CN114897684A - 车辆图像的拼接方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种车辆图像的拼接方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括：获取摄像头在不同时刻拍摄目标车辆所得的车辆图像；在各车辆图像中进行图像特征提取，得到对应的车辆特征；当基于各车辆特征确定各车辆图像之间重叠区域图像中存在不一致的特征时，对各车辆图像中不一致的特征进行调整，得到车辆调整图像；依据摄像头与目标车辆之间的距离，分别从车辆调整图像中切分出固定尺寸的图像块；对各车辆图像对应的图像块进行拼接，得到车辆拼接图像。采用本方法能够确保拼接出来的图像的像素均匀，并且还原完整不变形，以使该车辆拼接图像具有较高的拼接精度。

Description

车辆图像的拼接方法、装置、计算机设备和存储介质

技术领域

本申请涉及图像处理技术领域，特别是涉及一种车辆图像的拼接方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着交通经济的发展，高速公路司机利用通行介质内车型/轴数与实际车辆车型/轴数不一致而逃费的行为日益猖獗。

传统技术中，通过多个摄像头进行校准，并将多个摄像头拍摄的图像进行拼接，从而得到一个无缝的广角图像。由于车辆移动时的特征为动态变量，车辆沿车道行驶时，还会出现非直线行驶，从而造成角度误差，以及多个相机之间或多或少的成像差异，该方法具有拼接精度不高的缺陷。

发明内容

基于此，有必要针对上述技术问题，提供一种能够高精度的车辆图像识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种车辆图像的拼接方法，所述方法包括：

获取摄像头在不同时刻拍摄目标车辆所得的车辆图像；

在各所述车辆图像中进行图像特征提取，得到对应的车辆特征；

当基于各所述车辆特征确定各所述车辆图像之间重叠区域图像中存在不一致的特征时，对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像；

依据所述摄像头与所述目标车辆之间的距离，分别从所述车辆调整图像所在车辆图像中切分出固定尺寸的图像块；

对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像。

在其中一个实施例中，所述获取摄像头在不同时刻拍摄目标车辆所得的车辆图像，包括：

当鱼眼摄像头位于所述目标车辆所行驶车道的一侧时，获取所述鱼眼摄像头在不同时刻拍摄所述目标车辆所得的车辆图像；

所述在各所述车辆图像中进行图像特征提取，得到对应的车辆特征，包括：

将各所述车辆图像按照图像矫正表进行矫正，得到各矫正后车辆图像；

在各所述矫正后车辆图像中进行图像特征提取，得到对应的车辆特征。

在其中一个实施例中，所述在各所述矫正后车辆图像中进行图像特征提取，得到对应的车辆特征，包括：

对各所述矫正后车辆图像进行归一化，得到各归一化的矫正后车辆图像；

对各所述归一化的矫正后车辆图像进行图像特征提取，得到各自对应的所述车辆特征。

在其中一个实施例中，所述对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像，包括：

计算各所述车辆图像中的特征点位移信息；

基于各所述图像块的长度信息、所述特征点位移信息以及所述车辆拼接图像的预计长度，确定各所述图像块的拼接位置信息；

基于所述拼接位置信息对所述图像块进行拼接，得到车辆拼接图像。

在其中一个实施例中，所述车辆拼接图像是基于每次实时获取到相应时刻的车辆图像进行拼接所得的；所述基于所述拼接位置信息对所述图像块进行拼接，得到车辆拼接图像，包括：

当首次拼接时，基于所述拼接位置信息对所述目标车辆前两帧的所述车辆图像对应的图像块进行拼接，并对所述重叠区域图像进行像素均值化；

当非首次拼接时，依据所述拼接位置信息，将所述目标车辆后续帧的所述车辆图像对应的图像块叠加至上一次拼接所得的中间拼接图像，并对所述重叠区域图像进行像素均值化，得到所述车辆拼接图像。

