CN105716568A - 自动驾驶***中双目摄像头测距方法 - Google Patents

Abstract

一种自动驾驶***中双目摄像头测距方法，具体为，S1:特征点的确定：通过双目摄像头采集同一目标图像，在其中一摄像头采集的图像中确定特征点，且选定包含所述特征点的图像区域；S2：视差点的获得：在另一摄像头采集的图像中选取包含所述特征点的图像区域作为“搜索窗口”，然后将选定的前一图像区域作为“搜索模板”，在“搜索窗口”中进行匹配，获得视差点；S3：双目摄像头的定位：通过双目摄像头的视差点获得视差，计算双目摄像头与目标图像之间的距离。其优点是：采用本方法计算获得视差后，可与自动驾驶***所拥用的标识牌的坐标定位自动驾驶***的位置；同时，对自动驾驶***精确定位在纵向2米以内。

Description

自动驾驶***中双目摄像头测距方法

技术领域

本发明涉及自动驾驶领域或者安全辅助驾驶领域，具体地说是一种自动驾驶***中双目摄像头测距方法。

背景技术

双目测距是测绘学里面经典算法。用两个摄像头模拟人的两个眼睛，通过“左眼”和“右眼”观察到同一目标点所产生的视差，进而计算眼睛到目标物的距离。因此，双目测距***的精度也就依赖于同一个目标点分别在两个摄像头所采集的图像中的坐标的差值。那么，如何在两个摄像头所采集的图片中精确检测同一目标点则成为双目测距***的难点问题。

传统的双目测距算法通常是用在工业检测上，一般测量距离都在5米以内，并且目标物都会具有非常清晰的纹理特征，利于选择合适的目标点进行精确的视差计算。而在自动驾驶***中，由于双目摄像头要测量的通常是与路边交通标示牌的距离，其难点在于距离远导致拍摄的图片并不清晰，从而给选取和匹配目标点以及计算精确视差带来困难。

发明内容

为了克服上述技术缺陷，本发明提供一种方法简单、计算精确，且实现精度定位的自动驾驶***中双目摄像头测距方法。

一种自动驾驶***中双目摄像头测距方法：包括以下步骤：

S1:特征点的确定：通过双目摄像头采集同一目标图像，在其中一摄像头采集的图像中确定特征点，且选定包含所述特征点的图像区域；

S2：视差点的获得：在另一摄像头采集的图像中选取包含所述特征点的图像区域作为“搜索窗口”，然后将选定的前一图像区域作为“搜索模板”，在“搜索窗口”中进行匹配，获得视差点；

S3：双目摄像头的定位：通过双目摄像头的视差点获得视差，计算双目摄像头与目标图像之间的距离。

优选地，选取SAD函数为匹配函数；

优选地，“搜索模板”所在的图像区域的面积大于“搜索窗口”所在的图像区域的面积。

本发明自动驾驶***中双目摄像头测距方法，其优点是：采用本方法计算获得视差后，可与自动驾驶***所拥用的标识牌的坐标定位自动驾驶***的位置；同时，对自动驾驶***精确定位在纵向2米以内。

附图说明

图1为自动驾驶***中双目摄像头测距方法流程图；

图2为步骤S1流程图；

其中，标示牌为交通标示牌。

具体实施方式

下面对本发明作进一步说明：

根据图1、图2所示，一种自动驾驶***中双目摄像头测距方法，包括以下步骤：

S1:特征点的确定

①、在智能汽车运动前对双目摄像头以及双目***进行双目标定，以确保摄像头的内外方位元素精确；

进一步地，所述标定过程中，保持双目摄像头基线水平，如果基线无法保持水平则可通过调节双目摄像头的焦距来实现；

②、当智能汽车高速行驶时，利用交通标示牌检测算法对双目摄像头采集到的图像进行分析识别，当左、右目图像对中且均含有交通标示牌时，提取相应的图像对；

进一步地，提取的相应的图像对为包含交通标示牌的图像对。

③、对提取的图像对进行分析，识别出图像对中的交通标示牌，提取包含交通标示牌的最小外接正方形方框，并在所述正方形方框中选定交通标示牌中红色圆框的竖直方向最高顶点作为特征点。

进一步地，正方形框大小为：30X30像素至100X100像素，如果正方形方框的边长不能满足像素条件，则终止当前图像分析，提取下一时刻图像，再确定特征点；

S2：视差点的获得

①、在左目图像中以特征点为中心像素点提取一图像区域作为“搜索模板”，确定左目图像的中心像素点的坐标，再在右目图像中以特征点为中心点提取另一图像区域作为“搜索窗口”；

②、在右目图像的“搜索窗口”中，提取一与“搜索模板”大小相同的图像区域，使提取的图像区域与“搜索模板”进行视差梯度约束匹配，在获得的匹配值中选取最小匹配值，且将最小匹配值所对应的图像区域作为目标匹配区。

