【技术实现步骤摘要】
基于单目相机的测距方法、装置、设备及存储介质
[0001]本专利技术涉及机器视觉测距领域，尤其涉及一种基于单目相机的测距方法、装置、设备及存储介质。
技术介绍
[0002]视觉测距作为机器视觉领域内重要技术之一而受到广泛的关注，其在机器人和无人驾驶领域的应用中占有重要的地位，广泛应用于机器视觉定位、视觉避障等。机器视觉测量主要分为：单目视觉测量、双目视觉测量、结构光视觉测量等。其中，单目视觉测量因架构简单，运算速度快而具有广阔的应用前景。
[0003]现有技术中，基于单目相机的测距主要采用两种方式，方式一是基于消影线的三角测距，方式二是尺度测距。方式一通过计算出测距点以及相机的消影线直接计算出距离，对于一些比较平坦的高速等场景测距比较准确；方式二根据待测距目标的物理宽度、成像宽度以及相机焦距计算得到距离，通常能够获得一个距离的参考值。
[0004]然而，方式一，在路况比较复杂的场景中，比如上坡、下坡、颠簸路段等，通过单一的消影线不能准确获取距离；并且，方式二的尺度测距往往不能准确获取待测距目标的物理宽度，而导...
【技术保护点】
【技术特征摘要】
1.一种基于单目相机的测距方法，应用于测距装置，所述测距装置安装于所述可移动的终端设备的内部，其特征在于，包括：实时获取所述可移动终端设备在道路中行驶时拍摄的道路影像；根据所述道路影像的当前帧，得到第一目标距离，所述第一目标距离用于表示所述当前帧中待测距的目标物体与所述可移动的终端设备的纵向距离；根据所述当前帧中所述目标物体的图像数据，预先存储的参考帧数据和预先获取的加权融合系数，对所述第一目标距离进行加权融合，得到加权融合后的第二目标距离；所述参考帧数据包括所述目标物体在参考帧中的图像数据和所述参考帧中所述目标物体与所述可移动的终端设备的纵向距离。2.根据权利要求1所述的方法，其特征在于，所述根据所述道路影像的当前帧，得到第一目标距离，包括：获取所述道路影像的当前帧的至少一条消影线；获取所述当前帧中测距点的位置，所述测距点为所述目标物体与地面的交线上的一点；根据所述至少一条消影线和所述测距点的位置，通过三角测距，计算得到所述第一目标距离。3.根据权利要求1所述的方法，其特征在于，所述根据所述当前帧中所述目标物体的图像数据，预先存储的参考帧数据和预先获取的加权融合系数，对所述第一目标距离进行加权融合，得到加权融合后的第二目标距离，包括：根据所述当前帧中所述目标物体的图像数据，获取所述目标物体的第一目标尺寸；根据所述参考帧数据中所述目标物体的第二目标尺寸和所述第一目标尺寸，得到尺寸变化率；根据所述尺寸变化率、所述参考帧数据中所述目标物体与所述可移动的终端设备的纵向距离和预先获取的加权融合系数，对所述第一目标距离进行加权融合，得到加权融合后的第二目标距离。4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：根据所述当前帧中所述目标物体的图像数据，获取尺度测距结果；根据预设的尺度测距浮动范围，确定所述尺度测距结果的上限阈值和下限阈值；确定所述第二目标距离是否处于所述上限阈值和所述下限阈值之间；若所述第二目标距离处于所述上限阈值和所述下限阈值之间，则将所述第二目标距离作为第四目标距离；若所述第二目标距离大于所述上限阈值，则将所述上限阈值作为第四目标距离；若所述第二目标距离小于所述下限阈值，则将所述下限阈值最为第四目标距离。5.根据权利要求2所述的方法，其特征在于，所述获取道路影像的当前帧的至少一条消影线，包括：根据深度学习算法，对所述当前帧的图像数据进行路面分割，得到具有多个分割区域的图像数据；根据每个分割区域的车道线，获取每个分割区域的消影线。6.根据权利要求2或5所述的方法，其特征在于，所述根据所述至少一条消影线和所述
测距点的位置，通过三角测距，计算得到第一目标距离，包括：根据所述至少一条消影线，得到所述测距装置的俯仰角；根据所述俯仰角、所述测距点的位置，结合所述测距装置的设置参数，通过三角测距，计算得到第一目标距离；其中，所述测距装置的设置参数包括：安装高度、偏转角、相机焦距、光心坐标。7.根据权利要求4所述的方法，其特征在于，所述根据所述当前帧中所述目标物体的图像数据，获取尺度测距结果，包括：获取所述目标物体在所述当前帧中的成像宽度；根据所述成像宽度、所述目标物体的物理宽度和所述测距装置的相机焦距，计算得到所述尺度测距结果。8.一种测距装置，其特征在于，包括：获取模块，用于实时获...
【专利技术属性】
技术研发人员：苏军，
申请(专利权)人：上海高德威智能交通系统有限公司，
类型：发明
国别省市：
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。