在其中一个实施例中，所述目标车辆的车辆图像包括车头图像、车辆中部图像和尾部图像；

所述当首次拼接时，基于所述拼接位置信息对所述目标车辆前两帧的所述车辆图像对应的图像块进行拼接，包括：

当首次拼接时，基于所述拼接位置信息对所述目标车辆的车头图像对应的图像块进行拼接；

所述当非首次拼接时，依据所述拼接位置信息，将所述目标车辆后续帧的所述车辆图像对应的图像块叠加至上一次拼接所得的中间拼接图像，包括：

当非首次拼接且车头图像为多于两个时，依据所述拼接位置信息，依序将所述目标车辆的车头图像、车辆中部图像和尾部图像对应的图像块叠加至上一次拼接所得的中间拼接图像。

在其中一个实施例中，所述对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像，包括：

获取所述车辆特征对应的车辆底部信息；

基于所述车辆底部信息获取矫正系数；

对所述不一致的特征按照所述矫正系数进行调整，得到车辆调整图像。

在其中一个实施例中，所述摄像头位于所述目标车辆所行驶车道的一侧，所述方法还包括：

对所述车辆拼接图像进行特征提取，得到车辆侧边特征；

基于所述车辆侧边特征，识别所述车辆的车型信息与轴数信息中的至少一项。

第二方面，本申请还提供了一种车辆图像的拼接装置，所述装置包括：

车辆图像获取模块，用于获取摄像头在不同时刻拍摄目标车辆所得的车辆图像；

车辆特征提取模块，用于在各所述车辆图像中进行图像特征提取，得到对应的车辆特征；

车辆特征调整模块，用于当基于各所述车辆特征确定各所述车辆图像之间重叠区域图像中存在不一致的特征时，对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像；

车辆图像切分模块，用于依据所述摄像头与所述目标车辆之间的距离，分别从所述车辆调整图像所在车辆图像中切分出固定尺寸的图像块；

图像拼接模块，用于对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意实施例中车辆图像的拼接的步骤。

第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意实施例中车辆图像的拼接的步骤。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任意实施例中车辆图像的拼接的步骤。

上述车辆图像的拼接方法、装置、计算机设备、存储介质和计算机程序产品，在各所述车辆图像中进行图像特征提取，得到对应的车辆特征，当基于各所述车辆特征确定各所述车辆图像之间重叠区域图像中存在不一致的特征时，对不一致的特征进行调整，得到车辆调整图像，能确保拼接出来的图像的像素均匀，并且还原完整不变形。而依据所述摄像头与所述目标车辆之间的距离，分别从所述车辆调整图像切分出固定尺寸的图像块，可以切分出不同矫正需求的图像块，对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像，以使该车辆拼接图像具有较高的拼接精度。

附图说明

图1为一个实施例中车辆图像的拼接方法的应用环境图；

图2为一个实施例中车辆图像的拼接方法的流程示意图；

图3为一个实施例中车辆图像的拼接方法的流程示意图；

图4为一个实施例中获取车辆图像的流程示意图；

图5为一个实施例中水平方向的应用环境示意图；

图6为一个实施例中垂直方向的应用环境示意图；

图7为一个实施例中车辆图像的拼接装置的结构框图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的车辆图像的拼接方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102获取摄像头在不同时刻拍摄目标车辆所得的车辆图像；在各所述车辆图像中进行图像特征提取，得到对应的车辆特征；当基于各所述车辆特征确定各所述车辆图像之间重叠区域图像中存在不一致的特征时，对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像；依据所述摄像头与所述目标车辆之间的距离，分别从所述车辆调整图像中切分出固定尺寸的图像块；对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像。

其中，终端102可以但不限于是各种全景拼接装置、全景拼接一体机、个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种车辆图像的拼接方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：

步骤202，获取摄像头在不同时刻拍摄目标车辆所得的车辆图像。

在一个实施例中，摄像头按照预设快门速度进行目标车辆的拍摄，并在拍摄的不同时刻依次获取车辆图像，依次获取到的车辆图像分别用于表征目标车辆在不同位置的车辆信息，以便于得到具有高精度的车辆拼接图。例如：前端传感器按照每秒50帧的速度采集车辆侧面图像，且能够将车辆侧面图像传输至智能处理单元后，智能处理单元对车辆侧面图像进行特征提取与拼接。

