穆勃辰,宋煥生,李聰亮,張文濤

(長(zhǎng)安大學(xué) 信息工程學(xué)院,西安 710064)

隨著智能交通產(chǎn)業(yè)發(fā)展,交通視頻監(jiān)控系統(tǒng)被廣泛地應(yīng)用于道路交通信息采集系統(tǒng)中[1,2],通過(guò)交通監(jiān)控視頻獲得車(chē)輛的空間信息[3,4]和行駛信息[5–7],對(duì)于交管部門(mén)及交安部門(mén)獲取交通信息和保障交通安全具有重要的實(shí)際意義.彎道由于其特殊的道路線形特性,是交通運(yùn)輸中事故易發(fā)路段之一,因此彎道場(chǎng)景的道路空間信息獲取是交通監(jiān)控系統(tǒng)亟待解決的問(wèn)題.

近年來(lái),計(jì)算機(jī)視覺(jué)技術(shù)大量應(yīng)用于智能交通中,相機(jī)標(biāo)定的目的是建立二維平面信息與三維空間信息的映射關(guān)系,是將圖像信息轉(zhuǎn)換到真實(shí)空間信息的重要環(huán)節(jié).Kanhere 等[8]基于單消失點(diǎn)和雙消失點(diǎn)及道路已知前提信息實(shí)現(xiàn)對(duì)道路場(chǎng)景標(biāo)定工作,從而實(shí)現(xiàn)二維三維場(chǎng)景間的轉(zhuǎn)換關(guān)系.對(duì)于確定消失點(diǎn)位置,Dubska等[9]通過(guò)級(jí)聯(lián)霍夫變換,將各方向直線轉(zhuǎn)換至鉆石空間中進(jìn)行投票,獲得較為穩(wěn)定的消失點(diǎn),Lopez-Martinez等[10]提出一種基于邊緣檢測(cè)和TLBO 算法獲得方向互相正交的三個(gè)準(zhǔn)確消失點(diǎn),并在檢測(cè)消失點(diǎn)準(zhǔn)確率和速度上找到平衡,Shi 等[11]在非標(biāo)準(zhǔn)直道場(chǎng)景下對(duì)道路消失點(diǎn)進(jìn)行提取,并獲得了較高的精度,宋洪軍等[12]在非結(jié)構(gòu)化道路上,未使用任何先驗(yàn)幾何信息,結(jié)合攝像機(jī)線性模型與均質(zhì)霧天,提出只包含路面以及運(yùn)動(dòng)車(chē)輛的標(biāo)定方法,但模型所需條件過(guò)于苛刻,實(shí)用性有待提高.對(duì)于實(shí)際高速公路場(chǎng)景,由于其標(biāo)準(zhǔn)化的修建流程,有很多先驗(yàn)知識(shí)可以使用,Sochor 等[13]通過(guò)高速公路行駛的車(chē)輛所包含的已知信息,實(shí)現(xiàn)了相機(jī)的自動(dòng)標(biāo)定工作,并基于文中的標(biāo)定結(jié)果進(jìn)行了速度檢測(cè),達(dá)到了一定的精度,但車(chē)輛的相關(guān)模型獲取并不容易,因此存在局限性的問(wèn)題,Song 等[14]通過(guò)高速公路場(chǎng)景中的車(chē)輛三維包絡(luò),對(duì)云臺(tái)相機(jī)進(jìn)行了自動(dòng)標(biāo)定,Zheng 等[15]針對(duì)交通場(chǎng)景的特點(diǎn),提出了由兩個(gè)消失點(diǎn)和一條消失線組成的最小標(biāo)定條件,Bhardwaj[16]通過(guò)深度學(xué)習(xí)網(wǎng)絡(luò)獲得車(chē)輛關(guān)鍵點(diǎn)空間信息,結(jié)合內(nèi)參信息,完成相機(jī)標(biāo)定,以上算法均能進(jìn)行自動(dòng)標(biāo)定,并獲得了較好的精度.

