车辆与目标物之间距离的测量方法、装置、设备及介质制造方法及图纸

本申请涉及一种车辆与目标物之间距离的测量方法、装置、设备及介质，涉及测距的技术领域，其包括接收摄像头拍摄的视频，在所述视频中筛选出帧图像；其中，所述摄像头安装于第一车辆上；将所述帧图像输入至训练好的PP

【技术实现步骤摘要】
车辆与目标物之间距离的测量方法、装置、设备及介质


[0001]本申请涉及测距的
，尤其是涉及一种车辆与目标物之间距离的测量方法、装置、设备及介质。

技术介绍

[0002]测量机场内车辆与目标物之间的距离可以应用到很多场景，例如，机场内车辆与飞行器定位和车辆行驶避障等。尤其是在机场安全方面，距离是很重要的参考指标；其中，目标物可以为其他车辆，也可以是飞行器。
[0003]目前，有很多方法来实现车辆与目标物之间的距离测量。例如，使用雷达等特殊设备进行测距，这种方式成本较高；基于传统的图像处理方法或者基于RCNN、SSD的方法，这类测距方法资源消耗大，运行速度和精度较低。
[0004]因此，目前亟需一种车辆与目标物之间距离的测量方法，用低成本的方式，准确地获取车辆与目标物之间的距离。