步骤204，在各车辆图像中进行图像特征提取，得到对应的车辆特征。

在一个实施例中，对各车辆图像进行图像特征提取出车辆特征的过程，可以基于SIFT特征点提取规则或SURF特征点提取规则等方式进行检测，得到车辆图像中的特征点。还可基于各特征点在车辆图像中预设范围的区域确定各车辆图像中的特征块。

在一个实施例中，在得到车辆特征后，可以基于快速近似最近邻规则判断相应的车辆图像是否匹配。当相邻车辆图像完全一致时，可以保留其中的一张，以缩小相应的存储空间。当相邻车辆图像存在重叠区域图像，且重叠区域图像中的特征均一致时，从车辆调整图像中切分出固定尺寸的图像块，对相邻车辆图像中的图像块进行拼接，得到车辆拼接图像。

步骤206，当基于各车辆特征确定各车辆图像之间重叠区域图像中存在不一致的特征时，对各车辆图像中不一致的特征进行调整，得到车辆调整图像。

具体的，基于各车辆特征确定车辆图像的重叠区域图像中存在不一致的特征点或特征块时，会对相应的特征点或特征块进行调整，以使拼接出的图像像素值较为均匀，利于还原出完整而不变形的车辆拼接图像。

在一个实施例中，对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像，包括：获取车辆特征对应的车辆底部信息；基于车辆底部信息获取矫正系数；对不一致的特征按照矫正系数进行调整，得到车辆调整图像。

可选地，不同的矫正系数可以用于表征相应车辆特征的形变程度或形变类型，以根据相应的形变程度或形变类型对应的数据进行调整；不同的矫正系数可以用于表征相应车辆特征的矫正方式，以使用相应的矫正方式及对应的矫正数据进行调整。

在获得车辆图像后，在成像画面中预先设定的区域展示相应车道，对该车道上的车辆底部信息进行采集，可以获得车辆底部信息，而车辆底部信息对应有预先设置的矫正系数，基于相应的矫正系数来对车辆特征中匹配失败的特征进行调整，以使拼接出来的图像的像素均匀，并且还原完整不变形。

步骤208，依据摄像头与目标车辆之间的距离，分别从车辆调整图像中切分出固定尺寸的图像块。

在目标车辆行驶的过程中，摄像头与目标车辆之间的距离随之变化，通过该摄像头拍摄目标车辆在不同位置的车辆图像，各车辆图像中的车辆信息分别承载于各自对应的多个图像块中。摄像头与目标车辆处于不同距离，可以切分出不同矫正需求的图像块。当车辆图像中的某一图像块与摄像头的距离处于相应阈值时，该图像块在原车辆图像中的畸变较少，因而调整较小，利于提高拼接的精度，且用于拼接的图像块所占用的数据总量较少，利于提高拼接的效率。图像块的具体长度、宽度等信息可以基于车辆图像中保留的区域与摄像头之间的距离而设定。例如：对车辆图像进行切分后，保留车辆图像中部宽高比为1：3的图像块，以该图像块各处与摄像头距离相近。

步骤210，对各车辆图像对应的图像块进行拼接，得到车辆拼接图像。

在一个实施例中，分别获取各图像块的位置信息，在通过各位置信息拼接相应的图像块，以得到对应的车辆拼接图像。

在一个实施例中，对各车辆图像对应的图像块进行拼接，得到车辆拼接图像，包括：计算各车辆图像中的特征点位移信息；基于各图像块的长度信息、特征点位移信息以及车辆拼接图像的预计长度，确定各图像块的拼接位置信息；基于拼接位置信息对图像块进行拼接，得到车辆拼接图像。

各车辆图像包括多个特征点，各特征点随着车辆的运动而产生相应的特征点位移信息。具体的，对于相邻车辆图像的特征点，分别采用SIFT特征点检测，采用快速近似最近邻算法进行特征点匹配后，计算匹配点的平均位移{dmx，dmy}；其中，dmx表示在对应坐标系X轴的位移向量，dmy表示在对应坐标系y轴的位移向量。

