一种基于立式标靶的车载单目摄像头测距测高方法技术

本发明专利技术公开了一种基于立式标靶的车载单目摄像头测距测高方法，属于智能车辆环境感知技术领域。本发明专利技术通过对立式标靶图像的感兴趣区进行模板匹配、候选点聚类及筛选、精确定位等操作，实现亚像素级角点检测及定位，结合投影几何模型，建立图像纵坐标与实际成像角度之间的映射关系，从而实现测距及测高，本发明专利技术不需要标定摄像头的内外部参数，也不需要多次放置标定板或参照物，降低了出现误差的可能性，既减少了操作环节，又提高了测量精度；与传统的角点检测相比，能够更准确地检测出标靶中的目标点，从而减少了后续聚类筛选的计算量，在计算的实际成像角度及距离的基础上实现了单目摄像头测高，大大减低了成本。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，属于智能车辆环境感知
。本专利技术通过对立式标靶图像的感兴趣区进行模板匹配、候选点聚类及筛选、精确定位等操作，实现亚像素级角点检测及定位，结合投影几何模型，建立图像纵坐标与实际成像角度之间的映射关系，从而实现测距及测高，本专利技术不需要标定摄像头的内外部参数，也不需要多次放置标定板或参照物，降低了出现误差的可能性，既减少了操作环节，又提高了测量精度；与传统的角点检测相比，能够更准确地检测出标靶中的目标点，从而减少了后续聚类筛选的计算量，在计算的实际成像角度及距离的基础上实现了单目摄像头测高，大大减低了成本。【专利说明】
本专利技术属于智能车辆环境感知
，涉及一种基于机器视觉的测距及测高技术，具体涉及一种基于立式标靶的车载单目摄像头针对障碍物、桥洞或涵洞等的测距及测高方法。
技术介绍
机器视觉作为智能车辆环境感知系统中最重要的组成部分，为决策层提供大量必要的环境信息，具有十分重要的意义。其中，物体的测距与测高分别为无人驾驶或辅助驾驶系统的防撞预警、路径规划及车辆分类、涵洞桥梁通过性检测等提供重要的参数信息。目前，智能车的机器视觉测量一般分为双目视觉测量和单目视觉测量两类。双目视觉测距容易受到特征点误匹配的影响，且计算量大，难以满足实时性要求。而单目视觉测距结构简单，运算速度快，具有广泛的应用前景。目前单目视觉系统通常采用对应点标定法(简称标定法)来获取待测物体的深度信息。传统对应点标定法通常是利用棋盘格标定板标定出摄像头内外部参数后，结合投影模型，求解出图像坐标系与实际成像角度之间的对应关系，从而得到距离信息。此方法需要多次采集不同方位的标定板图像，并且需要精确记录每个点在世界坐标系和图像坐标系中的对应坐标，而且标定结果的误差会在测量中放大数十甚至上百倍，总体来说，过程复杂且误差较大。另外，通过在路面摆放参照物并测量其距离，利用参照物距离和像素数据直接拟合出距离与图像坐标间的数学模型，从而实现测距。此方法在工程中也有广泛的运用，但需要较大的场地，精度会受到实际测量和数据拟合误差的影响。而对于测高，主要还是运用激光雷达等传感器进行测量，仅用单目实时测高还鲜有发表的研究成果。
技术实现思路
本专利技术的目的在于提供，具体是通过对立式标靶图像的感兴趣区进行模板匹配、候选点聚类及筛选、精确定位等操作，实现亚像素级角点检测及定位，结合投影几何模型，建立图像纵坐标与实际成像角度之间的映射关系，从而实现测距及测高，此方法不仅提高了测量精度，且无需标定摄像头内外部参数，操作简单，可执行性强，具有较强的工程实用价值和研究意义。本专利技术提供的，包括以下步骤:步骤101:摄像头安装于车体的合适位置后，首先将立式标靶放置于摄像头正前方，且尽量靠近摄像头的同时，需满足采集的标靶图像中必须包含最低的角点，且角点总数大于8个，然后测量摄像头安装高度h及其与立式标靶靶面的水平距离D ；步骤102:采集标祀图像,分辨率为mm*nn,设置图像坐标系:左上角点为坐标原点，水平向右为X轴正方向，垂直向下为y轴正方向。设置角点检测的感兴趣区:x方向为, y方向为。