【技术实现步骤摘要】
一种基于双目视觉的深度学习障碍物测距方法
本专利技术属于立体视觉测距方法
，具体涉及一种基于双目视觉的深度学习障碍物测距方法。
技术介绍
随着人们生活水平的提高，全国汽车保有数量不断增高，截止2017年底全国机动车数量已达3.1亿。汽车数量的增多不仅使生活更加便利，同时也伴随着安全隐患，仅2016一年就发生了道路交通事故864.3万起。由于通常在倒车过程中驾驶员只能通过后视镜、倒车雷达等技术判断车辆后方环境情况，不可避免的有功能单一或存在盲区的问题，给交通参与者产生巨大不便。汽车事故中有很大部分是由于行驶视野不良造成的。随着人们对汽车安全性、智能化要求的增长，需要一个能够识别、检测障碍物的预警系统保障车辆及驾驶人的安全。目前家用轿车上主流的安全预警系统中，激光、雷达、超声波等主动式测量技术的应用较为普遍，但是这些技术存在着成本昂贵、安装复杂、受环境影响因素较大等缺点。而且主动测量方法仅能简单的测量车辆与周围环境的距离，不足以实现对车辆周围环境的直观判断。相比于主动检测方法，本专利使用的视觉信息测量具有安装简单、成本低、视野开阔等优势，在测量距离的同时也能够得...
【技术保护点】
1.一种基于双目视觉的深度学习障碍物测距方法，其特征在于，具体操作步骤如下，步骤1：搭建包含双目相机的双目视觉数据采集系统，所述双目相机包包括第一相机和第二相机，所述第一相机和第二相机相对固定在相机支撑架上；步骤2：基于针孔相机原理建立双目相机投影模型，随后对双目相机进行标定，分别求出投影模型内双目相机的内参数矩阵、第一相机与第二相机的相对几何关系；步骤7：将步骤6中两个摄像头的两个二维形心坐标分别代入步骤2得到的双目视觉数据采集系统模型，从而求出障碍物目标在空间中的三维坐标，并通过距离计算公式求出障碍物距离，实现目标的识别与测距。
【技术特征摘要】
1.一种基于双目视觉的深度学习障碍物测距方法，其特征在于，具体操作步骤如下，步骤1：搭建包含双目相机的双目视觉数据采集系统，所述双目相机包包括第一相机和第二相机，所述第一相机和第二相机相对固定在相机支撑架上；步骤2：基于针孔相机原理建立双目相机投影模型，随后对双目相机进行标定，分别求出投影模型内双目相机的内参数矩阵、第一相机与第二相机的相对几何关系；步骤7：将步骤6中两个摄像头的两个二维形心坐标分别代入步骤2得到的双目视觉数据采集系统模型，从而求出障碍物目标在空间中的三维坐标，并通过距离计算公式求出障碍物距离，实现目标的识别与测距。2.根据权利要求1所述的一种基于双目视觉的深度学习障碍物测距方法，其特征在于，步骤2具体为，使用棋盘格标定板标定，计算出双目相机的内参数和两个相机间的相对位置，即可确定双目相机投影模型，建立图像上投影点到三维世界坐标之间的关系，标时使用张正友标定法，首先制作标定平板并将其固定在木板上，再移动标定板，获取不同角度位置的至少3组照片，检测出照片中所有角点，通过求解线性方程组，求得双目相机的内参数与两个相机之间的相对位置；在双目相机投影模型下，三维空间点与二维投影点坐标间的映射关系如公式(5)所示，齐次坐标形式如公式(6)所示，m＝PM(5)0T是0向量，m是空间点M在成像平面上投影的的坐标，P是内参数矩阵，其中，f表示焦距，即图像平面和相机中心间的距离，和dx、dy分别代表x、y轴上的归一化焦距，其中dx、dy是单个像素的物理尺寸，光轴和图像平面的交点c为图像坐标原点，其中c＝[cx，cy]，它们组成的维数为3×3矩阵K称为相机的内参数矩阵，R是照相机方向的旋转矩阵，t是相机中心位置的三维平移向量，R和t共同组成的4×4的矩阵为第一相机和第二相机的镜头间相对几何关系。3.根据权利要求2所述的一种基于双目视觉的深度学习障碍物测距方法，其特征在于，步骤4中目标检测模型由特征提取、候选区域生成，目标位置输出三部分组成，其中特征提取利用卷积层与池化层交替组合而成的VGG卷积神经网络进行，将输入图像组合成更抽象的特征图，随后将特征图输入RPN区域建议网络提取目标的候选区域；再利用ROI池化层将目标候选区域池化到同一个固定的尺度连接全连...
【专利技术属性】
技术研发人员：胡绍林，张嘉旭，史浩强，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。