基于遗传算法和BP神经网络的双目相机标定方法、系统及存储介质技术方案

本发明专利技术公布了一种基于遗传算法和BP神经网络的双目相机标定方法、系统和存储介质，所述方法包括以下步骤：选用一个真实车位并在车位线上选取M个点，使用双目摄像头作为倒车摄像头且得到双目摄像头拍摄的原始图片，对原始图片进行预处理，得到图片中车位线的M个点的像素点坐标数据和真实世界坐标数据，生成遗传神经网络，并将处理后的像素点坐标数据和真实世界坐标数据作为训练数据集，用来训练神经网络模型，利用完成训练的神经网络模型，结合倒车场景下的目标检测场景与相机姿态获得一个标定函数，应用此标定函数在倒车影像中实时显示标定辅助线。本发明专利技术通过本发明专利技术利用真实车位进行相机标定，改善了相机标定对专有辅助标定板的局限性。板的局限性。板的局限性。

Calibration method, system and storage medium of binocular camera based on genetic algorithm and BP neural network

【技术实现步骤摘要】
基于遗传算法和BP神经网络的双目相机标定方法、系统及存储介质


[0001]本专利技术涉及图像处理
，具体为一种基于遗传算法和BP神经网络的双目相机标定方法、系统及存储介质。

技术介绍

[0002]倒车雷达，即“倒车防撞雷达”，也叫“泊车辅助装置”，主要由超声波传感器、控制器和显示器等部分组成。倒车雷达在倒车时，利用超声波原理，由装在车尾保险杠上的探头发送超声波，撞击障碍物后超声波会被反射，计算出车体与障碍物间的实际距离。
[0003]倒车影像又称倒车可视系统。该系统让倒车时，车后的状况直观一目了然，对于倒车安全来说是非常实用的配置之一。当挂倒车挡时，该系统会自动连接位于车尾的高清倒车摄像头，将车后状况清晰的显示于倒车液晶显示屏上，让驾驶员能够把握后方路况。最新的车辆泊车辅助系统采用倒车雷达和倒车影像结合，不但可得知车体与障碍物的实际距离，且能通过液晶显示屏清晰地了解车后状况。
[0004]但是对于铺设在道路上的车位线而言，由于无障碍物的存在，倒车雷达无法到接收反射声波，无法测算出车辆与车位线的距离。而大多数倒车影像中的辅助线精度不能满足现今的复杂道路环境，只能作为大概的距离参考。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了一种基于遗传算法和BP神经网络的双目相机标定方法、系统及存储介质，具备倒车影像中的辅助线精度能够满足现今的复杂道路环境等优点，以解决以上无法测算出车辆与车位线的距离的问题。
[0007](二)技术方案
[0008]为实现上述测算出车辆与车位线的距离目的，本专利技术提供如下技术方案：
[0009]一种基于遗传算法和BP神经网络的双目相机标定方法，包括以下步骤：
[0010]S1、选用一个真实车位并在车位线上选取M个点。
[0011]S2、使用双目摄像头作为倒车摄像头且得到双目摄像头拍摄的原始图片；将双目摄像头放置于车尾的车牌下方，在汽车倒车进入车位时，双目摄像头实时拍摄。
[0012]S3、对原始图片进行预处理，得到图片中车位线的M个点的像素点坐标数据和真实世界坐标数据；在真实世界中，以双目摄像头中心为坐标原心构建直角坐标系，手工测量选取点距双目摄像头的真实世界坐标。
[0013]S4、生成遗传神经网络，将所述像素点坐标数据和所述真实世界坐标数据构成训练数据集，并利用所述训练数据集训练遗传神经网络模型，生成用于相机标定的神经网络模型。
[0014]S5、利用完成训练的神经网络模型，结合倒车场景下的目标检测场景与相机姿态
获得一个标定函数。
[0015]S6、应用此标定函数在倒车影像中实时显示标定辅助线。系统根据标定函数在液晶显示屏显示标定辅助横线，不同的标定辅助横线，表示在真实世界中距车位的不同距离。
[0016]优选的，所述得到该M个点在真实世界中的坐标数据优选的，所述得到该M个点在真实世界中的坐标数据
[0017]对图片进行像素点坐标选取，得到该M个点的像素点坐标数据其中像素点坐标数据D
P
包含了第j个点的左目x轴坐标左目y轴坐标右目x轴坐标右目y轴坐标y，j＝1,2,
…
,M。
[0018]优选的，所述遗传神经网络是基于遗传算法的BP神经网络，将像素点坐标数据作为遗传神经网络模型的训练输入数据集，真实世界坐标数据作为遗传神经网络模型的训练输出数据集。在本专利技术中，为了使BP网络在预测时，预测值与期望值的残差尽可能小，并且预测值与期望值为坐标，可以视为向量，所以选择预测值与期望值的L2范数作为目标函数的输出。
[0019]优选的，所述该标定函数f：x
→
