CN112798812B - 基于单目视觉的目标测速方法 - Google Patents

基于单目视觉的目标测速方法 Download PDF

Info

Publication number
CN112798812B
CN112798812B CN202011642788.8A CN202011642788A CN112798812B CN 112798812 B CN112798812 B CN 112798812B CN 202011642788 A CN202011642788 A CN 202011642788A CN 112798812 B CN112798812 B CN 112798812B
Authority
CN
China
Prior art keywords
target
feature point
monocular vision
feature
characteristic
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.)
Active
Application number
CN202011642788.8A
Other languages
English (en)
Other versions
CN112798812A (zh
Inventor
杨永富
王珂
胡春文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongshan United Automotive Technology Co ltd
Original Assignee
Zhongshan United Automotive Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongshan United Automotive Technology Co ltd filed Critical Zhongshan United Automotive Technology Co ltd
Priority to CN202011642788.8A priority Critical patent/CN112798812B/zh
Publication of CN112798812A publication Critical patent/CN112798812A/zh
Application granted granted Critical
Publication of CN112798812B publication Critical patent/CN112798812B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
    • G01P3/38—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light using photographic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及机器视觉技术领域，公开了一种基于单目视觉的目标测速方法，所述方法包括：获取单目视觉相机采集待测目标物的目标视频图像，通过预设提取算法检测目标视频图像中预设时间对应的第一目标框和第二目标框，其中，目标视频图像为通过预设时间间隔采集到的，检测第一目标框对应的第一特征点，并检测第二目标框对应的第二特征点，将第一特征点和所述第二特征点进行匹配，获得第一目标特征点和第二目标特征点，根据第一目标特征点和第二目标特征点生成本质矩阵，对本质矩阵进行分解，确定平移向量，根据平移向量和所述预设时间间隔确定待测目标物的目标速度，解决外参数误差引起的测速精度损失和测距误差引起的测速精度损失。

Description

基于单目视觉的目标测速方法
技术领域
本发明涉及机器视觉技术领域，尤其涉及一种基于单目视觉的目标测速方法。
背景技术
