CN109646924A - 一种可视化测距方法及装置 - Google Patents

Abstract

本发明公开了一种可视化测距方法及系统，所述方法包括：记录待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度；拍摄标的物在落地前后，待测量区域的图像；采用图像对比识别技术，找到图像中的标的物和/或标的物在待测量区域内落地后形成的凹痕，并将其标记为落地区域；对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数；计算所述角点到起始点/线的实际距离。由于采用了上述技术方案，与现有技术相比，本发明通过定位标的物的实际落地点(凹痕)来确定落地点坐标，不仅使得计算量大大降低，测量结果也十分精确，同时也避免了人为主观判断因素造成的测距不准确。

Description

一种可视化测距方法及装置

技术领域

本发明涉及测距领域，具体涉及一种可视化测距方法及装置。

背景技术

在现代体育中，有很多田径项目需要通过测距来计算成绩，例如立定跳远、沙坑跳远、铅球、标枪等等，这些项目在测距时，通常采用软尺测距的方法来测量，而无论是跳远类项目还是投掷类项目，其实际落地点都需要靠人来记忆和估计落地点，测距本身也带有很强的主观性，且测距过程不可重复，因此，这种测距方法的精准性很低。

申请号为201210195032.2的中国发明专利公开了“一种基于图像拍摄的距离标定和测量方法及系统”，该发明专利的技术方案为：将摄像头装置设置于真实待测区域一侧，拍摄标定物在所述真实待测区域的不同标定位置坐标的图像；从所述拍摄的图像中分割出所述标定物的轮廓，记录下所述图像中所述标定物的位置坐标对应的所述真实待测区域的标定位置坐标，并计算出对应关系；其中，所述摄像头装置同时采用已经联合标定的深度摄像头和可见光摄像头，分别拍摄深度图像和可见光图像，在提取所述标定物的轮廓时首先在所述深度图像中初步确定所述标定物位置坐标，并获得所述标定物在对应的可见光图像上的大概位置，将所述大概位置作为所述可见光图像中搜索所述标定物的轮廓的初始值，再在所述可见光图像的初始值范围内精确分割出所述标定物的轮廓。该发明实现了基于视觉技术的距离的自动化测量，其操作简单，测量结果准确性高。但该发明所采用的轮廓识别技术在实现时，由于每个标定物的衣物差别大，面积大小差异也大，导致非常难找到完整的外部轮廓，而且由于光照和衣物皱褶等，在采用轮廓识别技术时会形成HS梯度，导致身体上的细微凹凸部分也会被描述，计算量十分庞大，而且可用于测量的目标点很难分离，计算结果不可靠。

发明内容

为解决背景技术中现有的距离测量方法计算量十分庞大且计算结果不可靠的问题，本发明提供了一种可视化测距方法，具体技术方案如下。

一种可视化测距方法，其包括如下步骤：

A、将摄像装置设置于待测量区域一侧，并记录待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度；

B、拍摄标的物在落地前后，待测量区域的图像；

C、将所述标的物在落地前待测量区域的图像，与所述标的物在落地后/落地瞬间待测量区域的图像进行对比识别处理，找到图像中的标的物和/或标的物在待测量区域内落地后形成的凹痕，并将所述标的物和/或标的物在待测量区域内落地后形成的凹痕标记为落地区域；

D、对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数；

E、根据所述角点的坐标参数、待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度，计算所述角点到起始点/线的实际距离。

步骤E中，可以采用坐标系转换方法或神经网络算法来计算所述角点到起始点/线的实际距离，其实就是将图像坐标系转换为世界坐标系，从而得到落地点到起始点/线的实际距离。所述坐标系转换方法和神经网络算法均为现有技术，本发明未针对上述计算方法本身提出改进。所述摄像装置的高度指的是摄像装置距离地面的高度。