对感兴趣区进行分块:块大小s*v可以调整,但一般大于50*50，对每个块分别采用最大类间方差法进行自适应二值化处理；步骤103:在感兴趣区内利用设计的模板(a)和(b)分别进行全搜索匹配，保留所有匹配子图的左上角点，组成标祀角点的候选点集CC=Kx1, Y1), (x2, y2),…，(xk, yk)},其中k为匹配的子图总数；步骤104:对候选点集CC中所有点进行分类，即将两点之间横坐标差值及纵坐标差值同时小于阈值T1的点记为同一小类，假设总共分成了 g小类，则小类的集W=Iw1, w2，…，wg}，再分别计算各小类的中心点坐标(xwi，ywi)(i=l, 2，…，g)，将中心点横坐标之差小于T1的小类记为同一个大类，最后保留包含小类数目最多的大类，剔除其他小类，并将保留下来的小类的中心点坐标在X和y方向上分别加上模板宽度和高度的一半e，存为初始角点集A={(xal, yal), (xa2, ya2), --?, (xaj, yaj)},其中j为保留下来的小类的个数,而且A中各点的顺序是以yal，ya2,…，yaJ值从大到小排列；步骤105:在初始角点集A中搜索出最大横坐标值Xniax，利用模板(C)在横坐标小于乂.^的感兴趣区内从上至下、从右至左搜索匹配的子图，一旦搜索到，则停止搜索。假设搜索到匹配的子图左上角点为(Xf，yf)，则角点的参考间隔SS=X_-(Xf+e)，再利用模板(d)在点(Xf，yf)左下方感兴趣区内从上至下、从右至左搜索匹配的子图，一旦搜索到，则停止搜索，记录匹配的子图左上角点为(Xj, y」)；步骤106:搜索完毕后，判断是否存在步骤105的两个定位参考点(xf，yf)和(Xj, y」),如果存在进入步骤107 ;否则返回步骤101 ；步骤107:将初始角点集A中纵坐标最大值yel与yj进行比较，如果yel-yj为ss的3倍左右，认为点(Xc^yel)为标靶最低角点；否则，将点(xmax，yj+ss*3)作为标靶的最低角点，然后利用初始角点集A和参考间隔ss将图像中全部角点补充完整，并得到角点集C={(xcl, ycl), (xc2, yc2), --?，(xcn, ym)}，其中n表示图中标祀角点总数,且C中各点的顺序也以y值从大到小排列，最后运用openCV中的cvFindCornerSubPixO函数，以角点集C为基准将其更新为亚像素级角点集B=Kxbl, ybl)，(xb2, yb2)，…，(xbn, ybn)}；步骤108:图像中 n 个角点的高度集 HH= {1.00，1.05，...，1.00+ (n_l) *0.05}，然后利用参数h和D，计算得到各角点的实际成像角度集Q= {qi，q2，…，qn}，其中各角度值与亚像素级角点集B的纵坐标{ybl，yb2，…，yj按顺序一一对应，得到映射点集P= {(ybi, Qi)，(yb2.%)，--?，(ybn.qn)丨，以直线拟合相邻两点，得到相邻点映射关系集F=If1, f2,…，fn-J ；步骤109:在实时测距过程中，将通过障碍物检测算法得到的障碍物底等部y方向坐标yz作为参数输入，首先判断出yz所属的映射关系A (0〈i〈n)，利用&的直线方程计算Yz对应的实际成像角度qz，然后以qz作为输入通过测距方程计算障碍物等的距离Lz ；步骤110:根据系统需要判断是否需要测量障碍物等的高度，如果需要继续步骤111 ;否则结束此障碍物等的测距；步骤111:将通过障碍 物检测算法得到的障碍物顶部y方向像素值yd作为参数输入，首先判断出yd所属的映射关系^((KKn)，利用&的直线方程计算yd对应的实际成像角度qd，然后以qd和障碍物距离Lz作为输入通过测高方程计算障碍物等的高度。本专利技术的优点在于:(I)本专利技术不需要标定摄像头的内外部参数，也不需要多次放置标定板或参照物，降低了出现误差的可能性，既减少了操作环节，又提高了测量精度；(2)设计了感兴趣区和四个模板，以模板匹配的方式检测立式标靶中的角点及定位参考点，与传统的角点检测相比，能够更准本文档来自技高网...

