[发明专利]一种基于精细CAD模型的图像车辆三维姿态估计方法

摘要

本发明公开了一种基于精细三维模型的图像车辆姿态估计方法。首先从图像中检测出车辆的位置，并初始化车辆三维姿态参数，利用当前姿态参数将车辆三维模型渲染到图像平面上，分别提取图像车辆和模型车辆的轮廓，利用轮廓间的匹配误差构建能量函数，并采用高斯牛顿算法优化姿态参数，求解能量函数最小化问题，得到最终结果。轮廓匹配时，采用改进的随机抽样一致性(RANSAC)算法对曲线模型轮廓用分段直线拟合，再与真实车辆轮廓匹配。本发明在复杂监控场景中能准确鲁棒的恢复出监控视频中车辆相对摄像机的三维姿态参数，对监控视频理解和自动化处理有重要意义。

主权项

1.一种基于精细CAD模型的图像车辆三维姿态估计方法，其特征在于，包括：步骤1，初始化车辆相对摄像机的三维姿态参数，包括相对地面位置X,Y以及在地面上的旋转角度θ，记向量p＝(X,Y,θ)；初始化过程即仅利用图像特征粗略确定车辆相对相机的初始位置(X0,Y0)和旋转角θ0；步骤2，提取真实车辆轮廓和模型车辆轮廓，具体是采用Canny边缘检测算子提取真实车辆轮廓和模型车辆轮廓；步骤3，对模型车辆轮廓采用直线拟合，具体是采用改进的随机抽样一致性算法(RANSAC)，先将曲线轮廓用分段直线的拟合后再进行轮廓匹配；步骤4，计算真实车辆轮廓和模型车辆轮廓的匹配误差，具体是比较每段直线轮廓与真实车辆轮廓间的匹配误差，再将所有直线的匹配误差累加得到当前姿态下轮廓匹配误差，定义第i条直线轮廓的匹配误差为ei，所有匹配误差构成的匹配误差向量，也即待优化的能量函数e＝[e1,e2,…en]；步骤5，优化姿态参数，优化目标是最小化能量函数，采用高斯牛顿迭代法，通过不断地优化姿态参数来减少匹配误差，投影轮廓和图像轮廓也就不断地靠近，最终收敛到准确的姿态参数。