CN112669382A - 一种基于图像的距离确定方法及装置 - Google Patents
一种基于图像的距离确定方法及装置 Download PDFInfo
- Publication number
- CN112669382A CN112669382A CN202011605338.1A CN202011605338A CN112669382A CN 112669382 A CN112669382 A CN 112669382A CN 202011605338 A CN202011605338 A CN 202011605338A CN 112669382 A CN112669382 A CN 112669382A
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- distance
- coordinate
- conversion model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000006243 chemical reaction Methods 0.000 claims abstract description 149
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种基于图像的距离确定方法及装置,包括:从原始图像中确定标定物体的第一坐标;并根据所述标定物体的标定形状和所述第一坐标,确定所述标定物体的第二坐标;根据所述第一坐标和所述第二坐标,确定图像转换模型;根据所述第二坐标和所述标定物体的预定参数,确定距离转换模型;根据所述图像转换模型和所述距离转换模型,确定待测图像中的待测距离;利用原始图像和标定物体建立图像转换模型和距离转换模型,并以图像转换模型和距离转换模型对于待测图像中待测距离进行测算;实现了基于单目摄像头的测距,无需在车联网系统中进一步的部署距离传感器,从而降低了车辆网系统的经济成本和部署难度。
Description
技术领域
本发明涉及图像分析技术领域,尤其涉及一种基于图像的距离确定方法及装置。
背景技术
在车联网系统当中,可以通过部署路侧传感器,以采集道路中的各种传感数据,从而为后续基于路况的数据分析提供数据基础。路侧传感器可以是摄像头,其采集的传感数据即是拍摄道路中特定范围的图像,或连续图像构成的视频。
普通的单目摄像头采集图像是二维图像,不包括深度信息,即无法根据图像直接确定道路中物体间的距离。而“距离”亦是车联网系统中重要的传感数据。所以现有技术中为了弥补摄像头无法实现测距的不足,通常还需在路侧传感器中额外的部署深度传感器,以实现测距功能。
发明内容
本发明提供一种基于图像的距离确定方法及装置,以至少解决现有技术中存在的以上技术问题。
第一方面,本发明提供一种基于图像的距离确定方法,包括:
从原始图像中确定标定物体的第一坐标;并根据所述标定物体的标定形状和所述第一坐标,确定所述标定物体的第二坐标;
根据所述第一坐标和所述第二坐标,确定图像转换模型;
根据所述第二坐标和所述标定物体的预定参数,确定距离转换模型;
根据所述图像转换模型和所述距离转换模型,确定待测图像中的待测距离。
优选的,所述原始图像的数量为至少2个,所述从原始图像中确定标定物体的第一坐标;并根据所述标定物体的标定形状和所述第一坐标,确定所述标定物体的第二坐标包括:
从各所述原始图像中,确定所述标定物体对应的第一坐标;
根据所述标定物体的标定形状对各所述第一坐标进行坐标转换,以确定各所述第一坐标对应的第二坐标。
优选的,所述根据所述第一坐标和所述第二坐标,确定图像转换模型包括:
根据各所述原始图像对应的第一坐标和第二坐标,确定相应的转换参数;
根据各所述转换参数,确定所述图像转换模型。
优选的,所述根据所述第二坐标和所述标定物体的预定参数,确定距离转换模型包括:
根据所述原始图像和所述图像转换模型,确定所述原始图像对应的第一转换图像;
根据所述第二坐标,确定所述标定物体在所述第一转换图像中的第一像素距离;
根据所述第一像素距离和所述标定物体的预定参数,确定所述距离转换模型。
优选的,所述根据所述原始图像和所述图像转换模型,确定所述原始图像对应的第一转换图像包括:
将所述原始图像中原始像素的原始像素坐标输入所述图像转换模型,以确定第一转换坐标;
根据所述原始像素和所述第一转换坐标,确定所述第一转换图像。
