【技术实现步骤摘要】
一种智能驾驶环境下的单目测距方法
本专利技术涉及机器视觉
，特别是涉及一种智能驾驶环境下的单目测距方法。
技术介绍
汽车的智能网联化是如今汽车发展的主要方向之一，视觉传感器具有提取信息量大、信息完整、价格便宜等优点，故成为获取周围环境信息的重要手段之一。由于图像存在深度缺失以及背景环境干扰的问题，通过单目摄像头对物体进行准确测距的方法一直是视觉研究的难点之一，目前主流的方法包括：使用运动图像中的多个匹配点来对物体深度进行估测；通过寻找稳定参照物的方法来获得距离信息；通过固定摄像头位置状态下的物体距离检测方法；通过卷积神经网络来检测物体在图片中的大概尺寸结合先验信息进行估测。以上方法都多少存在精度不高、适用性不广、容易受环境干扰以及步骤繁琐等问题。因此，行业内急需研发一种精度高、误差稳定、抗干扰能力强的单目视觉测距方法。
技术实现思路
针对现有技术存在的单目物体测距中深度缺失、背景干扰与前景分割困难的问题，本专利技术提供一种智能驾驶环境下的单目测距方法。本申请的具体方案如下：<...
【技术保护点】
1.一种智能驾驶环境下的单目测距方法，其特征在于，包括：/nS1，从车载摄像头拍摄的视频流中逐帧获得图像；/nS2，利用深度卷积神经网络模型从逐帧图像中识别出待测物体，并提取待测物体的标签信息与二维边框信息；/nS3，根据二维边框信息将待测物体从单帧图像中初步分割，并根据标签信息对待测物体进行分类；/nS4，根据待测物体的分类类型选择对应的图像深度分割与数值化方法对待测物体进行进一步的分割处理，得到待测物体的数值化信息；/nS5，根据相机成像原理与几何测距模型，利用物体数值化的信息与先验信息对待测物体进行测距，其中所述先验信息为待测物体的几何尺寸。/n
【技术特征摘要】
1.一种智能驾驶环境下的单目测距方法，其特征在于，包括：
S1，从车载摄像头拍摄的视频流中逐帧获得图像；
S2，利用深度卷积神经网络模型从逐帧图像中识别出待测物体，并提取待测物体的标签信息与二维边框信息；
S3，根据二维边框信息将待测物体从单帧图像中初步分割，并根据标签信息对待测物体进行分类；
S4，根据待测物体的分类类型选择对应的图像深度分割与数值化方法对待测物体进行进一步的分割处理，得到待测物体的数值化信息；
S5，根据相机成像原理与几何测距模型，利用物体数值化的信息与先验信息对待测物体进行测距，其中所述先验信息为待测物体的几何尺寸。
2.根据权利要求1所述的智能驾驶环境下的单目测距方法，其特征在于，并根据标签信息对待测物体进行分类的步骤包括：
将物理特征相似度为k的待测物体分为同一类，k>0，其中，物理特征包括形状、大小、颜色与材质中至少一种。
3.根据权利要求1所述的智能驾驶环境下的单目测距方法，其特征在于，所用图像深度分割与数值化方法包括图像白平衡、灰度化处理、RGB/HSV阈值化处理、Candy边缘检测、Hough变换与滑动窗口多项式拟合方法。
4.根据权利要求1所述的智能驾驶环境下的单目测距方法，其特征在于，所述数值化方法的步骤包括：
统计单帧图像某部分的每列像素之和，以单帧图像左右两边的感兴趣区域为范围搜寻像素值和的最大值作为滑动窗口的起始点；
其中，m、n为图像的像素宽度与高度；hj为每列像素之和；Bl、Br为滑动窗口的左右初始点；k,li,ri为感兴趣区域的参数；根据式(1)获得初始点之后，算法根据一个矩形面积向上生长，根据矩形中像素最大值确定生长方向以及下一个初始点，以此迭代，最后通过多项式拟合方法对每一个矩形的中心点进行拟合，最终得到边界信息，迭代过程如式(2)所示；
式中w1、w2、h1、h2表示了矩形的长度与宽度；N表示矩形内像素之和；cj为矩形内每列像素之和；Bc为滑动窗口的迭代后的初始点；
根据拟合结果可得多条直线，求解相邻直线的交点，即可得到多边形的顶点坐标信息(ui,vi)；
Aiu+Biv+ci＝Aju+Bjv+cj(3)。
5.根据权利要求4所述的智能驾驶环境下的单目测距方法，其特征在于，步骤S5包括：设O-x-y-z为相机坐标系，现实世界的空间点P...
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。