一种基于红外相机车载单目测距方法技术

一种基于红外相机车载单目测距方法，包括：获取相机内外参和检测框信息；根据获取的相机内外参和检测框信息，按第一预设规则判断前车是否为同车道；根据前车是否为同车道判断结果，计算检测框纵向距离；根据相机外参和纵向距离计算每个检测框的横向距离，并使用偏航角对横向和纵向距离进行修正。本发明专利技术克服了模型求解法和相似三角形法的缺点，特别在车辆实际行驶过程中车身的俯仰角一直在剧烈变化，车身IMU传过来的角度精度较低，基于该方案实时修正外参俯仰角，测距结果更为可靠。测距结果更为可靠。测距结果更为可靠。

【技术实现步骤摘要】
一种基于红外相机车载单目测距方法


[0001]本专利技术涉及的是领域，特别涉及一种基于红外相机车载单目测距方法和系统。

技术介绍

[0002]视觉测距在自动驾驶领域是必不可少的关键技术。在视觉测距中，与常用的激光雷达和双目测距相比，无监督单目视觉测距由于其低成本(其中一个64线的激光雷达就达几万元，且激光雷达不能识别物体类型)、便于部署、工艺要求低等特点。
[0003]虽然基于可见光单目视觉测距取得了重大发展，然而在夜间、雾天等场景，可见光并不适用，而红外热成像是有益的补充。但与可见光图像相比，红外图像有对比度低、动态范围宽、图像不连续、信噪比低、低纹理等缺点，简单地将可见光的单目视觉测距算法应用于红外热成像的单目视觉测距，会导致训练崩溃、精度低、深度图像边缘模糊等问题，特别是远距离测距难以满足用户需求。单目测距算法可以分为三类，以成像模型为基础的测距算法、以数学回归建模为基础的测距算法和以几何关系推导为基础的测距算法。
[0004]以成像模型为基础的测距算法必须事先获得车辆测量目标的实际高度或者宽度，在实际的运用过程中并不适用。而以数学回归建模为基础的测距算法则要用到大量的数据集并且通过已有数据集进行数学建模，一旦数据集更换，模型就不再适用，泛化能力较差。与前面两种测距算法相比，以几何关系推导为基础的测距算法仅需要相机的内参和外参，显然这种算法具有更好的泛化能力和适用性能。Stein等提出了相似三角形测距算法的基础模型，并讨论了像素误差对测距精度的影响。随后，Liu等在此基础上考虑了相机姿态角pitch(俯仰角)对测距的影响；后期又在此模型上进行了大量的运用实践，但未进行更深入的理论研究。
[0005]现阶段，在单目视觉方面的测距方法在结合机器学习和深度学习的技术时，需要用到较为庞大的数据集来对测距模型进行训练，而且这种方法训练出来的模型的泛化能力往往不够理想，模型效果受到很多因素的影响，为实现在车辆行驶过程中基于红外相机报警提醒，需结合车身传递的IMU角度(车身俯仰角、偏航角、滚动角)精度较低，进行红外相机单目视觉测距。