随着万物互联时代的到来，目标测速作为其重要组成部分，有很高的研究价值，采用视觉技术测量运动目标的速度，当前技术主要采用单目视觉方案和双目视觉方案，其中，单目视觉方案需要目标几何特征的先验知识或者在目标表面安装合作标志，双目视觉方案不需要目标几何特征的先验知识或合作标志，但是，当前无论单目还是双目视觉方案都需要首先测量出目标距离，都需要对相机外参数进行标定，这样容易造成外参数误差引起的测速精度损失和测距误差引起的测速精度损失。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于单目视觉的目标测速方法，旨在解决现有技术中外参数误差引起的测速精度损失和测距误差引起的测速精度损失的技术问题。
为实现上述目的，本发明提供一种基于单目视觉的目标测速方法，所述基于单目视觉的目标测速方法包括以下步骤：
获取单目视觉相机采集待测目标物的目标视频图像；
通过预设提取算法检测所述目标视频图像中预设时间对应的第一目标框和第二目标框，其中，所述目标视频图像为通过预设时间间隔采集到的；
检测所述第一目标框对应的第一特征点，并检测所述第二目标框对应的第二特征点；
将所述第一特征点和所述第二特征点进行匹配，获得第一目标特征点和第二目标特征点；
根据所述第一目标特征点和所述第二目标特征点生成本质矩阵；
对所述本质矩阵进行分解，确定平移向量；
根据所述平移向量和所述预设时间间隔确定所述待测目标物的目标速度。
可选地，所述获取单目视觉相机采集待测目标物的视频图像之前，还包括：
通过预设标定算法对单目视觉相机进行标定，确定所述单目视觉相机的相机内部参数；
根据所述相机内部参数对所述单目视觉相机采集待测目标物的原始视频图像进行矫正，得到目标视频图像。
可选地，所述通过预设标定算法对单目视觉相机进行标定，确定所述单目视觉相机的相机内部参数，包括：
对单目视觉相机进行建模，以确定空间坐标与图像坐标之间的对应关系；
根据所述对应关系通过预设标定算法对单目视觉相机进行标定，确定所述单目视觉相机的相机内部参数。
可选地，所述检测所述目标视频图像中预设时间对应的第一特征点和第二特征点，包括：
对所述第一目标框进行处理得到第一目标框内的若干第一特征点坐标，并对所述第二目标框进行处理得到第二目标框内的若干第二特征点坐标；
根据所述第一特征点坐标进行特征向量提取得到所述每个第一特征点对应的第一特征向量，并对所述第二特征点坐标进行特征向量提取得到所述每个第二特征点对应的第二特征向量；
根据所述第一特征点坐标及其对应的第一特征向量得到第一特征点，根据所述第二特征点坐标及其对应的第二特征向量得到第二特征点。
可选地，所述将所述第一特征点和所述第二特征点进行匹配，获得第一目标特征点和第二目标特征点，包括：
对所述第一特征点和所述第二特征点进行遍历，并对遍历到的所述第一特征点和所述第二特征点进行匹配，获得匹配成功的所述第一特征点和所述第二特征点；
选取预设数量匹配成功的所述第一特征点和所述第二特征点作为所述第一目标特征点和所述第二目标特征点。
可选地，所述对所述第一特征点和所述第二特征点进行遍历，并对遍历到的所述第一特征点和所述第二特征点进行匹配，获得匹配成功的所述第一特征点和所述第二特征点，包括：
对所述第一特征点和所述第二特征点进行遍历，并对遍历到的所述第一特征点和所述第二特征点进行匹配，判断所述第一特征点与所述第二特征点的相似度是否大于预设相似度阈值；
若所述第一特征点与所述第二特征点的相似度大于预设相似度阈值，获得匹配成功的所述第一特征点和所述第二特征点。
可选地，所述根据所述第一目标特征点和所述第二目标特征点生成本质矩阵，包括：
获取相机内部参数；
根据所述第一目标特征点、所述第二目标特征点以及所述相机内部参数生成本质矩阵。
可选地，所述对所述本质矩阵进行分解，确定平移向量，包括：
通过第一预设公式对所述本质矩阵进行分解得到所述平移向量；
其中，所述第一预设公式为：
E＝T*R；
其中，E表示所述本质矩阵，R表示旋转矩阵，T表示所述平移向量。
可选地，所述根据所述平移向量和所述预设时间间隔确定所述待测目标物的目标速度，包括：
根据所述平移向量和所述预设时间间隔，通过第二预设公式计算所述目标速度；
其中，所述第二预设公式为：
其中，V表示所述目标速度，Δt表示所述预设时间间隔。
本发明提出的基于单目视觉的目标测速方法，通过获取单目视觉相机采集待测目标物的目标视频图像，通过预设提取算法检测目标视频图像中预设时间对应的第一目标框和第二目标框，其中，目标视频图像为通过预设时间间隔采集到的，检测第一目标框对应的第一特征点，并检测第二目标框对应的第二特征点，将第一特征点和所述第二特征点进行匹配，获得第一目标特征点和第二目标特征点，根据第一目标特征点和第二目标特征点生成本质矩阵，对本质矩阵进行分解，确定平移向量，根据平移向量和所述预设时间间隔确定待测目标物的目标速度，解决外参数误差引起的测速精度损失和测距误差引起的测速精度损失。
