论文部分内容阅读
【摘 要】在平行泊车（侧方停车）过程中，可以把平行泊车过程划分了4个步骤并引入机器视觉进行检测：基于机器视觉自动检测平行泊车位，检测平行泊车中车辆与前车的横向距离，自主判断是否会与前车发生擦碰，自主判断是否擦碰上路肩。通过摄像头所拍摄到的图像，经过一系列图像处理最终得出这个平行泊车（侧方位停车）过程能否顺利进行。
【关键词】平行泊车;测量;机器视觉
引言
随着科技的发展，人们对汽车的需求度以及购买量与日俱增。车子越来越多，可是路边供停车的泊车位却是有限的，怎样有效地把车子停入车位，不仅要依靠熟练的驾车技术，更是要依靠现代化技术来辅助完成。例如王科等[1]提出一种基于不定Bezier变形模板的检测算法。算法对输入图像进行逆透视变换，提出混合高斯方向异性滤波器，对图像进行预处理。将模板参数假设检验问题代替了道路识别问题，进而改进RANSAC算法使其能够求解模板参数。最后提出层次搜索优化算法，实现模板参数快速搜索。杨炜等[2]提出了一种基于单目视觉的纵向车间距的检测方法;先辨识两侧车道标识线，确定前方车子的可辨识区域，使其能够在传统的静态图像测距基础上，建立了一种改进的静态单帧图像测距模型，并实现了纵向车间距的测量。张凤静等[3]提出一种安全车距测量方法。该方法根据目标车辆投影在左右摄像头的图像以及所获得的图像中对应的坐标，最后利用公垂线中点算法计算出目标车辆与摄像头的距离。
在平行泊车过程中，拍摄到停车位并快速计算出停车位大小、通过检测两车之间的距离，获取最优泊车位置、通过视觉检测技术检测出泊车时两车的相对位置关系，从而预测出两车是否会发生碰撞以及自主判断是否碰撞上路边的路阶。以上研究结果所建立的模拟系统可应用于平行泊车辅助系统。
1.车位的检测
通过摄像头拍摄所得的图像点坐标输入到网络中使之输出为摄像头拍摄所得的图像点的世界坐标。
首先，探讨基于机器视觉平行泊车位的自动检测课题研究的背景及意义，了解国内外在该领域的研究现状及发展情况，确定基于机器视觉平行泊车位的自动检测课题的研究流程。
其次采用摄像头获取图像，进行摄像机标定实验，基于机器视觉平行泊车位的自动检测图像采集，模拟小车泊车时前头和车尾车姿的状况，记录相关的實验数据。
最后基于机器视觉平行泊车位的自动检测图像采集，模拟小车泊车车姿车位的状况，并记录相关数据，对前车位线和后车位线的角度分情况讨论，做出表格，然后用BP神经网络综合处理数据后，计算出左边路沿和右边路牙距离，得出平行泊车位大小，最后进行误差分析，结果分析。
2.相对于前车的平行距离
通过小车前后车轮与地面的相交点的图像坐标输入到网络中使之输出为小车前后车轮与地面的相交点的实际坐标。
基于单目视觉的研究，同时采用了基于BP神经网络的标定方法，估测特征点的实际位置，然后根据特征点的世界坐标求取距离。首先，采用BP神经网络标定方法对摄像机进行标定，建立图像坐标和世界坐标，确定三维空间物体的具体位置与其在图像上的像素点坐标的对应关系。再利用标定好的摄像机进行图像采集，在测距模拟实验中，小车模拟前车，椅子模拟本车，实现车辆视觉对前车的图像采集，并从采集到的图像提取特征点的图像坐标，本文提取的特征点主要是前车前、后车轮与地面的相交点。然后利用标定好的网络求取前车特征点的世界坐标值，结合几何运算方法求解两车之间的距离。最后将实际距离与求得的距离比较分析，虽然在求得的数据上有个别存在的误差比较大，但从整体来看，利用本文提出的方法与运算还是可行的。
3.车辆与其他车身擦碰的预测
通过输入前车的图像坐标输入到网络中使之输出是否会与前车发生碰撞。
