CN114627186A - 一种测距方法及测距装置 - Google Patents
一种测距方法及测距装置 Download PDFInfo
- Publication number
- CN114627186A CN114627186A CN202210258579.6A CN202210258579A CN114627186A CN 114627186 A CN114627186 A CN 114627186A CN 202210258579 A CN202210258579 A CN 202210258579A CN 114627186 A CN114627186 A CN 114627186A
- Authority
- CN
- China
- Prior art keywords
- target object
- camera
- distance
- target
- color image
- 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 39
- 230000001953 sensory effect Effects 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 10
- 240000007651 Rubus glaucus Species 0.000 claims description 8
- 235000011034 Rubus glaucus Nutrition 0.000 claims description 8
- 235000009122 Rubus idaeus Nutrition 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 9
- 230000006399 behavior Effects 0.000 abstract description 5
- 238000000691 measurement method Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/10024—Color image
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种测距方法,涉及无线测距技术领域,包括以下步骤:利用实感摄像头采集目标区域的彩色图像和深度图;将所述彩色图像输入基于深度学习的目标检测模型中进行物体识别,若识别到目标物则根据所述深度图获取所述目标物的深度值;根据所述深度值和所述实感摄像头的参数,计算所述目标物相对于所述实感摄像头的距离和方位;当达到预设条件时,语音播放所述目标物的距离和方位信息。本方法使用实感摄像头可实时采集目标区域内物体的彩色信息和深度信息,再结合摄像头的参数信息即可得到物体的三维立体信息,实现了物体距离的连续性测量,且不限制物体数量,同时通过语音播报,将前方物体信息及时告知用户,可帮助用户进行行为决策。
Description
技术领域
本申请涉及无线测距技术领域,尤其涉及一种测距方法及测距装置。
背景技术
目前测距装置主要使用激光、红外和射频识别等技术,常见的方法有激光测量点对点的距离,也有类似苹果手机产生一把尺子,手动测量图像的位置与距离,并将测量结果显示在屏幕上,但他们测量的都是目标物某一点相对于原点的距离,即测量距离为相对点的位置,如边缘点、中心点等,而非整个目标物,同时一次只能测量同一范围内的某一个物体,且只能获取该物体的静态距离,不能实现目标物体距离的连续性测量,也不能将测量得到的物体信息及时告知给用户。
发明内容
本申请提供的一种测距方法,旨在解决现有技术中无法测量可视范围内目标物整体相对于摄像头的位置和方位信息并通过语音将其及时告知用户的问题。
为实现上述目的,本申请采用以下技术方案:
本申请的一种测距方法,包括以下步骤:
利用实感摄像头采集目标区域的彩色图像和深度图;
将所述彩色图像输入基于深度学习的目标检测模型中进行物体识别,若识别到目标物则根据所述深度图获取所述目标物的深度值;
根据所述深度值和所述实感摄像头的参数,计算所述目标物相对于所述实感摄像头的距离和方位;
当达到预设条件时,语音播放所述目标物的距离和方位信息。
作为优选,所述方法还包括:
将所述彩色图像输入基于深度学习的目标检测模型中进行物体识别,若未识别到目标物所述实感摄像头则重新采集目标区域的彩色图像和深度图。
作为优选,其特征在于,所述若识别到目标物则根据所述深度图获取所述目标物的深度值,包括:
若识别到目标物,则将所述彩色图像与所述深度图对齐;
根据所述目标物在所述彩色图像中的像素点得到所述目标物在所述深度图中的像素点;
根据所述目标物在所述深度图中的像素点得到所述目标物的深度值。
作为优选,所述根据所述深度值和所述实感摄像头的参数,计算所述目标物相对于所述实感摄像头的距离和方位,包括:
基于所述实感摄像头的参数,利用坐标转换将所述深度图转换成点云图;
根据所述目标物的深度值确定所述目标物的点云坐标;
获取所述点云坐标的加权平均值,根据所述加权平均值计算所述目标物到所述实感摄像头的距离,并获取所述目标物相对于所述实感摄像头的方位。
