過程中保持不變。而圖像中車底陰影位置v2和車道線消失點位置v3則需要通過圖像測量得到。但由于在本車行駛的過程中，近視場點到攝像機的實際距離d1和車載攝像機外部參數(shù)均會因為行車方向改變和車輛顛簸等原因發(fā)生瞬間的變化，這給最終的車距測量結果帶來了誤差。

2．1 攝像機安裝高度的影響

如圖2所示，在前方路面上距離攝像機分別為10，20，40，70，100，120 m等位置處設置橫向標線，在攝像機距離地面高度分別為1．25，1．37 m時拍攝道路標線圖像。

預先標定出攝像機內部參數(shù)αy和攝像機主點縱坐標v0，并實際測得2種不同攝像機高度下近視場路面點到攝像機距離d1，再根據(jù)圖像中檢測得到的近視場點縱坐標v1、各橫向標線在圖像中的縱坐標v2及車道線消失點縱坐標v3，由公式（5）可計算出各位置處橫向標線到攝像機距離的視覺檢測結果。

圖2 攝像機不同安裝高度下拍攝的道路標線圖像Fig 2 Pictures of lane markings with different installing height of camera

由表1中的測量結果可以看出:當攝像機安裝高度不同時，只要能夠準確測得近視場點到攝像機的實際距離，進而計算出的標線距離結果與實際距離相比誤差很小?？紤]到高速公路等高等級道路路面平坦，行車過程中車輛顛簸等引起的車載攝像機高度變化很小，由此造成的前方車輛車距測量誤差基本可以忽略。

表1 攝像機不同安裝高度下的路面標線距離測量結果Tab 1 Result of distance measurement for lane markings with different installing height of camera

2．2 攝像機俯仰角的影響

本車行駛過程中對車距測量產生影響的攝像機外部參數(shù)主要包括方向角和俯仰角，它們會隨行車方向和車輛顛簸等原因而發(fā)生變化。俯仰角的變化會改變攝像機的視場范圍，并使前方路面上的標線在圖像中的縱向位置發(fā)生移動。

如圖3所示，實驗中按不同俯仰角拍攝前方路面標線圖像，并計算出各圖中路面標線到攝像機的距離（見表2）。

圖3 攝像機不同俯仰角下拍攝的道路標線圖像Fig 3 Pictures of lane markings with different pitching angles of camera

表2 攝像機不同俯仰角下的路面標線距離測量結果Tab 2 Result of distance measurement for lane markings with different pitching angles of camera

由表2中的檢測數(shù)據(jù)可以看出:攝像機俯仰角的變化對車距測量結果影響顯著，并且，當俯仰角超過一定值時，攝像機的視場變得很小，只有前方幾十米的范圍，無法滿足前方車輛檢測與車距測量的要求。而通過對表2中測量結果的分析還發(fā)現(xiàn)，由于鏡頭邊緣畸變導致當攝像機俯仰角增大時，遠端標線的距離測量結果與實際值相比誤差明顯增大。因此，在通過車載視覺測量前方車輛車距時應盡可能減小攝像機的俯仰角度，使前方車輛出現(xiàn)在圖像的中央。

2．3 攝像機方向角的影響

本車行駛過程中，行車方向的瞬間變化會使得攝像機相對于車道的方向角產生微小的改變。如圖4所示，拍攝攝像機不同方向角下的路面橫向標線圖像。

圖4 攝像機在不同方向角下拍攝的道路標線圖像Fig 4 Pictures of lane markings with different orientation angles of camera

按照公式（5）計算前方路面上距攝像機100 m處的標線距離，得到的結果如表3所示。由表3中給出的測量結果可以看出:當攝像機方向角隨著行車方向發(fā)生較小改變時，由視覺方法測量出的標線距離基本接近，且與實際值的偏差很小，也就是說行車過程中攝像機方向角的微小變化對車距測量結果的影響可以忽略。

表3 攝像機不同方向角下的100 m標線視覺距離測量結果Tab 3 Result of distance measurement for the 100 m lane marking with different orientation angles of camera

3 實驗結果

在道路現(xiàn)場進行了基于單目視覺的前方車輛車距測量實驗，實驗過程中按10 m等間隔將被測車輛分別停放在攝像機前方10～120 m處，拍攝前方車輛圖像并檢測圖像中車底陰影的位置。

