本发明提出一种基于车牌及车道线的车辆外廓尺寸检测方法，属于车辆检测技术领域，通过操控无人机平台，在车辆行驶过程中采集图片；以车牌左上角为原点建立世界坐标系和图像坐标系，利用车牌标准尺寸作为参照系得到车牌各个顶点的世界坐标，在图像中求得对应顶点的图像坐标，计算世界坐标系和图像坐标系的转换矩阵P；提取车辆轮廓边缘，寻找边缘和车牌所在平面交点作为宽高测量基准点，计算宽高测量点的图像坐标；然后利用转换矩阵求交点的世界坐标得出车辆宽度和高度；计算可跨越车道分界线实线段的长度所占像素，得出车道线标准长度和像素数量的比值r；边缘检测后计算车辆长度方向上所占最大像素数量，根据r求得车辆长度。
1.一种基于车牌及车道线的车辆外轮廓尺寸检测方法，其特征是：包括以下步骤，且以下步骤顺次进行，
步骤一、通过无人机平台，采集车辆行驶过程中的原始图片并存储图片，图片包括测长度图片和测宽高图片；
步骤二、调用步骤一采集测宽高图片，建立图像坐标系，并选取车牌绘制ROI感兴趣区域，以车牌左上角为原点建立世界坐标系，车牌平面和世界坐标系xoy平面重合，世界坐标系X轴正方向为车牌长度方向，Y轴正方向为车牌宽度方向，Z轴正方向为车牌垂线方向；
步骤三、利用中华人民共和国公共安全行业标准《GA36‑2014》中对车牌的尺寸规定，获得车牌四个角点的世界坐标，在图像坐标系中获得车牌四个角点的图像坐标；
步骤四、计算所述步骤三获得的车牌角点世界坐标与图像坐标的转换矩阵；
步骤五、提取图片中车辆边缘，确定车辆最高点所在水平面与车辆侧面最突出点所在铅垂面，所述水平面和铅锤面与车牌所在平面交点为宽高测量的目标点；
步骤六、在图像坐标系中计算宽高测量目标点的图像坐标；通过转换矩阵P计算宽高测量目标点的世界坐标，宽高测量目标点世界坐标的X坐标之差的绝对值为车辆宽度；
步骤七、将两个宽高测量目标点世界坐标的Y坐标的算数平均数加上车牌左上角顶点到地面的高度修正值Δh，计算得到车辆高度；
步骤八、调用步骤一采集测长度图片，选取可跨越车道分界线实线段部分绘制ROI感兴趣区域，求得图像坐标系下车道线长度方向像素数量，计算车道线标准长度和像素数量的比值ratio＝车道线标准长度/像素数量；
步骤九、提取车辆边缘，得到车辆俯视图或侧视图中车道线方向最长线段的前后端点，计算所述线段在图像中所占像素数量，根据比值ratio求得车辆长度，Length＝像素数量×ratio；
至此，一种基于车牌及车道线的车辆外轮廓尺寸检测完成；
所述步骤一的测长度图片无人机平台采集角度为车辆俯视或侧视方向，且要包含可跨越车道分界线的一段完整实线段，过长车辆采用多次拍摄图像拼接技术以保证图片中车辆的完整；测宽高图片无人机采集范围为完整的车牌和车牌所在车辆前侧面或后侧面；
所述步骤三中华人民共和国公共安全行业标准《GA36‑2014》中对车牌的尺寸规定车牌尺寸为a×bmm，以车牌左上角为世界坐标的坐标原点，可得车牌四个角点的世界坐标(0，0，
0)、(0，b，0)、(a，0，0)、(a，b，0)由于Z坐标为0，可将世界坐标简化为COR1＝(a，0)，COR2＝(0，b)，COR3＝(0，0)，COR4＝(a，b)，并在图像坐标系中求得四个角点的图像坐标cor1，cor2，cor3，cor4，其中令cor3＝(0，0)；
所述步骤四中转换矩阵P的求解方法为，由角点的世界坐标得矩阵 由图像坐标得矩阵求得转换矩阵P＝A\B。
