CN114842443A - 一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质 - Google Patents
一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114842443A CN114842443A CN202210305510.4A CN202210305510A CN114842443A CN 114842443 A CN114842443 A CN 114842443A CN 202210305510 A CN202210305510 A CN 202210305510A CN 114842443 A CN114842443 A CN 114842443A
- Authority
- CN
- China
- Prior art keywords
- target object
- image
- distance
- area
- monocular 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
本发明公开了一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质,属于自动驾驶技术领域。它包括采用单目相机镜头采集包含目标物体的多张图像信息,根据采集得到的图像信息构建样本集,在构建得到的样本集中进行目标物体标志区域的标定,输入图像识别模型训练生成权重文件;将目标物体的标志区域置于单目相机镜头前预设距离,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL;计算单目相机镜头与目标物体的标志区域的距离d。本发明的基于机器视觉的目标物识别和测距方法,计算量小,普适性也较好。
Description
技术领域
本发明属于自动驾驶技术领域,更具体地说,涉及一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质。
背景技术
目前,机器视觉技术广泛应用于自动驾驶领域中,其中基于机器视觉的测距技术可以有效测量相机与前车的距离,该技术可为自动驾驶实现安全保障,因此成为当前的研究热点。基于机器视觉的前后车辆测距技术主要包含以下几种方法。其一,基于双目相机实现测距,这种方法通过两组镜头采集前车图像,接着计算两组数据中对应像素点的视差值,实现测距;其二,基于RGB-D相机的测距,这种方法通过相机自身采集到的物体深度信息实现测距。然而,上述两种前后车辆测距的方法均存在一些不足:例如,双目相机通过两组镜头的数据计算物体距离,因此对相机间的标定参数精度要求高,不具备普适性;而基于RGB-D相机测距时,RGB-D相机包含了一组深度相机与彩色相机,因此数据的计算量较大,测距实时性不足,不适用于前后车距测量。
发明内容
1、要解决的问题
针对现有技术中存在的采用双目相机通过两组镜头的数据计算物体距离对相机间的标定参数精度要求高,不具备普适性以及基于RGB-D相机测距数据的计算量较大,测距实时性不足,不适用于前后车距测量的问题,本发明提供一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质,基于机器视觉,通过单目相机采集目标物体的标志区域图像信息并进行目标物体的标志区域识别,计算目标物体的标志区域在图像中所占的像素面积,根据测量像素与固定距离目标物体的标志区域像素面积大小之比,计算目标物间距。
2、技术方案
为解决上述问题,本发明采用如下的技术方案。
作为本申请的其中一个方面,提供一种基于机器视觉的目标物识别和测距方法,包括以下步骤:
采用单目相机镜头采集包含目标物体的多张图像信息,根据采集得到的图像信息构建样本集,在构建得到的样本集中进行目标物体标志区域的标定,输入图像识别模型训练生成权重文件;
将目标物体的标志区域置于单目相机镜头前预设距离,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL;
采用下式计算单目相机镜头与目标物体的标志区域的距离d:
上式中,k为比例系数,L为相机与目标物体距离,SL为相机与目标物体距离为L时,所测得的标志区域所占用的像素面积。
优选地,所述的将目标物体的标志区域置于单目相机镜头前预设距离,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL,其具体包括:
采用YOLO算法识别图像中的目标物体;
在图像中标记目标物体的标志区域;
计算被标记区域在图像中所占用的像素面积。
优选地,所述的图像中的目标物体为车牌。
作为本申请的第二个方面,提供一种基于机器视觉的目标物识别和测距装置,包括:
构建模块,用于根据单目相机镜头采集得到的包含目标物体的多张图像信息构建样本集;
标定模块,用于在构建得到的样本集中进行目标物体标志区域的标定;
图像识别模型模块,用于对标定好的目标物体标志区域进行图像识别,生成权重文件;
以及计算模块,用于计算单目相机镜头与目标物体的标志区域的距离d;
其中,所述计算模块计算单目相机镜头与目标物体的标志区域的距离d的具体步骤为:
将目标物体的标志区域置于单目相机镜头前预设距离后,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL;
采用下式计算单目相机镜头与目标物体的标志区域的距离d:
上式中,k为比例系数,L为相机与目标物体距离,SL为相机与目标物体距离为L时,所测得的标志区域所占用的像素面积。
作为本申请的第三个方面,提供一种基于机器视觉的目标物识别和测距设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述基于机器视觉的目标物识别和测距方法的步骤。
作为本申请的第四个方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述基于机器视觉的目标物识别和测距方法的步骤。
3、有益效果
相比于现有技术,本发明的有益效果为:
本发明基于机器视觉,通过单目相机采集目标物体的标志区域图像信息并进行目标物体的标志区域识别,计算目标物体的标志区域在图像中所占的像素面积,根据测量像素与固定距离目标物体的标志区域像素面积大小之比,计算目标物间距;一方面,由于是将每张视频图像的目标物进行识别并获取像素面积,计算量小;另一方面,由于提前将目标物固定在特定距离L,记录该距离对应的像素面积SL,接着计算当前目标物在图像中的像素面积S。通过比对当前目标物SL与S,即可得出目标物的距离,避免了采用双目相机时对相机间的标定参数精度要求高的问题,普适性较好。