优选的,所述根据所述图像转换模型和所述距离转换模型,确定待测图像中的待测距离包括:
根据所述待测图像和所述图像转换模型,确定所述待测图像对应的第二转换图像;
根据所述第二转换图像和所述距离转换模型,确定所述待测距离。
优选的,所述根据所述第二转换图像和所述距离转换模型,确定所述待测距离包括:
确定所述第二转换图像中的第二像素距离;
根据所述第二像素距离和所述距离转换模型,确定所述待测距离。
第二方面,本发明提供一种基于图像的距离确定装置,包括:
坐标确定模块,用于从原始图像中确定标定物体的第一坐标;并根据所述标定物体的标定形状,确定所述标定物体的第二坐标;
图像转换模型确定模块,用于根据所述第一坐标和所述第二坐标,确定图像转换模型;
距离转换模型确定模块,用于根据所述第二坐标和所述标定物体的预定参数,确定距离转换模型;
测距模块,用于根据所述图像转换模型和所述距离转换模型,确定待测图像中的待测距离。
第三方面,本发明提供一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行本发明所述的基于图像的距离确定方法。
第四方面,本发明提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现本发明所述的基于图像的距离确定方法。
与现有技术相比,本发明提供的一种基于图像的距离确定方法及装置,利用原始图像和标定物体建立图像转换模型和距离转换模型,并以图像转换模型和距离转换模型对于待测图像中待测距离进行测算;实现了基于单目摄像头的测距,无需在车联网系统中进一步的部署距离传感器,从而降低了车辆网系统的经济成本和部署难度。
附图说明
图1为本发明一实施例提供的一种基于图像的距离确定方法的流程示意图;
图2为本发明一实施例提供的一种基于图像的距离确定方法中标定物体的示意图;
图3为本发明一实施例提供的另一种基于图像的距离确定方法的流程示意图;
图4为本发明一实施例提供的一种基于图像的距离确定装置的结构示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在车联网系统当中,可以通过部署路侧传感器,以采集道路中的各种传感数据,从而为后续基于路况的数据分析提供数据基础。路侧传感器可以是摄像头,其采集的传感数据即是拍摄道路中特定范围的图像,或连续图像构成的视频。
普通的单目摄像头采集图像是二维图像,不包括深度信息,即无法根据图像直接确定道路中物体间的距离。而“距离”亦是车联网系统中重要的传感数据。所以现有技术中为了弥补摄像头无法实现测距的不足,通常还需在路侧传感器中额外的部署深度传感器,或者部署具有测距功能的红外摄像头等,以实现测距功能。
但是,额外的部署深度传感器或红外摄像头的设备,会进一步的增加车联网系统的成本。现有技术中缺少一种利用单目摄像头实现测距的解决方案。
因此,本发明实施例将提供一种基于图像的距离确定方法,以至少解决现有技术中存在的以上技术问题。如图1所示,本实施例中方法包括以下步骤:
步骤101、从原始图像中确定标定物体的第一坐标;并根据标定物体的标定形状和第一坐标,确定标定物体的第二坐标。
本实施例中,将采用单目摄像头,即单一的普通摄像头实现测距。原始图像即单目摄像头拍摄得到的图像。在单目摄像头的拍摄范围内包括标定物体。该标定物体的在物理世界中的尺寸和形状是已知的。标定物体的标定形状,即为其已知的形状。本实施例中假设,标定物体是一个边长为1米的正方形,并且水平的放置在单目摄像头拍摄范围内的某个位置。
由于拍摄角度的关系,标定物体在原始图像中会产生畸变,其形态可呈梯形或其他不规则四边形。如图2所示,A1、A2、A3、A4四个点所围成的形状,即是原始图像中标定物体的形状。则其中,A1、A2、A3、A4四个点在原始图像中的像素坐标,就是标定物体的第一坐标。
由于本实施例中标定物体是水平放置,所以需要进一步的将原始图像中呈现的标定物体进行逆透视变换,从而模拟出标定物体在俯拍画面,即俯视图中。从而去除畸变,得到呈现标定物体真实形状(正方形)的图像。
根据标定物体的标定形状(正方形)和第一坐标(A1、A2、A3、A4),可确定标定物体在逆透视变换后的俯视图中的形状为A1、A2、A3’、A4’四个点围城的正方形。A1、A2、A3’、A4’四个点的像素坐标,即标定物体的第二坐标。
步骤102、根据第一坐标和第二坐标,确定图像转换模型。
