[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

摘要

本发明公开了一种用于汽车列车行驶过程中牵引车和挂车之间最大横向摆动量的检测方法，其特征是利用安装在牵引车和挂车底部的两个摄像头，实时采集汽车列车下方直线标志线的图像信息，运用机器视觉检测算法分别计算牵引车和挂车底部中心固连点相对于直线标志线的距离值，同时利用GPS获得列车沿直线标志线的纵向行驶速度信息，根据同一时刻牵引车和挂车相对直线标志线的距离信息计算出牵引车和挂车之间的最大横向摆动值，实现汽车列车在行驶过程中最大横向摆动量的检测。

主权项

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}。