附图说明
图1为本发明其中一个实施例中的一种基于机器视觉的目标物识别和测距方法流程图。
具体实施方式
本发明的核心是提供一种基于机器视觉的目标物识别和测距方法,通过单目相机采集目标物体的标志区域图像信息并进行目标物体的标志区域识别,计算目标物体的标志区域在图像中所占的像素面积,根据测量像素与固定距离目标物体的标志区域像素面积大小之比,计算目标物间距;本发明的另一核心是提供一种基于机器视觉的目标物识别和测距装置、设备及计算机可读存储介质,一方面,由于是将每张视频图像的目标物进行识别并获取像素面积,计算量小;另一方面,由于提前将目标物固定在特定距离L,记录该距离对应的像素面积SL,接着计算当前目标物在图像中的像素面积S。通过比对当前目标物SL与S,即可得出目标物的距离,避免了采用双目相机时对相机间的标定参数精度要求高的问题,普适性较好。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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。
请参考图1,图1为本发明提供的一种基于机器视觉的目标物识别和测距方法的流程示意图,该方法包括:
采用单目相机镜头采集包含目标物体的多张图像信息,将采集得到的包含目标物体的多张图像信息存储于数据库中,根据采集得到的图像信息构建样本集,在构建得到的样本集中进行目标物体标志区域的标定,输入图像识别模型训练生成权重文件;
将目标物体的标志区域置于单目相机镜头前预设距离,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL;
采用下式计算单目相机镜头与目标物体的标志区域的距离d:
上式中,k为比例系数,L为相机与目标物体距离,SL为相机与目标物体距离为L时,所测得的标志区域所占用的像素面积。
上述步骤中,所述的将目标物体的标志区域置于单目相机镜头前预设距离,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL,其具体包括:
采用YOLO算法识别图像中的目标物体;
在图像中标记目标物体的标志区域;
计算被标记区域在图像中所占用的像素面积。
当前目标物在图像中的像素面积S以及目标物体的标志区域所占像素的面积SL由YOLO算法识别目标物、目标物在图像中被标记、计算被标记区域在图像中所占用的像素面积等步骤得到。为了保证S和SL值的准确,可以采取提高YOLO算法识别精度、拍摄时保证相机于识别物处于相对静止以保证图像更清晰准确等方法。
在上述步骤前,一个优选的实施例中,还需要检测是否在图像中识别得到了目标物体,以提高图像识别检测的效率。
优选的,当应用于前后车车距的检测时,选取的目标物体标志区域包括车牌等面积恒定的目标物。不同目标物体标志区域的一些参数信息,例如尺寸,形状等会对单目相机镜头产生影响,因此选取的目标物面积要恒定,不轻易发生改变。
值得说明的是,计算单目相机镜头与目标物体的标志区域的距离d时,k值为距离系数,由人为预设的距离与像素面积得出,因此系数k值的选取与距离有关。
另一个优选的实施例中,提供一种基于机器视觉的目标物识别和测距装置,包括:
构建模块,用于根据单目相机镜头采集得到的包含目标物体的多张图像信息构建样本集;
标定模块,用于在构建得到的样本集中进行目标物体标志区域的标定;
图像识别模型模块,用于对标定好的目标物体标志区域进行图像识别,生成权重文件;
以及计算模块,用于计算单目相机镜头与目标物体的标志区域的距离d;
其中,所述计算模块计算单目相机镜头与目标物体的标志区域的距离d的具体步骤为:
将目标物体的标志区域置于单目相机镜头前预设距离后,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL;
采用下式计算单目相机镜头与目标物体的标志区域的距离d:
上式中,k为比例系数,L为相机与目标物体距离,SL为相机与目标物体距离为L时,所测得的标志区域所占用的像素面积。
本发明实施例所述一种基于机器视觉的目标物识别和测距装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
上文中提到的一种基于机器视觉的目标物识别和测距装置是从功能模块的角度描述,进一步的,本申请还提供一种基于机器视觉的目标物识别和测距设备,是从硬件角度描述。该装置包括存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现如上任一项所述的基于机器视觉的目标物识别和测距的步骤。
其中,处理器可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器还可以包括AI(ArtificialIntelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器至少用于存储以下计算机程序,其中,该计算机程序被处理器加载并执行之后,所述计算机程序被处理器执行时实现如上任一项所述的一种基于机器视觉的目标物识别和测距方法的步骤。另外,存储器所存储的资源还可以包括操作系统和数据等,存储方式可以是短暂存储或者永久存储。其中,操作系统可以包括Windows、Unix、Linux等。数据可以包括但不限于测试结果对应的数据等。
本发明实施例所述一种基于机器视觉的目标物识别和测距设备的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本领域相关人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域相关人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上对本申请所提供的一种基于机器视觉的目标物识别和测距方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
本发明所述实例仅仅是对本发明的优选实施方式进行描述,并非对本发明构思和范围进行限定,在不脱离本发明设计思想的前提下,本领域工程技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的保护范围。
Claims (6)
2.根据权利要求1所述的一种基于机器视觉的目标物识别和测距方法,其特征在于:所述的将目标物体的标志区域置于单目相机镜头前预设距离,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL,其具体包括:
采用YOLO算法识别图像中的目标物体;
在图像中标记目标物体的标志区域;
计算被标记区域在图像中所占用的像素面积。
3.根据权利要求1所述的一种基于机器视觉的目标物识别和测距方法,其特征在于:
所述的图像中的目标物体为车牌。
4.一种基于机器视觉的目标物识别和测距装置,其特征在于,包括:
构建模块,用于根据单目相机镜头采集得到的包含目标物体的多张图像信息构建样本集;
标定模块,用于在构建得到的样本集中进行目标物体标志区域的标定;
图像识别模型模块,用于对标定好的目标物体标志区域进行图像识别,生成权重文件;
以及计算模块,用于计算单目相机镜头与目标物体的标志区域的距离d;
其中,所述计算模块计算单目相机镜头与目标物体的标志区域的距离d的具体步骤为:
将目标物体的标志区域置于单目相机镜头前预设距离后,通过所述单目相机镜头采集包含目标物体的标志区域的图像,统计采集得到的图像中目标物体的标志区域所占像素的面积SL;
采用下式计算单目相机镜头与目标物体的标志区域的距离d:
上式中,k为比例系数,L为相机与目标物体距离,SL为相机与目标物体距离为L时,所测得的标志区域所占用的像素面积。
5.一种基于机器视觉的目标物识别和测距设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述基于机器视觉的目标物识别和测距方法的步骤。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于机器视觉的目标物识别和测距方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210305510.4A CN114842443A (zh) | 2022-03-25 | 2022-03-25 | 一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210305510.4A CN114842443A (zh) | 2022-03-25 | 2022-03-25 | 一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114842443A true CN114842443A (zh) | 2022-08-02 |
Family
ID=82564405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210305510.4A Pending CN114842443A (zh) | 2022-03-25 | 2022-03-25 | 一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114842443A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681778A (zh) * | 2023-06-06 | 2023-09-01 | 固安信通信号技术股份有限公司 | 一种基于单目相机的距离测量方法 |
-
2022
- 2022-03-25 CN CN202210305510.4A patent/CN114842443A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116681778A (zh) * | 2023-06-06 | 2023-09-01 | 固安信通信号技术股份有限公司 | 一种基于单目相机的距离测量方法 |
CN116681778B (zh) * | 2023-06-06 | 2024-01-09 | 固安信通信号技术股份有限公司 | 一种基于单目相机的距离测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110285793B (zh) | 一种基于双目立体视觉系统的车辆智能测轨迹方法 | |
CN108416791B (zh) | 一种基于双目视觉的并联机构动平台位姿监测与跟踪方法 | |
CN110909693B (zh) | 3d人脸活体检测方法、装置、计算机设备及存储介质 | |
CN112528878A (zh) | 检测车道线的方法、装置、终端设备及可读存储介质 | |
CN108388879A (zh) | 目标的检测方法、装置和存储介质 | |
CN109741241B (zh) | 鱼眼图像的处理方法、装置、设备和存储介质 | |
CN110490936A (zh) | 车辆摄像头的标定方法、装置、设备及可读存储介质 | |
CN112233076B (zh) | 基于红色圆标靶图像处理的结构振动位移测量方法及装置 | |
CN111976601B (zh) | 自动泊车方法、装置、设备和存储介质 | |
CN115546705B (zh) | 目标识别方法、终端设备及存储介质 | |
CN111243003A (zh) | 车载双目摄像机及其检测道路限高杆的方法、装置 | |
CN112465778A (zh) | 一种水下鱼群观测装置及方法 | |
CN114842443A (zh) | 一种基于机器视觉的目标物识别和测距方法、装置、设备及存储介质 | |
CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
CN110033492A (zh) | 摄像机标定方法及终端 | |
CN114638947A (zh) | 数据标注方法、装置、电子设备及存储介质 | |
CN112146834B (zh) | 结构振动位移测量方法及装置 | |
CN111539279A (zh) | 道路限高高度检测方法、装置、设备及存储介质 | |
CN115063594B (zh) | 一种基于自动驾驶的特征提取方法及装置 | |
CN115564836B (zh) | 幕墙机器人的单目坐标转换方法、装置及电子设备 | |
CN114283209A (zh) | 单目相机放置位置的评估方法及装置 | |
CN117726666A (zh) | 跨相机单目图片度量深度估计方法、装置、设备及介质 | |
CN117893727A (zh) | 目标检测方法、终端设备及计算机可读存储介质 | |
CN117930169A (zh) | 目标检测方法、终端设备及计算机可读存储介质 | |
CN116092052A (zh) | 一种车辆当前行驶方向上标志牌检测方法及装置 |
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 |