一种基于双目相机的车载限高报警系统的控制方法技术方案

一种基于双目相机的车载限高报警系统的控制方法，包括步骤：S1：双目相机采集车辆前方路段信息；S2：对采集到的图像进行预处理；S3：将处理后的图像输入到YOLOv5

【技术实现步骤摘要】
一种基于双目相机的车载限高报警系统的控制方法


[0001]本专利技术涉及双目立体视觉、图像识别、目标检测和嵌入式开发相关
，具体涉及一种基于双目相机的车载限高报警系统的控制方法。

技术介绍

[0002]近年来，由于我国的公路网的大量完善，交通运输业得到飞速发展，其巨大的规模，在国民经济中占有重要的一部分。在交通运输行业中，运输车辆常因为车身宽大，使得车辆在遭遇到限高杆、拱形桥洞、涵洞等障碍物时驾驶员无法准确预估车高的安全限度，常常会导致运输事故发生。
[0003]当前在车载限高报警系统领域主要采取两种措施，第一种是采用对限高杆添加预警装置的方式，预防超高车辆的事故发生，该方法整体成本过高，不适合在一些落后地区使用；另外一种方式是将激光雷达传感器、红外测距传感器或者摄像机搭载到车辆上，对行驶过程中的限高装置进行高度的检测，但是该方法对测距算法和采集设备具有很高的要求，目前的已知的一些算法在精度和效率上还待进一步的提高。
[0004]在《基于三维测量的新型道路限高检测系统设计》论文中，采用在检测道路两侧边沿立柱上悬挂连个超高清本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目相机的车载限高报警系统的控制方法，将双目相机直接搭载在汽车上，通过YOLOv5
‑
Lite系统，使其可以轻松的在移动端、嵌入式端部署；并对视差图采用改进型自适应窗的方法对生成的视差图进行优化处理，提高测距的精度；其特征在于：包括步骤：S1：双目相机采集车辆前方路段信息；S2：对采集到的图像进行预处理；S3：将处理后的图像输入到YOLOv5
‑
Lite目标检测网络中检测障碍物；S4：判断双目摄像头是否检测到障碍物，若存在则S5，不存在则S1；S5：输出障碍物的目标类别和坐标信息；S6：采用SGBM算法进行双目视觉图像的匹配并生成视差图；S7：采用改进型自适应窗算法进行视差图优化处理；从S6步骤中可以得到左右相机生成的视差图，现将左视差图命名为D
L
，右视差图命名为D
R
；采用改进型自适应窗算法进行视差图优化处理的具体方式为：S71：左右一致性检测判断失真点，以z(x，y)作为遍历像素点，左视差图对应像素点的视差值D
L
(x，y)，右视差图对应像素点z(x
‑
D
L
(x，y)，y)的视差值为D
R
(x
‑
D
L
(x，y)，y)；当两个视差值之差的绝对值小于阈值T，则表示有效视差；当两个视差值之差的绝对值大于阈值T且视差不为零，则表示非零失真点；若绝对值大于阈值T且视差为零，则表示孔洞点；得到公式为：|D
L
(x，y)
‑
D
R
(x
‑
D
L
(x，y)，y)|＜T；S72：非零失真点填充；若点z(x，y)为非零失真点，则以该点为中心选取3x3大小的区域作为初始窗口，若初始窗口中的8个视差点与当前视差值的差值波动较小，则采用初始窗口，否则采用十字方法重新确定区域窗口W；得到公式为：其中，δ(z)表示z(x，y)点的方差，t表示视差值波动的阈值，W(z)表示窗口的大小；十字方法确定窗口W，首先以该点为中心从水平和垂直方向寻找中心点附近与当前视差值不等且非零的点，z
‑
x
(x，y
’
)、z
+x
(x，y
’
)、z
‑
x
(x
’
，y)、z
+x
(x
’
，y)，构成一个窗口区域W；对比W内的点所对应的视差值，比较视差值的大小；去除区域内极大值、极小值视差值，剩余视差值的集合记为H，标记出集合H内的最大值M
max
和最小值M
min
，计算出集合内的平均值M
mean
；H＝{D
L
(x，y)|x
‑
i≤x≤x+i，y
‑
j≤y≤y+j，D
L
(x，y)！＝Max(W[D
L
(x，y)])∧D
L
(x，y)！＝Min(W[D
L
(x，y)])，(x，y，i，j∈N
+
)}根据非零失真点视差值的大小分配合适的视差值进行填充；
S73：构建一个可变的自适应窗口矩阵；以孔洞点为起点，分别从x，y轴方向进行遍历，寻找一个视差值非零的点z
x
、z
y
，其坐标值分别z
x
(x，y
’
)、z
x
(x
’
，y)和下角点z
xy

【专利技术属性】
技术研发人员：张青春，王文聘，蒋方呈，文张源，张洪源，唐欢，冯军，王方修，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：