单目测距方法、装置及计算机可读存储介质制造方法及图纸

一种单目测距方法，包括步骤:采集包含目标物体的第一图像及第二图像；分别对所述第一图像及所述第二图像进行降噪处理并分割成多个第一子图像以及多个第二子图像；分别对所述多个第一子图像及所述多个第二子图像进行边缘提取得到多个第一边缘图像及多个第二边缘图像；使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息并将灰度积分信息进行自适应归一化处理；分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距并据以计算出所述目标物体的距离。本发明专利技术还公开了一种单目测距装置及计算机可读存储介质。本发明专利技术可以精准计算取得所述目标物体的距离。述目标物体的距离。述目标物体的距离。

【技术实现步骤摘要】
单目测距方法、装置及计算机可读存储介质


[0001]本专利技术是关于测距
，尤其是关于一种单目测距方法、装置及计算机可读存储介质。

技术介绍

[0002]利用摄像头测定物体距离的技术，目前主流为双目测距及单目测距。由于双目测距方法中，各摄像头所拍摄之图像间的特征对应性不易确定，所以精准度不够可靠。相比较而言，单目测距方法，由于只需要单个摄像头，不仅成本较低，且结构简单，使其在测距应用上占有一定的地位。
[0003]目前对于立体物体的单目测距，一般采用散焦图像测距算法，例如Subbarao提出的算法。该算法采用动态参照技术，通过高斯卷积准模糊处理后，按照平面测距来处理，然而该算法存在一定的误差。

