CN112229381A - 一种利用臂长和摄像头的智能手机测距方法 - Google Patents
一种利用臂长和摄像头的智能手机测距方法 Download PDFInfo
- Publication number
- CN112229381A CN112229381A CN202011010482.0A CN202011010482A CN112229381A CN 112229381 A CN112229381 A CN 112229381A CN 202011010482 A CN202011010482 A CN 202011010482A CN 112229381 A CN112229381 A CN 112229381A
- Authority
- CN
- China
- Prior art keywords
- width
- target object
- height
- user
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
- G01C11/08—Interpretation of pictures by comparison of two or more pictures of the same area the pictures not being supported in the same relative position as when they were taken
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/30—Interpretation of pictures by triangulation
- G01C11/34—Aerial triangulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种利用臂长和摄像头的智能手机测距方法。首先,用户在手臂前臂的肘关节和腕关节处分别对着目标物体进行拍照;其次,用户在拍摄好的照片中使用红色标记框划出目标物体所在矩形区域;然后,通过图像处理将目标物体区域与背景区域分割开;最后,通过已知的各个参数,利用透镜成像原理计算得到垂直距离的估计值。本发明操作简单,不需要双摄像头或是激光、雷达器件的硬件支持,只需在手臂两端分别对物体拍一次照,适用于日常生活中对未知大小的目标物体进行快速准确测距。
Description
技术领域
本发明属于手机***处理领域。
背景技术
视觉是人体获得信息最多的感官来源,视觉测距在智能安防监控、机器人视觉、物流检测等领域有着重要应用。近年来无人机、无人车等技术的不断成熟,使得需要用到测距的场所也越来越多,如定位、避障、测速等。下面主要从深度相机、双目测距、单目测距三个部分来介绍一些相关的测距方法。
深度相机除了能够获取平面图像以外,还可以获得拍摄对象的深度信息(三维的位置和尺寸信息),使得整个计算***获得环境和对象的三维立体数据。主要用于三维成像和距离测量,主要有结构光和TOF两种技术方案。
结构光方案使用结构光投射器向被测物体表面投射可控制的光点、光条或光面结构,由图像传感器获得图像,通过***几何关系、利用三角原理计算得到物体的三维坐标。结构光方案的基础原理是激光散斑编码,优点是技术成熟、在较近使用范围内能够达到高精度。缺点是核心技术激光散斑在强光下会被淹没,因此不合适室外;激光发射设备容易坏,更换设备后,需要重新标定。
TOF方案是飞行时间测距,通过给目标连续发送光脉冲,然后用传感器接收从物体返回的光,通过探测光脉冲的飞行(往返)时间来得到目标物距离。TOF方案的基础原理是反射时差,优点是抗干扰性能好、视角更宽、可以测量较远距离、实时性高、不需要额外增加计算资源。缺点是由于传感器技术不是很成熟,因此分辨率较低、成本高;很难分离传入的信号,因为它取决于许多参数;因为需要全面照射,所以功耗很高。
双目测距通过对两幅图像视差的计算,直接对前方景物(图像所拍摄到的范围)进行距离测量。双目测距的基础原理是双目匹配和三角测量,优点是在给定的工作条件下效果较好;硬件简单,功耗低,成本比单目测距要高,但尚处于可接受范围内,相对上述两种方案来说成本更低;适合室外环境,满足较长时间工作要求,不易损坏。缺点是在光照较暗或者过度曝光、物体表面颜色和纹理特征不明显时效果很差;算法复杂度高,难度很大,对计算单元的性能要求非常高;由于基线长度(两台相机之间的距离)限制,距离越远测距越不准确。
单目测距是通过图像匹配进行目标识别(各种车型、行人、物体等),再使用目标在图像中的大小去估算目标距离。单目测距的基础原理是相似三角形法,优点是成本比双目方案要低,对计算资源的要求不高,复杂性更低。缺点是这种方法并非真正意义上的测量,准确度较低。
单目测距中,有的使用固定的单摄像头,有的使用可变俯仰角度的单摄像头,主要使用了以下两种物距测量方法:a)物体尺寸和相机焦距已知的方法;b)物体的大小未知,但物体与地面的接触点已知的方法。
发明内容