在得到特征点位移信息之后，根据图像块的长度信息与特征点位移信息进行计算，得到用于拼接各图像块的中间结果。其中，图像块的长度信息是在用于拼接的预设方向上的长度，用于拼接各图像块的中间结果是各图像块的长度信息与相应特征点位移信息的差值。

在得到各图像块用于拼接的中间结果后，计算车辆拼接图像的预计长度与该中间结果的差值，得到各图像块的拼接位置信息，以基于各拼接位置信息对各自对应的图像块进行拼接，得到车辆拼接图像。可以理解，当车辆非直线行驶，造成角度误差时，也可以通过相应的位移信息进行拼接。

例如：当切出的图像块在用于拼接的预设方向上的长度在为w，当前车辆拼接图像在该预设方向上的预计长度为s，在对应坐标系X轴的特征点位移均值为dmx，在对应坐标系y轴的特征点位移均值为dmy，则车辆拼接图像中的拼接起始点ssx＝s-(w-dmx)，将当前帧叠加到车辆拼接图像中{ssx，dmy}处，以实现图像拼接。

在一个实施例中，车辆拼接图像是基于每次实时获取到相应时刻的车辆图像进行拼接所得的。自获取到第二帧车辆图像开始，每次获取到的车辆图像分别用于拼接到第一帧图像或上一帧图像拼接所得的中间拼接图像。

基于拼接位置信息对图像块进行拼接，得到车辆拼接图像，包括：

当首次拼接时，基于拼接位置信息对目标车辆前两帧的车辆图像对应的图像块进行拼接，并对重叠区域图像进行像素均值化。

具体的，在首次拼接时，可以是对目标车辆前两帧的车辆图像对应的图像块进行拼接，并将重叠区域进行叠加；并在叠加的过程中，对重叠区域进行像素均值化，以使前两帧的车辆图像叠加融合的像素更为均匀，还原精度更高。其中，首次拼接的前两帧的车辆图像，可以是车辆头部、车辆中间部及车辆尾部的其中一项或多项。

当非首次拼接时，依据拼接位置信息，将目标车辆后续帧的车辆图像对应的图像块叠加至上一次拼接所得的中间拼接图像，并对重叠区域图像进行像素均值化，得到车辆拼接图像。

具体的，非首次拼接的前两帧的车辆图像，可以是车辆头部、车辆中间部及车辆尾部的其中一项或多项。在非首次拼接时，可以是对目标车辆后续帧的车辆图像对应的图像块叠加至上一次拼接所得的中间拼接图像；并在叠加的过程中，对重叠区域进行像素均值化，以使各帧的车辆图像叠加融合的像素更为均匀，还原精度更高。

在一个实施例中，以车头分析为主的稽核手段存在一定局限性，获取到的细节特征较少，而采用车侧还原技术以便获取到车辆侧面全景图片，以从车辆拼接图像中获取更多细节特征。具体的，目标车辆的车辆图像包括车头图像、车辆中部图像和尾部图像。

当首次拼接时，基于拼接位置信息对目标车辆前两帧的车辆图像对应的图像块进行拼接，包括：当首次拼接时，基于拼接位置信息对目标车辆的车头图像对应的图像块进行拼接。

当非首次拼接时，依据拼接位置信息，将目标车辆后续帧的车辆图像对应的图像块叠加至上一次拼接所得的中间拼接图像，包括：当非首次拼接且车头图像为多于两个时，依据拼接位置信息，依序将目标车辆的车头图像、车辆中部图像和尾部图像对应的图像块叠加至上一次拼接所得的中间拼接图像。

具体的，如图3所示，当目标车辆进入摄像头拍摄范围时，采集车辆图像，再从车辆图像裁剪出相应的图像块，并进行矫正。在矫正后，识别出车头后，对车辆侧面的车头图像、车辆中部图像和尾部图像进行图像块的提取与拼接。在拼接的过程中，根据提取的车辆特征，对车辆轮轴进行识别，直到车尾被识别出，即完成车辆侧面图片的拼接工作。