上述方法均能求得較為準(zhǔn)確的標(biāo)定結(jié)果,進(jìn)而獲得直線坐標(biāo)系下的道路信息.但對(duì)于真實(shí)世界下的道路場(chǎng)景,通常為直道與彎道并存,因此傳統(tǒng)直線標(biāo)定方法獲取的道路坐標(biāo)系不能準(zhǔn)確描述實(shí)際道路信息,進(jìn)而無(wú)法對(duì)交通事件和交通運(yùn)行狀態(tài)進(jìn)行準(zhǔn)確分析.因此本文提出一種基于道路線形的坐標(biāo)系,稱為里程坐標(biāo)系(mileage coordinate system,MCS),簡(jiǎn)記為MC,通過(guò)單目相機(jī)標(biāo)定獲得場(chǎng)景中彎道的線形信息,進(jìn)行的多項(xiàng)式擬合,獲得基于道路里程坐標(biāo)系的交通信息,如所在車(chē)道和里程信息.相比于傳統(tǒng)的世界坐標(biāo)系,MC可以獲得基于道路斷面方向和道路線形方向的位置信息,能夠更精確描述道路空間位置,可為交通管理部門(mén)提供更為真實(shí)的道路交通信息,進(jìn)而可以基于MC判斷車(chē)輛運(yùn)行狀態(tài)和駕駛員行為,并為全場(chǎng)景跨相機(jī)道路空間信息拼接[17]建奠定基礎(chǔ).

1 里程坐標(biāo)系構(gòu)建意義及流程

1.1 里程坐標(biāo)系的構(gòu)建意義

在交通監(jiān)控場(chǎng)景中,道路交通信息提取通常是對(duì)單個(gè)相機(jī)進(jìn)行標(biāo)定并通過(guò)其獲得空間映射關(guān)系,進(jìn)而獲得場(chǎng)景中目標(biāo)的位置信息和運(yùn)動(dòng)信息.傳統(tǒng)的相機(jī)模型中,共定義3 個(gè)右手坐標(biāo)系:圖像坐標(biāo)系、相機(jī)坐標(biāo)系、世界坐標(biāo)系.圖像坐標(biāo)通過(guò)相機(jī)標(biāo)定矩陣轉(zhuǎn)換到傳統(tǒng)的世界坐標(biāo)系,即從圖像平面信息轉(zhuǎn)換到實(shí)際三維場(chǎng)景下的空間信息.以此建立的世界坐標(biāo)是以監(jiān)控相機(jī)正下方位置為基準(zhǔn)的坐標(biāo)系.

由于世界坐標(biāo)系的固有特性限制,世界坐標(biāo)系僅能表示沿坐標(biāo)軸方向的真實(shí)空間信息,在彎道場(chǎng)景下,難以獲得車(chē)輛所處的車(chē)道信息、車(chē)輛基于道路斷面準(zhǔn)確的里程信息,進(jìn)而無(wú)法得到彎道場(chǎng)景下基于道路線形本身的位置信息,且交通事故及交通瓶頸路段大多出現(xiàn)在彎道路段.因此,基于上述不足,通過(guò)擬合獲取彎道路段的道路線形信息,本文提出基于道路線形的里程坐標(biāo)系(MC),如圖1所示,來(lái)描述彎道場(chǎng)景下道路及車(chē)輛信息.通過(guò)引入道路線形信息,構(gòu)建基于道路線性的坐標(biāo)系統(tǒng).MC 水平方向D軸,通過(guò)計(jì)算點(diǎn)到擬合曲線的最短距離描述車(chē)道位置信息;MC 垂直方向S軸,通過(guò)計(jì)算道路上一點(diǎn)投影至道路線性擬合曲線對(duì)應(yīng)點(diǎn)的弧長(zhǎng),描述道路上一點(diǎn)在路段的道路斷面的里程位置,最終構(gòu)成道路里程坐標(biāo)系,獲得彎道下的位置信息.并可以將MC 作為基準(zhǔn),進(jìn)行跨相機(jī)的道路幾何信息拼接融合,獲得全路段的運(yùn)行信息.