附图说明
图1为本发明基于单目视觉的目标测速方法第一实施例的流程示意图；
图2为本发明基于单目视觉的目标测速方法第二实施例的流程示意图；
图3为本发明基于单目视觉的目标测速方法第三实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明基于单目视觉的目标测速方法第一实施例的流程示意图。
在第一实施例中，所述基于单目视觉的目标测速方法包括以下步骤：
步骤S10，获取单目视觉相机采集待测目标物的目标视频图像。
需要说明的是，本实施例的执行主体可为基于单目视觉的目标测速的设备，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例中，以基于单目视觉的目标测速的设备为例进行说明。
应当理解的是，单目视觉相机可以安装在运动平台，如汽车前挡风玻璃，也可以安装于静止平台，如人行天桥、电线杆、建筑物，本实施例对此不限制，在具体实施过程中可以安装在人行天桥上，例如，通过安装在人行天桥的单目视觉相机俯瞰路面来采集待测目标物的目标视频图像。
可以理解的是，目标视频图像是通过单目视觉相机采集到的视频图像，例如，通过单目视觉相机为待测目标物在距离单目视觉相机20m开始采集图像，到待测目标物在距离单目视觉相机50m的位置结束采集图像，对应到的两个位置段得到的为目标视频图像。
进一步的，在获取单目视觉相机采集待测目标物的目标视频图像之前需要通过预设标定算法对单目视觉相机进行标定，确定单目视觉相机的相机内部参数，根据相机内部参数对单目视觉相机采集待测目标物的原始视频图像进行矫正，得到目标视频图像。
步骤S20，通过预设提取算法检测所述目标视频图像中预设时间对应的第一目标框和第二目标框，其中，所述目标视频图像为通过预设时间间隔采集到的。
可以理解的是，预设提取算可以为机器学习算法，本实施例对此不作限制，通过机器学习算法对目标视频图像进行目标框检测，可以得到预设时间对应的第一目标框和第二目标框，例如，采用机器学习算法，通过目标框检测目标视频图像，得到t0时刻对应的第一目标框，和t1时刻对应的第二目标框，其中预设时间间隔Δt是通过Δt＝t1-t0计算得到的。
步骤S30，检测所述目标视频图像中预设时间对应的第一特征点和第二特征点，其中，所述目标视频图像为通过预设时间间隔采集到的。
可以理解的是，特征点是目标视频图像中具有鲜明特性并能够有效反映图像本质特征，能够标识图像中目标物体的点。
需要说明的是，对第一目标框进行处理得到第一目标框内的若干第一特征点坐标，并对第二目标框进行处理得到第二目标框内的若干第二特征点坐标，根据第一特征点坐标进行特征向量提取得到每个第一特征点对应的第一特征向量，并对第二特征点坐标进行特征向量提取得到每个第二特征点对应的第二特征向量，根据第一特征向量得到第一特征点，并根据第二特征向量得到第二特征点。
步骤S40，将所述第一特征点和所述第二特征点进行匹配，获得第一目标特征点和第二目标特征点。
可以理解的是，对第一特征点和第二特征点进行遍历，并对遍历到的第一特征点和第二特征点进行匹配，获得匹配成功的第一特征点和第二特征点，选取预设数量的匹配成功的第一特征点和第二特征点作为第一目标特征点和第二目标特征点，其中，预设数量至少可以为4，在具体实施过程中预设数量可以为8来进行说明，本实施例对此不作限制。
需要说明的是，通过特征点匹配可以确定t0时刻目标视频图像中的特征点与t1时刻目标视频图像中的特征的对应关系。
步骤S50，根据所述第一目标特征点和所述第二目标特征点生成本质矩阵。
应当理解的是，通过获取相机内部参数，并根据第一目标特征点、第二目标特征点以及相机内部参数生成本质矩阵。
步骤S60，对所述本质矩阵进行分解，确定平移向量。
可以理解的是，通过第一预设公式对所述本质矩阵进行分解得到所述平移向量；
其中，所述第一预设公式为：
E＝T*R；
其中，E表示所述本质矩阵，R表示旋转矩阵，T表示所述平移向量。
需要说明的是，在具体实施过程中，第一预设公式可以表示为奇异值分解法，由本质矩阵E分解得到旋转矩阵R和平移向量T，本实施例对此不作限制。
步骤S70，根据所述平移向量和所述预设时间间隔确定所述待测目标物的目标速度。