【技术保护点】
一种基于立式标靶的车载单目摄像头测距测高方法，其特征在于，包括以下步骤：步骤101：摄像头安装于车体的合适位置后，首先将立式标靶放置于摄像头正前方，然后测量摄像头安装高度h及其与立式标靶靶面的水平距离D；所述立式标靶与摄像头之间的距离需满足采集的标靶图像中必须包含最低的角点，且角点总数大于8个；步骤102：采集标靶图像，分辨率为mm*nn，设置图像坐标系：左上角点为坐标原点，水平向右为x轴正方向，垂直向下为y轴正方向；设置角点检测的感兴趣区：x方向为[mm/3?1,2*mm/3?1]，y方向为[0,nn?1]；对感兴趣区进行分块并进行自适应二值化处理；步骤103：在感兴趣区内利用设计的模板（a）和（b）分别进行全搜索匹配，采用匹配法检测角点，保留所有匹配子图的左上角点，组成标靶角点的候选点集CC={(x1,y1),(x2,y2),…,(xk,yk)}，其中k为匹配的子图总数；步骤104：对候选点集CC中所有点进行聚类及筛选处理，得到初始角点集A；步骤105：在初始角点集A中搜索出最大横坐标值xmax，利用模板（c）在横坐标小于xmax?e的感兴趣区内从上至下、从右至左搜索匹配的子图，一旦搜索到，则停止搜索；假设搜索到匹配的子图左上角点为（xf,yf），则角点的参考间隔ss=xmax?(xf+e)，再利用模板（d）在点（xf,yf）左下方感兴趣区内从上至下、从右至左搜索匹配的子图，一旦搜索到，则停止搜索，记录匹配的子图左上角点为（xj,yj）；将角点（xf,yf）和（xj,yj）作为定位参考点；步骤106：搜索完毕后，判断是否存在步骤105的两个定位参考点（xf,yf）和（xj,yj），如果存在进入步骤107；否则返回步骤101；步骤107：将初始角点集A中纵坐标最大值yc1与yj进行比较，如果yc1?yj为ss的3倍左右，认为点（xc1,yc1）为标靶最低角点；否则，将点（xmax,yj+ss*3）作为标靶的最低角点，然后利用初始角点集A和参考间隔ss将图像中全部角点补充完整，并得到角点集C={(xc1,yc1),(xc2,yc2),…,(xcn,ycn)}，其中n表示图中标靶角点总数，且C中各点的顺序也以y值从大到小排列，最后运用openCV中的cvFindCornerSubPix()函数，以角点集C为基准将其更新为亚像素级角点集B={(xb1,yb1),(xb2,yb2),…,(xbn,ybn)}；步骤108：图像中n个角点的高度集HH={1.00,1.05,…,1.00+(n?1)*0.05}，然后利用参数h和D，计算得到各角点的实际成像角度集Q={q1,q2,…,qn}，其中各角度值与亚像素级角点集B的纵坐标{yb1,yb2,…,ybn}按顺序一一对应，得到映射点集P={(yb1,q1),(yb2,q2),…,(ybn,qn)}，以直线拟合相邻两点，得到相邻点映射关系集F={f1,f2,…,fn?1}；步骤109：在实时测距过程中，将通过障碍物检测算法得到的障碍物底等部y方向坐标yz作为参数输入，首先判断出yz所属的映射关系fi，0...

【技术特征摘要】

【专利技术属性】
技术研发人员：高峰，徐国艳，丁能根，黄小云，邢龙龙，朱金龙，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：