圖1 世界坐標(biāo)與MC 空間結(jié)構(gòu)示意圖

1.2 里程坐標(biāo)系的構(gòu)建思路

根據(jù)相機(jī)模型轉(zhuǎn)換關(guān)系,基于道路線形的里程坐標(biāo)系需要由世界坐標(biāo)系轉(zhuǎn)換而來(lái),若定義世界坐標(biāo)系為P(x,y,z),圖像坐標(biāo)系為p(u,v),兩者的映射關(guān)系可以通過(guò)式(1)表示:

其中,K代表相機(jī)的內(nèi)參矩陣,R代表旋轉(zhuǎn)矩陣,T代表相機(jī)的平移向量,KRT乘積的結(jié)果是一個(gè)3×4的矩陣,將這個(gè)矩陣稱為相機(jī)標(biāo)定中的映射矩陣H.基于此矩陣可以建立二維平面與三維空間的轉(zhuǎn)換關(guān)系.

為構(gòu)建道路里程坐標(biāo)系,首先需要通過(guò)上述相機(jī)模型及準(zhǔn)確的相機(jī)參數(shù),獲得可信的世界坐標(biāo)信息,并定義道路平面為世界坐標(biāo)z=0的平面.進(jìn)而通過(guò)多項(xiàng)式擬合,描述彎道線形,最后可以通過(guò)幾何關(guān)系獲得道路上任何一點(diǎn)相對(duì)于道路斷面的位置關(guān)系,流程如圖2所示.

圖2 MC 構(gòu)建流程圖

2 基于道路線形的里程坐標(biāo)系的構(gòu)建

2.1 基于消失點(diǎn)模型的相機(jī)參數(shù)求解

在道路場(chǎng)景中,一般只能穩(wěn)定獲取單個(gè)消失點(diǎn),即沿車(chē)流方向的消失點(diǎn)(u0,v0).本文選用基于VWL[8]的單消失點(diǎn)標(biāo)定算法.待求的未知參數(shù)為焦距f,俯仰角φ,偏航角θ和相機(jī)高度h.在真實(shí)的高速公路場(chǎng)景中,根據(jù)國(guó)標(biāo)[18],有如下已知條件:車(chē)道物理寬度w,車(chē)道線物理長(zhǎng)度l.對(duì)于道路交通場(chǎng)景下的消失點(diǎn),可由道路行車(chē)方向的車(chē)道線延伸方向等信息提供.

如圖3所示,在高速公路場(chǎng)景中,θ為相機(jī)光軸與道路延伸方向的夾角,φ為相機(jī)光軸與道路平面的夾角,消失點(diǎn)的位置位于真實(shí)場(chǎng)景無(wú)窮遠(yuǎn)處.道路的實(shí)際寬度為w,對(duì)應(yīng)圖上距離為δ,車(chē)道虛線的兩個(gè)端點(diǎn)的圖上縱坐標(biāo)為vb與vf,對(duì)應(yīng)的世界坐標(biāo)縱坐標(biāo)為yb與yf.由幾何關(guān)系可獲得相機(jī)外參θ與φ,即:

圖3 交通場(chǎng)景下幾何關(guān)系圖

對(duì)于VWL 模型[8]的求解,需使用到道路已知信息,根據(jù)道路標(biāo)線的實(shí)際長(zhǎng)度與圖像坐標(biāo)信息的對(duì)應(yīng)關(guān)系,h可以通過(guò)式(4)、式(5)求解:

根據(jù)所需的參數(shù)帶入式(4)、式(5)中并聯(lián)立,可獲得關(guān)于焦距f的四次方程:

根據(jù)式(6)求出相機(jī)焦距f后,即可求得相機(jī)外參θ、φ和h,并建立起圖像世界與真實(shí)世界的映射關(guān)系,獲得標(biāo)定映射矩陣H.

