【技术实现步骤摘要】
本专利技术涉及视觉，尤其涉及一种目标测距方法、系统及服务机器人。
技术介绍
1、测距定位广泛应用在服务机器人等领域，测距定位的精度对这些应用设备的正确工作具有重要意义。
2、随着视觉技术及神经网络深度学习技术的融合发展，通过深度学习方法进行深度估计可以获取相机与目标的距离，这种测距方法通常是针对特定应用场景采用大量数据样本进行网络模型训练，实现深度估计以完成目标测距。现有已公开的深度估计数据集，如nyu-depth v2是手持拍摄设备的各种室内场景，而服务机器人是低视觉近距离的应用场景，因此，训练和推理时的应用场景不同，导致估计结果会有较大的测距误差，相对误差通常在30％以上。
技术实现思路
1、本专利技术提供一种目标测距方法、系统及服务机器人，不仅避免使用数据集，而且提高了测距精度。
2、本专利技术提供一种目标测距方法，包括：
3、利用目标检测模型对采集图像中待测目标进行识别检测，获取待测目标在图像上的目标检测框；
4、获取采集图像相机的张正友标定的标定矩阵；
5、基于目标检测框的位置与所述标定矩阵进行深度估计，获取待测目标与相机之间的距离和待测目标偏离相机正前方的角度。
6、本专利技术还提供一种目标测距系统，包括：
7、目标检测模块，用于利用目标检测模型对采集图像中待测目标进行识别检测，获取待测目标在图像上的目标检测框；
8、标定模块，用于获取采集图像相机的张正友标定的标定矩阵；p>
9、估计模块，用于基于目标检测框的位置与所述标定矩阵进行深度估计，获取待测目标与相机之间的距离和待测目标偏离相机正前方的角度。
10、本专利技术还提供一种服务机器人，配置有上述的目标测距系统。
11、本专利技术通过目标检测模型首先框出待测目标以过滤掉无关的图像信息，不仅大大降低了后续深度估计的计算量，而且由于过滤掉无关的图像信息，使得后续可以基于更加准确的待测目标进行深度估计测距，保证了测距更加准确，提升了测距精度；而且该检测模型可以为现有的已训练模型，从而避免了构建数据集及模型训练的复杂过程；通过张正友标定法实现了世界坐标与像素坐标的转换，为后续深度估计计算确定所需的世界坐标数值；通过边缘检测进一步减少后续计算的数据量，而且选定的边缘更接近于实际物体距离相机最近的边缘，从而与实际情况更加接近，减少了测距误差。
本文档来自技高网...【技术保护点】
1.一种目标测距方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于目标检测框的位置与所述标定矩阵进行深度估计之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述边缘像素点为待测目标的预设表面边缘上的像素点，所述预设表面为包含距离相机最近像素点的表面。
4.根据权利要求1所述的方法，其特征在于，所述目标检测模型为YOLO v5模型。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述深度估计为单目深度估计。
6.一种目标测距系统，其特征在于，包括：
7.根据权利要求6所述的系统，其特征在于，还包括：
8.根据权利要求6所述的系统，其特征在于，所述边缘像素点为待测目标的预设表面边缘上的像素点，所述预设表面为包含距离相机最近像素点的表面。
9.根据权利要求6-8中任一项所述的系统，其特征在于，所述目标检测模型为YOLO v5模型；所述深度估计为单目深度估计。
10.一种服务机器人，其特征在于，配置有如权利要求6-9中任一项所述的目标测距系统
...【技术特征摘要】
1.一种目标测距方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于目标检测框的位置与所述标定矩阵进行深度估计之前，还包括：
3.根据权利要求2所述的方法，其特征在于，所述边缘像素点为待测目标的预设表面边缘上的像素点，所述预设表面为包含距离相机最近像素点的表面。
4.根据权利要求1所述的方法，其特征在于，所述目标检测模型为yolo v5模型。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述深度估计为单目深度估计。<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。