车载成像技术是一种将成像设备置于车载平台的远距离、非接触获取目标图像的技术和方法，是未来汽车智能化的关键。但是由于摄像机随车体晃动导致输出的图像序列不稳定，图像序列晃动量较大，易使观察者产生疲劳，也会严重影响后续处理的精度，因此，必须对车载图像序列进行稳定。
目前，车载稳像技术使用较多的算法为特征点法和灰度投影法。特征点法能对任意形式的图像运动进行运动矢量估计，但在处理一些画质较差，特征贫乏的图像时，精度往往很低，很难适应车载视频稳像的各种环境变化;灰度投影法只能处理只含平移运动和较小旋转运动的情况，且要求图像有一定的对比度。而车载视频往往拍摄时路况环境比较复杂，如雨雾天气，这就给算法处理的精度带来很大影响。本文针对这种情况，采用小波的方法对图像进行预处理，提高灰度投影法在车载稳像应用中的抗干扰能力。
1 车载稳像系统框图
电子稳像是利用电子设备和数字图像处理技术相结合的方法，通过计算选定的参考帧图像和被比较的当前帧图像的运动矢量，再根据获得的运动矢量按照某种准则对当前图像进行补偿，从而消除或减轻图像序列帧间的随机抖动，获得稳定的图像序列。
电子稳像作为车载稳像系统中的核心部分，其系统结构如图1所示。
图1 系统框图
其中，全局运动矢量估计是整个稳像系统的关键，它决定了稳像精度和耗时性。
1.1 运动矢量估计算法
通过对高速路抖动特点的分析，并且对目前在电子稳像中常用的运动估计算法进行各自优缺点的比较，本系统决定采用灰度投影算法进行全局运动矢量估计。
灰度投影算法：投影法是利用图像总体灰度变化规律来确定图像运动矢量的一种方法，它不必对图像上的每一点做相关运算，而是利用图像的灰度投影曲线做一次相关运算，因此它的运算量小，运动估计速度快，容易满足实时性要求，同时抑制噪声的能力较强，并且在精度上也能较好地满足要求。
该算法首先通过投影公式将每一帧二维图像映射成两个一维波形，其行列灰度值累加表示为：
式中：Ik(i)代表第k帧图像第i行的灰度值，Ik(i)代表第k帧图像第j列的灰度值，Gk(i,j)为第k帧图像上(i,j)处的像素灰度值。
为了避免因图像抖动导致图像边缘信息发生变化，而影响互相关计算出的互相关曲线峰值，在进行互相关计算前，对图像进行余弦滤波，去除图像边界信息波形而完整保留中心区域波形，减小边界信息对互相关计算的影响，提高计算精度。投影滤波后，对参考帧和当前帧各分量的两条曲线进行相关计算，找到两条曲线的惟一谷值，即可确定出当前帧相对于参考帧的行列运动偏移量。相关运算的公式为：
式中：colc(n)和colr(n)分别为第i帧和参考帧的在一个方向上的灰度投影值，J为两曲线中进行相关运算的单位长度，m为位移矢量相对于参考帧在一侧的搜索宽度，即允许的最大正负抖动范围，m在1至2m+1间取值。当C(k)为最小值时，此时k=Kmin，则第i帧图像相对于参考帧图像在一个方向上的位移矢量为：
以水平方向为例，vi为正时，表明当前帧相对参考帧向右移了|vi|个像素;为负时，表明向左移了|vi|个像素。同样的方法，可以得到垂直方向的位移矢量。
技术专区
- TLE9842-2QX主要特性_PCB设计图
- CMU机器人研究所_无人驾驶上路测试牌照Gatik.AI
- DRV10983-Q1主要特性_功能框图
- 自动驾驶汽车由自动驾驶机器人系统操控
- 汽车电子:全球前十大车用半导体供应商排行榜