可以理解的是，根据平移向量和预设时间间隔，通过第二预设公式计算所述目标速度。
其中，第二预设公式为：
其中，V表示所述目标速度，Δt表示所述预设时间间隔。
本实施例中通过获取单目视觉相机采集待测目标物的目标视频图像，通过预设提取算法检测目标视频图像中预设时间对应的第一目标框和第二目标框，其中，目标视频图像为通过预设时间间隔采集到的，检测第一目标框对应的第一特征点，并检测第二目标框对应的第二特征点，将第一特征点和所述第二特征点进行匹配，获得第一目标特征点和第二目标特征点，根据第一目标特征点和第二目标特征点生成本质矩阵，对本质矩阵进行分解，确定平移向量，根据平移向量和所述预设时间间隔确定待测目标物的目标速度，解决外参数误差引起的测速精度损失和测距误差引起的测速精度损失。
在一实施例中，如图2所示，基于第一实施例提出本发明基于单目视觉的目标测速方法第二实施例，所述步骤S10之前，还包括：
步骤S101，通过预设标定算法对单目视觉相机进行标定，确定所述单目视觉相机的相机内部参数。
可以理解的是，通过对单目视觉相机进行建模，采用的相机模型是小孔成像模型，通过相机模型的建立，并根据张正友方法对单目视觉相机进行标定，可以确定单目视觉相机的相机内部参数，在具体实施过程中可以用K表示相机内部参数，本实施例对此不作限制。
步骤S102，根据所述相机内部参数对所述单目视觉相机采集待测目标物的原始视频图像进行矫正，得到目标视频图像。
应当理解的是，原始视频图像是原始相机最初状态采集的视频图像，基于相机内部参数对单目视觉相机采集待测目标物的原始视频图像进行畸变矫正得到目标视频图像。
进一步地，所述步骤S30，包括：
步骤S301，对所述第一目标框进行处理得到第一目标框内的若干第一特征点坐标，并对所述第二目标框进行处理得到第二目标框内的若干第二特征点坐标。
可以理解的是，利用计算机视觉和机器学习软件库对第一目标框进行处理得到第一目标框内的若干第一特征点坐标，并对第二目标框进行处理得到第二目标框内的若干第二特征点坐标。
步骤S302，根据所述第一特征点坐标进行特征向量提取得到所述每个第一特征点对应的第一特征向量，并对所述第二特征点坐标进行特征向量提取得到所述每个第二特征点对应的第二特征向量。
需要说明的是，通过卷积神经网络根据第一特征点坐标进行特征向量提取得到每个第一特征点对应的第一特征向量，并对第二特征点坐标进行特征向量提取得到每个第二特征点对应的第二特征向量。
步骤S303，根据所述第一特征点坐标及其对应的第一特征向量得到第一特征点，根据所述第二特征点坐标及其对应的第二特征向量得到第二特征点。
可以理解的是，根据特征向量的相似性，对第一特征点坐标及其对应的第一特征向量进行特征点检测得到第一特征点，对第二特征点坐标及其对应的第二特征向量进行特征点检测得到第二特征点。
进一步地，所述步骤S40，包括：
步骤S401，对所述第一特征点和所述第二特征点进行遍历，并对遍历到的所述第一特征点和所述第二特征点进行匹配，获得匹配成功的所述第一特征点和所述第二特征点。
可以理解的是，通过遍历第一特征点和第二特征点，将遍历到的第一特征点和第二特征点进行特征点匹配，将匹配成功的特征点进行存储，得到匹配成功的第一特征点和第二特征点。
步骤S402，选取预设数量匹配成功的所述第一特征点和所述第二特征点作为所述第一目标特征点和所述第二目标特征点。
应当理解的是，例如，通过特征点匹配可以得到匹配成功的第一特征点和第二特征点，将匹配成功的第一特征点和第二特征点按照相似度由高到低排序，选取前8对匹配成功的对应的第一特征点和第二特征点，并作为第一目标特征点和第二目标特征点。
进一步地，所述步骤S50，包括：
步骤S501，获取相机内部参数。
可以理解的是，获取通过张正友方法法标定相机内参数K。
步骤S502，根据所述第一目标特征点、所述第二目标特征点以及所述相机内部参数生成本质矩阵。
应当理解的是，例如，若t0时刻的特征点x0与t1时刻的特征点x1匹配，则它们满足以下关系：
x1K-TEK-1x0＝0
其中，x0和x1表示以毫米为单位的齐次像素坐标向量，选取五对匹配特征点，再采用最小二乘优化算法进一步计算就可以得到本质矩阵。