本实施例中,可将第一坐标和第二坐标作为逆透视变换的基础。即根据第一坐标和第二坐标进行相应的计算,以建立图像转换模型。图像转换模型,也就是逆透视关系函数。本实施例中对于建立图像转换模型的计算方式不做限定,任何能够实现相同或类似功能的算法,均可结合在本实施例整体技术方案中。
步骤103、根据第二坐标和标定物体的预定参数,确定距离转换模型。
图像转换模型,也就是逆透视关系函数,能够将原始图像中的像素坐标转换成对应的俯视图中的像素坐标。在建立了图像转换模型之后,即可对原始图像整体进行逆透视变换。也就是,可以根据原始图像和图像转换模型,确定原始图像对应的第一转换图像。第一转换图像,就是原始图像经过逆透视变换得到的俯视图。
具体的,原始图像中包括多个原始像素,每个原始像素有对应的原始像素坐标。可以将原始图像中原始像素的原始像素坐标输入图像转换模型,以使图像转换模型输出第一转换坐标。第一转换坐标,是原始像素在第一转换图像(即俯视图)中的像素坐标。根据原始像素和第一转换坐标,可以构建得到第一转换图像,即实现了将原始像素映射到第一转换图像当中。
在第一转换图像中,标定物体将以标定形状呈现。本实施例中,标定物体将呈现为A1、A2、A3’、A4’四个点围城的正方形。根据第二坐标,可以确定标定物体在第一转换图像中的第一像素距离。该例如,该第一像素距离可以是标定物体的边长。本实施例中假设,第一像素距离为100像素。
另一些情况下,本实施例中方法也可无需对原始图像完整的进行逆透视变化,而是直接利用第二坐标计算得到第一像素距离。
标定物体的在物理世界中的尺寸和形状是已知的;标定物体的标定参数即为其尺寸。本实施例中,标定物体为边长1米的正方形,意味着标定参数为1米。对比第一像素距离和标定参数可以认为,第一转换图像中100像素的像素距离,相当于物理世界中1米的长度。因此根据第一像素距离和标定物体的预定参数,确定距离转换模型。距离转换模型,也就是像素距离与物理距离的转换关系。
步骤104、根据图像转换模型和距离转换模型,确定待测图像中的待测距离。
待测图像为单目摄像头拍摄的另一图像;待测距离则可是待测图像中两个待测点之间的距离,也是本实施例中测距的目标。
本实施例中在确定了图像转换模型和距离转换模型之后,可首先利用图像转换模型对待测图像进行逆透视变换,也就是根据待测图像和图像转换模型,确定待测图像对应的第二转换图像。具体的,就是可以将待测图像中各个像素的像素坐标输入图像转换模型,以使图像转换模型输出第二转换坐标。并基于第二转换坐标将待测图像中各个像素进行映射,以到第二转换图像。
由于第二转换图像与第一转换图像是根据同样的图像转换模型计算得到,所以二者当中像素距离与物理距离的比例关系是一致的。因此在确定了第二转换图像后,可以进一步的确定两个待测点在第二转换图像中的第二像素距离。进而根据第二像素距离和距离转换模型,确定待测图像中的待测距离。例如,第二像素距离为80像素,则根据距离转换模型可得,待测距离为0.8米。
至此,本实施例中基于单目摄像头拍摄得到的原始图像,建立图像转换模型和距离转换模型,从而实现对于该单目摄像头拍摄的待测图像进行任意测距。
通过以上技术方案可知,本实施例存在的有益效果是:利用原始图像和标定物体建立图像转换模型和距离转换模型,并以图像转换模型和距离转换模型对于待测图像中待测距离进行测算;实现了基于单目摄像头的测距,无需在车联网系统中进一步的部署距离传感器,从而降低了车辆网系统的经济成本和部署难度。
图1所示仅为本发明所述方法的基础实施例,在其基础上进行一定的优化和拓展,还能够得到所述方法的其他优选实施例。
如图3所示,为本发明所述基于图像的距离确定方法的另一个具体实施例。本实施例在前述实施例的基础上,进行进一步拓展。在本实施例的场景中,标定物体将位于一个连续移动的设备上。在该设备的移动过程中,单目摄像头连续的采集得到多个原始图像。也就是说,单目摄像头采集的原始图像并不唯一,并且标定物体也并不位于固定位置。
所述方法具体包括以下步骤:
步骤301、从各原始图像中,确定标定物体对应的第一坐标。
步骤302、根据标定物体的标定形状对各第一坐标进行坐标转换,以确定各第一坐标对应的第二坐标。
针对任一原始图像确定第一坐标和第二坐标的过程,与图1所示实施例一致。本实施例中将针对每个原始图像执行上述过程。
步骤303、根据各原始图像对应的第一坐标和第二坐标,确定相应的转换参数。
步骤304、根据各转换参数,确定图像转换模型。