可选地，当摄像头拍摄目标车辆的速度小于特征提取与拼接的速度之和，可以实时进行特征提取与拼接。例如：当前端传感器按照每秒50帧的速度采集车辆侧面图像，且智能处理单元每秒处理大于50帧车辆侧面图片时，可以实时提取特征并对车辆图像进行拼接，得到实时的车辆拼接图像。由此，将实时拍摄的车辆图像进行特征实时提取，并拼接为完整的车辆侧面图；还能够精准捕捉并识别到车辆特征，快速拼接出车辆侧面图像。

进一步地，在拼接的过程中，采用线程并行技术，拼接与检车无同步等待关系，在拼接的同时进行车辆检测，利于在高速公路应对高速行驶的车辆实现图像拼接。

上述车辆图像的拼接方法中，在各车辆图像中进行图像特征提取，得到对应的车辆特征，当基于各车辆特征确定各车辆图像之间重叠区域图像中存在不一致的特征时，对不一致的特征进行调整，得到车辆调整图像，能确保拼接出来的图像的像素均匀，并且还原完整不变形。而依据摄像头与目标车辆之间的距离，分别从车辆调整图像切分出固定尺寸的图像块，可以切分出不同矫正需求的图像块，以便于对各车辆图像对应的图像块进行拼接，得到车辆拼接图像。而当车辆非直线行驶，造成角度误差时，可以通过相应的特征调整，并通过相应的图像块进行拼接，提高车辆拼接图像的拼接精度。此外，本实施例可以使用一个相机来获取车辆图像，避免成像差异。

在一个实施例中，使用鱼眼摄像头扩大了所拍摄的车辆图像范围，获得具有更多车辆细节的车辆图像。然而，使用鱼眼摄像头所拍摄的车辆图像畸变较大，难以得到高精度的车辆图像。

基于此，如图4所示，获取摄像头在不同时刻拍摄目标车辆所得的车辆图像，包括：

步骤402，当鱼眼摄像头位于目标车辆所行驶车道的一侧时，获取鱼眼摄像头在不同时刻拍摄目标车辆所得的车辆图像。

当鱼眼摄像头位于行驶车道的一侧时，可从目标车辆的侧面进行拍摄，以获取目标车辆的至少部分车顶信息与车底部信息。

相对应的，在各车辆图像中进行图像特征提取，得到对应的车辆特征，包括：

步骤404，将各车辆图像按照图像矫正表进行矫正，得到各矫正后车辆图像。

图像矫正表，是实际应用前通过多项式坐标变换算法生成的。其生成过程包括：在实验室搭建现场仿真环境中，采用多项式坐标变换算法，针对车辆所在位置调整算法控制点至车辆成像无畸变，得到图像矫正表。

在实际应用时，图像矫正表预先保存在设备中，直接对采集的车辆图像进行矫正后，得到相应的矫正后车辆图像。

步骤406，在各矫正后车辆图像中进行图像特征提取，得到对应的车辆特征。

在矫正后车辆图像中，进行图像特征提取，以获得较高质量的车辆特征。且可在拼接过程中进行动态矫正，克服因车辆不按直线行驶导致的车侧各处与摄像机距离不等形成的梯形畸变问题，并基于动态矫正的图像实现图像拼接。其中，动态矫正技术采用分块匹配、计算车辆底部区域的技术，并根据不同底部区域所在图像中的位置选取不同矫正系数的方法，实现动态矫正。

在一个实施例中，在各矫正后车辆图像中进行图像特征提取，得到对应的车辆特征，包括：对各矫正后车辆图像进行归一化，得到各归一化的矫正后车辆图像。对各归一化的矫正后车辆图像进行图像特征提取，得到各自对应的车辆特征。

对矫正后车辆图像进行归一化，是对图像进行了一系列标准的处理变换，使之变换为预设的标准形式的矫正后车辆图像，其属于图像的预处理步骤。由此，当所使用的车辆图像来自于车辆的同一侧，且车辆侧面距离与鱼眼镜头的距离并非处处相等时，也可以对车辆图像进行归一化，以便于获取到两帧车辆图像之间的相同特征，确保拼接出来的图像的像素均匀，并且还原完整不变形。