本实施例中通过张正友标定算法对单目视觉相机进行标定得到相机内部参数，并对原始视频图像进行矫正得到目标视频图像，然后采用机器学习算法提取所述目标视频图像中预设时间段对应的第一目标框和第二目标框，对第一目标框进行处理得到第一特征向量，并对第二目标框进行处理得到第二特征向量，根据第一特征向量进行特征点提取得到第一特征点，根据第二特征向量进行特征点提取得到第二特征点，通过对第一特征点和第二特征点进行特征点匹配，得到第一目标特征点和第二目标特征点，再根据相机内部参数、第一目标特征点以及第二目标特征确定本质矩阵，由本质矩阵分解出平移向量，最后，根据平移向量和预设时间段得到目标速度，从而进一步提高解决外参数误差引起的测速精度损失和测距误差引起的测速精度损失的效率。
在一实施例中，如图3所示，基于第一实施例或第二实施例提出本发明基于单目视觉的目标测速方法第三实施例，在本实施例中，基于第二实施例进行说明，所述步骤S101，包括：
步骤S1011，对单目视觉相机进行建模，以确定空间坐标与图像坐标之间的对应关系。
可以理解的是，首先对相机进行建模，在具体实施过程中可以采用相机模型是小孔成像模型，本实施例对此不作限制，通过相机模型的建立确定空间坐标与图像坐标之间的对应关系。
步骤S1012，根据所述对应关系通过预设标定算法对单目视觉相机进行标定，确定所述单目视觉相机的相机内部参数。
应当理解的是，在确定空间坐标与图像坐标之间的对应关系后，通过预设标定算法对单目视觉相机进行标定，可以确定单目视觉相机的相机内部参数，在具体实施过程中预设标定算法可以为张正友标定法，本实施例对此不作限制，张正友标定法只需要对一块精确定位点阵的平面模板从不同角度拍摄一组照片，从相机标定结果中可以直接获取相机的内参数，进而确定相机内部参数K矩阵，例如，根据确定空间坐标与图像坐标之间的对应关系以单目视觉相机光轴所在的直线和单目视觉相机成像平面的交点作为图像坐标系的原点，竖直向下方向为y轴正方向，水平向右方向为x轴正方向，则内部参数K矩阵为：
其中，fx为单目视觉相机在x方向的焦距，fy为单目视觉相机在y方向的焦距，cx和cy分别是图像坐标系的原点在像素坐标系中的横坐标和纵坐标。
进一步的，所述步骤S301，包括：
步骤S4011，对所述第一特征点和所述第二特征点进行遍历，并对遍历到的所述第一特征点和所述第二特征点进行匹配，判断所述第一特征点与所述第二特征点的相似度是否大于预设相似度阈值。
应当理解的是，预设相似度阈值可以为本领域技术人员设置，本实施例对此不作限制，对第一特征点和第二特征点进行遍历，得到第一待匹配特征点和第二待匹配特征点，并对遍历到的第一待匹配特征点和第二待匹配特征点进行匹配，相似度为两个特征点图像本质特征相似程度，如果至少两个特征点图像本质特征相似，表示至少两个特征点具有相似图像本质特征关系，更具体而言，相似图像本质特征可以是图像上的两个点之间的距离大于预设相似度阈值的关系，因此，可以判断第一特征点与第二特征点的相似度是否大于预设相似度阈值。
步骤S4012，若所述第一特征点与所述第二特征点的相似度大于预设相似度阈值，获得匹配成功的所述第一特征点和所述第二特征点。
可以理解的是，如果第一特征点与第二特征点的相似度大于预设相似度阈值，那么相应的，这两个特征点就为匹配成功的所述第一特征点和所述第二特征点。
本实施例中通过对单目视觉相机进行建模，以确定空间坐标与图像坐标之间的对应关系，根据对应关系通过张正友标定算法对单目视觉相机进行标定，确定单目视觉相机的相机内部参数，并对原始视频图像进行矫正得到目标视频图像，然后采用机器学习算法提取所述目标视频图像中预设时间段对应的第一目标框和第二目标框，对第一目标框进行处理得到第一目标框内的若干第一特征点坐标，并对第二目标框进行处理得到第二目标框内的若干第二特征点坐标，再根据第一特征点坐标进行特征向量提取得到所述每个第一特征点对应的第一特征向量，并对第二特征点坐标进行特征向量提取得到每个第二特征点对应的第二特征向量，根据第一特征向量得到第一特征点，根据第二特征向量得到第二特征点，通过对第一特征点和第二特征点进行特征点匹配，判断第一特征点与第二特征点的相似度是否大于预设相似度阈值，若第一特征点与第二特征点的距离大于预设相似度阈值，获得匹配成功的第一特征点和第二特征点，得到第一目标特征点和第二目标特征点，再根据相机内部参数、第一目标特征点以及第二目标特征确定本质矩阵，由本质矩阵分解出平移向量，最后，根据平移向量和预设时间段得到目标速度，从而进一步提高解决外参数误差引起的测速精度损失和测距误差引起的测速精度损失的准确性。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种基于单目视觉的目标测速方法，其特征在于，所述基于单目视觉的目标测速方法包括以下步骤：