通过使用安装在模拟小汽车上的摄像头摄取地面标定点的图像和多次模拟平行泊车时车身擦碰的实际图像，并记录相关数据。然后在计算机中运用MATLAB软件通过BP神经网络程序对实验所得图片数据进行处理，找到图像像素坐标系与地面的世界坐标系之间的关联。最后再将多组模拟碰撞实验数据代入碰撞神经网络中，得出模拟碰撞结果，对照实验组和模拟组结果，得出最终结论。
4.车辆与路肩擦碰的预测
通过摄像头所拍摄到的图像，输出平行泊车（侧方位停车）过程中，是否会擦碰上路肩。
首先，了解何为平行泊车，在其基础上把平行泊车过程划分了几个步骤，找到本项目研究的问题发生在哪一阶段。
其次，针对碰撞实验，对所拍摄的图像进行图像处理，输入为拍摄到的图像，输出为所拍图像的灰度图;再进行特征点的提取，输入为灰度图，输出为灰度图上路肩线所在直线上的任意两个点;最后进路肩提取，输入为提取的几组特征点，输出为路肩线所在的直线方程。
再次，对路肩的实际位置进行提取，输入为路肩在图像上的直线方程特征点，输出为路肩的模拟实际位置直线方程及特征点。
最后，进行模拟路肩擦碰预测，输入为检测实验的图像，输出为关于是否碰撞的预测。
5.结语
神经网络是现阶段发展较为成熟的智能控制方法，而BP网络能学习和储存大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的自学习性使得它可应用于多种模糊预测实验中。
相比于传统的雷达泊车系统及后视摄像头，我们的利用神经网络来图像处理的方法真正的做到了完全脱离人工的智能平行泊车。通过图像处理，我们可以更精准的拟合平行泊车的驾车环境及成果。
参考文献：
[1]王科，黄智，钟志华.基于不定Bezier变形模板的城市道路检测算法[J].机械工程学报，2013，08：143-150.
[2]杨炜，魏朗，巩建强，张倩.基于单目视觉的纵向车间距检测研究[J].计算机测量与控制，2012，20（8）：2039-2041.
[3]张凤静，周建江，夏伟杰. 基于双目立体视觉的汽车安全车距测量方法[J].智能系统学报，2011，01：79-84.
基金项目：
2014年广西大学生创新创业训练计划项目（201410594067）。
【关键词】平行泊车;测量;机器视觉
引言
随着科技的发展，人们对汽车的需求度以及购买量与日俱增。车子越来越多，可是路边供停车的泊车位却是有限的，怎样有效地把车子停入车位，不仅要依靠熟练的驾车技术，更是要依靠现代化技术来辅助完成。例如王科等[1]提出一种基于不定Bezier变形模板的检测算法。算法对输入图像进行逆透视变换，提出混合高斯方向异性滤波器，对图像进行预处理。将模板参数假设检验问题代替了道路识别问题，进而改进RANSAC算法使其能够求解模板参数。最后提出层次搜索优化算法，实现模板参数快速搜索。杨炜等[2]提出了一种基于单目视觉的纵向车间距的检测方法;先辨识两侧车道标识线，确定前方车子的可辨识区域，使其能够在传统的静态图像测距基础上，建立了一种改进的静态单帧图像测距模型，并实现了纵向车间距的测量。张凤静等[3]提出一种安全车距测量方法。该方法根据目标车辆投影在左右摄像头的图像以及所获得的图像中对应的坐标，最后利用公垂线中点算法计算出目标车辆与摄像头的距离。
在平行泊车过程中，拍摄到停车位并快速计算出停车位大小、通过检测两车之间的距离，获取最优泊车位置、通过视觉检测技术检测出泊车时两车的相对位置关系，从而预测出两车是否会发生碰撞以及自主判断是否碰撞上路边的路阶。以上研究结果所建立的模拟系统可应用于平行泊车辅助系统。
1.车位的检测
通过摄像头拍摄所得的图像点坐标输入到网络中使之输出为摄像头拍摄所得的图像点的世界坐标。
首先，探讨基于机器视觉平行泊车位的自动检测课题研究的背景及意义，了解国内外在该领域的研究现状及发展情况，确定基于机器视觉平行泊车位的自动检测课题的研究流程。