进一步地，目标匹配区的中心像素点是与左目图像匹配的视差点；

进一步地，所述视差梯度匹配具体为：在右目图像的“搜索窗口”中，从左到右依次平移一个像素，与“搜索模板”进行匹配；

进一步地，在汽车行驶过程中测量交通标示牌时，由于双目摄像头的基线水平，则不会产生Y方向上的视差，当选取“搜索模板”的大小为9X9像素；“搜索窗口”的大小为25X9像素；则最小匹配值所对应的图像区域的大小为9X9像素，一共进行25-9+1＝17次匹配，得到17个SAD函数值，在获得的17个SAD函数值中最小值所对应的图像区域为目标匹配区。

S3：双目摄像头的定位

①、采用右目图像中选取的目标匹配区的中心像素点的坐标，减去左目图像中目标匹配区的中心像素点的坐标，获得视差；

②、将视差代入双目测距公式，计算双目摄像头到交通标示牌的距离，双目测距公式如下：

$Z=\frac{fT}{\mathrm{\Δ}x}$

其中，T为双目摄像头间距，f为双目摄像头的焦距，Δx为视差，Z为交通标示牌到双目摄像头的距离。

实施例1：

S1:特征点的确定

①、在智能汽车运动前，对双目摄像头以及双目***进行标定，标定结果如下：

双目摄像头间距T为324.11mm，双目摄像头的焦距f为1878.60mm；

②、当智能汽车高速行驶时，利用交通标示牌检测算法对双目摄像头采集到的图像进行分析识别，即当左、右目图像对中且均含有交通标示牌时，提取包含交通标示牌的图像对，且左右图像分辨率均为1600X1200像素；

③、对提取的图像对进行分析，从而识别出图像对中的交通标示牌，提取包含交通标示牌的最小外接正方形方框，测得方框大小为50X50像素，并在所述方框中选定交通标示牌中红色圆框的竖直方向最高顶点作为特征点，测得该特征点在图像中的坐标为(1148，651)。

S2：视差点的获得

①、在左目图像中以特征点为中心像素点提取大小为9X9像素的图像区域作为“搜索模板”，再在右目图像中同样以红色圆框竖直方向最高顶点为中心点提取大小为25X9像素的另一图像区域作为“搜索窗口”；

②、在右目图像的“搜索窗口”中，从左到右依次平移一个大小为9X9像素的区域，与左目图像固定的大小为9X9像素的“搜索模板”进行匹配，匹配函数采用图像匹配中最广泛使用的SAD函数，从左到右全部匹配完成时，一共进行25-9+1＝17次匹配，得到17个SAD函数值，在获得的17个SAD函数值中最小值为65，其所对应的图像区域为目标匹配区；且目标匹配区的中心像素点是与左目图像匹配的视差点，测得这个中心像素点的坐标是(1124，651)；

S3：双目摄像头的定位

①、采用右目图像中选取的目标匹配区的中心像素点的坐标，减去左目图像中目标匹配区的中心像素点的坐标，获得视差为24像素；

②、将上述获得的视差代入双目测距公式，计算双目摄像头到交通标示牌的距离，计算如下：

$\begin{array}{c}Z=\frac{fT}{\mathrm{\Δ}x}\\ =(1878.60*324.11)/24\\ =25370mm\end{array}$

最后，测得交通标示牌与双目摄像头之间的实际距离为26.63m，则测量误差为1.26米。

实施例2：

S1:特征点的确定

①、在智能汽车运动前，对双目摄像头以及双目***进行标定，标定结果如下：

测得双目摄像头间距T为324.11mm，双目摄像头的焦距f为1878.60mm；

②、当智能汽车高速行驶时，利用交通标示牌检测算法对双目摄像头采集到的图像进行分析识别，即当左、右目图像对中且均含有交通标示牌时，提取包含交通标示牌的图像对，且左右图像分辨率均为1600X1200像素；

③、对提取的图像对进行分析，从而识别出图像对中的交通标示牌，提取包含交通标示牌的最小外接正方形方框，测得方框大小为62X62像素，并在所述方框中选定交通标示牌中红色圆框的竖直方向最高顶点作为特征点，测得该特征点在图像中的坐标为(1051,620)。

S2：视差点的获得

①、在左目图像中以特征点为中心像素点提取大小为9X9像素的图像区域作为“搜索模板”，再在右目图像中同样以红色圆框竖直方向最高顶点为中心点提取大小为25X9像素的另一图像区域作为“搜索窗口”；

②、在右目图像的“搜索窗口”中，从左到右依次平移一个大小为9X9像素的区域，与左目图像固定的大小为9X9像素的“搜索模板”进行匹配，匹配函数采用图像匹配中最广泛使用的SAD函数，从左到右全部匹配完成时，一共进行25-9+1＝17次匹配，得到17个SAD函数值，在获得的17个SAD函数值中最小值为47，其所对应的图像区域为目标匹配区；且目标匹配区的中心像素点是与左目图像匹配的视差点，测得这个中心像素点的坐标是(1018,620)；

S3：双目摄像头的定位

①、采用右目图像中选取的目标匹配区的中心像素点的坐标，减去左目图像中目标匹配区的中心像素点的坐标，获得视差为33像素；

②、将上述获得的视差代入双目测距公式，计算双目摄像头到交通标示牌的距离，计算如下：

$\begin{array}{c}Z=\frac{fT}{\mathrm{\Δ}x}\\ =(1878.60*324.11)/33\\ =18451mm\end{array}$