单目摄像头的拍摄范围会覆盖一定的物理空间,而空间各部分在原始图像中可能会发生不同程度的形变。而原始图像中的标定物体,仅仅可以代表其所在的一定范围。因此若以一个原始图像(即一个位置的标定物体)进行逆透视变化,从而确定图像转换模型,可能准确性不够理想。因为一个位置标定物体难以涵盖原始图像中其他位置处因为不同程度的形变导致的不同逆透视关系。
所以本实施例中采集一系列的多个原始图像。由于标定物体是随着设备移动的,所以在本实施例中的一系列原始图像中,标定物体将出现在各个原始图像的不同的位置。在每个原始图像中确定出标定物体的一对第一坐标和第二坐标后,即可根据各对相应的第一坐标和第二坐标确定逆透视关系函数,并确定逆透视关系函数中相应的转换参数。
在本实例中,通常会采用固定的透视关系函数。该逆透视关系函数可根据本领域中的逆透视算法确定,在此不赘述。也就是说,各对第一坐标和第二坐标进行逆透视变换的函数结构是相同的。但是由于标定物体的在原始图像中的位置和形态有所不同,所以根据各对第一坐标和第二坐标确定出的转换参数是不同的。该转换参数,可以认为是逆透视关系函数中相关的系数。换言之,根据各个原始图像进行逆透视变化的过程中,可确定出多个转换参数不同的逆透视关系函数。
进一步的,可以根据各转换参数进行综合计算,确定出适用于原始图像全局的逆透视关系函数的相关系数。然后根据逆透视关系函数的函数结构,和该适用于全局的相关系数确定最终的逆透视关系函数,也就是确定图像转换模型。
本实施例中,对于确定适用全局的相关系数的算法不做限定。具体的例如均值计算、加权计算等算法,均可结合在本实施例整体技术方案中。
通过上述方式确定的图像转换模型,可适用于对原始图像或待测图像中的各个像素点进行逆透视变换,可兼顾图像中各个位置的不同程度的形变,使得逆透视图像转换过程更为准确。
步骤305、根据第二坐标和标定物体的预定参数,确定距离转换模型。
步骤306、根据图像转换模型和距离转换模型,确定待测图像中的待测距离。
上述步骤305~步骤306与前述实施例中一致,在此不重复叙述。
如图4所示,为本发明所述基于图像的距离确定装置的一个具体实施例。本实施例装置,即用于执行图1~3所述方法的实体装置。其技术方案本质上与上述实施例一致,上述实施例中的相应描述同样适用于本实施例中。本实施例中装置包括:
坐标确定模块401,用于从原始图像中确定标定物体的第一坐标;并根据标定物体的标定形状,确定标定物体的第二坐标。
图像转换模型确定模块402,用于根据第一坐标和第二坐标,确定图像转换模型。
距离转换模型确定模块403,用于根据第二坐标和标定物体的预定参数,确定距离转换模型。
测距模块404,用于根据图像转换模型和距离转换模型,确定待测图像中的待测距离。
另外在图4所示实施例的基础上,优选的,还包括:
原始图像的数量为至少2个,坐标确定模块401包括:
第一坐标确定单元411,用于从各原始图像中,确定标定物体对应的第一坐标;
第二坐标确定单元412,用于根据标定物体的标定形状对各第一坐标进行坐标转换,以确定各第一坐标对应的第二坐标。
图像转换模型确定模块402包括:
转换参数确定单元421,用于根据各原始图像对应的第一坐标和第二坐标,确定相应的转换参数;
转换模型确定单元422,用于根据各转换参数,确定图像转换模型。
距离转换模型确定模块403包括:
第一转换单元431,用于根据原始图像和图像转换模型,确定原始图像对应的第一转换图像;
第一像素距离确定单元432,用于根据第二坐标,确定标定物体在第一转换图像中的第一像素距离;
转换模型确定单元433,用于根据第一像素距离和标定物体的预定参数,确定距离转换模型。
测距模块404包括:
第二转换单元441,用于根据待测图像和图像转换模型,确定待测图像对应的第二转换图像;
测距单元442,用于根据第二转换图像和距离转换模型,确定待测距离。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,在本发明中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本发明为必须采用上述具体的细节来实现。
本发明中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”,且可与其互换使用。
