[发明专利]一种基于运动视觉的车祸过程重现方法

说明书

技术领域

本发明涉及视频图像处理领域，尤其是一种基于运动视觉的道路车祸过程的重复再现的方法。

背景技术

随着汽车保有量的增长，道路交通事故已成为世界性的问题，汽车被动安全性也成为汽车最首要的性能。目前，我国对交通事故的处理与认定也是采用传统方法仅限于对目击者的现场调查，对现场进行拍照记录一些零散的信息，对车辆的刹车轨迹进行简单的测量来进行事故的责任认定。这种方法效率低下、耗费人力，责任认定也存在较大的主观性，同时对车祸过程的记录也不够详细、不够直观。另外一种采用电测量的方法对碰撞现场进行模拟能够得到较精确的数据，但是它的造价太高，得到的数据也不够直观，也只是得到部分的实验结果不能应用到越来越多的交通事故认定中。这样事故报告中没有完整而详细的事故信息记录，则给事故再现分析带来困难。

发明内容

本发明目的是提供一种基于运动视觉的车祸过程重现方法，采用几何图形分割和基于运动动力学的目标跟踪技术实现车辆目标的重建与跟踪，通过运动视觉重建出整体车辆的3D模型，利用目标跟踪技术实现相撞车辆的识别，得到车辆的运动轨迹，便于完整地记录事故信息和重现事故过程。

为实现上述目的，采用了以下技术方案：本发明所述重现方法的步骤如下：

(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，为后续的图像处理做准备。

(2)目标车辆与背景分割——利用布尔图像的图像分割算法BMS，布尔图像是指对图片的每个颜色通道设置一个阀值来得到二值化的图像，通过这种方法能够有效的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，将图像中感兴趣的可以更有效描述图像内容及结构的特征找出来，例如图像中的边缘、角点、兴趣点等；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；尺度空间不变性是指在不同的尺度空间下仍然能够匹配特征点。

(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，这种算法避免费时去计算成对的关联矩阵，降低计算难度。另外使用因式分解分解关联矩阵的算法得到了一种新的关于原始问题的近似方法，这使得本发明有效的改善了现有的图形匹配计算算法。

(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，例如：位置、位置方向和几何图形的尺寸。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——因为交通事故的外围环境不是一个刚体结构，不能采用基于结构的重建算法，所以采用一种基于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。

与现有技术相比，本发明具有如下优点：

1、应用布尔图像分割方法，很好的将目标车辆从背景中分割出来，并凸显出车辆外形；

2、应用运动动力学的目标车辆跟踪技术，对目标车辆进行高精度的识别与跟踪，能够很好地得到相撞车辆的运动轨迹，为交通事故认定提供依据；

3、采用分解图像关联矩阵的算法实现图像匹配，有效降低算法的计算量；