技术实现思路

[0004]有鉴于此，需要一种单目测距方法、装置及计算机可读存储介质，可以提高单目摄像头测距的精准度。
[0005]本专利技术提供一种单目测距方法，所述方法包括以下步骤:获取摄像镜头参数；采集包含目标物体的第一图像及第二图像；分别对所述第一图像及所述第二图像进行降噪处理；分割降噪后的所述第一图像为多个第一子图像以及分割降噪后的所述第二图像为多个第二子图像；分别对所述多个第一子图像及所述多个第二子图像进行边缘提取得到多个第一边缘图像及多个第二边缘图像；使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息；对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理；分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距；以及使用高斯融合算法整合计算取得的多个物距，以计算出所述目标物体的距离。
[0006]本专利技术还提供一种单目测距装置，所述单目测距装置包括:摄像头；处理器；以及存储器，用于存储至少一个计算机程序，其中，所述计算机程序包含由所述处理单元执行的指令，使得所述处理单元执行以下步骤:获取所述摄像头的摄像镜头参数；采集包含目标物体的第一图像及第二图像；分别对所述第一图像及所述第二图像进行降噪处理；分割降噪后的所述第一图像为多个第一子图像以及分割降噪后的所述第二图像为多个第二子图像；分别对所述多个第一子图像及所述多个第二子图像进行边缘提取得到多个第一边缘图像及多个第二边缘图像；使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息；对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理；分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距；以及使用高斯融合算法整合计算取得的多个物距，以计算出所述目标物体的距离。
[0007]本专利技术还提供一种计算器可读存储介质，存储有可执行程序，所述可执行程序被
处理器执行时，实现所述单目测距方法。
[0008]相较于现有技术，利用上述单目测距方法、装置及计算机可读存储介质，可以使用单目摄像头精准测量目标物体的距离。
附图说明
[0009]图1为根据本专利技术一实施例之单目散焦测距的原理示意图。
[0010]图2为根据本专利技术一实施例之单目测距方法的流程图。
[0011]图3为根据本专利技术一实施例之单目测距装置的方块图。
[0012]主要元件符号说明
[0013]步骤S202～S220单目测距装置300处理器302存储器304摄像机306
具体实施方式
[0014]请参阅图1，所示为本专利技术一实施例中单目散焦测距的原理示意图。使用单目摄像头测量距离的方法一般使用散焦测距算法，散焦指的是缺乏聚焦，利用摄像头未正确对焦而产生影像模糊的程度作为估测物体距离的依据。该算法最少只需要两张不同摄像镜头参数所拍摄的图像，利用物体深度、摄像镜头参数和图像模糊度之间的关系来获取物体的深度信息。由图1可知，目标物体表面发射的光通过半径为D/2的孔径光栏后，根据几何光学的物像关系:1/u+1/v＝1/f，其中，u是目标物体表面的物距，v是像距，f是焦距。当像点和摄像平面不重合时，目标物体在摄像面上形成不是清晰的像点，而是与孔径光栏形状相同的模糊光斑。孔径光栏具有圆对称性，所以模糊光斑为一个圆形光斑，其光斑半径R1、R2与光学系统的光学参数，包括透镜孔径D、两次摄像平面距透镜的距离s1、s2，及目标物体的物距u之间有如下公式所示的关系，并且不受光线频率的影响。因此，在已知光学参数的情况下，只要测量出目标物体上某点模糊光斑的半径，就能计算出该点的物距u。
[0015]R
1-1/2
×
D
×
s1×
(1/f-1/u-1/s1)
[0016]R
2-1/2
×
D
×
s2×
(1/f-1/u-1/s2)
[0017]R1/R2＝(s
1-u)/(s
2-u)
[0018]请参阅图2，所示为本专利技术一实施例中单目测距方法的流程图。
[0019]步骤S202，获取摄像镜头参数，其中，所述参数包括内部参数。
[0020]步骤S204，采集包含目标物体的第一图像及第二图像。在一实施例中，所述目标物体包含立体物。
[0021]步骤S206，分别对所述第一图像及所述第二图像进行降噪处理。在一实施例中，采用高斯降噪的方法以降低由于所述摄像镜头震动带来的噪声。
[0022]步骤S208，将降噪后的所述第一图像分割成多个第一子图像，将降噪后的所述第二图像分割成多个第二子图像。在一实施例中，对降噪后的所述第一图像的分割方式与对降噪后的所述第二图像的分割方式相同，且所述多个第一子图像的数量与所述多个第二子
图像的数量相同。
[0023]步骤S210，分别对所述多个第一子图像及所述多个第二子图像进行边缘提取。一般来说，图像边缘的对应为图像中灰度发生急剧变化的区域边界，利用边缘检测算法，可提取出图像中物体与背景的交界线。在一实施例中，使用横向和纵向两个方向的Sobel运算元对所述多个第一子图像及所述多个第二子图像进行边缘提取。
[0024]步骤S212，将提取出来的边缘图像导到新图像，分别得到多个第一边缘图像及多个第二边缘图像。
[0025]步骤S214，利用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息。此步骤可以更准确地定位所述多个第一边缘图像及所述第二边缘图像中的物体边缘的内边界边缘和外边界边缘
[0026]步骤S216，对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理，以降低目标物体的表面颜色对测距的影响。
[0027]步骤S218，分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距。具体地，物距的计算是分别根据所述多个第一边缘图像及所述多个第二边缘图像中边缘区域的模糊程度及步骤S202中取得的内部参数进行计算。
[0028]步骤S220，采用高斯融合算法整合计算取得的多个物距，以计算出目标物体的距离。
[0029]请参阅图3，所示为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种单目测距方法，其特征在于，所述方法包括以下步骤:获取摄像镜头参数；采集包含目标物体的第一图像及第二图像；分别对所述第一图像及所述第二图像进行降噪处理；分割降噪后的所述第一图像为多个第一子图像以及分割降噪后的所述第二图像为多个第二子图像；分别对所述多个第一子图像及所述多个第二子图像进行边缘提取，得到多个第一边缘图像及多个第二边缘图像；使用模拟积分算法分别累加所述多个第一边缘图像及所述多个第二边缘图像中的灰度信息；对所述多个第一边缘图像及所述多个第二边缘图像中的灰度积分信息进行自适应归一化处理；分别计算所述多个第一边缘图像及所述多个第二边缘图像中的物距；以及使用高斯融合算法整合计算取得的多个物距，以计算出所述目标物体的距离。2.如权利要求1所述之单目测距方法，其特征在于，所述分别对所述第一图像及所述第二图像进行降噪处理的步骤，包括:使用高斯降噪算法对所述第一图像及所述第二图像进行降噪处理。3.如权利要求1所述之单目测距方法，其特征在于，所述多个第一子图像的数量与所述多个第二子图像的数量相同。4.如权利要求1所述之单目测距方法，其特征在于，所述分别对所述多个第一子图像及所述多个第二子图像进行边缘提取，得到多个第一边缘图像及多个第二边缘图像的步骤包括:使用Sobel运算元对所述多个第一子图像及所述多个第二子图像进行边缘提取。5.如权利要求4所述的单目测距方法，其特征在于，所述Sobel运算元包含横向Sobel运算元以及纵向Sobel运算元。6.一种单目测距装置，其特征在于，所述单目测距装置包括:摄像头；处理器；以及存储器，用于存储至少...

【专利技术属性】
技术研发人员：郑春强，
申请(专利权)人：南宁富桂精密工业有限公司，
类型：发明
国别省市：