最后，测得交通标示牌与双目摄像头之间的实际距离为20.37m，则测量误差为1.92米。

实施例3：

S1:特征点的确定

①、在智能汽车运动前，对双目摄像头以及双目***进行标定，标定结果如下：

双目摄像头间距T为324.11mm，双目摄像头的焦距f为1878.60mm；

②、当智能汽车高速行驶时，利用交通标示牌检测算法对双目摄像头采集到的图像进行分析识别，即当左、右目图像对中且均含有交通标示牌时，提取包含交通标示牌的图像对，且左右图像分辨率均为1600X1200像素；

③、对提取的图像对进行分析，从而识别出图像对中的交通标示牌，提取包含交通标示牌的最小外接正方形方框，测得方框大小为90X90像素，并在所述方框中选定交通标示牌中红色圆框的竖直方向最高顶点作为特征点，测得该特征点在图像中的坐标为(1104,670)。

S2：视差点的获得

①、在左目图像中以特征点为中心像素点提取大小为9X9像素的图像区域作为“搜索模板”，再在右目图像中同样以红色圆框竖直方向最高顶点为中心点提取大小为25X9像素的另一图像区域作为“搜索窗口”；

②、在右目图像的“搜索窗口”中，从左到右依次平移一个大小为9X9像素的区域，与左目图像固定的大小为9X9像素的“搜索模板”进行匹配，匹配函数采用图像匹配中最广泛使用的SAD函数，从左到右全部匹配完成时，一共进行25-9+1＝17次匹配，得到17个SAD函数值，在获得的17个SAD函数值中最小值为52，其所对应的图像区域为目标匹配区；且目标匹配区的中心像素点是与左目图像匹配的视差点，测得这个中心像素点的坐标是(1058,670)；

S3：双目摄像头的定位

①、采用右目图像中选取的目标匹配区的中心像素点的坐标，减去左目图像中目标匹配区的中心像素点的坐标，获得视差为46像素；

②、将上述获得的视差代入双目测距公式，计算双目摄像头到交通标示牌的距离，计算如下：

$\begin{array}{c}Z=\frac{fT}{\mathrm{\Δ}x}\\ =(1878.60*324.11)/46\\ =13236mm\end{array}$

最后，测得交通标示牌与双目摄像头之间的实际距离为14.3m，则测量误差为1.064米。

文中，目标图像可为交通标示牌或其它标示物。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种自动驾驶***中双目摄像头测距方法，其特征在于：包括以下步骤：

S1:特征点的确定：通过双目摄像头采集同一目标图像，在其中一摄像头采集的图像中确定特征点，且选定包含所述特征点的图像区域；

S2：视差点的获得：在另一摄像头采集的图像中选取包含所述特征点的图像区域作为“搜索窗口”，然后将选定的前一图像区域作为“搜索模板”，在“搜索窗口”中进行匹配，获得视差点；

S3：双目摄像头的定位：通过双目摄像头的视差点获得视差，计算双目摄像头与目标图像之间的距离。

2.根据权利要求1所述自动驾驶***中双目摄像头测距方法，其特征在于：所述“搜索模板”所在的图像区域的面积大于“搜索窗口”所在的图像区域的面积。

3.根据权利要求1所述自动驾驶***中双目摄像头测距方法，其特征在于：包括，步骤S1:特征点的确定

①、在智能汽车运动前对双目摄像头以及双目***进行双目标定；

②、当智能汽车高速行驶时，对双目摄像头采集到的图像进行分析识别，当左、右目图像对中均含有交通标示牌时，提取图像对；

③、对提取的图像对进行分析，识别出图像对中的交通标示牌，提取包含交通标示牌的最小外接正方形方框，并在所述正方形方框中选定交通标示牌中红色圆框的竖直方向最高顶点作为特征点。

4.根据权利要求1所述自动驾驶***中双目摄像头测距方法，其特征在于：包括，S2：视差点的获得

①、在左目图像中以特征点为中心像素点提取一图像区域作为“搜索模板”，确定左目图像的中心像素点的坐标，再在右目图像中以特征点为中心点提取另一图像区域作为“搜索窗口”；

②、在右目图像的“搜索窗口”中，提取一与“搜索模板”大小相同的图像区域，使提取的图像区域与“搜索模板”进行视差梯度约束匹配，在获得的匹配值中选取最小匹配值，且将最小匹配值所对应的图像区域作为目标匹配区。

5.根据权利要求1所述自动驾驶***中双目摄像头测距方法，其特征在于：包括，S3：双目摄像头的定位

①、采用右目图像中选取的目标匹配区的中心像素点的坐标，减去左目图像中目标匹配区的中心像素点的坐标，获得视差；

②、将视差代入双目测距公式，计算双目摄像头到交通标示牌的距离。

6.根据权利要求4所述自动驾驶***中双目摄像头测距方法，其特征在于：步骤③中，正方形框大小为：30X30像素至100X100像素。

7.根据权利要求1或4所述自动驾驶***中双目摄像头测距方法，其特征在于：选取SAD函数为匹配函数。