[发明专利]基于机器视觉和GPS的汽车列车最大横向摆动量检测方法

权利要求书

1.一种基于机器视觉和GPS的汽车列车最大横向摆动量检测方法，所述的 汽车列车包括牵引车和挂车，其特征在于，分别在牵引车前桥和挂车后桥下方安 装CCD摄像头C₁和CCD摄像头C₂，CCD摄像头C₁负责牵引车下方图像信息的 采集，CCD摄像头C₂负责挂车下方图像信息的采集；另外，在牵引车上方安装 GPS，负责实时采集汽车列车行驶速度，以后步骤如下：

步骤1分别求解CCD摄像头C₁和CCD摄像头C₂所拍图像像素的标定值

（1）求解CCD摄像头C₁所拍图像像素的标定值

在CCD摄像头C₁的拍摄范围内设置第一圆形标志，并由CCD摄像头C₁对 圆形标志进行拍摄，获得第一圆形标志的图像；

对第一圆形标志的图像进行阈值分割并二值化处理，得到二值化图像的灰度 值B(m，n)，I(m，n)为采集的第一圆形标志图像 数据的灰度值，T为二值化图像分割阈值，T=210，然后，利用基于形态学的 边缘检测算法，求得二值化后的边缘图像E(m，n),

m、n分别为当前位置像素的横、纵坐标，接着利用点Hough变换和最小二乘法 计算第一圆形标志圆心的横坐标值u、纵坐标值v及半径值R，并将第一圆形 标志的圆心坐标作为与牵引车固连的固连点O₁的坐标，即固连点O₁的横纵坐 标值也为u和v，R=u2-2x‾u+v2-2y‾v+x2‾+y2‾,]]>其中，

u=(x2‾x‾+x‾y2‾-x3‾-xy2‾)(y‾2-y2‾)-(x2‾y‾+y‾y2‾-x2y‾-y3‾)(x‾y‾-xy‾)2(x‾2-x2‾)(y‾2-y2‾)-2(x‾y‾-xy‾)2,]]>

v=(x2‾y‾+y‾y2‾-x2y‾-y3‾)(x‾2-x2‾)-(x2‾x‾+x‾y2‾-x3‾-xy2‾)(x‾y‾-xy‾)2(x‾2-x2‾)(y‾2-y2‾)-2(x‾y‾-xy‾)2,]]>

x‾=Σi=1Ωxi/Ω,]]>y‾=Σi=1Ωyi/Ω,]]>x2‾=Σi=1Ωxi2/Ω,]]>y2‾=Σi=1Ωyi2/Ω,]]>x3‾=Σi=1Ωxi3/Ω,]]>xy2‾=Σi=1Ωxiyi2/Ω,]]>x2y‾=Σi=1Ωxi2yi/Ω,]]>y3‾=Σi=1Ωyi3/Ω,]]>xy‾=Σi=1Ωxiyi/Ω,]]>Ω为点Hough 变换确定的圆边缘像素点的个数，x_i、y_i分别表示点Hough变换确定的第i个边 缘像素点的横、纵坐标值，

利用直尺直接测得第一圆形标志的直径值D_a，单位：毫米，再计算得到 CCD摄像头C₁所拍图像像素的标定值C_v，即：C_v=D_a/D_c，单位：毫米/像素， 其中，D_c=2R，单位：像素，

（2）求解CCD摄像头C₂所拍图像像素的标定值

在CCD摄像头C₂的拍摄范围内设置第二圆形标志，并由CCD摄像头C₂对 圆形标志进行拍摄，获得第二圆形标志的图像；

对第二圆形标志的图像进行阈值分割并二值化处理，得到二值化图像的灰度 值B′(m，n)，I′(m，n)为采集的第二圆形标志

图像数据的灰度值，T′为二值化图像分割阈值，T′＝205，然后，利用基于形态 学的边缘检测算法，求得二值化后的边缘图像E′(m，n),

m、n分别为当前位置像素的横、纵坐标，接着利用点Hough变换和最小二乘法 计算第二圆形标志圆心的横坐标值u′、纵坐标值v′及半径值R′，并将圆形标 志的圆心坐标作为与牵引车固连的固连点O₂的坐标，即固连点O₂的横、纵坐 标值也为u′和v′，R′=u′2-2x′‾u′+v′2-2y′‾v′+x′2‾+y′2‾,]]>其中，

u′=(x′2‾x′‾+x′‾y′2‾-x′3‾-x′y′2‾)(y′‾2-y′2‾)-(x′2‾y′‾+y′‾y′2‾-x′2y′‾-y′3‾)(x′‾y′‾-x′y′‾)2(x′‾2-x′2‾)(y′‾2-y′2‾)-2(x′‾y′‾-x′y′‾)2,]]>

v′=(x′2‾y′‾+y′‾y′2‾-x′2y′‾-y′3‾)(x′‾2-x′2‾)-(x′2‾x′‾+x′‾y′2‾-x′3‾-x′y′2‾)(x′‾y′‾-x′y′‾)2(x′‾2-x′2‾)(y′‾2-y′2‾)-2(x′‾′y‾-x′y′‾)2,]]>