2.2 基于道路標(biāo)線的相機(jī)參數(shù)優(yōu)化

首次標(biāo)定的結(jié)果存在誤差,為了減少由標(biāo)定引起的基于道路線形的里程坐標(biāo)系的構(gòu)建誤差,需對(duì)結(jié)果進(jìn)行優(yōu)化,本文提出一種通過(guò)計(jì)算誤差的方式尋找對(duì)應(yīng)的標(biāo)定參數(shù),以獲得最佳標(biāo)定結(jié)果.高速公路有著較為明顯的車(chē)道標(biāo)線,相關(guān)約束可由道路標(biāo)線實(shí)際距離構(gòu)建,設(shè)圖像坐標(biāo)通過(guò)矩陣H獲得的世界坐標(biāo)下的標(biāo)線長(zhǎng)度為L(zhǎng)calib,道路真實(shí)標(biāo)線長(zhǎng)度為L(zhǎng)real,道路虛線的兩個(gè)端點(diǎn)經(jīng)標(biāo)定矩陣獲得其世界坐標(biāo),沿車(chē)輛行駛方向設(shè)置,起點(diǎn)為Pn(xn,yn,0),終點(diǎn)為Pn+1(xn+1,yn+1,0),因此可設(shè)下一條道路虛線的起點(diǎn)坐標(biāo)為Pn+2(xn+2,yn+2,0),根據(jù)道路國(guó)標(biāo)信息可知道路虛線長(zhǎng)度Lreal為6 m,各標(biāo)線間隔距離Linterval為9 m,因此存在沿道路方向誤差項(xiàng):

高速公路道路寬度的約束由消失點(diǎn)與道路邊界形成的道路區(qū)域構(gòu)成,可由道路虛線端點(diǎn)沿平行于世界坐標(biāo)x軸正半軸與負(fù)半軸做標(biāo)識(shí)線段,與道路邊線分別交于兩點(diǎn),計(jì)算道路虛線端點(diǎn)到兩點(diǎn)的距離,其形成的道路寬度的值為δ,本文對(duì)應(yīng)的實(shí)際道路寬度為7.5 m,因此可形成垂直于道路方向誤差:

因此本文將形成的3 項(xiàng)誤差進(jìn)行加權(quán)處理,根據(jù)選取約束的車(chē)道線端點(diǎn)數(shù)量進(jìn)行累加求和,則總誤差以如式(10)表示:

根據(jù)式(2)、式(3)、式(4)及式(5),焦距f的結(jié)果將會(huì)決定參數(shù)θ、φ和h,因此基于初始標(biāo)定獲得的焦距,在一段區(qū)間內(nèi),進(jìn)行誤差計(jì)算,獲得整體誤差最小時(shí)所對(duì)應(yīng)的相機(jī)參數(shù),誤差計(jì)算條件如下所示:

其中,f1、f2為所設(shè)置求解空間的上限與下限.

2.3 基于相機(jī)參數(shù)的道路坐標(biāo)系構(gòu)建

在平原地帶,高速公路的彎道最小平曲線半徑為650 m,可將曲線分為多條線段首尾依次連接組成,并視線段為直線路段.實(shí)際場(chǎng)景應(yīng)用下,由于相機(jī)可視角度的原因,相機(jī)正下方存在短距離不可見(jiàn)范圍,因此可以假設(shè)在相機(jī)不可見(jiàn)的范圍到場(chǎng)景中第一個(gè)標(biāo)識(shí)點(diǎn)之間的路段為直線路段.

定義點(diǎn)集CLp,設(shè)擬合得到的n次多項(xiàng)式為:f(x)=a0+a1x+a2x2+…+aNxn,其存在點(diǎn)集CLp中各點(diǎn)到曲線擬合的平方誤差,基于此誤差為最小的條件,可求得擬合曲線的各項(xiàng)系數(shù).

獲得基于道路線形的擬合曲線f(x)后,可重建道路上任意一點(diǎn)相對(duì)于道路的位置信息.對(duì)于道路上的任何一點(diǎn)Proad_r(xr,yr,0),可以根據(jù)以下方法對(duì)其世界坐標(biāo)進(jìn)行重構(gòu),進(jìn)而獲得MC 信息,所提出的具體算法步驟如算法1.

?

Step 1.根據(jù)不同場(chǎng)景的情況,手動(dòng)獲取n個(gè)道路邊線點(diǎn)或道路邊緣點(diǎn)的世界坐標(biāo)信息,構(gòu)成點(diǎn)集CLp={p1,p2,p3,…,pn},根據(jù)表1中實(shí)際實(shí)驗(yàn)測(cè)試發(fā)現(xiàn),7 次多項(xiàng)式附近變化幅度有較大變化,在擬合高于7 次的多項(xiàng)式后,各指標(biāo)變化幅度有較為明顯的下降,且7 次多項(xiàng)式擬合結(jié)果能夠較好的描述道路線形,因此本文選用最高次為7 次的多項(xiàng)式作為道路線形擬合曲線進(jìn)行計(jì)算.