还需要指出的是,在本发明的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此,本发明不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (10)
1.一种基于图像的距离确定方法,包括:
从原始图像中确定标定物体的第一坐标;并根据所述标定物体的标定形状和所述第一坐标,确定所述标定物体的第二坐标;
根据所述第一坐标和所述第二坐标,确定图像转换模型;
根据所述第二坐标和所述标定物体的预定参数,确定距离转换模型;
根据所述图像转换模型和所述距离转换模型,确定待测图像中的待测距离。
2.根据权利要求1所述方法,所述原始图像的数量为至少2个,所述从原始图像中确定标定物体的第一坐标;并根据所述标定物体的标定形状和所述第一坐标,确定所述标定物体的第二坐标包括:
从各所述原始图像中,确定所述标定物体对应的第一坐标;
根据所述标定物体的标定形状对各所述第一坐标进行坐标转换,以确定各所述第一坐标对应的第二坐标。
3.根据权利要求2所述方法,所述根据所述第一坐标和所述第二坐标,确定图像转换模型包括:
根据各所述原始图像对应的第一坐标和第二坐标,确定相应的转换参数;
根据各所述转换参数,确定所述图像转换模型。
4.根据权利要求1所述方法,所述根据所述第二坐标和所述标定物体的预定参数,确定距离转换模型包括:
根据所述原始图像和所述图像转换模型,确定所述原始图像对应的第一转换图像;
根据所述第二坐标,确定所述标定物体在所述第一转换图像中的第一像素距离;
根据所述第一像素距离和所述标定物体的预定参数,确定所述距离转换模型。
5.根据权利要求4所述方法,所述根据所述原始图像和所述图像转换模型,确定所述原始图像对应的第一转换图像包括:
将所述原始图像中原始像素的原始像素坐标输入所述图像转换模型,以确定第一转换坐标;
根据所述原始像素和所述第一转换坐标,确定所述第一转换图像。
6.根据权利要求1~5任意一项所述方法,所述根据所述图像转换模型和所述距离转换模型,确定待测图像中的待测距离包括:
根据所述待测图像和所述图像转换模型,确定所述待测图像对应的第二转换图像;
根据所述第二转换图像和所述距离转换模型,确定所述待测距离。
7.根据权利要求6所述方法,所述根据所述第二转换图像和所述距离转换模型,确定所述待测距离包括:
确定所述第二转换图像中的第二像素距离;
根据所述第二像素距离和所述距离转换模型,确定所述待测距离。
8.一种基于图像的距离确定装置,包括:
坐标确定模块,用于从原始图像中确定标定物体的第一坐标;并根据所述标定物体的标定形状,确定所述标定物体的第二坐标;
图像转换模型确定模块,用于根据所述第一坐标和所述第二坐标,确定图像转换模型;
距离转换模型确定模块,用于根据所述第二坐标和所述标定物体的预定参数,确定距离转换模型;
测距模块,用于根据所述图像转换模型和所述距离转换模型,确定待测图像中的待测距离。
9.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-7任一项所述的基于图像的距离确定方法。
10.一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-7任一项所述的基于图像的距离确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011605338.1A CN112669382A (zh) | 2020-12-30 | 2020-12-30 | 一种基于图像的距离确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011605338.1A CN112669382A (zh) | 2020-12-30 | 2020-12-30 | 一种基于图像的距离确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112669382A true CN112669382A (zh) | 2021-04-16 |
Family
