技術(shù)特征：

1.一種基于車載俯視相機(jī)的車輛運(yùn)動(dòng)測量方法，其特征在于：包括以下步驟：

步驟一：通過車載下視相機(jī)持續(xù)獲取道路圖像；

步驟二：對(duì)獲取的所有道路圖像進(jìn)行預(yù)處理；

步驟三：預(yù)估時(shí)間軸相鄰幀圖片中重合部分作為ROI區(qū)域進(jìn)行提?。?/p>

步驟四：對(duì)ROI區(qū)域進(jìn)行FAST特征點(diǎn)提??；

步驟五：基于所提取的FAST特征點(diǎn)生成SURF特征向量；

步驟六：根據(jù)步驟五中提取的SURF特征向量，利用FLANN特征匹配庫對(duì)時(shí)間軸相鄰幀圖片進(jìn)行特征匹配；

步驟七：利用RANSAC算法選取時(shí)間軸相鄰幀圖片進(jìn)行特征匹配后的匹配樣本，通過匹配樣本計(jì)算得出Homography矩陣；

步驟八：對(duì)計(jì)算所得的Homography矩陣進(jìn)行奇異值分解，獲取車載下視相機(jī)的平動(dòng)信息T與轉(zhuǎn)動(dòng)信息R；執(zhí)行步驟九并同時(shí)執(zhí)行步驟一；

步驟九：通過公式：計(jì)算得出實(shí)時(shí)車速V的絕對(duì)值；

通過公式：計(jì)算得出車輛的實(shí)時(shí)側(cè)偏角β；

通過公式：計(jì)算車輛橫擺角速度

公式中：T_x為X軸方向車載下視相機(jī)的實(shí)時(shí)平動(dòng)速度；T_y為y軸方向車載下視相機(jī)的實(shí)時(shí)平動(dòng)速度；R_z為相機(jī)繞z軸的轉(zhuǎn)動(dòng)分量，t_s為單位時(shí)間步長。

2.根據(jù)權(quán)利要求1所述的基于車載俯視相機(jī)的車輛運(yùn)動(dòng)測量方法，其特征在于：在所述步驟二中，對(duì)獲取的所有道路圖像依次進(jìn)行灰度化處理和除畸變處理，在除畸變處理中，所用參數(shù)為預(yù)定參數(shù)，獲取道路圖像的單位時(shí)間步長和圖像參數(shù)均為預(yù)定參數(shù)。

3.根據(jù)權(quán)利要求2所述的基于車載俯視相機(jī)的車輛運(yùn)動(dòng)測量方法，其特征在于：在所述步驟三中，預(yù)估時(shí)間軸相鄰幀圖片中重合部分作為ROI區(qū)域進(jìn)行提取的方法包括初次提取方法和常態(tài)提取方法，若拍攝圖像為車輛起步階段，即需要比較的圖像為重置后時(shí)間軸上的第一幀圖像和第二幀圖像則執(zhí)行初次提取方法，否則執(zhí)行常態(tài)提取方法；初次提取方法：預(yù)先設(shè)定重置后時(shí)間軸第二幀圖片中區(qū)域作為重合部分直接進(jìn)行提??；

常態(tài)提取方法：根據(jù)步驟九中獲取的實(shí)時(shí)車速V和設(shè)定的獲取道路圖像的單位時(shí)間步長通過積分計(jì)算得出時(shí)間軸相鄰幀圖片中重合部分。

4.根據(jù)權(quán)利要求2所述的基于車載俯視相機(jī)的車輛運(yùn)動(dòng)測量方法，其特征在于：通過時(shí)間軸相鄰幀圖片直接比較，計(jì)算得出時(shí)間軸相鄰幀圖片中重合部分作為ROI區(qū)域進(jìn)行提取。

5.根據(jù)權(quán)利要求1所述的基于車載俯視相機(jī)的車輛運(yùn)動(dòng)測量方法，其特征在于：所述步驟七中，利用RANSAC算法選取正確匹配樣本，計(jì)算Homography矩陣：通過m個(gè)循環(huán)，隨機(jī)選取4個(gè)匹配特征，計(jì)算Homography矩陣，對(duì)剩余特征按該矩陣匹配結(jié)果進(jìn)行打分，像素點(diǎn)匹配距離小于某閾值M，則視為正確匹配，選取打分最高的Homography矩陣，利用其對(duì)應(yīng)的所有正確匹配特征對(duì)，重新計(jì)算得到最終Homography矩陣；在步驟七中循環(huán)數(shù)m與距離閾值M均為預(yù)設(shè)值。

6.根據(jù)權(quán)利要求5所述的基于車載俯視相機(jī)的車輛運(yùn)動(dòng)測量方法，其特征在于：所述Homography矩陣表示為：其中，R為相機(jī)平動(dòng)信息、T為相機(jī)轉(zhuǎn)動(dòng)信息、d為圖像平面對(duì)應(yīng)的深度、N為圖像平面對(duì)應(yīng)的法向信息、K為相機(jī)內(nèi)部參數(shù)矩陣，對(duì)計(jì)算所得Homography矩陣進(jìn)行奇異值分解，獲得相機(jī)平動(dòng)信息T與轉(zhuǎn)動(dòng)信息R；令：

∑＝diag(σ1，σ2，σ3)，V＝[v1，v2，v3]

$u_1=\frac{\sqrt{{\mathrm{\σ}}_1^2-1}{v}_3+\sqrt{1-{\mathrm{\σ}}_3^2}{v}_1}{\sqrt{{\mathrm{\σ}}_1^2-{\mathrm{\σ}}_3^2}},u_2=\frac{\sqrt{1-{\mathrm{\σ}}_3^2}{v}_1-\sqrt{{\mathrm{\σ}}_1^2-1}{v}_3}{\sqrt{{\mathrm{\σ}}_1^2-{\mathrm{\σ}}_3^2}}$

$U_1=\[v_2,u_1,\widehat{v_2}{u}_1\],U_2=\[v_2,u_2,\widehat{v_2}{u}_2\]$

$W_1=\[\stackrel{\‾}{H}{v}_2,\stackrel{\‾}{H}{u}_1,{\widehat{\stackrel{\‾}{H}v}}_2{\mathrm{Hu}}_1\],W_2=\[\stackrel{\‾}{H}{v}_2,\stackrel{\‾}{H}{u}_2,{\widehat{\stackrel{\‾}{H}v}}_2{\mathrm{Hu}}_2\]$

上述奇異值分解理論上有四組解，如下所示：

解1：

$R_1=W_1{U}_1^T,N_1=\widehat{v_2}{u}_1,\frac{1}{d}{T}_1=(\stackrel{\‾}{H}-R_1)N_1$

解2：

$R_2=W_2{U}_2^T,N_2=\widehat{v_2}{u}_2,\frac{1}{d}{T}_2=(\stackrel{\‾}{H}-R_2)N_2$

解3：

R₃＝R₁，N₃＝-N₁，

解4：

R₄＝R₂，N₄＝-N₂，

選擇方向最接近于[0，0，1]的法向量N對(duì)應(yīng)的該組解。