结合航拍图与车载图像的车辆路面位置定位(4)

运用上述方法，选择距车前轮水平距离分别为400 cm和500 cm的特征，对其相机位置及其产生的误差进行统计。图12分别给出了2组不同水平距离特征的定位统计结果。

图12 不同水平距离特征的定位结果Fig.12 Location results of different horizontal distance features

其中X轴表示误差的范围，Y轴表示形成该误差结果的车载相机位置的个数。实验结果表明，选择车前400 cm的特征，大部分的定位结果为20 cm以内；选择车前500 cm的特征，大部分的定位结果为30 cm以内。因此，在定位时，选择距离车辆较近的特征能得到较好的定位结果，但两者都存在部分实验结果误差偏大的现象。本文对误差较大的原因进行分析，发现主要有两种情况引起：一种是大角度和小角度的组合容易出现轨迹之间的嵌套现象；另一种是邻近特征点之间的组合容易形成轨迹之间过于重合的现象，如图13所示。

图13 较大误差的情形Fig.13 Case of large error

4.3优化车载相机定位结果

在定位时，容易出现上述两种误差偏大的现象，需要在定位场景下考虑特征点的组合，即对夹角值进行筛选与优化。上述已将夹角值依据大小分为5个角度区间，由于两个夹角值可计算出一个对应的定位测量值，因此本文先确定一个角度区间，再列举该区间与其他角度区间的组合并计算定位误差。

如图14所示，分别给出了2组不同水平距离特征、不同角度组合的定位结果。折线表示该角度区间与其他角度区间的组合，为表述简洁，如第一角度区间将与第一至第五5个角度区间进行组合；第四角度区间将与第四、第五2个角度区间进行组合。

图14 不同角度特征组合的定位结果Fig.14 Locating result of different angle feature combination

实验结果表明，在相同的角度区间下，选择车前400 cm的特征比选择车前500 cm的特征定位误差要小，并且当有一组特征点的视角约为20°时，其定位效果最好。究其原因，发现当其中一个视角约为20°时，可很大程度避免上述出现的两种偏离现象。因此在定位场景航拍图像中，提取一个视角为20°的所有车载相机坐标，依据均值坐标公式求取多组结果的均值坐标作为最终车载相机的坐标位置。

当选择距车前轮水平距离400 cm的特征时，车载相机最终定位误差约为5.2 cm，精度约1.3%；当选择距车前轮水平距离500 cm的特征时，车载相机最终定位误差约为7.7 cm，精度约1.54%。

4.4车辆定位结果

根据最终定位得到的车载相机位置，求取车辆四轮位置，如图15所示，给出不同距离的车轮定位误差均值。

图15 不同距离特征点的车轮定位误差Fig.15 Wheel alignment error of different distance feature points

结果表明，选择近距离的特征比远距离的特征误差要小；距旋转点(车载相机)越近的车轮，其定位误差越小。其中，选取车前水平400 cm特征，其左前轮、右前轮、左后轮、右后轮的误差均值分别为7.3 cm、2.4 cm、10.7 cm、13.0 cm，总体误差为0.6%～3.25%；选取车前水平500 cm特征，其左前轮、右前轮、左后轮、右后轮的误差均值分别为11.0 cm、6.0 cm、15.6 cm、18.6 cm，其总体误差为1.2%～3.72%。

5 总结

本文讨论了利用航拍图像景物特征和车载视频图像景物特征相匹配的方法，对事故车辆原始路面位置进行追溯定位的问题，解决了实际运用中车载相机镜头畸变严重的现象，结合3D激光扫描技术解决航拍图像低空拍摄产生的非正射投影问题，初步探讨了标定场景下特征点的选择、定位场景下特征点的组合以及车辆四轮位置定位的问题。结果表明，以图像中央区域特征和车前近距离特征为基础，当选择一组特征的视角约为20°时，车辆路面位置的定位效果最佳，其定位误差可控制在20 cm以内。

由于航拍图像本身存在的测量误差，导致此方法的定位精度受限。此外对于一些比较远的特征点，目前识别算法尚不能做到精确提取，而且本文仅针对单幅车载视频图像对车辆进行定位，而车辆定位的精度受其行驶速度影响，所以下一步有必要对其动态进行分析。

1 Hara K, Saito H. Vehicle localization based on the detection of line segments from multi-camera images[J]. Journal of Robotics and Mechatronics, 2015, 27(6): 617-626

2 Kume H, Sato T, Yokoya N. Bundle adjustment using aerial images with two-stage geometric verification[J]. Computer Vision & Image Understanding, 2015, 138(3): 74-84

3 曹立波, 陈 峥, 颜凌波, 等. 基于RFID、视觉和UWB的车辆定位系统[J]. 汽车工程, 2017, 39(2): 225-231

Cao Libo, Chen Zheng, Yan Lingbo, et al. Vehicle positioning system based on RFID, vision and UWB[J]. Automotive Engineering, 2017, 39(2): 225-231

文章来源：《中国司法鉴定》 网址: http://www.zgsfjdzz.cn/qikandaodu/2021/0424/506.html