基于双目立体视觉的船舶轨迹跟踪算法研究

发布时间：2019-08-09 16:10

【摘要】：双目立体视觉模型通过模拟人眼可以实现对目标距离的测量。为了获得水上船舶实时的运动状态,提出了一种基于双目立体视觉的船舶轨迹跟踪方法。首先,通过摄像机标定、线性空间点三维重建可以测得以相机为中心到船舶的距离,得到船舶的部分运动轨迹;其次,在双目立体视觉测距系统的基础上采用常速(Constant Velocity,CV)模型的方法对船舶运动建模;最后,对建立的船舶运动模型利用强跟踪卡尔曼滤波(Strong Tracking Kalman Filter,STKF)船舶轨迹跟踪的方法跟踪船舶的轨迹并估算目标船舶实时的运动状态。实验结果表明,基于双目立体视觉的船舶轨迹跟踪的方法能有效地跟踪船舶轨迹且适用于工程应用的需求。
【图文】：

摄像头,序列表,标定图,标定结果

图像序列。５．２对左右相机进行标定基于双目视觉的船舶轨迹跟踪需要先对双目摄像头进行标定，根据标定方式的不同，可以分为传统的标定方法、自标定的方法和基于主动视觉的方法。传统的标定方法有Ｚｈａｎｇ［１８］方法、ＤＬＴ方法［１９］和Ｔｓａｉ方法［２０］，这些方法计算摄像头的参数需要将标定物作为参照，但是传统的标定方法适用于对标定的结果精度要求较高的应用场合，因此更适用于船舶测距。利用传统的标定方法，对左右两个摄像头分别进行标定，选择棋盘格作为标定的参考物，图２所示为左摄像头所用的标定图像序列，，运用ＭＡＴＬＡＢ标定工具箱计算得到左右摄像头参数的标定结果，该结果如表１、表２所列。图２标定图像序列表１摄像头内参标定结果左摄像头右摄像头焦距［１１１３．２００６９１０８７．０９２０９］［１２８５．０４７６１１２５４．６５５７８］主点［３００．３２１６１２０５．５４０７４］［３３５．２３６７９２６１．９６１０１］表２摄像头外参标定结果（右摄像头相对左摄像头的位置）旋转向量ｏｍ＝［０．０３２６６－０．００４２４－０．００５２５］平移向量Ｔ＝［－２０６．２９２４００．２０５９５１９．５０５５５］从标定结果可以看出，左右摄像头的焦距基本相同，并且它们对应的ｘ轴和ｙ轴的等效焦距也相同。摄像头拍摄得到的图像尺寸为６４０×４８０，内参矩阵反应出的主点坐标也基本在（３２０，２４０）附近，这些都符合预期的标定结果。５．３船舶轨迹跟踪为了保证在实际工程中船舶轨迹测量的准确性，实验通过两个６４０×４８０的工业摄像头来采集船舶图像数据，运用

计算图,摄像头,船舶,帧图像

头焦距［１１１３．２００６９１０８７．０９２０９］［１２８５．０４７６１１２５４．６５５７８］主点［３００．３２１６１２０５．５４０７４］［３３５．２３６７９２６１．９６１０１］表２摄像头外参标定结果（右摄像头相对左摄像头的位置）旋转向量ｏｍ＝［０．０３２６６－０．００４２４－０．００５２５］平移向量Ｔ＝［－２０６．２９２４００．２０５９５１９．５０５５５］从标定结果可以看出，左右摄像头的焦距基本相同，并且它们对应的ｘ轴和ｙ轴的等效焦距也相同。摄像头拍摄得到的图像尺寸为６４０×４８０，内参矩阵反应出的主点坐标也基本在（３２０，２４０）附近，这些都符合预期的标定结果。５．３船舶轨迹跟踪为了保证在实际工程中船舶轨迹测量的准确性，实验通过两个６４０×４８０的工业摄像头来采集船舶图像数据，运用双目视觉的方法分别对左右图像船舶的运动轨迹进行测量，实验中采集视频的速率为２５ｆｐｓ，能较好地满足测量的实时性要求。为了验证本文算法对船舶轨迹跟踪的适用性，实验１选取船舶图像中“江城汽渡０１号”中“０”字上方和下方的点作为跟踪的特征点，分别记为特征点一和特征点二。并将本文提出的算法与传统的卡尔曼滤波（ＣＳＫ）算法进行对比。考虑到提高估计值的精度，因此在计算图像点位置时采用亚像素级的提取方法，以得到更精确的特征点坐标。图３（ａ）为左摄像头拍摄得到的第１帧和第４００帧的船舶图像，采用亚像素级坐标的提取方法得到对应的特征点一的坐标为（４１５．７１７，９７．４５７）、（６８．７６１，９３．９７８），特征点二的坐标为（４１６．５８７，１１０
【作者单位】：武汉理工大学计算机科学与技术学院;武汉理工大学航运学院;
【基金】：国家自然科学基金资助项目(51579204)资助
【分类号】：TP391.41

【参考文献】