对于沙坑跳远、铅球、标枪这类标的物在落地后能够在沙坑或草地上形成凹痕的体育项目的测距，通过将所述标的物在落地前待测量区域的图像，与所述标的物在落地后待测量区域的图像进行对比识别处理，即可找到所述图像中标的物在待测量区域内落地后新形成的凹痕，并将其标记为落地点，然后通过角点检测技术对所述落地点进行处理，即可得到所述落地点的坐标；最后，根据所述落地点的坐标与实际落地点坐标的对应关系，以及待测量区域内基准点到起始点或线的实际距离，即可计算出实际落地点到起始点/线的实际距离。该测量方法通过结合图像拍摄、图像对比、角点测量、图形坐标与世界坐标转换，通过定位标的物的实际落地点(凹痕)来确定落地点坐标，不仅使得计算量大大降低，测量结果也十分精确，同时也避免了人为主观判断因素造成的测距不准确。

优选地，所述步骤B和步骤C之间还包括如下步骤：获取所述标的物在落点前后的若干帧图像，通过对所述若干帧图像进行逐一对比，找到其中所述标的物的纵坐标最小的图像，得到所述标的物落地瞬间的图像。

对于立定跳远、实心球等这类标的物在落地后不能够在水泥地上形成凹痕的体育项目的测距，将人的双脚、实心球作为标的物，然后通过对标的物落地前后的若干帧图像进行逐一对比，找到其中所述标的物的纵坐标最小的图像，即可判定其为落地瞬间的图像，之后再经过图像对比、角点测量、图形坐标与世界坐标转换等，即可计算出实际距离。

优选地，所述步骤A还包括：通过调节所述摄像装置和/或待测量区域内的第一校准装置的位置，使待测量区域内的第一校准装置与摄像装置上的第二校准装置重叠。

由于需要采用图形坐标与世界坐标转换方法，因此需要通过使待测量区域内的第一校准装置与摄像装置上的第二校准装置重叠，以校准图形坐标与世界坐标，来保证测量数据的准确。

优选地，所述角点检测的选点原则为：在多个角点的情况下，按照最低、最近角点优先原则，选取满足该条件的点。

对于沙坑跳远这类测距项目，由于其规则特殊：以人体与沙坑接触的最近点作为有效成绩，例如参赛选手的手和脚均落地，在沙坑上形成了两个凹痕，则以最近的凹痕作为有效成绩。因此，按照最低、最近角点优先原则，来选取满足该条件的点。

优选地，采用神经网络算法来计算所述角点到起始点/线的实际距离。

与坐标系转换方法相比较，神经网络算法虽然在前期需要通过大量实验来建立数据库，但一旦数据库完整之后，其计算速度会大大提高，精度也能够达到99％以上。

基于同一个发明构思，本发明还提供一种可视化测距装置，包括：

摄像装置，用于拍摄标的物在落地前后，待测量区域的图像；

参数录入模块，用于记录待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度；

图像识别模块，用于将所述标的物在落地前待测量区域的图像，与所述标的物在落地后/落地瞬间待测量区域的图像进行对比识别处理，找到图像中的标的物和/或标的物在待测量区域内落地后形成的凹痕，并将所述标的物和/或标的物在待测量区域内落地后形成的凹痕标记为落地区域；

角点检测模块，用于对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数；

计算模块，用于根据所述角点的坐标参数、待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度，计算所述角点到起始点/线的实际距离；

所述拍摄模块将标的物在落地前后所拍摄到的待测量区域的图像发送给图像识别模块，所述图像识别模块将所述标的物在落地前待测量区域的图像，与所述标的物在落地后/落地瞬间待测量区域的图像进行对比识别处理，找到图像中的标的物和/或标的物在待测量区域内落地后形成的凹痕，并将所述标的物和/或标的物在待测量区域内落地后形成的凹痕标记为落地区域，并发送给角点检测模块；所述角点检测模块对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数，并将坐标参数发送给计算模块；计算模块接收所述参数录入模块发送过来的待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度，以及所述角点检测模块发送过来的角点的坐标参数，计算出所述角点到起始点/线的实际距离。