表1 多場(chǎng)景擬合多項(xiàng)式評(píng)價(jià)指標(biāo)信息

Step 2.提取沿道路方向距離相機(jī)最近的待求標(biāo)識(shí)點(diǎn),作為后續(xù)點(diǎn)求取弧長(zhǎng)所用的積分起點(diǎn),并將此點(diǎn)的x值記為積分起點(diǎn),記作xstrat,此點(diǎn)的y值記作ystart,并作為S軸的初始距離,避免因擬合位置不同造成的“內(nèi)外圈”誤差.

Step 3.將Proad_r(xr,yr,0)向擬合曲線做投影,計(jì)算點(diǎn)到直線的歐式距離,并記為Xmin,作為道路斷面方向的位置信息,并得到點(diǎn)到直線最短距離所對(duì)應(yīng)的擬合曲線上的點(diǎn)Pcurve=(xcurve,ycurve,0).

Step 4.將Proad_r(xr,yr,0)所對(duì)應(yīng)的曲線投影點(diǎn)Pcurve=(xcurve,ycurve,0)的x值xcurve作為積分終點(diǎn),xstrat為積分起點(diǎn),根據(jù)微積分思想求取對(duì)應(yīng)的弧長(zhǎng),Δx為求解時(shí)的步長(zhǎng),弧長(zhǎng)L解法如下式:

其中,nint為積分區(qū)域中被分成的區(qū)域個(gè)數(shù).

Step 5.將計(jì)算獲得的弧長(zhǎng)L與初始距離ystart求和,并記為L(zhǎng)s,作為道路坐標(biāo)系S軸上的值,表示沿道路行車(chē)方向的里程距離.

Step 6.通過(guò)算法獲得道路上各點(diǎn)所對(duì)應(yīng)的歐式距離Xmin與弧長(zhǎng)Ls,將Xmin作為道路坐標(biāo)系的D軸上的值,與對(duì)應(yīng)道路坐標(biāo)系S軸上的值構(gòu)成新的位置信息點(diǎn)坐標(biāo).

將所有待求點(diǎn)完成上述步驟即可構(gòu)建基于MC的位置信息.

3 實(shí)驗(yàn)分析

本章基于構(gòu)建的實(shí)驗(yàn)場(chǎng)景以及實(shí)際場(chǎng)景對(duì)本文提出的MC 及其構(gòu)建的彎道場(chǎng)景位置信息進(jìn)行實(shí)驗(yàn).共使用8 個(gè)場(chǎng)景對(duì)算法進(jìn)行實(shí)驗(yàn),相關(guān)實(shí)驗(yàn)圖像信息如表2所示,相關(guān)實(shí)驗(yàn)場(chǎng)景如圖4所示.其中實(shí)驗(yàn)場(chǎng)景1 與實(shí)驗(yàn)場(chǎng)景2為模擬實(shí)際道路的操場(chǎng)彎道場(chǎng)景,可以通過(guò)測(cè)量獲得準(zhǔn)確的實(shí)際位置信息;高速公路場(chǎng)景1 至高速公路場(chǎng)景6為實(shí)際場(chǎng)景,無(wú)法獲得精確的數(shù)據(jù),數(shù)據(jù)參考國(guó)標(biāo)[18]獲得.由于實(shí)際場(chǎng)景測(cè)量的不便性,本文算法的精度由實(shí)驗(yàn)場(chǎng)景驗(yàn)證,實(shí)際高速場(chǎng)景側(cè)重于驗(yàn)證算法的可行性與合理性,計(jì)算所得的坐標(biāo)單位均為米.

表2 場(chǎng)景信息

圖4 實(shí)驗(yàn)場(chǎng)景及實(shí)際場(chǎng)景示意圖

場(chǎng)景中包含右彎與左彎,且相機(jī)位置位于路測(cè)或道路中央隔離帶,周?chē)h(huán)境及拍攝角度多樣且復(fù)雜,對(duì)算法的穩(wěn)定性和算法精度有著很大的挑戰(zhàn).

