单目交通场景下基于自标定的车辆三维信息识别算法

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％.

关键词：单目相机、摄像机标定、深度学习、三维信息识别

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：教育部联合基金;中央高校基金;陕西省重点研发计划重点项目;陕西省社会发展领域项目;中央高校基本科研项目

在线出版日期：2020-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1305-1314