作为优选,所述预设条件为当方向转变大于一定角度,或时间间隔达到设定阈值。
一种测距方法,包括以下步骤:
框选一个或多个目标物,并利用实感摄像头采集所述目标物的深度图和彩色图像;
将所述彩色图像输入基于深度学习的目标检测模型中进行目标物识别,若可识别则根据所述深度图获取所述目标物的深度值;
根据所述深度值和所述实感摄像头的参数,计算所述目标物相对于所述实感摄像头的距离和方位;
当达到预设条件时,语音播放所述目标物的距离和方位信息。
作为优选,所述方法还包括:
将所述彩色图像输入基于深度学习的目标检测模型中进行目标物识别,若不能识别则重新框选目标物。
一种测距装置,包括实感摄像头和利用USB与所述实感摄像头连接的树莓派:
所述实感摄像头,用于获取目标区域或目标物的彩色图像和深度图;
所述树莓派包括图像识别模块、距离计算模块、语音播报模块、显示模块和数据存储模块;
所述图像识别模块,用于利用基于深度学习的目标检测模型对所述实感摄像头获取的彩色图像进行物体识别以确定目标物;
所述距离计算模块,用于根据所述深度图和所述实感摄像头的参数计算所述目标物相对于所述实感摄像头的距离和方位;
所述语音播报模块,用于当达到预设条件时,语音播放所述目标物的距离和方位信息;
所述显示模块,用于显示目标区域内可框选的物体或所述目标物的距离和方位信息;
所述存储模块,用于存储所述目标物的距离和方位信息。
一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如上述中任一项所述的一种测距方法。
一种存储有计算机程序的计算机可读存储介质,所述计算机程序使计算机执行时实现如上述中任一项所述的一种测距方法。
本发明具有如下有益效果:
使用实感摄像头可实时采集目标区域内物体的彩色图像和深度图,运用基于深度学习的目标检测模型对图像进行处理,不仅可以提高物体的识别率还可识别物体整体;再结合物体的深度信息和摄像头的参数信息即可得到目标区域内所有可识别物体的三维立体信息,其不局限于单个物体的距离测量,且实现了物体距离的连续性测量,为用户提供了更多的辅助信息,同时通过语音播报,将该辅助信息及时告知用户,可帮助用户进行行为决策。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例1实现一种测距方法第一流程图;
图2是本申请实施例2实现一种测距方法第二流程图;
图3是本申请实施例3实现一种测距装置示意图;
图4是本申请实施例4实现一种测距方法的一种电子设备示意图。
具体实施方式
下面将结合附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的权利要求书和说明书的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序,应该理解这样使用的术语在适当情况下可以互换,这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式,此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他单元。
实施例1
如图1所示,一种测距方法,包括以下步骤:
S110、利用实感摄像头采集目标区域的彩色图像和深度图;
S120、将所述彩色图像输入基于深度学习的目标检测模型中进行物体识别,若识别到目标物,则将所述彩色图像与所述深度图对齐;
S130、根据所述目标物在所述彩色图像中的像素点得到所述目标物在所述深度图中的像素点;
S140、根据所述目标物在所述深度图中的像素点得到所述目标物的深度值;
S150、基于所述实感摄像头的参数,利用坐标转换将所述深度图转换成点云图;
S160、根据所述目标物的深度值确定所述目标物的点云坐标;
S170、获取所述点云坐标的加权平均值,根据所述加权平均值计算所述目标物到所述实感摄像头的距离,并获取所述目标物相对于所述实感摄像头的方位;
S180、当方向转变大于一定角度,或时间间隔达到设定阈值时,语音播放所述目标物的距离和方位信息。
根据实施例1可知,深度图就是从图像采集器到场景中各点的距离(深度)作为像素值的图像,即其每个像素值代表的是物体到相机平面的距离,单位为mm;而彩色图像则是指每个像素由R、G、B分量构成的图像。
本实施例使用带红外双目的实感摄像头获取目标区域内所有物体的彩色图像和深度图,主要利用其中的RGB摄像头获取RGB图像,通过红外深度采样获取深度图,即可得到物体的色彩信息及物体到摄像头平面的距离,预先训练好基于深度学习的目标检测模型,这里使用的是yolov5的检测模型,也可根据需要替换成其他的基于深度学习的目标检测模型,并在其中预制可识别对象,再用该模型对这些物体与预设对象进行特征比对,也就是对实感摄像头拍摄的视频进行目标检测,当不能识别出这些物体时,就利用实感摄像头重新采集图像,当可识别出其中某些物体时,可将识别出的所有物体或是其中的部分物体作为目标物,即目标物并不局限于一种,可以将检测模型识别出的物体都作为目标物,并存储目标物的名称和数量信息,然后混合计算距离,即利用现有软件将采集的深度图与彩色图像进行原点对齐,使得彩色图像与深度图中的像素点可以一一对应,并确保两者视野范围相同,此时根据彩色图像中目标物的位置即可得到其在深度图中的位置,进而获取目标物的深度值,接着根据实感摄像头的焦距、红外矩阵距离和摄像头运动速度等参数即外设参数信息,利用坐标转换公式将深度图转换成点云图,也就是将相机坐标系转换成世界坐标系,这里世界坐标原点和相机原点是重合的,即相机坐标和世界坐标下的同一个物体具有相同的深度,因此图像点[u,v]T到世界坐标点[Xw,Yw,Zw]T的变换公式为:
