[发明专利]一种基于运动视觉的车祸过程重现方法

权利要求书

1.一种基于运动视觉的车祸过程重现方法，其特征在于，所述方法步骤如下：

(1)从路况监控视频中提取图像序列——按固定帧数为步长间隔将道路监控视频的帧提取出来，转换成图片格式；

(2)目标车辆与背景分割——利用布尔图像的图像分割算法，将目标车辆与背景分割开来，将汽车的轮廓从背景中提取出来；

(3)特征点的提取——对汽车轮廓图像建立尺度空间，基于尺度空间不变性的SIFT算子在尺度空间中寻找可有效描述图像内容及结构特征的极值点，并提取出极值点的位置、尺度、旋转不变量；

(4)图像匹配——采用因式分解图像关联矩阵的算法，根据所选择特征的值，建立特征点间的对应关系，将同一空间物理点在不同图像中的成像点对应起来，由此得到相应的视差图像；

其中，关联矩阵是待匹配图像之间的关键点组成的矩阵；因式分解是将复杂的关联矩阵转换成简单的较小的克罗内克积矩阵；

(5)摄像机的标定和校准——采用基于标定物的摄像机标定方法，使用结构已知的标定参照物，通过建立标定参照物上三维坐标已知的点与其图像点的对应约束关系，通过计算来确定摄像机模型的内、外参数；

摄像机的外参数是摄像机坐标系与世界坐标系之间进行变换时所需要的一个3×3的旋转矩阵R和一个3×1的平移矢量T；

摄像机的内参数是有效焦距f、像面中心坐标(u₀,v₀)、径向畸变修正系数、 切向畸变修正系数、仿射畸变和非正交畸变修正系数；

(6)车辆外形轮廓几何模型重建——采用表面空间分割方法将汽车表面的不同几何形状从汽车整体上提取出来，将汽车表面整体分割成多个不同几何形的小部分；再利用几何学的分层量化方法将汽车表面分割出来的每一个小部分量化为各种不同的参数，最后将每个量化后的几何图形再重新映射到车辆的每一部分得到几何图形描述的车辆的3D模型；

(7)多目标碰撞车辆跟踪——基于运动动力学的目标跟踪算法实现对目标车辆的跟踪；对车辆的运动建立运动动力学模型，应用该模型估计车辆的运动状态，对目标车辆进行跟踪；

(8)事故现场周围场景重建——采用基于SIFT算子的特征点的提取与匹配算法实现周围场景的点云重建。

2.根据权利要求1所述的一种基于运动视觉的车祸过程重现方法，其特征在于，所述步骤(2)中，目标车辆与背景分割是指进行车祸过程的三维重建时，首先要将目标车辆从背景中提取出来，具体实现步骤如下：

1)以δ为步长在0～255之间取不同的θ作为图片每个颜色通道的阈值，得到多个均匀分布的二值化的布尔图像；

2)将得到的二值化图像中的封闭区域内部赋值为1，其余部分赋值为0，得到凸显目标车辆的关注图像；

3)对多个关注图像取线性平均值得到整体的平均关注图像；

4)进行高斯模糊得到最后的凸显图像；

所述的布尔图形的获得公式如下：

B_i＝THRESH(Φ(I),θ)

其中，THRESH(.,θ)函数表示对输入图像I进行二值化；θ表示二值化的阀值；通过布尔图像得到凸显目标车辆的关注图像公式如下：

其中，表示得到的目标车辆的封闭图形；A(B)表示提取出布尔图形B的封闭区间；p(B|I)表示基于布尔图像B的最优广义函数。

3.根据权利要求1所述的一种基于运动视觉的车祸过程重现方法，其特征在于，所述步骤(3)中，SIFT算子描述子提取公式如下：

θ(x,y)＝tan^-1((L(x,y+1)-L(x,y-1))(L(x+1,y)-L(x-1,y))) 

其中，m(x,y)和θ(x,y)分别代表点(x,y)处的梯度和方向；L(x,y)表示(x,y)点处的灰度值。

4.根据权利要求1所述的一种基于运动视觉的车祸过程重现方法，其特征在于，所述步骤(4)中，判断图像节点匹配与否的算法公式如下：

其中，X表示待匹配图像的对应矩阵K_p表示节点关联矩阵；K_q表示边界关联矩阵；K表示整体关联矩阵；

K矩阵分解公式如下：

其中，G_i表示第i幅图像的关联矩阵；