优选地，所述可视化测距装置还包括图像对比模块；所述摄像模块获取所述标的物落地前后的若干帧图像，并发送给所述图像对比模块；所述图像对比模块对所述若干帧图像进行逐一对比，找到所述若干帧图像中所述标的物纵坐标最小的图像，得到所述标的物落地瞬间的图像。

优选地，所述角点检测模块的选点原则为：在多个角点的情况下，按照最低、最近角点优先原则，选取满足该条件的点。

优选地，所述待测量区域内设有第一校准装置，所述摄像装置上设有第二校准装置。

所述第二校准装置位于摄像装置上，该摄像装置的取景器上有细U型框在取景器玻璃上，分布于垂直中心线两侧，与水平横线相接。左右摄像机间距固定。

所述第一校准装置为一个坐标调节架，坐标系结构为X-Y-Z，X-Y为正视屏幕平面，X-Z为水平地面，Z轴平行于起跳线，Y轴垂直水平面(方向朝下，与计算机屏幕坐标方法一致)。调节架的正面为一个U型器，左下部为一个互为90度的转动的四根标杆，左边构成一个立体坐标，右边构成一个垂直直角器，可相对旋转90度。坐标架充当世界坐标系，相机相对该坐标有一个平移量。一般把坐标架放在同组如男子组或女子组最远落地点与最近落地点中间位置。预先测得坐标架中心线(待测量区域内基准线)与投掷园圆心(起始点)之间的X’Y’Z’偏移量，世界坐标系的原点定在投掷园圆心，X’为与圆心距离；Y’为左摄像头高度，与坐标架中心线齐高。Z’偏移量为坐标架距离左摄像头的距离值，一般取5-6米(应放在有效投掷区域外，以免被投掷物打到)，同时避免太近距离，导致相机成像角大于120度形成变形。

摄像装置固定在一个三脚架上，三脚架的三条腿可调节高度，脚底有轮子帮助移动，摄像机上部有水平泡。通过调节高度和移动三角架，可保证摄录机处在一定的位置，并保证摄像面的水平。摄像机用来捕捉运动对象的落地点。比赛测量时，坐标架取走，不再需要立在当地。为方便，相机高度和坐标架顶端高度一致。

优选地，所述摄像装置为多个同步的摄像机，优选地，所述摄像装置为双目摄像机。

采用双目摄像机可以增加测量结果的精度，而采用多个同步摄像机可以扩大测量范围，例如标枪这类成绩可能相差悬殊的体育项目，采用多个同步摄像机间隔设置，既可保证足够的测量范围。

其中，图形坐标与世界坐标转换的原理是：让拍摄装置的成像uv平面坐标系进行校准，根据图像识别方法对单个落地点进行逐帧识别，利用投掷对象对地的角点图像识别及其位置测量方法，测量图像上的uv值。投掷时，如果连续多张图的与地角点v值不再变小，则表明已经落地。此时，利用成像坐标系与世界坐标系转换关系，通过像面值，即可获得世界坐标。世界坐标系XYZ、相平面坐标系uvz规则：X从左向右，Y从上往下，Z是向相片内，u平行X，Y平行v，zZ相互平行。为减小误差，本专利使用双目摄像机来进行摄像取图。

计算原理：

采用最小二乘法求解X,Y,Z，在opencv中可以用solve(A,B,XYZ,DECOMP_SVD)求解。小m由2个摄像机的内外参数矩阵决定，可以完全一样，如下式

