一种用数码相机测量汽车驾驶员手伸及界面参数方法.docVIP

一种用数码相机测量汽车驾驶员手伸及界面参数方法摘要：文章基于计算机视觉原理提出一种测量汽车驾驶员手伸及界面参数的方法；对驾驶室多角度拍摄图像，进行数码相机定标；采用基于最小二乘法的优化算法，改善了定标精度。 关键词：手伸及界面；定标；最小二乘法 一、引言 汽车已逐渐走进普通百姓家，“以人为本”的设计思想在汽车设计上日益受到重视。车辆驾驶室的品质对于减轻驶乘人员的疲劳、预防职业病、提高人车系统的工作效率和行车安全有着重要作用，因而需要测量驾驶室内驾驶员手伸及界面参数。普通的数码相机对于量测用摄相机的测量缺陷（如物镜畸变大等）已有较好的克服，一些新的算法的应用，也使测量精度有较大的提高；且数码相机可以和计算机直接进行数据交换，进行数字图像处理，所以普通数码相机已常用于进行测量工作。 传统的驾驶员手伸及界面参数的测量方法为手工测量，且占用驾驶员比较多的时间，本文提出了汽车驾驶员手伸及界面测量新方法，通过使用普通数码相机来对驾驶室进行图像信息采集，利用计算机视觉基本原理求取驾驶员手伸及界面相关参数。 二、基本原理 （一）线性模型摄像机定标 计算机视觉的研究目标是使计算机具有通过一幅或多幅图像认知周围环境信息的能力。利用数码相机能较好地采集三维数字图像，通过单个或多个数码相机从不同方向拍摄的两幅或两幅以上二维图像，从二维图像中萃取出物体的三维信息。测量系统中大都采用小孔成像模型，其中数码相机定标是实现三维测量的重要环节。 图1为数码相机定标模型。设空间坐标系为（X，Y，Z），数码相机像平面的图像坐标系为（u，v）。P为空间任一点，其三维物坐标为（x，y，z），在图像平面上的像坐标为p1（u1，v1），p2（u2，v2）。数码相机的物相关系如下： XYZ10 0 0 0-u■X-u■Y-u■Z0 0 0 0XY Z 1-v■X-v■Y-v■Z? M＝u■m■v■m■① 式中i=1，2，实际计算中取mi34=1。 M=[millmi12...mi33]为系统变换矩阵中的元素，即11个线性定标参数。对每张图片来说，有11个未知数，而一对物体与图像的对应点只能有4个方程组，因此至少需要6个控制点参与定标解算。 完成系统定标后根据②式，用系统变换矩阵M和被测点P在数码相机像面上的坐标p1（u1，v1），p2（u2，v2），求P点的三维空间坐标（X，Y，Z）。 m■ -m■ u■ m■ -m■u■ m■-m■u■m■ -m■v■ m■ -m■v■ m■ -m■v■XYZ＝u■ -m■v■ -m■② （二）非线性模型摄像机定标 在实际工作时，当计算精度要求较高，且摄像机是使用数码相机而非量测用摄像机时，在远离图像中心处会有较大的镜头畸变，线性模型不能准确地描述摄像机的成像几何关系，因此采用非线性模型来描述。对于系统的畸变，已经提出很多求取摄像机参数补偿畸变的方法，Tsai提出摄像机两步定标算法，使用一个直接的线性变换并且考虑了系统的径向畸变，并指出：主点位置的细微变化不会对三维测量造成很大的影响。由于只考虑径向畸变差，且只用到3次项，因而摄像机定标方程得到很大简化。即： Δu=（u-u0）（k1r2+k2r4+k4r6） Δv=（v-v0）（k1r2+k2r4+k3r6）③ Weng考虑了含有径向畸变和切向畸变补偿模型，如④式所示 Δu=(u-u■)(k■r■+k■r■+k■r■)+t■(r■+2(u-u■)■)+2t■(u-u■)(v-v■)Δv=(v-v■)(k■r■+k■r■+k■r■)+t■(r■+2(v-v■)■)+2t■(u-u■)(v-v■)④ 其中，r2=(u-u0)2+(v-v0)2，u0=-(m11m31+m12m32+m13m33)/(m231+m232+m233)，v0=-(m21m31+m22m32+m23m33)/(m231+m232+m233)，（u，v）是实际的图像点坐标，Δu与Δv是非线性畸变值，它与图像点在图中的位置有关，（u0，v0）为像主点坐标，原点为CCD数字影像中心像元。由①式和④式可得两个非线性方程组，对每张图片来说，有16个未知数，一对物体与图像的对应点只能有4个方程组，因此至少需要8个控制点参与定标解算，可使用最小二乘原理平差。 （三）基于最小二乘法的摄像机定标 本实验采用DLT（直接线性变换）定标算法直接求取定标矩阵的11个线性定标参数，由于在采用Tsai和Weng方法后所得到的实验解算结果差别不大，所以本文采用解算含有径向畸变参数的Tsai方法，以11个线性定标参数作为初始值，其余补0，共14个初始值来解算，用迭代的方法来解算非线性模型摄像机定