y,将输入数据x转换为输出数据y，其中x为像素点坐标数据x＝(x
l
，y
l
，x
r
，y
r
)，y为真实世界坐标y＝(x
t
，y
t
)。
[0020]优选的，所述在真实世界中，以双目摄像头中心为坐标原心构建直角坐标系；
[0021]得到该M个点在真实世界中的坐标数据数据
[0022]对图片进行像素点坐标选取，得到该M个点的像素点坐标数据其中像素点坐标数据D
P
包含了第j个点的左目x轴坐标左目y轴坐标右目x轴坐标右目y轴坐标右目y轴坐标
[0023]优选的，所述作为优选的实施方式，所述生成遗传神经网络，并将处理后的像素点坐标数据和真实世界坐标数据作为训练数据集，用来训练神经网络模型，其具体包括：
[0024]将像素点坐标数据作为遗传神经网络模型的训练输入数据集，真实世界坐标数据作为遗传神经网络模型的训练输出数据集。
[0025]优选的，所述至少一个存储器，用于存储程序，至少一个处理器，用于加载基于遗传算法和BP神经网络的双目相机标定方法。
[0026]优选的，所述处理器可执行的指令在由处理器执行时用于实现基于双目摄像头和
遗传神经网络的相机标定方法。
[0027]一种基于遗传算法和BP神经网络的双目相机标定的存储介质，其特征在于，其为一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现前述的方法。
[0028](三)有益效果
[0029]与现有技术相比，本专利技术提供的基于遗传算法和BP神经网络的双目相机标定方法、系统及存储介质，具备以下有益效果：
[0030]1、该基于遗传算法和BP神经网络的双目相机标定方法，通过选用真实车位与双目摄像头进行拍摄，构建训练数据集，并利用所述训练数据集训练遗传神经网络模型，生成用于相机标定的神经网络模型；再利用完成训练的神经网络模型，结合倒车场景下的目标检测场景与相机姿态获得一个标定函数；最后通过此标定函数在倒车影像中实时显示标定辅助线，改善了相机标定对专有辅助标定板的局限性。
[0031]2、本专利技术利用真实车位进行相机标定，更专注于路面环境，同时改善了相机标定对专有辅助标定板的局限性。并采用遗传神经网络进行建模，将相机标定过程中复杂的对内外参数的求解改进为直接对标定函数的求解，减少了额外工作，并且提高了倒车影像的标定精度。
附图说明
[0032]图1为本专利技术具体实施例的基于遗传算法和BP神经网络的双目相机标定方法的流程示意图；
[0033]图2为本专利技术具体实施例中的构建训练数据集的流程图；
[0034]图3为本专利技术具体实施例中的遗传神经网络的设计流程图；
[0035]图4为本专利技术具体实施例中的BP神经网络的设计示意图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法和BP神经网络的双目相机标定方法，其特征在于，包括以下步骤：S1、选用一个真实车位并在车位线上选取M个点；S2、使用双目摄像头作为倒车摄像头且得到双目摄像头拍摄的原始图片；将双目摄像头放置于车尾的车牌下方，在汽车倒车进入车位时，双目摄像头实时拍摄；S3、对原始图片进行预处理，得到图片中车位线的M个点的像素点坐标数据和真实世界坐标数据；在真实世界中，以双目摄像头中心为坐标原心构建直角坐标系，手工测量选取点距双目摄像头的真实世界坐标；S4、生成遗传神经网络，将所述像素点坐标数据和所述真实世界坐标数据构成训练数据集，并利用所述训练数据集训练遗传神经网络模型，生成用于相机标定的神经网络模型；S5、利用完成训练的神经网络模型，结合倒车场景下的目标检测场景与相机姿态获得一个标定函数；S6、应用此标定函数在倒车影像中实时显示标定辅助线；系统根据标定函数在液晶显示屏显示标定辅助横线，不同的标定辅助横线，表示在真实世界中距车位的不同距离。2.根据权利要求1所述的基于遗传算法和BP神经网络的双目相机标定方法，其特征在于，所述步骤S3得到该M个点在真实世界中的坐标数据为：对图片进行像素点坐标选取，得到该M个点的像素点坐标数据其中像素点坐标数据D
P
包含了第j个点的左目x轴坐标左目y轴坐标右目x轴坐标右目y轴坐标y，j＝1，2，
…
，M。3.根据权利要求1所述的基于遗传算法和BP神经网络的双目相机标定方法，其特征在于，所述步骤S4的遗传神经网络，是基于遗传算法的BP神经网络，将像素点坐标数据作为遗传神经网络模型的训练输入数据集，真实世界坐标数据作为遗传神经网络模型的训练输出数据集。4.根据权利要求1所述的基于遗传算法和BP神经网络的双目相机标定方法，其特征在于，所述步骤...

【专利技术属性】
技术研发人员：曹忠，洪子文，赵文静，尚文利，王锋，邓辉，梅盈，
申请(专利权)人：广州大学，
类型：发明
国别省市：