2.根据权利要求1所述的一种基于车牌及车道线的车辆外轮廓尺寸检测方法，其特征是：所述车辆边缘提取通过图像分割、图像灰度处理、形态学去杂质进行边缘提取。
3.根据权利要求1所述的一种基于车牌及车道线的车辆外轮廓尺寸检测方法，其特征是：所述步骤七中高度修正值Δh根据检测车型进行修改。
4.根据权利要求1所述的一种基于车牌及车道线的车辆外轮廓尺寸检测方法，其特征是：所述步骤八可跨越车道分界线实线段部分长度根据路段和此路段的车道线尺寸标准选取。
一种基于车牌及车道线的车辆外轮廓尺寸检测方法
技术领域
[0001] 本发明属于车辆检测技术领域，特别是涉及到一种基于车牌及车道线的车辆外轮廓尺寸检测方法。
背景技术
[0002] 随着高速收费站的逐步取消，人工式的超限车辆尺寸测量受到一定影响，研究新的易于使用且符合当下实际情况的车辆三维尺寸测量装置愈发重要。目前超限车辆外廓尺
寸测量方法主要有：人工测量法、雷达传感法、激光扫描法。但是这些方法存在着如测量耗
时、安装成本高以及不利于推广等问题。
[0003] 近年来，计算机及图像处理技术正在迅速发展，为基于图像处理的非接触式尺寸测量提供了机遇。利用图像处理技术进行尺寸测量可以大大降低测量设备的成本，但是目
前相关的研究成果还比较少。
[0004] 因此，现有技术亟需一种新的技术方案来解决上述问题。
发明内容
[0005] 本发明所要解决的技术问题是：提供一种基于车牌及车道线的车辆外轮廓尺寸检测方法，利用图像检测技术、以车牌和车道线为参照物的车辆外廓尺寸测量方法，此方法的
实现对于降低测量设备的成本和推动车辆尺寸测量的发展有重要作用。
[0006] 一种基于车牌及车道线的车辆外轮廓尺寸检测方法，其特征是：包括以下步骤，且以下步骤顺次进行，
[0007] 步骤一、通过无人机平台，采集车辆行驶过程中的原始图片并存储图片，图片包括测长度图片和测宽高图片；
[0008] 步骤二、调用步骤一采集测宽高图片，建立图像坐标系，并选取车牌绘制 ROI感兴趣区域，以车牌左上角为原点建立世界坐标系，车牌平面和世界坐标系xoy平面重合，世界
坐标系X轴正方向为车牌长度方向，Y轴正方向为车牌宽度方向，Z轴正方向为车牌垂线方
向；
[0009] 步骤三、利用中华人民共和国公共安全行业标准《GA36‑2014》中对车牌的尺寸规定，获得车牌四个角点的世界坐标，在图像坐标系中获得车牌四个角点的图像坐标；
[0010] 步骤四、计算所述步骤三获得的车牌角点世界坐标与图像坐标的转换矩阵；
[0011] 步骤五、提取图片中车辆边缘，确定车辆最高点所在水平面与车辆侧面最突出点所在铅垂面，所述水平面和铅锤面与车牌所在平面交点为宽高测量的目标点；
[0012] 步骤六、在图像坐标系中计算宽高测量目标点的图像坐标；通过转换矩阵 P计算宽高测量目标点的世界坐标，宽高测量目标点世界坐标的X坐标之差的绝对值为车辆宽度；
[0013] 步骤七、将两个宽高测量目标点世界坐标的Y坐标的算数平均数加上车牌左上角顶点到地面的高度修正值Δh,计算得到车辆高度；
[0014] 步骤八、调用步骤一采集测长度图片，选取可跨越车道分界线实线段部分绘制ROI感兴趣区域，求得图像坐标系下车道线长度方向像素数量，计算车道线标准长度和像素数
量的比值ratio＝车道线标准长度/像素数量；
[0015] 步骤九、提取车辆边缘，得到车辆俯视图或侧视图中车道线方向最长线段的前后端点，计算所述线段在图像中所占像素数量，根据比值ratio求得车辆长度，Length＝像素
数量×ratio；