其中,xw,yw,zw表示世界坐标系下的三维坐标点,zc表示相机坐标的z轴值,即目标物到相机的距离,u0、v0分别为图像的中心坐标,u、v为图像坐标系下的任意坐标点。
根据目标物中各点的深度值找到其对应的点云数据,获取到其在世界坐标系中的坐标,对每个目标物各点的世界坐标做加权平均,将加权后得到的点坐标作为该目标物的坐标,再利用两点间的距离公式计算该点坐标到相机坐标原点的距离,即得到该目标物到摄像头的实际距离,这里我们得到的并不是精确距离,而是目标物整体的相对距离,同时根据点云数据也可以得到该目标物的方位信息,然后会对这些信息进行语音播报,鉴于距离计算是实时发生的,测量出的距离也是连续的,为了避免频繁地语音播报对用户造成干扰,可以根据需要设定时间阈值和方位转变角度阈值,当时间间隔达到设定阈值,或是检测到的目标物的方位相对于摄像头发生大于一定角度的转变时,就对用户前方目标物的方位和距离信息进行播报,这里的物体方位包括上方、下方、左前方和右前方等,例如“正前方有三个人,距离3米,左前方有小汽车,距离2米”,该方案的目的就是通过对用户前方各方位的目标物进行语音播放,使用户能够详细了解前方信息,从而帮助用户进行行为决策,比如,用户为盲人时,该方法可以帮助其有效提取前方信息,进而帮助他避障。
实施例2
如图2所示,一种测距方法,包括:
S210、框选一个或多个目标物,并利用实感摄像头采集所述目标物的深度图和彩色图像;
S220、将所述彩色图像输入基于深度学习的目标检测模型中进行目标物识别,若可识别则根据所述深度图获取所述目标物的深度值,若不能识别则重新框选目标物;
S230、根据所述深度值和所述实感摄像头的参数,计算所述目标物相对于所述实感摄像头的距离和方位;
S240、当达到预设条件时,语音播放所述目标物的距离和方位信息。
根据实施例2可知,本实施例中用户首先可以自行框定目标物,即选定跟踪物,然后再用实感摄像头获取目标物的深度图和彩色图像,利用基于深度学习的目标检测模型对该彩色图像进行目标识别,理论上用户框选的目标物都是模型可以识别的,但因为光线、遮挡物等因素的影响,也存在模型无法识别的情况,此时,用户只能重选选取目标物,若该模型可以成功识别出目标物,就将其深度图与彩色图向进行原点对齐,使得彩色图像与深度图中的像素点可以一一对应,此时根据彩色图像中目标物的位置即可得到其在深度图中的位置,进而获取目标物的深度值,然后根据实感摄像头的参数,包括焦距、红外矩阵距离和摄像头运动速度,利用坐标转换公式将深度图转换成点云图,也就是将相机坐标系转换成世界坐标系,这里世界坐标原点和相机原点是重合的,即相机坐标和世界坐标下的同一个物体具有相同的深度,因此图像点[u,v]T到世界坐标点[Xw,Yw,Zw]T的变换公式为:
其中,xw,yw,zw表示世界坐标系下的三维坐标点,zc表示相机坐标的z轴值,即目标物到相机的距离,u0、v0分别为图像的中心坐标,u、v为图像坐标系下的任意坐标点。
根据目标物中各点的深度值找到其对应的点云数据,获取到其在世界坐标系中的坐标,就可以得到目标物的空间位置信息包括距离和具体方位,再对每个目标物各点的世界坐标做加权平均,将加权后得到的点坐标作为该目标物的坐标,再利用两点间的距离公式计算该点坐标到相机坐标原点的距离,即得到该目标物到摄像头的实际距离,这里我们得到的距离值并不是目标物到摄像头的精确距离,如前方汽车的车尾到摄像头的距离,而是这个汽车整体相对于摄像头的距离,其目的只是为了获取前方物体的大概信息以便用户进行行为决策,并不需要十分精确的距离信息,然后会对这些信息进行语音播报,鉴于距离计算是实时发生的,测量出的距离也是连续的,为了避免频繁地语音播报对用户造成干扰,可以根据需要设定时间阈值和方位转变角度阈值,当时间间隔达到设定阈值,或是检测到的目标物的方位相对于摄像头发生大于一定角度的转变时,就对用户前方目标物的方位和距离信息进行播报,这里的物体方位包括上方、下方、左前方和右前方等,例如“小汽车在正前方,距离2米”,实现了视频可见范围内目标物的距离计算和语音播报,便于用户了解前方信息进行行为决策,同时选定一个具体物件进行连续性距离测量,并将测量所得数据保存成文件形式以进行远程或下载,可作为产品升级和统计的原始依据。
实施例3
如图3所示,一种测距装置,包括实感摄像头和利用USB与所述实感摄像头连接的树莓派:
所述实感摄像头,用于获取目标区域或目标物的彩色图像和深度图;
所述树莓派包括图像识别模块、距离计算模块、语音播报模块、显示模块和数据存储模块;
所述图像识别模块,用于利用基于深度学习的目标检测模型对所述实感摄像头获取的彩色图像进行物体识别以确定目标物;
所述距离计算模块,用于根据所述深度图和所述实感摄像头的参数计算所述目标物相对于所述实感摄像头的距离和方位;
所述语音播报模块,用于当达到预设条件时,语音播放所述目标物的距离和方位信息;