对单目视觉相机进行建模，以确定空间坐标与图像坐标之间的对应关系；
根据所述空间坐标与图像坐标之间的对应关系以单目视觉相机光轴所在的直线和单目视觉相机成像平面的交点作为图像坐标系的原点，竖直向下方向为y轴正方向，水平向右方向为x轴正方向，得到相机内部参数，其中，所述相机内部参数包括所述单目视觉相机在x方向的焦距与y方向的焦距以及图像坐标系的原点在像素坐标系中的横坐标和纵坐标；
根据所述相机内部参数对所述单目视觉相机采集待测目标物的原始视频图像进行矫正，得到目标视频图像；
获取单目视觉相机采集待测目标物的目标视频图像；
通过预设提取算法检测所述目标视频图像中预设时间对应的第一目标框和第二目标框，其中，所述目标视频图像为通过预设时间间隔采集到的；
检测所述第一目标框对应的第一特征点，并检测所述第二目标框对应的第二特征点；
将所述第一特征点和所述第二特征点进行匹配，获得第一目标特征点和第二目标特征点；
根据所述第一目标特征点和所述第二目标特征点以及所述相机内部参数生成本质矩阵；
对所述本质矩阵进行分解，确定平移向量；
根据所述平移向量和所述预设时间间隔确定所述待测目标物的目标速度。
2.如权利要求1所述的基于单目视觉的目标测速方法，其特征在于，所述检测所述第一目标框对应的第一特征点，并检测所述第二目标框对应的第二特征点，包括：
对所述第一目标框进行处理得到第一目标框内的若干第一特征点坐标，并对所述第二目标框进行处理得到第二目标框内的若干第二特征点坐标；
根据所述第一特征点坐标进行特征向量提取得到每个第一特征点对应的第一特征向量，并对所述第二特征点坐标进行特征向量提取得到每个第二特征点对应的第二特征向量；
根据所述第一特征点坐标及其对应的第一特征向量得到第一特征点，根据所述第二特征点坐标及其对应的第二特征向量得到第二特征点。
3.如权利要求1所述的基于单目视觉的目标测速方法，其特征在于，所述将所述第一特征点和所述第二特征点进行匹配，获得第一目标特征点和第二目标特征点，包括：
对所述第一特征点和所述第二特征点进行遍历，并对遍历到的所述第一特征点和所述第二特征点进行匹配，获得匹配成功的所述第一特征点和所述第二特征点；
选取预设数量匹配成功的所述第一特征点和所述第二特征点作为所述第一目标特征点和所述第二目标特征点。
4.如权利要求3所述的基于单目视觉的目标测速方法，其特征在于，所述对所述第一特征点和所述第二特征点进行遍历，并对遍历到的所述第一特征点和所述第二特征点进行匹配，获得匹配成功的所述第一特征点和所述第二特征点，包括：
对所述第一特征点和所述第二特征点进行遍历，并对遍历到的所述第一特征点和所述第二特征点进行匹配，判断所述第一特征点与所述第二特征点的相似度是否大于预设相似度阈值；
若所述第一特征点与所述第二特征点的相似度大于预设相似度阈值，获得匹配成功的所述第一特征点和所述第二特征点。
5.如权利要求1所述的基于单目视觉的目标测速方法，其特征在于，所述对所述本质矩阵进行分解，确定平移向量，包括：
通过第一预设公式对所述本质矩阵进行分解得到所述平移向量；
其中，所述第一预设公式为：
E＝T*R；
其中，E表示所述本质矩阵，R表示旋转矩阵，T表示所述平移向量。
6.如权利要求1至5中任一项所述的基于单目视觉的目标测速方法，其特征在于，所述根据所述平移向量和所述预设时间间隔确定所述待测目标物的目标速度，包括：
根据所述平移向量和所述预设时间间隔，通过第二预设公式计算所述目标速度；
其中，所述第二预设公式为：
其中，V表示所述目标速度，Δt表示所述预设时间间隔。
CN202011642788.8A 2020-12-30 2020-12-30 基于单目视觉的目标测速方法 Active CN112798812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011642788.8A CN112798812B (zh) 2020-12-30 2020-12-30 基于单目视觉的目标测速方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011642788.8A CN112798812B (zh) 2020-12-30 2020-12-30 基于单目视觉的目标测速方法