[0016] 至此，一种基于车牌及车道线的车辆外轮廓尺寸检测完成。
[0017] 所述步骤一的测长度图片无人机平台采集角度为车辆俯视或侧视方向，且要包含可跨越车道分界线的一段完整实线段，过长车辆采用多次拍摄图像拼接技术以保证图片中
车辆的完整；测宽高图片无人机采集范围为完整的车牌和车牌所在车辆前侧面或后侧面。
[0018] 所述步骤三中华人民共和国公共安全行业标准《GA36‑2014》中对车牌的尺寸规定车牌尺寸为a×bmm，以车牌左上角为世界坐标的坐标原点，可得车牌四个角点的世界坐标
(0，0，0)、(0,b,0)、(a,0,0)、(a,b,0)由于Z坐标为0，可将世界坐标简化为COR1＝(a,0)，
COR2＝(0,b)，COR3＝(0,0)，COR4＝(a,b)，并在图像坐标系中求得四个角点的图像坐标
cor1，cor2，cor3,cor4，其中令 cor3＝(0,0)。
[0019] 所述步骤四中转换矩阵P的求解方法为，
[0020] 由角点的世界坐标得矩阵 由图像坐标得矩阵 求得转换矩阵P＝A\B。
[0021] 所述车辆边缘提取通过图像分割、图像灰度处理、形态学去杂质进行边缘提取。
[0022] 所述步骤七中高度修正值Δh根据检测车型进行修改。
[0023] 所述步骤八可跨越车道分界线实线段部分长度根据路段和此路段的车道线尺寸标准选取。
[0024] 通过上述设计方案，本发明可以带来如下有益本发明提出一种效果：一种基于车牌及车道线的车辆外轮廓尺寸检测方法，用以解决目前车辆尺寸测量设备成本高、推广性
差、安装不便的问题。
[0025] 本发明的进一步有益效果在于，
[0026] 1、硬件仅基于一台较高清晰度相机和无人机，购置和维护成本低，安装简单，操作容易，推广性强，使用相机可完成车辆不停车情况下的轮廓尺寸测量；
[0027] 2、基于无人机平台的测量装置可随意移动，灵活性很强；
[0028] 3、提供了一种以车牌和车道线为参照的车辆轮廓尺寸图像测量的方法；
[0029] 4、本发明测量宽高时将车牌和车的前侧面或后侧面放在同一平面内，可很大程度降低图像畸变对测量结果的影响。
附图说明
[0030] 以下结合附图和具体实施方式对本发明作进一步的说明：
[0031] 图1为本发明一种基于车牌及车道线的车辆外轮廓尺寸检测方法流程示意图。
[0032] 图2为本发明一种基于车牌及车道线的车辆外轮廓尺寸检测方法宽高测量 3D模型‑2D图像转换示意图。
[0033] 图3为本发明一种基于车牌及车道线的车辆外轮廓尺寸检测方法长度测量的拍摄角度示意图。
[0034] 图中1‑无人机、2‑车道线。
具体实施方式
[0035] 一种基于车牌及车道线的车辆外轮廓尺寸检测方法，如图2所示，本发明需建立两个坐标系，以车牌左上角顶点为坐标原点的世界坐标系以及以车牌左上角顶点为原点的图
像坐标系，基于这两个坐标系进行转换，由此测出车辆宽度和高度；如图3所示为测长度图
片的俯视拍摄角度，包含完整的可跨越车道线和完整的车身，根据比例关系测得车辆长度。
如图1所示，本发明一种基于车牌及车道线的车辆外轮廓尺寸检测方法的具体步骤如下：
[0036] 步骤1：通过无人机采集并保存图片：
[0037] 具体的，通过无人机平台在车辆不同角度采集测长度图片和测宽高图片。测长度图片由无人机1在车辆正上方或侧面拍摄，拍摄图片包含可跨越车道线2 的一段完整实线
段(如图3所示)，若车辆过长，采用多次拍摄图像拼接技术以保证图片中车辆的完整性。测