发明目的:为了克服上述背景技术中已有测距方法存在成本高和易受环境影响等缺点,本发明提出了一种利用臂长和摄像头的智能手机测距方法。
技术方案:本发明提出了一种利用臂长和摄像头的智能手机测距方法,具体包括如下步骤:
步骤1:用户采用智能手机在前臂的肘关节处和腕关节处分别对目标物体进行拍照;
步骤2:根据目标物体的大小,在图像中目标物体的周围画出能够容纳该目标物体的最小的矩形;
步骤3:通过图像处理将目标物体所在矩形区域与图像的背景区域分割,将矩形的像素宽度作为对应图像中目标物体的宽度,像素高度作为对应图像中目标物体的高度;
步骤4:通过用户臂长,摄像头的焦距,以及两个矩形的像素宽度或高度计算出用户与目标物体的距离。
进一步的,所述步骤1中用户在拍摄照片时手机与地面垂直,且拍摄时两张图象的放大倍数相同。
进一步的,所述步骤3具体为:
步骤3.1:将两张图像转换为HSV格式,基于矩形框的颜色,并根据预设的该颜色的HSV最高值和HSV最低值,在图像中对该颜色进行提取,然后采用中值滤波对转换后的图像进行处理;
步骤3.2:采用边缘检测和概率霍夫变换直线在滤波后的图像中提取出矩形框,并把提取出的矩形框补充完整;
步骤3.3:将矩形框的轮廓以点向量的形式进行存储,进而获得该矩形的像素宽度或像素高度。
进一步的,所述步骤4中用户与目标物体的D距离为:
其中d为用户臂长,f是摄像头实际焦距,p0为在肘关节处拍摄时得到的图像中的矩形的宽度或高度;p1为在腕关节处拍摄时得到的图像中的矩形的宽度或高度,且当p1为宽度时,p1也为宽度;当p0为高度时,p1也为高度。
进一步的,所述步骤4中通过如下方法计算摄像头的焦距f:
DTAG是用户到标定物体的已知距离,d是用户臂长,p0,为在肘关节处拍摄时得到的标定物体的宽度或高度;p1,为在腕关节处拍摄时得到的标定物体的宽度或高度,且当p0,为宽度时,p1,也为宽度;当p0,为高度时,p1,也为高度。
有益效果:
(1)本方发明不需要成本较高的激光、雷达等设备,只需要一台有摄像头的智能手机即可完成测距。
(2)本方发明不同于双目测距的复杂算法,不需要大量的计算资源和较高的计算性能;与一些单目测距相比,并不需要预先知道各个待测物体的大小。
(3)本方发明由于结构简单,可以在较短时间内完成距离测算。
(4)本方发明可以达到一定的计算精度,可以满足日常生活中的一些测距需求。
(5)本方发明应用场景广泛,由于只依赖拍摄得到的图像上目标物体矩形区域的像素大小,该方法还支持对较远距离的目标物体进行距离测量。
附图说明
图1是本发明的整体流程图;
图2是测距方法的示意图;
图3是坐标系中摄像头和物体相对位置示意图;
图4是俯视视图下的成像示意图;
图5是侧视视图下的成像示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示,本实施例提供一种利用臂长和摄像头的智能手机测距方法,主要包括以下4个阶段:
阶段1:用户拍照阶段:用户在手臂前臂的肘关节和腕关节处分别对着目标物体进行拍照。
阶段2:目标划定阶段:用户在图像中的目标物体的周围画出能够容纳该目标物体的最小矩形。
阶段3:图像分割阶段:通过图像处理将目标物体区域与背景区域分割开。
阶段4:计算用户与目标物体的距离。
优选的,所述阶段1为:
1.1选定待测目标物体后,在所在位置上保持不要走动,向前伸出手臂并尽量保持手臂平行于地面。
1.2点开手机相机,注意尽量保持手机垂直于地面。
1.3在肘关节处拍摄第一张照片,在腕关节处拍摄第二张照片,注意两次拍照时选择的数码变焦应该设置为相同的放大倍数,
优选的,所述阶段2具体为:
2.1点击编辑选项,点击涂鸦操作,设定线条、颜色、粗细等,本实施例中颜色设置为红色。
2.2对于图片上的目标物体,画上一个矩形框,使得目标物体没有超出该框的范围之外。
2.4对于第二张照片也进行以上2.2、2.3两项操作
优选的,所述阶段3中的图像分割阶段具体为:通过图像处理将目标物体区域与背景区域分割开。
3.1特定颜色提取:对应阶段2的步骤2中提到的框线颜色,设定该颜色的阈值范围去凸显对应颜色的框线。首先将输入图像转换为HSV格式(参数H,S,V分别为色调、饱和度、明度),然后根据特定颜色的最低值和最高值对图像进行处理。
3.2中值滤波:去除噪声操作会直接影响后续的图像处理效果,如图像分割、特征提取、图像识别等。中值滤波是一种非线性滤波,可以在滤除噪声的同时很好的保持图像边缘,是去除脉冲干扰及椒盐噪声的常用算法。
3.3直线检测:使用边缘检测和概率霍夫变换直线检测提取出矩形框,并把矩形框补充完整。
3.4查找轮廓:每个轮廓都以点向量的形式进行存储,提取最大面积矩形对应的点集,可以获得最小外接矩形的宽度和高度(以像素为单位)。
优选的阶段4距离计算阶段具体为:
距离测量方法的示意图在附图2中展示,通过相机在沿手臂的两个位置拍下两张照片来获得距离测算值。两次拍照时的相机位置间的距离已知为n1,对于每次成像都有透镜成像公式和相似三角形公式成立,获得目标物体在两次像平面上的大小的比值后即可求得相机到目标物体的距离。该方法需要知道相机实际的焦距大小。