ID=75410778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011605338.1A Pending CN112669382A (zh) | 2020-12-30 | 2020-12-30 | 一种基于图像的距离确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112669382A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113465573A (zh) * | 2021-06-30 | 2021-10-01 | 深圳市优必选科技股份有限公司 | 单目测距方法、装置及智能装置 |
CN113884099A (zh) * | 2021-12-07 | 2022-01-04 | 智道网联科技(北京)有限公司 | 一种路端移动物体位置测量方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09257414A (ja) * | 1996-03-25 | 1997-10-03 | Kobe Steel Ltd | 物体位置検出装置 |
CN101033958A (zh) * | 2007-02-01 | 2007-09-12 | 华中科技大学 | 一种机器视觉定位方法 |
JP2010020437A (ja) * | 2008-07-09 | 2010-01-28 | Nikon Corp | 画像変換装置 |
CN102136140A (zh) * | 2010-12-24 | 2011-07-27 | 东南大学 | 一种基于矩形图样的视频图像距离检测方法 |
WO2012029658A1 (ja) * | 2010-08-30 | 2012-03-08 | チームラボ株式会社 | 撮像装置、画像処理装置、画像処理方法及び画像処理プログラム |
CN103927748A (zh) * | 2014-04-09 | 2014-07-16 | 东南大学 | 一种基于多矩形图像距离转换模型的坐标标定方法 |
CN104504680A (zh) * | 2014-11-23 | 2015-04-08 | 北京联合大学 | 一种用于智能车的逆透视标定方法 |
CN106570906A (zh) * | 2016-11-09 | 2017-04-19 | 东南大学 | 一种摄像机角度偏移条件下基于矩形图样的距离检测方法 |
CN110793448A (zh) * | 2019-09-15 | 2020-02-14 | 同济大学 | 基于视觉的大型建筑构件的测量系统 |
CN111161358A (zh) * | 2019-12-31 | 2020-05-15 | 华中科技大学鄂州工业技术研究院 | 一种用于结构光深度测量的相机标定方法和装置 |
CN111982072A (zh) * | 2020-07-29 | 2020-11-24 | 西北工业大学 | 一种基于单目视觉的目标测距方法 |
-
2020
- 2020-12-30 CN CN202011605338.1A patent/CN112669382A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09257414A (ja) * | 1996-03-25 | 1997-10-03 | Kobe Steel Ltd | 物体位置検出装置 |
CN101033958A (zh) * | 2007-02-01 | 2007-09-12 | 华中科技大学 | 一种机器视觉定位方法 |
JP2010020437A (ja) * | 2008-07-09 | 2010-01-28 | Nikon Corp | 画像変換装置 |
WO2012029658A1 (ja) * | 2010-08-30 | 2012-03-08 | チームラボ株式会社 | 撮像装置、画像処理装置、画像処理方法及び画像処理プログラム |
CN102136140A (zh) * | 2010-12-24 | 2011-07-27 | 东南大学 | 一种基于矩形图样的视频图像距离检测方法 |
CN103927748A (zh) * | 2014-04-09 | 2014-07-16 | 东南大学 | 一种基于多矩形图像距离转换模型的坐标标定方法 |
CN104504680A (zh) * | 2014-11-23 | 2015-04-08 | 北京联合大学 | 一种用于智能车的逆透视标定方法 |