3.1 實(shí)驗(yàn)場(chǎng)景MC 構(gòu)建實(shí)驗(yàn)

為了驗(yàn)證本文算法精度,使用上述2 個(gè)實(shí)驗(yàn)場(chǎng)景進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)場(chǎng)景選取標(biāo)準(zhǔn)的操場(chǎng)跑道,經(jīng)過(guò)實(shí)際測(cè)量獲得以下數(shù)據(jù):操場(chǎng)跑道寬1.24 m,人為設(shè)置的標(biāo)定信息標(biāo)識(shí)點(diǎn)沿跑道標(biāo)線放置,各標(biāo)識(shí)點(diǎn)間隔均為1 m,使用卷尺測(cè)量彎道的實(shí)際長(zhǎng)度,相機(jī)架設(shè)高度實(shí)測(cè)為1.4 m.

通過(guò)第2.1 節(jié)中介紹的方法完成標(biāo)定及其優(yōu)化工作,誤差計(jì)算由跑道6 個(gè)標(biāo)志點(diǎn)對(duì)應(yīng)的寬度(兩條跑道寬度為2.48 m,對(duì)應(yīng)的6 個(gè)點(diǎn)累計(jì)寬度為14.88 m)及標(biāo)識(shí)點(diǎn)間隔(間隔1 m,共5 個(gè)累計(jì)為5 m)所累積的實(shí)際總長(zhǎng)度為19.88 m 進(jìn)行評(píng)價(jià).當(dāng)匹配所得的誤差最小時(shí),確定相機(jī)的內(nèi)參與外參,標(biāo)定結(jié)果誤差由標(biāo)定所得的標(biāo)定矩陣計(jì)算所得與實(shí)際總長(zhǎng)度的絕對(duì)值所得,標(biāo)定結(jié)果及相關(guān)誤差如表3所示.

表3 實(shí)驗(yàn)場(chǎng)景標(biāo)定信息

通過(guò)表3及圖5結(jié)果可知,實(shí)驗(yàn)場(chǎng)景1中誤差為0.7%,實(shí)驗(yàn)場(chǎng)景2中誤差為0.8%,因此本文提出的標(biāo)定優(yōu)化算法具有一定的可行性和準(zhǔn)確性,并為下述的彎道重建提供了有效的支持.

圖5 實(shí)驗(yàn)場(chǎng)景標(biāo)定結(jié)果

基于上述表3中的標(biāo)定信息的標(biāo)定矩陣,對(duì)彎道場(chǎng)景進(jìn)行擬合,獲得跑道線形信息,并重置標(biāo)識(shí)點(diǎn)位置.在實(shí)驗(yàn)場(chǎng)景1中,共在彎道處放置6 個(gè)標(biāo)識(shí)點(diǎn),每個(gè)標(biāo)識(shí)點(diǎn)間隔3 m;在實(shí)驗(yàn)場(chǎng)景2中,為了區(qū)別場(chǎng)景1 實(shí)驗(yàn),共放置9 個(gè)標(biāo)識(shí)點(diǎn),前4 個(gè)標(biāo)識(shí)點(diǎn)間隔均為3 m,從第5 個(gè)標(biāo)識(shí)點(diǎn)開(kāi)始間隔變化為4 m.

根據(jù)第2.3中提出的算法步驟進(jìn)行空間信息構(gòu)建,此實(shí)驗(yàn)中誤差由坐標(biāo)系的兩個(gè)方向的位置總誤差累計(jì)所得,實(shí)際世界坐標(biāo)(x,u,0)轉(zhuǎn)換后的MC 數(shù)據(jù)及對(duì)應(yīng)各位置的誤差如表4、表5及圖6所示.