对于两相机分别有：

如果以左相机为标准，对齐世界坐标，右相机X比左相机有一个偏移量，但最终结果与这个无关。

fx和fy分别表示横向与纵向的焦距，可以一样，x0和y0表示偏移量，由相机成像平面相对于光心偏离距离来决定，本发明可校准为0；R为旋转矩阵，T为平移量是相机坐标原点相对于世界坐标原定的偏移量。s为坐标轴倾斜参数，理想情况下为0。下面为R旋转矩阵的具体计算方法，通常由坐标轴夹角来决定。在相机坐标系与世界坐标系各轴平行情况下，旋转矩阵为单位矩阵。

世界坐标系原点假设在投掷园的中心，Zw为投掷园切线，Xw为垂直投掷园切线穿过圆心的，Yw垂直水平面向下，XwYwZw符合右手螺旋法则。

本发明采用成像uvz平面与世界坐标XYZ平面完全平行，即相机的拍摄方向(光线方向)与X轴垂直，与Z轴方向平行，成像u轴与X平行，v垂直地面向下。

根据(10)式可以根据空间坐标来求图像坐标，也可根据图像坐标来求空间坐标。在坐标系无旋转情况下，旋转矩阵为单位矩阵。

更加简单的情况是：没有旋转、s＝0、光心与成像平面中心偏离为0，且摄像机焦距fxfy内参固定而且相等，只有相机与世界坐标的偏离，从图像坐标到世界坐标的求解固定，形成一一对应，实现互推。

神经网络算法的原理是：首先构造一个神经网络(算法)预测模型，方法是：架设好坐标架，对齐摄像机，然后进行实际投掷，测量每次的投掷成绩与落地图像uv坐标值对，并把相机参数基本数据保存到数据库中，经过大量实际测量，获得大量训练数据，训练后，确定神经网络模块的参数。然后进行利用这个程序就可对任意一次的落地uv值下的投掷成绩进行评估计算，以此作为本次投掷成绩。神经网络模型非常适合这种非线性预测。

优选地，所述摄像装置的摄像范围仅包括所述标的物的最近落地点和最远落地点。

由于本测量方法无需拍摄参赛者起跳瞬间以及起跳过程的图像，而仅需要拍摄落地点的图像，因此所述摄像装置的摄像范围可以设置为仅包括所述标的物的最近落地点和最远落地点，这样一来由于摄像范围较小，测量精度也会大大增加。本测量方法没有严格的开始与结束帧图像，摄录时由裁判(老师)来决定，开始一般选择在起跳之际，前后影响不大，但必须在落地之前启动摄像，而结束则在落地后一小段时间都可，例如人离开，铅球静止，都不会影响。

由于采用了以上技术方案，与现有技术相比较，本发明结合图像拍摄、图像对比、角点测量、图形坐标与世界坐标转换，通过定位标的物的实际落地点(凹痕)来确定落地点坐标，不仅使得计算量大大降低，测量结果也十分精确，同时也避免了人为主观判断因素造成的测距不准确。

附图说明

图1为本发明实施例1中测距方法的流程图；

图2为本发明实施例2中测距方法的流程图；

图3为本发明使用时各装置的布置图。

具体实施方式

下面结合附图对本发明作进一步详细描述。

实施例1

参见图1，一种可视化测距方法，本实施例中的方法适合沙坑跳远、铅球、标枪这类标的物在落地后能够在沙坑或草地上形成凹痕的体育项目的测距。

该方法包括如下步骤：

A、将摄像装置设置于待测量区域一侧，并记录待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度；

B、拍摄标的物在落地前后，待测量区域的图像；

C、将所述标的物在落地前待测量区域的图像，与所述标的物在落地后待测量区域的图像进行对比识别处理，找到所述图像中的标的物在待测量区域内落地后形成的凹痕，并将其标记为落地区域；

D、对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数；

E、根据所述角点的坐标参数、待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度，通过坐标系转换方法，计算实际落地点到起始点/线的实际距离。