在一个实施例中，货车为以车型/轴数收费，当司机的通行介质内车型/轴数与实际车辆车型/轴数不一致时，难以通过车头分析为主的稽核手段来确定相应的费用。因此，采用车侧还原技术获取到车辆侧面全景图片获取更多细节特征，以此达到增加稽核手段解决通行介质内车型/轴数与实际车辆车型/轴数不一致带来的收费不准确的问题。

具体的，摄像头位于目标车辆所行驶车道的一侧，方法还包括：对车辆拼接图像进行特征提取，得到车辆侧边特征；基于车辆侧边特征，识别车辆的车型信息与轴数信息中的至少一项。由此，可以通过车辆拼接图像获取相应的车型信息与轴数信息，以此判断车辆的车型与轴数是否产生改变，以便于准确收费。

在一个实施例中，着重阐述本申请在具体应用场景下的摄像头安装过程。如图5及图6所示的应用场景中，摄像机所支持的拼接区域为1个车道，且设置有一个摄像头，该摄像头设置于一体机中，该一体机垂直与车道且距离车道80～100cm。该摄像头高度距离车道地面为150cm，左右视场角为30度，上下视场角为160度。相对应的，成像画面中，车道上边缘在成像画面高度50％～60％之间，车道底部边缘在成像画面高度的90％～100％之间，以便于进行拼接，且可以获得车辆侧面信息。

其中，当一体机中的摄像镜头是鱼眼摄像头，其焦距是1mm～2mm，该鱼眼摄像头拍摄的车辆图像范围较大，不但可以获得车辆侧面图像，还会获得车顶与车底部的图像。而鱼眼摄像头所拍摄的车辆图像虽然是变形的，但是，其可以基于预先设置的图像矫正进行一次图像矫正。

可选地，一体机的下方设有补光灯；补光灯根据外界环境亮度决定是否补光，当一体机视野范围内出现车辆时，一体机根据图像的亮暗来自动调整相机参数，从而使较暗环境下拍摄的车辆侧面图像能够满足拼接及识别的要求。

在一个实施例中，该摄像头位于高速公路收费站拒超车道或收费站车道。摄像机视野中心线垂直与车道车辆行进方向。而在设备安装完成后，可以使用1米长的标尺对场景进行标定，在距离车道线20到100cm的任意3个位置放置此标尺，并在系统中标记下来1米的长度对应多少个像素，计算出目标车辆的实际距离与车辆图像的像素值之间的对应关系。具体的，在摄像头安装完成后，需要使用1米标尺对场景的3个不同位置进行标定，测量出N个像素在Y坐标处占用的像素值，以得到并存储标定数据到一休机系统的文件中。

由此，本实施例中设置一体机的视野中心线与车道垂直，与车道超近距离安装，将实时拍摄的车辆图像进行特征实时提取，并拼接为完整的车辆侧面图。不但能够精准捕捉并识别到车辆特征，快速拼接出车辆侧面图像，同时还具有安装简单，部署方便的优势。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的车辆图像的拼接方法的车辆图像的拼接装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个车辆图像的拼接装置实施例中的具体限定可以参见上文中对于车辆图像的拼接方法的限定，在此不再赘述。

在一个实施例中，如图7所示，提供了一种车辆图像的拼接装置，包括：车辆图像获取模块702、车辆特征提取模块704、车辆特征调整模块706、车辆图像切分模块708和图像拼接模块710，其中：

车辆图像获取模块702，用于获取摄像头在不同时刻拍摄目标车辆所得的车辆图像；

车辆特征提取模块704，用于在各所述车辆图像中进行图像特征提取，得到对应的车辆特征；

车辆特征调整模块706，用于当基于各所述车辆特征确定各所述车辆图像之间重叠区域图像中存在不一致的特征时，对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像；