圖6 實(shí)驗(yàn)場(chǎng)景下位置信息誤差

表4 實(shí)驗(yàn)場(chǎng)景1 實(shí)驗(yàn)結(jié)果

表5 實(shí)驗(yàn)場(chǎng)景2 實(shí)驗(yàn)結(jié)果

在實(shí)驗(yàn)場(chǎng)景下,最大誤差未超過(guò)3%.實(shí)驗(yàn)場(chǎng)景1中的位置平均誤差約為1.63%,兩個(gè)方向距離的平均偏差為0.306 m;實(shí)驗(yàn)場(chǎng)景2中的位置平均誤差約為1.33%,兩個(gè)方向距離的平均偏差為0.411 m.誤差主要來(lái)源于以下3 點(diǎn):標(biāo)定誤差,人工選取標(biāo)識(shí)點(diǎn)誤差及擬合誤差.結(jié)果表明,標(biāo)定算法和道路線形擬合算法能有效的重構(gòu)道路斷面位置信息與里程信息,說(shuō)明了本文提出的基于單目相機(jī)彎道重建算法的有效性與準(zhǔn)確性.

3.2 實(shí)際場(chǎng)景MC 構(gòu)建實(shí)驗(yàn)

為了驗(yàn)證實(shí)際場(chǎng)景中算法的可行性與相對(duì)精度,使用上述6 個(gè)實(shí)驗(yàn)場(chǎng)景進(jìn)行實(shí)驗(yàn),由道路6 個(gè)標(biāo)志點(diǎn)對(duì)應(yīng)的寬度(兩條道路寬度為7.5 m,對(duì)應(yīng)的6 個(gè)點(diǎn)累計(jì)寬度為45 m)及標(biāo)識(shí)點(diǎn)間隔(共兩個(gè)間隔和3 條虛線組成,累計(jì)36 m)所累積的實(shí)際總長(zhǎng)度為81 m 進(jìn)行誤差分析.當(dāng)匹配所得的誤差最小時(shí),確定相機(jī)的內(nèi)參與外參,標(biāo)定結(jié)果誤差由標(biāo)定所得的標(biāo)定矩陣計(jì)算所得與實(shí)際總長(zhǎng)度的絕對(duì)值所得,標(biāo)定結(jié)果及相關(guān)誤差如表6、圖7所示.

圖7 實(shí)際場(chǎng)景標(biāo)定結(jié)果示意圖

表6 實(shí)際場(chǎng)景標(biāo)定信息

實(shí)際場(chǎng)景標(biāo)定中,誤差評(píng)價(jià)基于道路標(biāo)志標(biāo)線的國(guó)標(biāo)進(jìn)行描述,采集3 段虛線和虛線間的間隔,誤差計(jì)算方法與實(shí)驗(yàn)場(chǎng)景相同.從誤差中可見(jiàn),實(shí)際場(chǎng)景中出現(xiàn)的最大誤差為4.9%,平均誤差約為1.64%,存在較大誤差波動(dòng)的原因是因?yàn)椴糠謴澋缊?chǎng)景不存在連續(xù)的3 條兩兩共線的虛線,但在實(shí)驗(yàn)場(chǎng)景中,本文提出的優(yōu)化算法穩(wěn)定性較高,因此本文提出的標(biāo)定優(yōu)化算法具有一定的可行性和準(zhǔn)確性,并可以為下述的彎道重建提供了有效的支持.

基于表6中的標(biāo)定信息獲得矩陣,對(duì)彎道場(chǎng)景進(jìn)行擬合,獲得真實(shí)高速公路彎道線形信息,并將虛線兩端作為標(biāo)識(shí)點(diǎn),共選取8 條虛線16 個(gè)標(biāo)識(shí)點(diǎn),根據(jù)相機(jī)布設(shè)的位置不同,選擇一定數(shù)量的標(biāo)識(shí)點(diǎn)進(jìn)行實(shí)驗(yàn),相關(guān)距離均默認(rèn)為國(guó)標(biāo):虛線長(zhǎng)6 m、間隔9 m.

根據(jù)第2.3 節(jié)中提出的算法步驟,高速公路場(chǎng)景1 至4 選取道路虛線位置信息進(jìn)行實(shí)驗(yàn),高速公路場(chǎng)景5和6 選取車(chē)輛位置信息進(jìn)行實(shí)驗(yàn),車(chē)輛位置數(shù)據(jù)的獲取方式使用YOLOv4[19]進(jìn)行檢測(cè),并通過(guò)KCF[20]獲得車(chē)輛軌跡.實(shí)際世界坐標(biāo)、轉(zhuǎn)換后的MC 數(shù)據(jù)及對(duì)應(yīng)各位置的誤差如表7–表10和圖8所示.