通过先摄像，然后集中进行图像识别，实际是把视频全部转换为帧，然后逐帧来识别。具体为：调用最初几幅中的一幅图像(一般1秒针25帧的话，如第3幅即可)，然后从后逐帧比较。比较是选取感兴趣区域(ROI，一般是图像中线以下，拍摄光心为水平正中，以下接近地面，这部分图像内容基本固定，不会有很多干扰(人身体晃动等))，然后图像相减，得到的图像只存下不同的物体，其它像素为0呈黑色。由此可翻转图像，找出标的物，轮廓非常清晰。有了这个轮廓，然后再找图像上的角点，非常容易，而且清晰。并且，在测距时，本方案采用角点测量，因为像三级跳远这些，测量的是在沙坑形成凹痕距离起跳线最近者，而这个不是标的物轮廓，而只能从人肢体与沙坑形成凹痕图来处理。同样的情况在投掷铅球时也会产生。

先进行图像相减，去掉前面的静态，留下新形成的内容，然后再根据图像匹配性来搜索运动图像位置，避免计算数据量过大。因为匹配图像比较对于目标物体在图像中的角度要求非常高，就像人脸识别，转了角度就认准，必须旋转到基本一致，才可以较好匹配。图像对比，一是找寻物体，二是找寻物体落地与地面相交点(当时的图像，包括地面形状的改变，如沙坑会有凹陷边沿隆起，标枪会有新地面坑)。避免计算量太大，如根据目标物面积等确定大概位置，减少噪音。

实施例2

参见图2，一种可视化测距方法，本实施例中的方法适合立定跳远、实心球等这类标的物在落地后不能够在水泥地上形成凹痕的体育项目的测距。

该方法包括如下步骤：

A、将摄像装置设置于待测量区域一侧，并记录待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度；

B、拍摄标的物在落地前后，待测量区域的图像；

C、获取标的物落地前后的若干帧图像，通过对所述若干帧图像进行逐一对比，找到其中标的物的纵坐标最小的图像，得到所述标的物落地瞬间的图像；

D、将所述标的物在落地前待测量区域的图像，与所述标的物落地瞬间的图像进行对比识别处理，找到所述图像中的标的物，并将其标记为落地区域；

E、对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数；

F、根据所述图像中落地区域的坐标参数、待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度，通过坐标系转换方法，得到实际落地点到起始点/线的实际距离。

通过先摄像，然后集中进行图像识别，实际是把视频全部转换为帧，然后逐帧来识别。具体为：调用最初几幅中的一幅图像(一般1秒针25帧的话，如第3幅即可)，然后从后逐帧比较。比较是选取感兴趣区域(ROI，一般是图像中线以下，拍摄光心为水平正中，以下接近地面，这部分图像内容基本固定，不会有很多干扰(人身体晃动等))，然后图像相减，得到的图像只存下不同的物体，其它像素为0呈黑色。由此可翻转图像，找出标的物，轮廓非常清晰。有了这个轮廓，然后再找图像上的角点，非常容易，而且清晰。并且，在测距时，本方案采用角点测量，因为像三级跳远这些，测量的是在沙坑形成凹痕距离起跳线最近者，而这个不是标的物轮廓，而只能从人肢体与沙坑形成凹痕图来处理。同样的情况在投掷铅球时也会产生。

先进行图像相减，去掉前面的静态，留下新形成的内容，然后再根据图像匹配性来搜索运动图像位置，避免计算数据量过大。因为匹配图像比较对于目标物体在图像中的角度要求非常高，就像人脸识别，转了角度就认准，必须旋转到基本一致，才可以较好匹配。图像对比，一是找寻物体，二是找寻物体落地与地面相交点(当时的图像，包括地面形状的改变，如沙坑会有凹陷边沿隆起，标枪会有新地面坑)。避免计算量太大，如根据目标物面积等确定大概位置，减少噪音。