其次采用摄像头获取图像，进行摄像机标定实验，基于机器视觉平行泊车位的自动检测图像采集，模拟小车泊车时前头和车尾车姿的状况，记录相关的實验数据。
最后基于机器视觉平行泊车位的自动检测图像采集，模拟小车泊车车姿车位的状况，并记录相关数据，对前车位线和后车位线的角度分情况讨论，做出表格，然后用BP神经网络综合处理数据后，计算出左边路沿和右边路牙距离，得出平行泊车位大小，最后进行误差分析，结果分析。
2.相对于前车的平行距离
通过小车前后车轮与地面的相交点的图像坐标输入到网络中使之输出为小车前后车轮与地面的相交点的实际坐标。
基于单目视觉的研究，同时采用了基于BP神经网络的标定方法，估测特征点的实际位置，然后根据特征点的世界坐标求取距离。首先，采用BP神经网络标定方法对摄像机进行标定，建立图像坐标和世界坐标，确定三维空间物体的具体位置与其在图像上的像素点坐标的对应关系。再利用标定好的摄像机进行图像采集，在测距模拟实验中，小车模拟前车，椅子模拟本车，实现车辆视觉对前车的图像采集，并从采集到的图像提取特征点的图像坐标，本文提取的特征点主要是前车前、后车轮与地面的相交点。然后利用标定好的网络求取前车特征点的世界坐标值，结合几何运算方法求解两车之间的距离。最后将实际距离与求得的距离比较分析，虽然在求得的数据上有个别存在的误差比较大，但从整体来看，利用本文提出的方法与运算还是可行的。
3.车辆与其他车身擦碰的预测
通过输入前车的图像坐标输入到网络中使之输出是否会与前车发生碰撞。
通过使用安装在模拟小汽车上的摄像头摄取地面标定点的图像和多次模拟平行泊车时车身擦碰的实际图像，并记录相关数据。然后在计算机中运用MATLAB软件通过BP神经网络程序对实验所得图片数据进行处理，找到图像像素坐标系与地面的世界坐标系之间的关联。最后再将多组模拟碰撞实验数据代入碰撞神经网络中，得出模拟碰撞结果，对照实验组和模拟组结果，得出最终结论。
4.车辆与路肩擦碰的预测
通过摄像头所拍摄到的图像，输出平行泊车（侧方位停车）过程中，是否会擦碰上路肩。
首先，了解何为平行泊车，在其基础上把平行泊车过程划分了几个步骤，找到本项目研究的问题发生在哪一阶段。
其次，针对碰撞实验，对所拍摄的图像进行图像处理，输入为拍摄到的图像，输出为所拍图像的灰度图;再进行特征点的提取，输入为灰度图，输出为灰度图上路肩线所在直线上的任意两个点;最后进路肩提取，输入为提取的几组特征点，输出为路肩线所在的直线方程。
再次，对路肩的实际位置进行提取，输入为路肩在图像上的直线方程特征点，输出为路肩的模拟实际位置直线方程及特征点。
最后，进行模拟路肩擦碰预测，输入为检测实验的图像，输出为关于是否碰撞的预测。
5.结语
神经网络是现阶段发展较为成熟的智能控制方法，而BP网络能学习和储存大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的自学习性使得它可应用于多种模糊预测实验中。
相比于传统的雷达泊车系统及后视摄像头，我们的利用神经网络来图像处理的方法真正的做到了完全脱离人工的智能平行泊车。通过图像处理，我们可以更精准的拟合平行泊车的驾车环境及成果。
参考文献：
[1]王科，黄智，钟志华.基于不定Bezier变形模板的城市道路检测算法[J].机械工程学报，2013，08：143-150.
[2]杨炜，魏朗，巩建强，张倩.基于单目视觉的纵向车间距检测研究[J].计算机测量与控制，2012，20（8）：2039-2041.
[3]张凤静，周建江，夏伟杰. 基于双目立体视觉的汽车安全车距测量方法[J].智能系统学报，2011，01：79-84.
基金项目：
2014年广西大学生创新创业训练计划项目（201410594067）。