表7 實(shí)際場(chǎng)景1 實(shí)驗(yàn)結(jié)果

表8 實(shí)際場(chǎng)景2 實(shí)驗(yàn)結(jié)果

表10 實(shí)際場(chǎng)景4 實(shí)驗(yàn)結(jié)果

圖8 實(shí)際場(chǎng)景下位置信息誤差分布

從實(shí)驗(yàn)中的4 個(gè)場(chǎng)景所獲得的結(jié)果觀察到,在150 m 范圍內(nèi),各場(chǎng)景最大誤差均未超過(guò)7%.實(shí)際場(chǎng)景1的平均誤差為1.262%;實(shí)際場(chǎng)景2的平均誤差為3.583%;實(shí)際場(chǎng)景3的平均相對(duì)誤差為1.163%;實(shí)際場(chǎng)景4的平均相對(duì)誤差為2.54%,4 個(gè)實(shí)際場(chǎng)景的平均誤差為2.137%.分析上述誤差值,場(chǎng)景2的平均誤差要高于其他,原因可能為實(shí)際場(chǎng)景3的彎道曲率較大,因此擬合重建過(guò)程可能會(huì)放大誤差.該方案所測(cè)得場(chǎng)景的誤差均小于10%,因此該方案具有一定可行性及合理性.

為了獲得實(shí)際車(chē)輛在高速公路場(chǎng)景下的實(shí)際位置信息,本文選取高速公路實(shí)際場(chǎng)景5和6 進(jìn)行實(shí)驗(yàn),選取行駛在不同車(chē)道的車(chē)輛,所獲得的車(chē)輛軌跡點(diǎn)如圖9所示,所提出的方法能有效分辨車(chē)輛的車(chē)道信息及里程信息.

圖9 MC 下車(chē)輛軌跡結(jié)果示意圖

3.3 結(jié)果分析

基于本文所提出的算法,與傳統(tǒng)直角坐標(biāo)系所獲得結(jié)果進(jìn)行比較.由于實(shí)驗(yàn)場(chǎng)景可以測(cè)量真實(shí)距離值,因此使用實(shí)驗(yàn)場(chǎng)景數(shù)據(jù)進(jìn)行對(duì)比分析,對(duì)比結(jié)果如表11所示,從表中可以得知,本文方法可以對(duì)道路彎道場(chǎng)景進(jìn)行位置重建,且結(jié)合平均精度及穩(wěn)定性分析,可以較好的對(duì)道路線形進(jìn)行擬合構(gòu)建,獲得道路實(shí)際的位置信息.

表11 實(shí)驗(yàn)場(chǎng)景結(jié)果分析

4 結(jié)論與展望

本文針對(duì)交通監(jiān)控視頻下的彎道場(chǎng)景提出了一種基于道路里程及位置信息的構(gòu)建方法.實(shí)驗(yàn)結(jié)果表明,本文提出的基于道路線形的道路里程坐標(biāo)系,可獲取彎道場(chǎng)景下基于道路斷面及道路里程的真實(shí)信息,克服了傳統(tǒng)世界坐標(biāo)系無(wú)法解決的彎道位置信息準(zhǔn)確提取的問(wèn)題;本文所使用的相機(jī)參數(shù)獲取方法及優(yōu)化思路,可適用于大多帶有道路標(biāo)志標(biāo)線的場(chǎng)景,為基于道路線形的里程坐標(biāo)系構(gòu)建提供有力支撐;提高了交通監(jiān)控應(yīng)用場(chǎng)景的普適性,通過(guò)里程坐標(biāo)系可獲得車(chē)道信息及道路里程信息,其精度達(dá)到90%,為彎道場(chǎng)景中車(chē)輛運(yùn)行狀態(tài)及位置信息獲取提供了有效的解決方案.

后期的研究將通過(guò)提取車(chē)道線等方式來(lái)實(shí)現(xiàn)道路信息的提取,通過(guò)優(yōu)化信息獲取方式,實(shí)現(xiàn)系統(tǒng)自動(dòng)化.