车辆图像切分模块708，用于依据所述摄像头与所述目标车辆之间的距离，分别从所述车辆调整图像中切分出固定尺寸的图像块；

图像拼接模块710，用于对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像。

在其中一个实施例中，所述车辆图像获取模块702，包括：

鱼眼拍摄单元，用于当鱼眼摄像头位于所述目标车辆所行驶车道的一侧时，获取所述鱼眼摄像头在不同时刻拍摄所述目标车辆所得的车辆图像；

所述车辆特征提取模块704，包括：

矫正表矫正单元，用于将各所述车辆图像按照图像矫正表进行矫正，得到各矫正后车辆图像；

特征提取单元，用于在各所述矫正后车辆图像中进行图像特征提取，得到对应的车辆特征。

在其中一个实施例中，所述特征提取单元，包括：

图像归一化子单元，用于对各所述矫正后车辆图像进行归一化，得到各归一化的矫正后车辆图像；

图像提取子单元，用于对各所述归一化的矫正后车辆图像进行图像特征提取，得到各自对应的所述车辆特征。

在其中一个实施例中，所述图像拼接模块710，包括：

位移信息确定单元，用于计算各所述车辆图像中的特征点位移信息；

拼接位置确定单元，用于基于各所述图像块的长度信息、所述特征点位移信息以及所述车辆拼接图像的预计长度，确定各所述图像块的拼接位置信息；

图像拼接单元，用于基于所述拼接位置信息对所述图像块进行拼接，得到车辆拼接图像。

在其中一个实施例中，所述车辆拼接图像是基于每次实时获取到相应时刻的车辆图像进行拼接所得的；所述图像拼接单元，包括：

第一拼接单元，用于当首次拼接时，基于所述拼接位置信息对所述目标车辆前两帧的所述车辆图像对应的图像块进行拼接，并对所述重叠区域图像进行像素均值化；

第二拼接单元，用于当非首次拼接时，依据所述拼接位置信息，将所述目标车辆后续帧的所述车辆图像对应的图像块叠加至上一次拼接所得的中间拼接图像，并对所述重叠区域图像进行像素均值化，得到所述车辆拼接图像。

在其中一个实施例中，所述目标车辆的车辆图像包括车头图像、车辆中部图像和尾部图像；

所述第一拼接单元，包括：

车头拼接子单元，用于当首次拼接时，基于所述拼接位置信息对所述目标车辆的车头图像对应的图像块进行拼接；

所述第二拼接单元，包括：

实时拼接子单元，用于当非首次拼接且车头图像为多于两个时，依据所述拼接位置信息，依序将所述目标车辆的车头图像、车辆中部图像和尾部图像对应的图像块叠加至上一次拼接所得的中间拼接图像。

在其中一个实施例中，所述车辆特征调整模块706，包括：

底部信息获取单元，用于获取所述车辆特征对应的车辆底部信息；

矫正系数获取单元，用于基于所述车辆底部信息获取矫正系数；

特征调整单元，用于对所述不一致的特征按照所述矫正系数进行调整，得到所述车辆调整图像。

在其中一个实施例中，所述摄像头位于所述目标车辆所行驶车道的一侧，所述方法还包括车辆识别模块；车辆识别模块包括：

侧边特征提取单元，用于对所述车辆拼接图像进行特征提取，得到车辆侧边特征；

车辆信息识别单元，用于基于所述车辆侧边特征，识别所述车辆的车型信息与轴数信息中的至少一项。

上述车辆图像的拼接装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆图像的拼接方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (12)

1.一种车辆图像的拼接方法，其特征在于，所述方法包括：

获取摄像头在不同时刻拍摄目标车辆所得的车辆图像；

在各所述车辆图像中进行图像特征提取，得到对应的车辆特征；

当基于各所述车辆特征确定各所述车辆图像之间重叠区域图像中存在不一致的特征时，对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像；