通过对连续多张快落地时的图像进行比较，落地角点(如坑边沿)图像纵坐标不会再改变，物体落地(落地瞬间)角点纵坐标基本不会改变，横坐标会越来越大。(从图像上来看，只有平行于横坐标的投掷、跳远才不会形成纵坐标的上下波动，横坐标有一个坐标架来决定，横坐标以上的Z方向里横坐标轴上方，落地后图像上U不再变大，Z方向相反横坐标轴下方，落地后U会变大一点(因为滚动溜动))。

由于立定跳远落地对地面影响不是很大，难以形成凹痕，实心球也有可能，因为一般是硬地面，因此还是要追寻一下物体，以找到与地面接触角点。每次跳远完毕，都需要进行沙坑规整抚平，因为沙坑跳一次改变的很大(对于跳远也不客观，因为落坑里也无法测量实际成绩)，投掷则不需要。实际上每次重新计算，都会拍摄落地前的地面状态，然后进行比较，去掉相似的部分，留下不同的进行计算。

本测距方法不需要捕捉运动物体，通过跟踪标的物，只是为了连续20-30帧图像的比较，以确定标的物是否落地和落地状态，找到最小的和最有效的落地点。如果每秒25帧，那么跳远和投掷一般在2秒内肯定会完成，不会超过50帧，用来计算的就20来帧。

当然，实施例1和实施例2也可以结合起来一起使用，既寻找凹痕，也对标的物进行追踪以寻找标的物落地瞬间时的图像，这样可以准确标记落地位置、实施无人化客观测量，特别适合于在泥巴场地进行的投掷、跳远类体育项目的测距。

使用时，将计算终端与双目摄像机相连，计算终端上有启动摄像模块、停止摄像模块、读取摄像机存储器数据模块、分解影像为帧图像模块、数据存储模块、图像匹配模块、移动追踪模块、图像坐标与世界坐标系转换程序、成绩计算程序、数据导入导出模块、无线通信模块等。

裁判(工作人员)手持无线命令笔，笔内有无线通信模块、处理器、电源灯模块，外部有启动按钮、停止按钮、测量按钮、结果显示屏等。

操作时，首先把坐标调节架U型底线X坐标线与主投掷方向线平行，Z向与投掷园的切线相平行，并测量坐标架中心线到投掷园的圆心距离，作为坐标线的X偏移量；坐标架中心线距离左摄像机中心点的距离作为Z偏移量；摄像机拍摄方向水平，高度与U型架高一致，高度作为Y偏移量。具体做法是：先把坐标架放在男子组或者女子组最好投掷点与最差投掷点的中间位置(可事先画好放置位置线)，方向按前述约定，并把取景器套左摄像机上，调节三脚架的高低、前后和左右位置，使得坐标架与取景器的U型框完全重合为止。然后固定三脚架和双目摄像机。

当运动员开始跳远或投掷时，裁判(工作人员)点按启动按钮，计算终端接收到启动命令信号，计算终端启动摄像模块开始摄像。当运动员跳远或投掷结束时，操作人员点按停止按钮，计算终端接收到停止命令信号，启动停止摄像模块，计算终端同时启动数据存储模块，把影像数据存储到存储器，同时启动分解影像为帧图像模块，保存为一系列帧图像予以保存。

当操作人员点按测算按钮时，计算终端接收到测算指令，将把保存的全部帧图像读出，启动图像匹配模块、移动追踪模块，只要首先把铅球、实心球、标枪等图像存入系统，系统可调用这些图像与视频流图像比对，从而寻找当前的运动目标及其落地点，应用角点识别方法，把落地处标记出来，计算在图像上的UV值。然后应用图像坐标与世界坐标转换程序，计算世界坐标。计算出世界坐标XYZ，用r为投掷园半径，Y＝0。

确定落地方法：以水平u轴为基准，通过逐帧比对投掷物的v坐标，如果连续多个图像的u坐标变大，而v坐标几乎无变化，即已经落地。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种可视化测距方法，其特征在于，所述方法包括如下步骤：