表4中列出了各不同位置處車距的視覺檢測結果，將其與實際車距進行比較。結果顯示:除了在前方車輛位于近端10 m車距處，由于陽光斜射造成車底陰影超出車輛很多而引起較大誤差外，其它位置上采用上述單目視覺方法測量出的車距相對誤差均小于3%，達到了較高的車距測量精度。

表4 基于單目視覺的車距測量結果Tab 4 Result of vehicle distance measurement based on monocular vision

4 結論

本文從攝像機成像的基本原理出發(fā)，推導出前方車輛車距與圖像中近視場點到攝像機實際距離之間的函數(shù)關系，避免了視覺測量中需要對所有攝像機參數(shù)進行標定的復雜過程，從而解決了結構化道路上基于單目視覺的車距測量問題。同時，本文還針對車載攝像機外部參數(shù)在本車行駛過程中可能發(fā)生改變的實際情況，完成了攝像機安裝高度、俯仰角及方向角等變化情況下的路面標線距離測量實驗。實驗結果表明:攝像機安裝高度和方向角對車距測量結果的影響較小，而俯仰角變化則會引起較大的測量誤差。真實車輛的車距測量，實驗結果表明:本文提出的基于車道線消失點的單目視覺車距測量方法能夠較為準確地測量出前方運動車輛與本車間的距離，滿足了結構化道路上的車距測量應用要求。

［1］ Kasuga T，Yakubo S．Design of a dependable model vehicle for rear-end collision avoidance and its evaluation［C］∥Instrumentation and Measurement Technology Conference（IMTC），Austin，TX，USA，2010:641 －646．

［2］ Tsuchiya J，Hayashi M，Kohno R．Platoon characteristics of automatic vehicle speed control for vehicles equipped with DS-UWB radar［C］∥IEEE 11th International Symposium on Spread Spectrum Techniques and Applications（ISITA），Taichung，2010:125－130．

［3］ Parviainen J，Vázquez López A M，Pekkalin O，et al．Using Doppler radar and MEMS gyro to augment DGPS for land vehicle navigation［C］∥The 18th IEEE International Conference on Control Applications，Saint Petersburg，Russia，2009:1690 －1695．

［4］ Chen Y D，Meng Z Q，Liu J L，et al．High-precision infrared pulse laser ranging for active vehicle anti-collision application［C］∥2011 International Conference on Electric Information and Control Engineering（ICEICE），Wuhan，China，2011:1404 －1407．

［5］ 謝興盛，方勇文，吳云峰，等．汽車自適應馳控裝置中的紅外激光測距［J］．激光技術，2004，28（5）:521 －523．

［6］ Huh K，Park J，Hwang J，et al．A stereo vision-based obstacle detection system in vehicles［J］．Optics and Lasers in Engineering，2008，46（2）:168 －178．

［7］ Toulminet G，Bertozzi M，Mousset S，et al．．Vehicle detection by means of stereo vision-based obstacles features extraction and monocular pattern analysis［J］．IEEE Transactions on Image Processing，2006，15（8）:2364 －2375．

［8］ Lim Youngchul，Lee Chunghee，Kwon Soon，et al．Position estimation and multiple obstacles tracking method based on stereo vision system［C］∥2009 IEEE Intelligent Vehicles Symposium，Xi’an，China，2009:72 －77．

［9］ 孫軍華，吳子彥，劉謙哲，等．大視場雙目視覺傳感器的現(xiàn)場標定［J］．光學精密工程，2009，17（3）:633 －640．

［10］ Kuo Y C，Pai N S，Li Y F．Vision-based vehicle detection for a driver assistance system［J］．Computers and Mathematics with Applications，2011，61（8）:2096 －2100．

［11］劉 燕，劉浩學．基于計算機視覺的單目攝影縱向車距測量系統(tǒng)研究［J］．公路交通科技，2004，21（9）:103 －106．

［12］王榮本，李 斌，儲江偉，等．公路上基于車載單目機器視覺的前方車距測量方法的研究［J］．公路交通科技，2001，18（6）:94－98．

［13］郭 磊，徐友春，李克強，等．基于單目視覺的實時測距方法研究［J］．中國圖像圖形學報，2006，11（1）:74 －81．