在附图3的相对位置下,附图4和附图5分别展示了俯视视图(使用物体成像的像素宽度)和侧视视图(使用物体成像的像素高度)中的几何关系,通过已知的各个参数,对以上两个视图的情况分别计算垂直距离的估计值,最终结果为两者的平均值。为了区别于倾斜距离,在附图3中展示了两者的区别。
4.1获得摄像头的实际焦距信息:如果用户清楚知道所使用手机摄像头的实际焦距,可以直接由用户给出,记为f;如果用户并不知道,利用以下方法通过一次预先标定来计算出焦距信息,对于一个未知大小、已知距离DTAG的标定物体,在前臂两端拍两次照片后根据以下公式计算得到焦距:
其中,DTAG是用户到标定物体的已知距离,d是用户臂长,p0,为在肘关节处拍摄时得到的标定物体的宽度或高度;p1,为在腕关节处拍摄时得到的标定物体的宽度或高度,且当p0,为宽度时,p1,也为宽度;当p0,为高度时,p1,也为高度。
4.2获得手臂前臂长度:由用户给定臂长d。如果不方便测量前臂长度,可以由用户给出脚长来替代,会带来一定的误差;为了更准确的计算结果,可以由用户给出具体的前臂测量值,并尽量在所测量长度的两端按顺序进行拍照。
4.3物体成像的像素宽度/高度:从图像处理过程之后得到的目标物体的矩形区域对应的点集上,可以获得到该矩形以像素为单位的尺寸信息。这里以宽度(附图4展示的俯视情况下)为例,经过图像处理后可以获得物体宽度在像平面上的宽度或高度。
4.4按照公式计算:以附图4所示的俯视视图为例,假设待测距离为D(也就是说,第一次拍照时摄像头到物体距离为D,第二次拍照时摄像头到物体距离为D-d),焦距f在4.1中获得、臂长d在4.2中获得、像素宽度p0和p1在4.3中获得,那么距离D可以由下式求得:
p0为在肘关节处拍摄时得到的图像中的矩形的宽度或高度;p1为在腕关节处拍摄时得到的图像中的矩形的宽度或高度,且当p0为宽度时,p1也为宽度;当p0为高度时,p1也为高度。
本发明的效果可以用以下实验进一步说明:按照前文所述步骤进行了实验,、3个实验中,两次拍照时图像处理前后的图片信息,实验的测量结果如表1所示:
表1
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种利用臂长和摄像头的智能手机测距方法,其特征在于,具体包括以下步骤:
步骤1:用户采用智能手机在前臂的肘关节处和腕关节处分别对目标物体进行拍照;
步骤2:根据目标物体的大小,在图像中目标物体的周围画出能够容纳该目标物体的最小的矩形;
步骤3:通过图像处理将目标物体所在矩形区域与图像的背景区域分割,将矩形的像素宽度作为对应图像中目标物体的宽度,像素高度作为对应图像中目标物体的高度;
步骤4:通过用户臂长,摄像头的焦距,以及两个矩形的像素宽度或高度计算出用户与目标物体的距离。
2.根据权利要求1所述的一种利用臂长和摄像头的智能手机测距方法,其特征在于,所述步骤1中用户在拍摄照片时手机与地面垂直,且拍摄时两张图象的放大倍数相同。
3.根据权利要求1所述的一种利用臂长和摄像头的智能手机测距方法,其特征在于,所述步骤3具体为:
步骤3.1:将两张图像转换为HSV格式,基于矩形框的颜色,并根据预设的该颜色的HSV最高值和HSV最低值,在图像中对该颜色进行提取,然后采用中值滤波对转换后的图像进行处理;
步骤3.2:采用边缘检测和概率霍夫变换直线在滤波后的图像中提取出矩形框,并把提取出的矩形框补充完整;
步骤3.3:将矩形框的轮廓以点向量的形式进行存储,进而获得该矩形的像素宽度或像素高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011010482.0A CN112229381A (zh) | 2020-09-23 | 2020-09-23 | 一种利用臂长和摄像头的智能手机测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011010482.0A CN112229381A (zh) | 2020-09-23 | 2020-09-23 | 一种利用臂长和摄像头的智能手机测距方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112229381A true CN112229381A (zh) | 2021-01-15 |
Family
ID=74107623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011010482.0A Pending CN112229381A (zh) | 2020-09-23 | 2020-09-23 | 一种利用臂长和摄像头的智能手机测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112229381A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113720300A (zh) * | 2021-09-18 | 2021-11-30 | 兰州大学 | 一种基于目标识别神经网络的单目测距方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175228A (zh) * | 2011-01-27 | 2011-09-07 | 北京播思软件技术有限公司 | 一种基于移动终端的测距方法 |