Publications (2)

Publication Number Publication Date
CN112798812A CN112798812A (zh) 2021-05-14
CN112798812B true CN112798812B (zh) 2023-09-26

Family

ID=75809262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011642788.8A Active CN112798812B (zh) 2020-12-30 2020-12-30 基于单目视觉的目标测速方法

Country Status (1)

Country Link
CN (1) CN112798812B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103759716A (zh) * 2014-01-14 2014-04-30 清华大学 基于机械臂末端单目视觉的动态目标位置和姿态测量方法
CN104331907A (zh) * 2014-11-10 2015-02-04 东南大学 一种基于orb特征检测测量载体速度的方法
CN105844666A (zh) * 2016-03-25 2016-08-10 深圳大学 一种基于单摄像头视频序列匹配的车辆测速方法及其系统
CN106920259A (zh) * 2017-02-28 2017-07-04 武汉工程大学 一种定位方法及系统
CN108151713A (zh) * 2017-12-13 2018-06-12 南京航空航天大学 一种单目vo快速位姿估计方法
CN109035320A (zh) * 2018-08-12 2018-12-18 浙江农林大学 基于单目视觉的深度提取方法
CN109146980A (zh) * 2018-08-12 2019-01-04 浙江农林大学 基于单目视觉的优化的深度提取和被动测距方法
CN110044374A (zh) * 2018-01-17 2019-07-23 南京火眼猴信息科技有限公司 一种基于图像特征的单目视觉测量里程的方法及里程计
CN110617814A (zh) * 2019-09-26 2019-12-27 中国科学院电子学研究所 单目视觉和惯性传感器融合的远距离测距系统及方法
CN110858403A (zh) * 2018-08-22 2020-03-03 杭州萤石软件有限公司 一种单目视觉重建中尺度因子的确定方法和移动机器人
CN111260726A (zh) * 2020-02-07 2020-06-09 北京三快在线科技有限公司 一种视觉定位方法及装置
CN111415369A (zh) * 2020-03-23 2020-07-14 福州视驰科技有限公司 一种基于路端单目摄像头的目标实时测速方法
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108682036B (zh) * 2018-04-27 2022-10-25 腾讯科技（深圳）有限公司 位姿确定方法、装置及存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103759716A (zh) * 2014-01-14 2014-04-30 清华大学 基于机械臂末端单目视觉的动态目标位置和姿态测量方法
CN104331907A (zh) * 2014-11-10 2015-02-04 东南大学 一种基于orb特征检测测量载体速度的方法
CN105844666A (zh) * 2016-03-25 2016-08-10 深圳大学 一种基于单摄像头视频序列匹配的车辆测速方法及其系统
CN106920259A (zh) * 2017-02-28 2017-07-04 武汉工程大学 一种定位方法及系统
CN108151713A (zh) * 2017-12-13 2018-06-12 南京航空航天大学 一种单目vo快速位姿估计方法
CN110044374A (zh) * 2018-01-17 2019-07-23 南京火眼猴信息科技有限公司 一种基于图像特征的单目视觉测量里程的方法及里程计