x′‾=Σi′=1Ω′xi′′/Ω′,]]>y′‾=Σi′=1Ω′yi′′/Ω′,]]>x′2‾=Σi′=1Ω′xi′′2/Ω′,]]>y′2‾=Σi′=1Ω′yi′′2/Ω′,]]>x′3‾=Σi′=1Ω′xi′′3/Ω′,]]>x′y′2‾=Σi′=1Ω′xi′′yi′′2/Ω′,]]>x′2y′‾=Σi′=1Ω′xi′′2yi′′/Ω′,]]>y′3‾=Σi′=1Ω′yi′′3/Ω′,]]>x′y′‾=Σi′=1Ω′xi′′yi′′/Ω′,Ω′]]>为点Hough变换确定的圆边缘像素点的个数，分别表示点Hough变换后 的第i′个边缘点的横、纵坐标值，

利用直尺直接测得第二圆形标志的直径值单位：毫米，再计算得到 CCD摄像头C₂所拍图像像素的标定值即：单位：毫米/像素， 其中，单位：像素，

步骤2在CCD摄像头C₁和CCD摄像头C₂的拍摄范围内设置白色直线标 志线，实时测量给定速度下汽车列车横向摆动值

2.1实时测量固连点O₁到CCD摄像头C₁拍摄的白色直线标志线的距离

（1）直线标志线图像预处理

对C₁实时采集的白色直线标志线图像进行阈值分割并二值化处理，得到二 值化图像的灰度值B₁(m，n)，

I₁(m,n)为采集的直线标志线图像数据的灰度值，T₁为二值化图像分割阈值， T₁=230，然后，利用基于形态学的边缘检测算法，求得二值化后的边缘图像的灰 度值E₁(m，n),

m、n分别为当前位置像素的横、纵坐标，

（2）直线标志线参数计算

利用最小二乘法，拟合出直线标志线的参数方程y＝a+bx，并利用 Gauss-Jordan消去法，求解N1Σk=1N1xk′Σk=1N1xk′Σk=1N1xk′2·ab=Σk=1N1yk′Σk=1N1xk′yk′]]>得到a，b值，a，b为 牵引车上CCD摄像头C₁采集的图像拟合出的直线标志线参数，N₁为直线标志 线边缘点的像素个数，分别表示直线标志线第k个边缘点的横、纵坐标 值，k＝1，2，…，N₁，

（3）固连点O₁到直线标志线距离的计算

利用点到直线的距离公式，求得第t次牵引车上的固连点O₁到直线标志线的 矢量距离P_1t，其中u、v分别为固连点O₁在图像上的横、纵坐 标值，

2.2实时测量固连点O₂到CCD摄像头C₂拍摄的白色直线标志线的距离

（1）直线标志线图像预处理

对C₂实时采集的白色直线标志线图像进行阈值分割并二值化处理，得到二 值化图像的灰度值

为采集的直线标志线图像数据的灰度值，为二值化图像分割阈值， 然后，利用基于形态学的边缘检测算法，求得二值化后的边缘图像的 灰度值

m、n分别为当前位置像素的横、纵坐标，同理，可求得C₂采集的白色标志线图 像二值化后及边缘检测后的图像的灰度值，

（2）直线标志线参数计算

利用最小二乘法，拟合出直线标志线的参数方程y=a′+b′x，并利用 Gauss-Jordan消去法，求解N1′Σk′′=1N1′xk′′′′Σk′′=1N1′xk′′′′Σk′′=1N1′xk′′′′2·a′b′=Σk′′=1N1′yk′′′′Σk′′=1N1′xk′′′′yk′′′′]]>得到a′，b′值，a′， b′为牵引车上CCD摄像头C₂采集的图像拟合出的直线标志线参数，为直线 标志线边缘点的像素个数，分别表示直线标志线第k′个边缘点的横、纵 坐标值，

（3）固连点O₂到直线标志线距离的计算 利用点到直线的距离公式，求得第t次牵引车上的固连点O₂到直线标志线的 矢量距离P_2t，其中u′、v′分别为固连点O₂在图像上的横、纵 坐标值，

步骤3给定速度下，汽车列车横向摆动值计算

首先，利用GPS实时获得列车第t时刻的北向速度V_Nt和东向速度V_Et，根据 速度合成公式，求得第t时刻汽车列车沿直线标志线方向的瞬时速度V_t，即 接着，分别计算第t时刻牵引车距离直线标志线的偏离值W_1t和 挂车距离直线标志线的偏离值W_2t：即W_1t=P_1t·C_v，W_2t=P_2t·C_v，t＝1，2，3，…， N_c，N_c为测试次数，N_c=1000；将速度V_t控制在[V_min,V_max]内，计算并记录当前 速度范围[V_min,V_max]下汽车列车在第t时刻的横向摆动值S_t，即S_t=|W_1t-W_2t|， 其中，V_min为当前速度范围下的最小值，V_max为当前速度范围下的最大值；

步骤4汽车列车最大横向摆动量计算

对检测过程中记录的各时刻横向摆动值进行统计比较，找出当前速度范围下 汽车列车的最大横向摆动量S_Max，S_Max=Max{S_t}。