所述显示模块,用于显示目标区域内可框选的物体或所述目标物的距离和方位信息;
所述存储模块,用于存储所述目标物的距离和方位信息。
根据实施例3可知,本实施例采用带红外双目的实感摄像头作为前端数据采样模块,这里采用实感摄像头为realsense实感传输摄像头,其包含一个RGB相机,一左一右设计的两个外红相机以及一个红外点阵投影仪,可采集RGB图像信号及各个点的深度值,后端通过带触摸屏的树莓派进行数据处理,树莓派通过USB3.0数据接口实时获取实感摄像头采集的图像信号,利用预制有多个产品的图像识别算法的图像识别模块对RGB图像进行自动识别,获取目标物的名称和数量信息,同时根据识别结果,获取目标物的深度值,并结合实感摄像头的内部参数,包括焦距,红外矩阵距离,摄像头运动速度等利用距离计算模块进行坐标转换,从而得到目标物的距离和方位信息,并将结果保存在存储模块中,当时间间隔达到设定阈值或方位角度转变大于一定角度时,就语音播报目标物的距离和方位信息,并在显示模块中显示,同时显示模块也可用来进行目标物的框选,该装置的一个应用场景为:所属用户为盲人,盲人手持该装置在马路上行走,其只需点击开始按钮,装置就进行工作,自动获取视频可见范围内的物体信息,并进行处理,最后语音播报前方物体的距离和方位信息,该用户通过该信息就可以知道前方有什么,距离他多远,接下来这段路他应该怎么走,即可以帮助其规避路上的障碍物,保证用户安全。
实施例4
如图4所示,一种电子设备,包括存储器401和处理器402,所述存储器401用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器402执行以实现上述的一种测距方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的电子设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
一种存储有计算机程序的计算机可读存储介质,所述计算机程序使计算机执行时实现如上述的一种测距方法。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器401中,并由处理器402执行,并由输入接口405和输出接口406完成数据的I/O接口传输,以完成本发明,一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机设备中的执行过程。
计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括,但不仅限于,存储器401、处理器402,本领域技术人员可以理解,本实施例仅仅是计算机设备的示例,并不构成对计算机设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件,例如计算机设备还可以包括输入器407、网络接入设备、总线等。
处理器402可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器402、数字信号处理器402(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgRAM503mableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器402可以是微处理器402或者该处理器402也可以是任何常规的处理器402等。
存储器401可以是计算机设备的内部存储单元,例如计算机设备的硬盘或内存。存储器401也可以是计算机设备的外部存储设备,例如计算机设备上配备的插接式硬盘,智能存储卡(SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡,闪存卡(FlashCard)等,进一步地,存储器401还可以既包括计算机设备的内部存储单元也包括外部存储设备,存储器401用于存储计算机程序以及计算机设备所需的其他程序和数据,存储器401还可以用于暂时地存储在输出器408,而前述的存储介质包括U盘、移动硬盘、只读存储器ROM403、随机存储器RAM404、碟盘或光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何在本发明揭露的技术范围内的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种测距方法,其特征在于,包括以下步骤:
利用实感摄像头采集目标区域的彩色图像和深度图;
将所述彩色图像输入基于深度学习的目标检测模型中进行物体识别,若识别到目标物则根据所述深度图获取所述目标物的深度值;
根据所述深度值和所述实感摄像头的参数,计算所述目标物相对于所述实感摄像头的距离和方位;
当达到预设条件时,语音播放所述目标物的距离和方位信息。
2.根据权利要求1所述的一种测距方法,其特征在于,所述方法还包括:
将所述彩色图像输入基于深度学习的目标检测模型中进行物体识别,若未识别到目标物所述实感摄像头则重新采集目标区域的彩色图像和深度图。
3.根据权利要求1所述的一种测距方法,其特征在于,所述若识别到目标物则根据所述深度图获取所述目标物的深度值,包括:
若识别到目标物,则将所述彩色图像与所述深度图对齐;
根据所述目标物在所述彩色图像中的像素点得到所述目标物在所述深度图中的像素点;
根据所述目标物在所述深度图中的像素点得到所述目标物的深度值。
4.根据权利要求1所述的一种测距方法,其特征在于,所述根据所述深度值和所述实感摄像头的参数,计算所述目标物相对于所述实感摄像头的距离和方位,包括:
基于所述实感摄像头的参数,利用坐标转换将所述深度图转换成点云图;
根据所述目标物的深度值确定所述目标物的点云坐标;
获取所述点云坐标的加权平均值,根据所述加权平均值计算所述目标物到所述实感摄像头的距离,并获取所述目标物相对于所述实感摄像头的方位。
5.根据权利要求1所述的一种测距方法,其特征在于,所述预设条件为当方向转变大于一定角度,或时间间隔达到设定阈值。
6.一种测距方法,其特征在于,包括以下步骤:
框选一个或多个目标物,并利用实感摄像头采集所述目标物的深度图和彩色图像;
将所述彩色图像输入基于深度学习的目标检测模型中进行目标物识别,若可识别则根据所述深度图获取所述目标物的深度值;
根据所述深度值和所述实感摄像头的参数,计算所述目标物相对于所述实感摄像头的距离和方位;
当达到预设条件时,语音播放所述目标物的距离和方位信息。
7.根据权利要求6所述的一种测距方法,其特征在于,所述方法还包括:
将所述彩色图像输入基于深度学习的目标检测模型中进行目标物识别,若不能识别则重新框选目标物。
8.一种应用权利要求1或6所述的测距方法的测距装置,其特征在于,包括实感摄像头和利用USB与所述实感摄像头连接的树莓派:
所述实感摄像头,用于获取目标区域或目标物的彩色图像和深度图;
所述树莓派包括图像识别模块、距离计算模块、语音播报模块、显示模块和数据存储模块;
所述图像识别模块,用于利用基于深度学习的目标检测模型对所述实感摄像头获取的彩色图像进行物体识别以确定目标物;
所述距离计算模块,用于根据所述深度图和所述实感摄像头的参数计算所述目标物相对于所述实感摄像头的距离和方位;
所述语音播报模块,用于当达到预设条件时,语音播放所述目标物的距离和方位信息;
所述显示模块,用于显示目标区域内可框选的物体或所述目标物的距离和方位信息;
所述存储模块,用于存储所述目标物的距离和方位信息。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行以实现如权利要求1~7中任一项所述的一种测距方法。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序使计算机执行时实现如权利要求1~7中任一项所述的一种测距方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210258579.6A CN114627186A (zh) | 2022-03-16 | 2022-03-16 | 一种测距方法及测距装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210258579.6A CN114627186A (zh) | 2022-03-16 | 2022-03-16 | 一种测距方法及测距装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114627186A true CN114627186A (zh) | 2022-06-14 |
Family
ID=81901654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210258579.6A Pending CN114627186A (zh) | 2022-03-16 | 2022-03-16 | 一种测距方法及测距装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114627186A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115148207A (zh) * | 2022-09-01 | 2022-10-04 | 北京探境科技有限公司 | 语音采集点确定方法、装置、芯片及电子设备 |
CN115170629A (zh) * | 2022-09-08 | 2022-10-11 | 杭州海康慧影科技有限公司 | 一种伤口信息获取方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697428A (zh) * | 2018-12-27 | 2019-04-30 | 江西理工大学 | 基于rgb_d和深度卷积网络的无人机识别定位系统 |
CN111787303A (zh) * | 2020-05-29 | 2020-10-16 | 深圳市沃特沃德股份有限公司 | 三维图像的生成方法、装置、存储介质及计算机设备 |
WO2021168838A1 (zh) * | 2020-02-28 | 2021-09-02 | 深圳市大疆创新科技有限公司 | 位置信息确定方法、设备及存储介质 |
WO2021223124A1 (zh) * | 2020-05-06 | 2021-11-11 | 深圳市大疆创新科技有限公司 | 位置信息获取方法、设备及存储介质 |