依据所述摄像头与所述目标车辆之间的距离，分别从所述车辆调整图像中切分出固定尺寸的图像块；

对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像。

2.根据权利要求1所述的方法，其特征在于，所述获取摄像头在不同时刻拍摄目标车辆所得的车辆图像，包括：

当鱼眼摄像头位于所述目标车辆所行驶车道的一侧时，获取所述鱼眼摄像头在不同时刻拍摄所述目标车辆所得的车辆图像；

所述在各所述车辆图像中进行图像特征提取，得到对应的车辆特征，包括：

将各所述车辆图像按照图像矫正表进行矫正，得到各矫正后车辆图像；

在各所述矫正后车辆图像中进行图像特征提取，得到对应的车辆特征。

3.根据权利要求2所述的方法，其特征在于，所述在各所述矫正后车辆图像中进行图像特征提取，得到对应的车辆特征，包括：

对各所述矫正后车辆图像进行归一化，得到各归一化的矫正后车辆图像；

对各所述归一化的矫正后车辆图像进行图像特征提取，得到各自对应的所述车辆特征。

4.根据权利要求1所述的方法，其特征在于，所述对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像，包括：

计算各所述车辆图像中的特征点位移信息；

基于各所述图像块的长度信息、所述特征点位移信息以及所述车辆拼接图像的预计长度，确定各所述图像块的拼接位置信息；

基于所述拼接位置信息对所述图像块进行拼接，得到车辆拼接图像。

5.根据权利要求4所述的方法，其特征在于，所述车辆拼接图像是基于每次实时获取到相应时刻的车辆图像进行拼接所得的；所述基于所述拼接位置信息对所述图像块进行拼接，得到车辆拼接图像，包括：

当首次拼接时，基于所述拼接位置信息对所述目标车辆前两帧的所述车辆图像对应的图像块进行拼接，并对所述重叠区域图像进行像素均值化；

当非首次拼接时，依据所述拼接位置信息，将所述目标车辆后续帧的所述车辆图像对应的图像块叠加至上一次拼接所得的中间拼接图像，并对所述重叠区域图像进行像素均值化，得到所述车辆拼接图像。

6.根据权利要求5所述的方法，其特征在于，所述目标车辆的车辆图像包括车头图像、车辆中部图像和尾部图像；

所述当首次拼接时，基于所述拼接位置信息对所述目标车辆前两帧的所述车辆图像对应的图像块进行拼接，包括：

当首次拼接时，基于所述拼接位置信息对所述目标车辆的车头图像对应的图像块进行拼接；

所述当非首次拼接时，依据所述拼接位置信息，将所述目标车辆后续帧的所述车辆图像对应的图像块叠加至上一次拼接所得的中间拼接图像，包括：

当非首次拼接且车头图像为多于两个时，依据所述拼接位置信息，依序将所述目标车辆的车头图像、车辆中部图像和尾部图像对应的图像块叠加至上一次拼接所得的中间拼接图像。

7.根据权利要求1所述的方法，其特征在于，所述对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像，包括：

获取所述车辆特征对应的车辆底部信息；

基于所述车辆底部信息获取矫正系数；

对所述不一致的特征按照所述矫正系数进行调整，得到所述车辆调整图像。

8.根据权利要求1所述的方法，其特征在于，所述摄像头位于所述目标车辆所行驶车道的一侧，所述方法还包括：

对所述车辆拼接图像进行特征提取，得到车辆侧边特征；

基于所述车辆侧边特征，识别所述车辆的车型信息与轴数信息中的至少一项。

9.一种车辆图像的拼接装置，其特征在于，所述装置包括：

车辆图像获取模块，用于获取摄像头在不同时刻拍摄目标车辆所得的车辆图像；

车辆特征提取模块，用于在各所述车辆图像中进行图像特征提取，得到对应的车辆特征；

车辆特征调整模块，用于当基于各所述车辆特征确定各所述车辆图像之间重叠区域图像中存在不一致的特征时，对各所述车辆图像中不一致的特征进行调整，得到车辆调整图像；

车辆图像切分模块，用于依据所述摄像头与所述目标车辆之间的距离，分别从所述车辆调整图像中切分出固定尺寸的图像块；

图像拼接模块，用于对各所述车辆图像对应的图像块进行拼接，得到车辆拼接图像。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

12.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

Images