宽高图片应采集到完整的车牌及车牌所在的完整车辆前侧面或后侧面。
[0038] 步骤2，建立图像坐标系和世界坐标系：
[0039] 具体的，调用测宽高图片，进行二值化处理，分割车牌完整区域，提取车牌，去除小连通域，填充字母，以车牌左上角为原点建立世界坐标系，世界坐标系X轴轴向为车牌长度
方向，Y轴轴向为车牌宽度方向，Z轴轴向为垂直车牌方向。
[0040] 步骤3，提取车牌角点的图像坐标：
[0041] 根据中华人民共和国公共安全行业标准《GA36‑2014》中对车牌的尺寸规定, 以车牌尺寸为440×140mm为例，以车牌左上角为世界坐标的坐标原点，可得车牌四个角点的世
界坐标(0，0，0)、(0,140,0)、(440,0,0)、(440,140,0)由于Z坐标为0，可将世界坐标简化为
COR1＝(440,0)，COR2＝(0,140)，COR3＝(0,0)， COR4＝(440,140)，并在图像坐标系中求得
四个角点的图像坐标cor1，cor2， cor3,cor4，其中令cor3＝(0,0)。
[0042] 步骤4，求得世界坐标系与图像坐标系之间的转换矩阵P:
[0043] 具体的，由角点的世界坐标得矩阵 由图像坐标得矩阵 求得转换矩阵 P＝A\
B。
[0044] 步骤5，确定宽高测量的目标点：
[0045] 具体的，使用图像分割，灰度处理，形态学去杂质，提取到车辆边缘，确定车辆最高点所在水平面与侧面最突出点所在铅垂面，所述两平面与车牌所在平面交点为宽高测量的
目标点。
[0046] 步骤6，计算两个宽高测量目标点的图像坐标：
[0047] 具体的，在图像坐标系中计算宽高测量目标点的图像坐标 (u1，v1)＝(u01‑cor3(2)，v01‑cor3(1)，
[0048] (u2，v2)＝(u02‑cor3(2)，v02‑cor3(1)。其中，(u01，v01)和(u02，v02)为以图片左上角为原点的图像坐标系中宽高测量目标点的图像坐标。
[0049] 步骤7，计算车辆宽度：
[0050] 具体的，由转换矩阵P计算宽高测量目标点的世界坐标： (U1，V1)＝P×(u1，v1),(U2，V2)＝P×(u2，v2)。两点X坐标之差的绝对值为车辆宽度：Width＝abs(U1‑U2)。
[0051] 步骤8，计算车辆高度：
[0052] 具体的，为减少车辆高度误差，将两宽高测量目标点Y坐标的算数平均数加上世界坐标系中原点到地面的高度修正值Δh，得到车辆高度：
[0053] 步骤9，车道线定位及角点检测，求长度测量转换矩阵：
[0054] 具体的，调用测长度图片，从图片中选取可跨越车道分界线实线段部分绘制ROI区域，形态学去杂质，提取车道线的四个顶点，求得图像坐标系下车道线长度方向像素数量，
已知可跨越车道线的实际长度，计算得出车道线标准长度和像素数量的比值：ratio＝车道
线标准长度/像素数量。
[0055] 步骤10，计算车辆长度：
[0056] 具体的，使用图像分割，形态学去杂质，提取车辆边缘，得到车辆俯视图或侧视图中车道线方向最长线段的前后端点，计算图像坐标系中该线段像素数量，根据比值ratio求
得车辆长度，Length＝像素数量×ratio。
[0057] 以上所述仅为本发明优选的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修
改、等同替换、改进等，均应包含在本发明的保护范围之内。