A、将摄像装置设置于待测量区域一侧，并记录待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度；

B、拍摄标的物在落地前后，待测量区域的图像；

C、将所述标的物在落地前待测量区域的图像，与所述标的物在落地后/落地瞬间待测量区域的图像进行对比识别处理，找到图像中的标的物和/或标的物在待测量区域内落地后形成的凹痕，并将所述标的物和/或标的物在待测量区域内落地后形成的凹痕标记为落地区域；

D、对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数；

E、根据所述角点的坐标参数、待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度，计算所述角点到起始点/线的实际距离。

2.根据权利要求1所述的可视化测距方法，其特征在于，所述步骤B和步骤C之间还包括如下步骤：获取所述标的物在落点前后的若干帧图像，通过对所述若干帧图像进行逐一对比，找到其中所述标的物的纵坐标最小的图像，得到所述标的物落地瞬间的图像。

3.根据权利要求1或2所述的可视化测距方法，其特征在于：所述步骤A还包括：通过调节所述摄像装置和/或待测量区域内的第一校准装置的位置，使待测量区域内的第一校准装置与摄像装置上的第二校准装置重叠。

4.根据权利要求1或2所述的可视化测距方法，其特征在于，所述角点检测的选点原则为：在多个角点的情况下，按照最低、最近角点优先原则，选取满足该条件的点。

5.根据权利要求1或2所述的可视化测距方法，其特征在于：采用神经网络算法来计算所述角点到起始点/线的实际距离。

6.一种可视化测距装置，包括：

摄像装置，用于拍摄标的物在落地前后，待测量区域的图像；

参数录入模块，用于记录待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度；

图像识别模块，用于将所述标的物在落地前待测量区域的图像，与所述标的物在落地后/落地瞬间待测量区域的图像进行对比识别处理，找到图像中的标的物和/或标的物在待测量区域内落地后形成的凹痕，并将所述标的物和/或标的物在待测量区域内落地后形成的凹痕标记为落地区域；

角点检测模块，用于对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数；

计算模块，用于根据所述角点的坐标参数、待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度，计算所述角点到起始点/线的实际距离；

所述拍摄模块将标的物在落地前后所拍摄到的待测量区域的图像发送给图像识别模块，所述图像识别模块将所述标的物在落地前待测量区域的图像，与所述标的物在落地后/落地瞬间待测量区域的图像进行对比识别处理，找到图像中的标的物和/或标的物在待测量区域内落地后形成的凹痕，并将所述标的物和/或标的物在待测量区域内落地后形成的凹痕标记为落地区域，并发送给角点检测模块；所述角点检测模块对所述图像中的落地区域进行角点检测，得到所述图像中落地区域的角点，并获取所述角点的坐标参数，并将坐标参数发送给计算模块；计算模块接收所述参数录入模块发送过来的待测量区域内基准点/线到起始点/线的实际距离以及所述摄像装置的高度，以及所述角点检测模块发送过来的角点的坐标参数，计算出所述角点到起始点/线的实际距离。

7.根据权利要求6或7所述的可视化测距装置，其特征在于：还包括图像对比模块；所述摄像模块获取所述标的物落地前后的若干帧图像，并发送给所述图像对比模块；所述图像对比模块对所述若干帧图像进行逐一对比，找到所述若干帧图像中所述标的物纵坐标最小的图像，得到所述标的物落地瞬间的图像。

8.根据权利要求6或7所述的可视化测距装置，其特征在于：所述角点检测模块的选点原则为：在多个角点的情况下，按照最低、最近角点优先原则，选取满足该条件的点。

9.根据权利要求6或7所述的可视化测距装置，其特征在于：所述待测量区域内设有第一校准装置，所述摄像装置上设有第二校准装置。

10.根据权利要求6或7所述的可视化测距装置，其特征在于：所述摄像装置为多个同步的摄像机，优选地，所述摄像装置为双目摄像机。