-
2022
- 2022-03-16 CN CN202210258579.6A patent/CN114627186A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697428A (zh) * | 2018-12-27 | 2019-04-30 | 江西理工大学 | 基于rgb_d和深度卷积网络的无人机识别定位系统 |
WO2021168838A1 (zh) * | 2020-02-28 | 2021-09-02 | 深圳市大疆创新科技有限公司 | 位置信息确定方法、设备及存储介质 |
WO2021223124A1 (zh) * | 2020-05-06 | 2021-11-11 | 深圳市大疆创新科技有限公司 | 位置信息获取方法、设备及存储介质 |
CN111787303A (zh) * | 2020-05-29 | 2020-10-16 | 深圳市沃特沃德股份有限公司 | 三维图像的生成方法、装置、存储介质及计算机设备 |
Non-Patent Citations (1)
Title |
---|
胡远志;刘俊生;肖佐仁;耿庄程;: "基于数据融合的目标测距方法研究", 重庆理工大学学报(自然科学), no. 12, 15 December 2019 (2019-12-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115148207A (zh) * | 2022-09-01 | 2022-10-04 | 北京探境科技有限公司 | 语音采集点确定方法、装置、芯片及电子设备 |
CN115148207B (zh) * | 2022-09-01 | 2023-02-03 | 北京探境科技有限公司 | 语音采集点确定方法、装置、芯片及电子设备 |
CN115170629A (zh) * | 2022-09-08 | 2022-10-11 | 杭州海康慧影科技有限公司 | 一种伤口信息获取方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112797897B (zh) | 物体几何参数的测量方法、装置和终端 | |
CN105279372B (zh) | 一种确定建筑物高度的方法和装置 | |
CN110276317B (zh) | 一种物体尺寸检测方法、物体尺寸检测装置及移动终端 | |
JP6239594B2 (ja) | 3d情報処理装置及び方法 | |
CN114627186A (zh) | 一种测距方法及测距装置 | |
CN111028358B (zh) | 室内环境的增强现实显示方法、装置及终端设备 | |
CN106384355B (zh) | 一种投影交互系统中的自动标定方法 | |
CN103598870A (zh) | 一种基于深度图像手势识别的视力检测方法 | |
CN106934351B (zh) | 手势识别方法、装置及电子设备 | |
CN111602139A (zh) | 图像处理方法、装置、控制终端及可移动设备 | |
CN112001298B (zh) | 行人检测方法、装置、电子设备和存储介质 | |
CN110866977A (zh) | 增强现实处理方法及装置、系统、存储介质和电子设备 | |
CN104090664A (zh) | 一种交互式投影方法、装置及系统 | |
CN105934757A (zh) | 一种用于检测第一图像的关键点和第二图像的关键点之间的不正确关联关系的方法和装置 | |
CN110572636A (zh) | 摄像头脏污检测方法、装置、存储介质及电子设备 | |
WO2019090904A1 (zh) | 确定距离的方法、装置、设备及存储介质 | |
CN109658453B (zh) | 圆心确定方法、装置、设备及存储介质 | |
CN104243970A (zh) | 基于立体视觉注意力机制和结构相似度的3d绘制图像的客观质量评价方法 | |
CN110765926B (zh) | 图画书识别方法、装置、电子设备和存储介质 | |
CN110084187B (zh) | 基于计算机视觉的位置识别方法、装置、设备及存储介质 | |
TW201006527A (en) | Measuring object contour method and measuring object contour apparatus | |
CN110909648B (zh) | 使用神经网络在边缘计算设备上实现的人流量监控方法 | |
CN109035199A (zh) | 基于空间特征的高光谱数据端元提取方法、计算机可读存储介质、电子设备 | |
CN107802468B (zh) | 导盲方法及导盲系统 | |
WO2022011560A1 (zh) | 图像裁剪方法与装置、电子设备及存储介质 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Shen Chengao Inventor before: Shen Pinao |