Abstract

感知车辆之间的距离是高级驾驶辅助系统的关键问题。 但是，大多数基于视觉的距离估计方法都没有考虑驾驶过程中相机姿态角变化的影响，或者仅使用车道线检测到的消失点来校正俯仰角。 提出了一种基于消失点的无车道线信息的改进的针孔距离估计模型。 首先，根据主要纹理方向检测道路消失点，并估算摄像机的偏航角和俯仰角。 然后，建立考虑姿态角补偿的距离估计模型。 最后，实验结果表明，该方法可以有效地校正相机姿态角对距离估计结果的影响。

Introduction

基于单眼视觉的距离估计方法主要基于针孔相机模型或反透视映射（IPM）。 Adamshuk等人[4]提出了一种基于IPM的HSV（色调，饱和度，值）颜色图中的距离估计方法，该方法利用了变换后的图像像素与实际距离之间的线性关系。 但是，IPM算法没有考虑摄像机姿态角的影响，并且由于IPM的特性，当距离增加时，估计误差会成倍增加。 Han等[5]提出了基于车宽的距离计算距离，该车宽是使用检测到的车道估算的，并考虑了没有车道线的情况。 但是，没有对姿态角变化的机制进行建模分析，并且在估计目标车辆在侧车道上的宽度时存在很大的误差。 Rezaei等人[6]通过假设道路平坦来使用相机的高度和俯仰角估计了距离。 但是，该方法也没有考虑横向距离和相机姿态角的影响。 Cheung等[7]通过用车道线检测消失点来校正相机的俯仰角，从而改进了针孔模型。 但是，仍未考虑摄像机的偏航角。
上面提到的大多数示例都没有考虑摄像机的姿态角，或者只考虑了俯仰角，而是依靠车道线检测来获得消失点，这意味着这些方法仅适用于平坦平坦的道路。 为了提高复杂应用场景中车辆距离估计的准确性和鲁棒性，提出了一种考虑相机姿态角的针孔距离估计模型，该模型利用纹理特征检测道路消失点，并估计出相机的俯仰角和偏航角。
本文的其余部分如下。 道路消失点的检测首先在“消失点检测”部分中描述，基于消失点的姿态角估计在“摄像机姿态角估计”部分中介绍。 估计’’，提出了改进的针孔距离估计模型。 “实验验证”部分显示了真实场景中的性能评估。

Vanishing point detection

成像平面中的一组线和三维（3D）世界空间中的平行线在图像空间中的一个点处相交，这称为消失点。8道路消失点是其必不可少的参考 环境，总是指向道路的尽头。 它可以为智能车辆导航系统提供方向和道路边界信息。 同时，它可以用来估计安装在车辆上的摄像机的姿态角。

Camera attitude angle estimation model

Inter-vehicle distance estimation