CN109146980A (zh) * 2018-08-12 2019-01-04 浙江农林大学 基于单目视觉的优化的深度提取和被动测距方法
CN109035320A (zh) * 2018-08-12 2018-12-18 浙江农林大学 基于单目视觉的深度提取方法
CN110858403A (zh) * 2018-08-22 2020-03-03 杭州萤石软件有限公司 一种单目视觉重建中尺度因子的确定方法和移动机器人
CN110617814A (zh) * 2019-09-26 2019-12-27 中国科学院电子学研究所 单目视觉和惯性传感器融合的远距离测距系统及方法
CN111260726A (zh) * 2020-02-07 2020-06-09 北京三快在线科技有限公司 一种视觉定位方法及装置
CN111415369A (zh) * 2020-03-23 2020-07-14 福州视驰科技有限公司 一种基于路端单目摄像头的目标实时测速方法
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

Also Published As

Publication number Publication date
CN112798812A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN111627072B (zh) 一种对多传感器进行标定的方法、装置和存储介质
EP3033875B1 (en) Image processing apparatus, image processing system, image processing method, and computer program
CN110490936B (zh) 车辆摄像头的标定方法、装置、设备及可读存储介质
CN111263142B (zh) 一种摄像模组光学防抖的测试方法、装置、设备及介质
JP2006252473A (ja) 障害物検出装置、キャリブレーション装置、キャリブレーション方法およびキャリブレーションプログラム
CN114755662B (zh) 一种路车融合感知的激光雷达和gps的标定方法和装置
CN116433737A (zh) 一种激光雷达点云与图像配准的方法、装置及智能终端
CN112132908A (zh) 一种基于智能检测技术的相机外参数标定方法及设备
CN113554667B (zh) 一种基于图像识别的三维位移检测方法及装置
CN111996883B (zh) 一种检测公路路面宽度的方法
CN112184792A (zh) 一种基于视觉的道路坡度计算方法及装置
KR101482645B1 (ko) Ｆｏｖ왜곡 보정 모델에 2ｄ패턴을 적용한 왜곡중심 보정 방법
CN111452840A (zh) 一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法
CN113749646A (zh) 基于单目视觉的人体身高测量方法、装置及电子设备
CN112798812B (zh) 基于单目视觉的目标测速方法
JP2011069797A (ja) 変位量測定装置及び変位量測定方法
CN113569679A (zh) 测量断裂伸长率的方法、装置和系统
CN111862146B (zh) 一种目标对象的定位方法及装置
CN112116644A (zh) 一种基于视觉的障碍物检测方法和装置、障碍物距离计算方法和装置
JP2009168461A (ja) カメラ校正装置
CN116433762A (zh) 激光雷达与相机标定状态检测方法、校正方法、装置及存储介质
CN112734712B (zh) 一种船舶振动设备健康状态的成像检测方法及系统
CN115100126A (zh) 一种桥梁结构平面位移场智能感知方法
CN112816053A (zh) 一种船舶设备的非接触式振动信息检测方法及系统
JP2006146760A (ja) 画像変換方法及び画像変換装置

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
GR01 Patent grant
GR01 Patent grant