CN208765704U (zh) * | 2018-09-03 | 2019-04-19 | 黄剑鸣 | 单激光测距装置 |
-
2020
- 2020-09-23 CN CN202011010482.0A patent/CN112229381A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102175228A (zh) * | 2011-01-27 | 2011-09-07 | 北京播思软件技术有限公司 | 一种基于移动终端的测距方法 |
CN208765704U (zh) * | 2018-09-03 | 2019-04-19 | 黄剑鸣 | 单激光测距装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113720300A (zh) * | 2021-09-18 | 2021-11-30 | 兰州大学 | 一种基于目标识别神经网络的单目测距方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106767399B (zh) | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 | |
CN107084680B (zh) | 一种基于机器单目视觉的目标深度测量方法 | |
CN106960454B (zh) | 景深避障方法、设备及无人飞行器 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
US11042966B2 (en) | Method, electronic device, and storage medium for obtaining depth image | |
WO2020237565A1 (zh) | 一种目标追踪方法、装置、可移动平台及存储介质 | |
CN108629756B (zh) | 一种Kinectv2深度图像无效点修复方法 | |
CN109447908A (zh) | 一种基于立体视觉的钢卷识别定位方法 | |
CN113822942B (zh) | 一种基于二维码的单目摄像头测量物体尺寸的方法 | |
CN110189375B (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN117061868A (zh) | 一种基于图像识别的自动拍照装置 | |
CN110021035B (zh) | Kinect深度相机的标记物及基于该标记物的虚拟标记物跟踪方法 | |
CN112229381A (zh) | 一种利用臂长和摄像头的智能手机测距方法 | |
Han et al. | Target positioning method in binocular vision manipulator control based on improved canny operator | |
CN117406234A (zh) | 基于单线激光雷达与视觉融合的目标测距和追踪的方法 | |
CN115880643B (zh) | 一种基于目标检测算法的社交距离监测方法和装置 | |
CN108090930A (zh) | 基于双目立体相机的障碍物视觉检测***及方法 | |
CN113723432B (zh) | 一种基于深度学习的智能识别、定位追踪的方法及*** | |
WO2021124657A1 (ja) | カメラシステム | |
CN113409334B (zh) | 一种基于质心的结构光角点检测方法 | |
Slossberg et al. | Freehand Laser Scanning Using Mobile Phone. | |
CN112767442A (zh) | 一种基于顶视角的行人三维检测跟踪方法及*** | |
EP4217962A1 (en) | Voice call method and apparatus, electronic device, and computer-readable storage medium | |
JP4546155B2 (ja) | 画像処理方法、画像処理装置および画像処理プログラム | |
CN116721109B (zh) | 一种双目视觉图像半全局匹配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210115 |
|
RJ01 | Rejection of invention patent application after publication |