技术实现思路

[0005]为了准确地获取车辆与目标物之间的距离，本申请提供一种车辆与目标物之间距离的测量方法、装置、设备及介质。
[0006]第一方面，本申请提供一种车辆与目标物之间距离的测量方法，采用如下的技术方案：
[0007]一种车辆与目标物之间距离的测量方法，包括：
[0008]接收摄像头拍摄的视频，在所述视频中筛选出帧图像；其中，所述摄像头安装于第一车辆上；
[0009]将所述帧图像输入至训练好的PP
‑
YOLO模型中，识别出帧图像中的目标物，获取所述目标物的预测框的坐标；其中，所述目标物为第二车辆和/或飞行器；
[0010]根据所述坐标，求取第一车辆与所述目标物之间的距离。
[0011]通过采用上述技术方案，以速度更快、精度更高、基于深度学习的端到端目标检测模型PP
‑
YOLO为基础来实现目标检测，从而提高测距的速度和精度。
[0012]优选的，所述摄像头为双目摄像头，所述视频包括第一视频和第二视频，所述帧图像包括第一图像和第二图像；所述接收摄像头拍摄的视频，在所述视频中筛选出帧图像，包括：
[0013]每间隔预设帧，在所述第一视频中筛选出第一图像，在所述第二视频中筛选出第二图像。
[0014]优选的，所述PP
‑
YOLO模型训练，包括：
[0015]采用CIOU损失函数，对所述PP
‑
YOLO模型进行优化；
[0016]获取训练样本，将所述训练样本输入至优化后的PP
‑
YOLO模型中进行训练，得到训练好的PP
‑
YOLO模型。
[0017]通过采用上述技术方案，基于CIOU损失函数，能够解决边界框不重合问题,提高目标检测的鲁棒性。
[0018]优选的，在所述获取训练样本，将所述训练样本输入至优化后的PP
‑
YOLO模型中进行训练，得到训练好的PP
‑
YOLO模型之后，还包括：
[0019]对训练好的PP
‑
YOLO模型进行加速处理。
[0020]优选的，所述获取训练样本，包括：
[0021]采集目标物图像，将所述目标物图像输入至对抗生成网络模型中，生成新的目标物图像；
[0022]将所述目标物图像和新的目标物图像合并为图像数据集，对所述图像数据集进行预处理，得到所述训练样本。
[0023]通过采用上述技术方案，使用对抗生成网络模型来生成新的目标物图像来增加图像数据集中的图像数量，同时利用机场环境下车辆和飞行器的特殊性对图像数据集做针对性的预处理，来提高PP
‑
YOLO模型检测的精度和鲁棒性。
[0024]优选的，所述对训练好的PP
‑
YOLO模型进行加速处理，包括：
[0025]采用TensorRT对对训练好的PP
‑
YOLO模型进行加速处理。
[0026]通过采用上述技术方案，使用TensorRT对PP
‑
YOLO模型进行加速处理，进一步提高运算速度，同时减少运算所消耗的资源，让算法运行在算力较小的边缘设备上。
[0027]优选的，所述根据所述坐标，求取第一车辆与所述目标物之间的距离，包括：
[0028]获取所述双目摄像头与车头外边缘的第一距离；
[0029]采用双目测距基本原理，根据所述坐标，计算得到所述双目摄像头与目标物之间的第二距离；
[0030]根据所述第一距离和第二距离，获取所述距离。
[0031]第二方面，本申请提供一种车辆与目标物之间距离的测量装置，采用如下的技术方案：
[0032]一种车辆与目标物之间距离的测量装置，其特征在于，包括，
[0033]筛选模块，用于接收摄像头拍摄的视频，在所述视频中筛选出帧图像；其中，所述摄像头安装于第一车辆上；
[0034]识别模块，用于将所述帧图像输入至训练好的PP
‑
YOLO模型中，识别出帧图像中的目标物，获取所述目标物的预测框的坐标；其中，所述目标物为第二车辆和/或飞行器；以及，
[0035]求取模块，用于根据所述坐标，求取第一车辆与所述目标物之间的距离。
[0036]第三方面，本申请提供一种计算机设备，采用如下的技术方案：
[0037]一种计算机设备，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行第一方面任一项所述的车辆与目标物之间距离的测量方法的计算机程序。
[0038]第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
[0039]一种计算机可读存储介质，存储有能够被处理器加载并执行第一方面任一项所述的车辆与目标物之间距离的测量方法的计算机程序。
附图说明
[0040]图1是本申请实施例提供的车辆与目标物之间距离的测量方法的流程示意图。
[0041]图2是本申请实施例提供的展示双目摄像头与车头外边缘之间的第一距离的情景示意图。
[0042]图3是本申请实施例提供的车辆与目标物之间距离的测量装置的结构框图。
[0043]图4是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
[0044]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
[0045]本实施例提供一种车辆与目标物之间距离的测量方法，如图1所示，该方法的主要流程描述如下(步骤S101～S103)：
[0046]步骤S101：接收摄像头拍摄的视频，在视频中筛选出帧图像；其中，摄像头安装于第一车辆上。
[0047]其中，摄像头为双目摄像头，视频包括第一视频和第二视频，帧图像包括第一图像和第二图像。值得注意的是，双目摄像头同时开始拍摄，也同时停止拍摄，因此，在双目摄像头实时拍摄时，第一视频和第二视频的当前帧数保持相同。
[0048]每间隔预设帧，在第一视频中筛选出第一图像，在第二视频中筛选出第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆与目标物之间距离的测量方法，其特征在于，包括：接收摄像头拍摄的视频，在所述视频中筛选出帧图像；其中，所述摄像头安装于第一车辆上；将所述帧图像输入至训练好的PP
‑
YOLO模型中，识别出帧图像中的目标物，获取所述目标物的预测框的坐标；其中，所述目标物为第二车辆和/或飞行器；根据所述坐标，求取第一车辆与所述目标物之间的距离。2.根据权利要求1所述的方法，其特征在于，所述摄像头为双目摄像头，所述视频包括第一视频和第二视频，所述帧图像包括第一图像和第二图像；所述接收摄像头拍摄的视频，在所述视频中筛选出帧图像，包括：每间隔预设帧，在所述第一视频中筛选出第一图像，在所述第二视频中筛选出第二图像。3.根据权利要求1所述的方法，其特征在于，所述PP
‑
YOLO模型训练，包括：采用CIOU损失函数，对所述PP
‑
YOLO模型进行优化；获取训练样本，将所述训练样本输入至优化后的PP
‑
YOLO模型中进行训练，得到训练好的PP
‑
YOLO模型。4.根据权利要求3所述的方法，其特征在于，在所述获取训练样本，将所述训练样本输入至优化后的PP
‑
YOLO模型中进行训练，得到训练好的PP
‑
YOLO模型之后，还包括：对训练好的PP
‑
YOLO模型进行加速处理。5.根据权利要求3所述的方法，其特征在于，所述获取训练样本，包括：采集...

【专利技术属性】
技术研发人员：王志鹏，林伯瀚，林源，齐宝东，秦星达，
申请(专利权)人：北京合众思壮时空物联科技有限公司，
类型：发明
国别省市：