单目交通场景下基于自标定的车辆三维信息识别算法

作     者：唐心瑶 宋焕生 王伟 张朝阳 崔华 Tang Xinyao;Song Huansheng;Wang Wei;Zhang Chaoyang;Cui Hua

作者机构：长安大学信息工程学院西安710064 

基　　金：教育部联合基金(6141A02022610) 中央高校基金(300102249103) 陕西省重点研发计划重点项目(2018ZDXM-GY-047) 陕西省社会发展领域项目(2019SF-258) 中央高校基本科研项目(30010224910) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2020年第32卷第8期

页      码：1305-1314页

摘      要：获取车辆的三维信息作为车型精确分类的依据,已成为当前越来越重要的研究方向,但交通场景中的监控相机大多为单目相机,由于透视因素无法直接获取车辆位姿、车辆轮廓尺寸等三维信息.针对上述问题,提出单目交通场景下基于自标定的车辆三维信息识别算法,首先根据典型的交通场景,建立单目相机的摄像机模型以及较稳定的单消失点标定模型,完成摄像机标定;接着使用深度学习卷积神经网络中的YOLO模型对交通场景中的车辆进行二维目标检测.在此基础上,提出对角线和消失点约束的非线性优化求解算法,结合标定信息完成车辆的三维信息识别及最佳三维目标检测.在公开数据集BrnoCompSpeed和实际高速公路场景进行了实验,实验结果表明,该算法在多种交通场景下均能有效识别车辆三维信息,平均识别准确率超过90%.

主 题 词：单目相机 摄像机标定 深度学习 三维信息识别 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2020.18041

馆 藏 号：203962640...