刘会平

（重庆邮电大学自动化学院，中国 重庆400065）

智能车辆[1]又称为室外移动机器人或自主地面车浪，是许多高薪技术综合集成的载体，是未来车辆的发展趋势。在智能车辆的研究中，辅助导航一直是研究的关键技术之一，而且不断在加大研究和开发力度，其中以驾驶员安全辅助导航系统的应用最为成功，如驾驶员视野拓展、安全预警等。

在实现智能车辆感知外部环境方面，经过人们多方面的探索之后，证明利用视觉传感器[2]是智能车辆最有效、最重要的感知方法。驾驶员在驾驶车辆过程中需要信息的90%都是来自视频图像，它如同智能车辆的眼睛，能识别各种情况下的道路、道路网络、路标及无道路的野外环境。因而视觉导航受到各国的关注，是目前智能车辆辅助导航方式的主流。在智能车辆上安装车载摄像机的基于全局视觉的导航方式技术路线。

而本文采用就是以视觉传感器为主的辅助导航方式，通过在智能车辆顶部安装多个摄像机，而实时获取车身周围的交通环境信息。本文首先通过摄像机标定技术获取各个摄像机的内参数和外参数，然后利用参数求解图像的像素坐标和现实世界坐标之间的转换关系，根据世界坐标，进而求得相邻摄像机图像之间的重合点，将图像拼接，这样可以拓展视野，最后利用图像的逆变换技术，将拼接的图像转换成一幅全局视图的正下视图，类似于方便我们查阅的地图，进而达到辅助导航的目标。

1 摄像机标定

在基于视觉导航的智能车辆中，需要根据摄像机所获取的图像信息来重建或者识别目标，因此车载摄像机的标定[3]是至关重要的，所谓摄像机标定，就是从摄像机获取的图像信息出发，根据空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，构建摄像机成像的几何模型，再经实验与计算得到空间环境中三维物体的位置、形状等几何模型参数的过程。从定义上看，摄像机标定实质是确定摄像机内外参数的一个过程。本文中摄像机的内部参数可以通过使用南加利福尼亚大学开发的标定工具箱[4]进行标定，得到摄像机的主点和有效焦距。外部参数采用的是一种简单实用的方法，称三线法[5]。

根据透视投影原理，一条空间直线上的无穷远像素即在视平面上形成的收敛点称为消失点，空间中相互平行的的直线簇在视平面有相同的消失点。而车载摄像机的外部参数和与消失点和斜率之间具有内在的联系，摄像机的外部参数可以用与平行线有关的解析表达式表示。

分别建立与汽车固连的车体坐标系（世界坐标系）和与摄像机坐标系固连的摄像机坐标系。车体坐标系的原点设在汽车的竖直中心线和地面的交点上。设地面平坦，摄像机坐标系原点在摄像机的光心，光心在车体坐标系中的坐标t=(l,d,h)。若车体坐标系中有一点pv=(xv,yv,zv)，它在摄像机坐标系中的坐标为pc=(xc,yc,zc)。通过旋转和平移变换，可以建立图像像素坐标(u,v)和pc=(xc,yc,zc)之间的关系表达式：

最后求得图像像素坐标和车体坐标之间的关系表达式：式中，fx,fy,u0,v0为摄像机的x,y方向的焦距和主点坐标，是相机的内部参数；R,T是相机的外部参数。具体的标定方法见文献[4]。

2 基于摄像机标定的图像拼接

由于智能车辆对实时性要求较高，否则无法达到实时导航的目标，针对现有的图像拼接[6]算法在配准精度和速度方面的不足，本文利用相机标定技术获得的参数求得图像像素坐标，相机坐标系和车体坐标系旋转变换关系。

图像拼接技术主要分为两个主要步骤：图像配准、图像融合。图像配准[7]具体方法是利用摄像机标定获得每个摄像机的内参数和外参数，计算出拍摄图像像素坐标和车体坐标系之间的单应性矩阵关系式，然后不断进行重复试验，直到求出相邻图像之间的车体坐标相重合的坐标点，然后在该坐标点附近反复实验，直到求出坐标最接近的像素坐标。然后以其中一幅图像为基准，将相邻的另一幅从重合的坐标点开始拼接到基准图像中。

一般情况下，由于待拼接图像的采样角度的不同，配准后的图像在重叠部分会出现明暗强度及变形程度的差异。为了使拼接后的图像具有视觉一致性且没有明显的缝合痕迹，必须对拼接后的图像进行后序的图像融合处理。本文采用的较常用的加权平均法。令I1(x,y),I2(x,y),g(x,y)分别表示第一幅图像、第二幅图像和融合图像则融合后的图像像素g(x,y)的分布规律如下：

上式中，w1,w2表示权重。0fflt;w1,w2fflt;1且w1+w2=1。它们的值像素在重叠中的位置的不同是变换的。一般与重叠区域的宽度有关。在重叠区域中，w1由1渐变到0。而w2恰恰相反，由0渐变到1。根据此原则从而实现两幅图像在重叠区域中图像I1到图像I2的平滑过渡。本文根据图像拼接的情况，采用了最拼接边缘部分进行加权平均的融合方法。拼接效果如图所示：

图1

3 图像的逆投影变换

在智能车采集驾驶环境信息的过程中，逆投影变换[8]有着广泛的应用。逆投影变换能够去除图像采集过程中形成的透视效果。逆变换后的图像能够较好地反映客观路面情况，强化车道线信息和车辆信息，进而达到辅助导航的目的。

根据小孔成像原理，以图像中心为图像坐标系的原点，图像的竖直方向作为y轴。得到图像像素坐标系与（世界坐标系）车体坐标系之间的投影关系如下：

其中：x、y分别表示世界坐标系（车体坐标系）的横纵坐标；、X、Y分别表图像像素坐标的横纵坐标；H、W分别表示图像的长和宽；h表示摄像机的安装高度；2α表示摄像机的垂直视场角；2β表示摄像机的水平视场角，其详细的推到过程见文献[6]。

经过这种投影变换，首先消除了 由于近大远小这种投影特点造成的车道识别的困难。其次,相比较未转换的原图像，仅仅使用 简单的边缘增强函数就可以获得很好的边缘增强效果。最后，经过变换的图像还可以尽可能地降低图像中的车辆对于车道识别的影响，最终现实基于全局视图的车辆导航的目标。逆投影变换如图所示：

图2

4 结论

本文提出的基于全局视图的车辆辅助导航系统，通过实时获得最后的大视野的逆俯视图像，进而可以实时获知车身周围的实时交通信息，最终实现智能车辆中辅助导航的功能。

［1］徐友春.世界智能车辆近况综述[J].汽车工程,2001,23(5):289-295.

［2］沈峘.智能车辆视觉环境感知技术的研究[D].南京:南京航空航天大学,2010.

［3］谭华春,夏红卫.车载摄像机的立体标定方法[J].吉林大学学报,2013,43(5):352-356.

［4］李青,郑南宁.用三线法标定车载摄像机的外部参数[J].光电工程,2004,31(8):23-26.

［5］BOUGET J Y.Matlab camera calibration toolbox[EB/OL].http://www.vision.caltech.edu/bougetj/calib_doc/index.html,2003-4-18.

［6］高俊鑫.基于摄像机精确标定的全景图图像拼接[D].杭州:浙江大学,2013.

［7］张金玲,孙汉旭.基于相机标定的图像拼接算法[J].中北大学学报,2003,26(6):575-579.

［8］郭磊,李克强.基于定向二维插值的逆投影变换方法[J].清华大学学报,2006,46(5):712-715.