为使司机清楚直观地了解车辆在当前道路中的具体位置,减少车辆在狭窄路况的磨损剐蹭。提出一种基于SVD(SingularValueDecomposition)算法的车前影像轨迹提取方法:即按照阿克曼转向定律,得到车前影像原始图像坐标点。通过SVD算法求出透视变化矩阵,经透视变化后得到车前影像轨迹的采样点,最后根据得到的采样点绘制静态辅助线和动态辅助线。通过计算机仿真软件MATLAB进行误差分析可得知模拟轨迹与理想轨迹的相似度在0.90～0.92之间,效果较好。奇异值分别进行判断，若σn<1.0E-9d将该奇异值舍弃。3）输出U、S、V矩阵。4）判断返回值，其大于0则分解成功。若其返回值小于0，则重复上述步骤。步骤4：判断求出的A3中的参数是否小于零。透视参数小于零，则能够增强其透视感，使绘制的辅助线具有层次感。步骤5：得到透视变换矩阵。步骤6：结束。1.3采样点的求解依据阿克曼转向定律[7]，确定车前影像运动轨迹原始坐标点，车前影像轨迹-数控滚圆机张家港钢管滚圆机滚弧机全自动折弯机滚圆机本文构建全局坐标系Xi0Yi和车辆局部坐标系XtMbYt，如图3所示。图3车辆局部坐标系与全局坐标系Mf为前轴的中点坐标，Mb为局部坐标系原点，θ为局部和全局参考系之间的角度差，0'为瞬时中心点，汽车转向时绕着该点做圆周滚动。且前内轮与前外轮转角应满足定义[13]：ctgβ-ctgɑ=K/L式中β表示汽车前外轮转角，ɑ表示汽车前内轮转角，K表示两主销中心距，L表示轴距。在进行轨迹点的采取时，本文将这些参数分别进行初始化设置：内轮最大转角ɑ=42°，因为一般最大偏转角大约在(34°-42°)[14]，前外轮转角β=40°，要求其转角最大误差为2°，K/L=0.43，本文以K=1420mm，L=3300mm的汽车为例。全局坐标点与局部坐标点之间应满足关系式[15]：处理后，本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/其采集到的轨迹原始坐标如表1所示。本文对SVD算法中参数进行了初始化设置，即m=n=3，表示为一个3×3的实矩阵。则奇异值个数n=3。调用MatlabR2013a中的SVD算法指令将其集成到影像图中，再经过图像的实时处理，便可准确的将车前辅助线显示在显示屏。实时处理的主要内容是处理摄像头采集到的图像，实时传输到人机界面上，该过程包括了对图像的校正处理，对静态、动态辅助线的集成。为验证系统的可行性，本文制作小车模型，选择微雪RaspberryPi3ModelB树莓派作为微处理器，开发板运算能力满足画线要求。摄像头型号为RaspberryPiCameraOV5647；显示器型号为微雪5寸HDMILCD显示屏：角度传感器型号L3G4200D：其最终呈现在显示屏上的效果如图5所示。图5实际效果图实验结果：图中在地面上的两条黑线为模拟实际路况所画，动态辅助线能够较为准确的与陀螺仪采集的数据做出相应的轨迹变化，来预测车辆前进的运动轨迹。静态辅助线也更直观的表示出车辆在道路上的行驶位置。与传统的倒车影像不同，该车前影像能够帮助司机在行驶中对前方路况做出更好的判断。在狭窄路段，该系统可给予司机一个本车车宽是否适合通过前方路况的清晰认识。在转弯路段，动态辅助线可较为准确的预测车辆偏转角度，司机做出相应的调整，降低隐患。3结论分析为检验车前影像轨迹系统的可靠性，本文在PC端进行了仿真模拟，由于在PC端进行仿真时，无天气、能见度、光照、行人、路况等因数的影响，可近似的认为PC端呈现出来的静态与动态辅助线是理想轨迹。通过小车模型上呈现的车前影像轨迹与PC端呈现的理想轨迹进行对比，分析该模拟轨迹的相似率，此相似率是指通过对比模拟轨迹与理想轨迹车前影像轨迹-数控滚圆机张家港钢管滚圆机滚弧机全自动折弯机滚圆机本文由公司网站 张家港蔬菜大棚滚圆机网站 转载中国知网整理!    http://www.gunyuanji.org/