CN106570906A (zh) * | 2016-11-09 | 2017-04-19 | 东南大学 | 一种摄像机角度偏移条件下基于矩形图样的距离检测方法 |
CN110793448A (zh) * | 2019-09-15 | 2020-02-14 | 同济大学 | 基于视觉的大型建筑构件的测量系统 |
CN111161358A (zh) * | 2019-12-31 | 2020-05-15 | 华中科技大学鄂州工业技术研究院 | 一种用于结构光深度测量的相机标定方法和装置 |
CN111982072A (zh) * | 2020-07-29 | 2020-11-24 | 西北工业大学 | 一种基于单目视觉的目标测距方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113465573A (zh) * | 2021-06-30 | 2021-10-01 | 深圳市优必选科技股份有限公司 | 单目测距方法、装置及智能装置 |
CN113884099A (zh) * | 2021-12-07 | 2022-01-04 | 智道网联科技(北京)有限公司 | 一种路端移动物体位置测量方法及装置 |
CN113884099B (zh) * | 2021-12-07 | 2022-04-12 | 智道网联科技(北京)有限公司 | 一种路端移动物体位置测量方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875766B (zh) | 图像处理的方法、装置、系统及计算机存储介质 | |
CN109523597B (zh) | 相机外参的标定方法和装置 | |
JP4943034B2 (ja) | ステレオ画像処理装置 | |
CN111383285B (zh) | 一种基于毫米波雷达与摄像机传感器融合标定方法及系统 | |
CN107798685B (zh) | 行人身高确定方法、装置及系统 | |
JP2012058188A (ja) | 校正装置、距離計測システム、校正方法および校正プログラム | |
JP2008506953A5 (zh) | ||
CN112270719B (zh) | 相机标定方法、装置及系统 | |
CN112669382A (zh) | 一种基于图像的距离确定方法及装置 | |
Fawzy | Study the accuracy of digital close range photogrammetry technique software as a measuring tool | |
KR20180105875A (ko) | 단일 영상을 이용한 카메라 캘리브레이션 방법 및 이를 위한 장치 | |
CN111127584A (zh) | 建立视觉地图的方法和装置、电子设备和存储介质 | |
CN112683169A (zh) | 物体尺寸测量方法、装置、设备及存储介质 | |
CN104915948B (zh) | 用于使用范围传感器选择二维兴趣区域的系统和方法 | |
CN116563384A (zh) | 一种图像采集装置标定方法、设备及计算机设备 | |
CN114782510A (zh) | 目标物体的深度估计方法和装置、存储介质、电子设备 | |
CN114882465A (zh) | 视觉感知方法、装置、存储介质和电子设备 | |
CN113281780B (zh) | 对图像数据进行标注的方法、装置及电子设备 | |
JP2018179577A (ja) | 位置計測装置 | |
CN116614621B (zh) | 相机内感知算法的测试方法、设备和存储介质 | |
JP4914870B2 (ja) | 混雑度計測装置、混雑度計測方法、混雑度計測プログラムおよびそのプログラムを記録した記録媒体 | |
CN117113284A (zh) | 多传感器融合的数据处理方法、装置与多传感器融合方法 | |
CN116343143A (zh) | 目标检测方法、存储介质、路侧设备及自动驾驶系统 | |
CN115683046A (zh) | 测距方法、装置、传感器及计算机可读存储介质 | |
CN112116804B (zh) | 一种车辆状态量信息确定方法及装置 |
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 |