技术实现思路

[0006]鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于红外相机车载单目测距方法。
[0007]为了解决上述技术问题，本申请实施例公开了如下技术方案：
[0008]一种基于红外相机车载单目测距方法，包括：
[0009]S100.获取相机内外参和检测框信息；
[0010]S200.根据获取的相机内外参和检测框信息，按第一预设规则判断前车是否为同车道；
[0011]S300.根据前车是否为同车道判断结果，计算检测框纵向距离；
[0012]S400.根据相机外参和纵向距离计算每个检测框的横向距离，并使用偏航角对横向和纵向距离进行修正。
[0013]进一步地，S100中，获取的内参矩阵K和外参向量external分别为：
[0014][0015]external＝(H α β γ)
[0016]其中，f为焦距，dx、dy为x方向/y方向像元尺寸，c
x
和c
y
为x方向/y方向成像主点，H为安装高度，α为俯仰角，β为偏航角，γ为滚动角。
[0017]进一步地，S100中，获取检测框信息的方法为：获取目标在成像中的检测框向量为(x
0 y
0 w
0 h0)，检测框底边中点横/纵坐标为(u v)，v＝y0+h0；其中，(x
0 y0)为检测框边缘角点坐标，w0为检测框宽，h0为检测框高度。
[0018]进一步地，S200中，判断前车是否为同车道的第一预设规则为：
[0019]S201.根据偏航角，确定前车在预设范围内纵向距离和目标实际横距离的关系表；
[0020]S202.采用相似三角形法和模型求解法对不同类别前车纵向距离进行计算；
[0021]S203.根据目标检测框中心点横坐标和纵向距离，查找纵向距离和目标实际横距离的关系表，判断前车是否在同车道。
[0022]进一步地，S202中，首先根据现有相机外参，使用模型求解法对每一个检测框对应的纵向距离进行求解，模型求解法计算公式为：
[0023][0024]其中，H为相机安装高度，h为为目标相对于车辆所在水平面的高度，α为外参标定俯仰角，v为检测框底边中点纵坐标，c
y
为成像主点，f为焦距，dy为y方向像元尺寸；
[0025]然后根据检测框高度，使用相似三角形法对每一个检测框对应的纵向距离进行估计，相似三角形法公式为：
[0026][0027]其中，f为焦距，dx为x方向像元尺寸，h1为人的真实高度，h0为检测框高度。
[0028]进一步地，S300中，若待检测前车为同车道，根据检测框宽使用相似三角形法分别估计不同类别车的纵向距离，并判断目标宽度估计距离与模型求解法距离的误差；若误差小于误差阈值，则使用模型求解法距离、宽度估计距离和高度估计距离融合给出图像上所
有目标的纵向距离。
[0029]进一步地，若误差大于误差阈值，则根据同车道车身宽度计算纵向距离，修正外参标定俯仰角，然后根据修正后的外参标定俯仰角度更新其他车道目标模型求解法距离，最后使用使用模型求解法距离、宽度估计距离和高度估计距离融合给出图像上所有目标的纵向距离。
[0030]进一步地，S300中，若待检测前车不为同车道，则判断模型求解距离是否符合预设范围，若符合预设范围，使用模型求解法距离和高度估计距离融合给出图像上所有目标纵向距离，若不符合预设范围，则使用高度距离作为目标纵向距离。
[0031]进一步地，S400中，根据相机外参和纵向距离计算每个检测框的横向距离，计算公式为：
[0032][0033]其中，u为检测框底边中点横坐标，c
x
为成像主点，y1为模型求解纵距离，f为焦距，dx为x方向像元尺寸，v为检测框底边中点纵坐标，c
y
为y方向成像主点。
[0034]进一步地，S400中，使用偏航角对横向和纵向距离进行修正，具体修正公式为：
[0035]x
′
＝cosβ*x1+sinβ*y1[0036]y
′
＝
‑
sinβ*x1+cosβ*y1[0037]其中，x1，y1分别为相机所在位置与检测框内前车的横向距离和纵向距离，(x
′ꢀ
y
′
)分别为修正后的相机所在位置与检测框内前车的横向距离和纵向距离。
[0038]本专利技术实施例提供的上述技术方案的有益效果至少包括：
[0039]本专利技术公开了一种基于红外相机车载单目测距方法，包括：获取相机内外参和检测框信息；根据获取的相机内外参和检测框信息，按第一预设规则判断前车是否为同车道；根据前车是否为同车道判断结果，计算检测框纵向距离；根据相机外参和纵向距离计算每个检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外相机车载单目测距方法，其特征在于，包括：S100.获取相机内外参和检测框信息；S200.根据获取的相机内外参和检测框信息，按第一预设规则判断前车是否为同车道；S300.根据前车是否为同车道判断结果，计算检测框纵向距离；S400.根据相机外参和纵向距离计算每个检测框的横向距离，并使用偏航角对横向和纵向距离进行修正。2.如权利要求1所述的一种基于红外相机车载单目测距方法，其特征在于，S100中，获取的内参矩阵K和外参向量external分别为：external＝(Hαβγ)其中，f为焦距，dx、dy为x方向/y方向像元尺寸，c
x
和c
y
为x方向/y方向成像主点，H为安装高度，α为俯仰角，β为偏航角，γ为滚动角。3.如权利要求1所述的一种基于红外相机车载单目测距方法，其特征在于，S100中，S100中，获取检测框信息的方法为：获取目标在成像中的检测框向量为(x
0 y
0 w
0 h0)，检测框底边中点横/纵坐标为(u v)；其中，(x
0 y0)为检测框边缘角点坐标，w0为检测框宽，h0为检测框高度。4.如权利要求1所述的一种基于红外相机车载单目测距方法，其特征在于，S200中，判断前车是否为同车道的第一预设规则为：S201.根据偏航角，确定前车在预设范围内纵向距离和目标实际横距离的关系表；S202.采用相似三角形法和模型求解法对不同类别前车纵向距离进行计算；S203.根据目标检测框中心点横坐标和纵向距离，查找纵向距离和目标实际横距离的关系表，判断前车是否在同车道。5.如权利要求4所述的一种基于红外相机车载单目测距方法，其特征在于，S202中，模型求解法计算公式为：其中，H为相机安装高度，h为目标相对于车辆所在水平面的高度，α为外参标定俯仰角，v为检测框底边中点纵坐标，c
y
为成像主点，f为焦距，dy为y方向像元尺寸；相似三角形法公式为：
其中，f为焦距，dx为x方向像元尺寸，h1为...

【专利技术属性】
技术研发人员：黄立，黄晟，张龙，商长弘，田鹏，
申请(专利权)人：武汉轩辕智驾科技有限公司，
类型：发明
国别省市：