一种基于运动视觉的车祸过程重现方法

摘要

一种基于运动视觉的车祸过程重现方法，基于运动视觉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。采用分解图像关联矩阵的算法实现图像的匹配，有效的实现了图像匹配，降低算法的计算量。基于运动动力学的目标跟踪算法减少了跟踪目标丢失问题。该技术通过处理交通监控得到的录像资料可以有效重现车辆碰撞的全过程，可对整个过程进行定性和定量的分析。通过运动视觉重建出整体车辆的3D模型，通过目标跟踪技术实现相撞车辆的识别，得到车辆的运动轨迹，能精确、完整的记录事故信息，并重现事故场景。

主权项

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。