CN114972471A - 一种基于双目视觉的轴距测量方法 - Google Patents
一种基于双目视觉的轴距测量方法 Download PDFInfo
- Publication number
- CN114972471A CN114972471A CN202111579527.0A CN202111579527A CN114972471A CN 114972471 A CN114972471 A CN 114972471A CN 202111579527 A CN202111579527 A CN 202111579527A CN 114972471 A CN114972471 A CN 114972471A
- Authority
- CN
- China
- Prior art keywords
- wheel
- vehicle
- wheels
- binocular vision
- binocular
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- 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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于双目视觉的轴距测量方法，包括：步骤1：两个相机分别拍摄一张图片，为m1，m2。步骤2：使用车轮检测模型，分别检测出每个图片中的两个车轮。步骤3：针对每个车轮区域，向周围拓展50像素，确定为车轮区域图像。步骤4：使用预先准备的车轮毂模板图像，跟每个车轮区域进行模板匹配，确定车轮毂中心像素位置。步骤5：计算出视差d1＝x11–x21,d2＝x12–x22。使用z＝fB/d,计算出深度值z1,z2。步骤6：使用相机的外参，计算出两个车轮中心的3维坐标c1，c2。步骤7：两车轮点云cy之差绝对值即为轴距，两个车轮的夹角为
本发明基于双目摄像头不需要安装在立柱、顶棚、卷帘门等外设结构上，适用于开放式停车位和测量车辆轴距。
Description
技术领域
本发明涉及一种基于双目视觉的轴距测量方法，属于车辆外观测量技术领域。
背景技术
停车厅是大型无人智能停车场的车辆取放间，用于驾驶人员进行汽车车辆自动取放、停车机器人进行汽车车辆自动取放和汽车车辆外观信息自动测量，是驾驶人员与智能停车场之间的车辆交接间和车辆外观信息自动测量间。
现有的停车厅一般具有立柱、顶棚、卷帘门等外设结构，在这些外设结构上安装激光雷达测距装置、摄像头测距装置等测量装置对车辆外观进行测量。但是，对于使用智能停车场的用户来说，将存车和取车过程越简单越好。现有带有外设结构的停车厅，要求用户具有熟练的倒车入库、倒车转弯等技巧，这些会使驾驶技术不熟练的用户望而却步。如果将这些外设结构都去掉，那么用户能够更容易的将车辆正确停在停车位上，但是，没有立柱、顶棚、卷帘门等外设结构，也无法按照常规安装激光雷达测距装置、摄像头测距装置等测量装置，以及对车辆的外观进行测量。
停车机器人搬运车辆时，需要准确的知道车辆的轴距，即前后轮中心点之间的距离。因为对于常规款型的轿车而言，车长、车宽等数据变化不大，且对采用侧插入方式用叉齿将轮胎抬离地面的停车机器人来说，对能够顺利搬运车辆的影响不大。因为需要通过叉齿夹住轮胎，并施加挤压力，利用摩擦力将轮胎抬离地面，因此前后轮之间的距离，就非常重要。如果不能确定车辆轴距，那么停车机器人可能就无法精确搬运车辆。
发明内容
本发明目的在于针对上述现有技术的不足，提供了一种基于双目视觉的轴距测量方法，该方法基于双目摄像头不需要安装在立柱、顶棚、卷帘门等外设结构上的，适用于开放式停车位的，测量车辆轴距的方法和装置。
本发明解决其技术问题所采用的技术方案是：一种基于双目视觉的轴距测量方法，该方法包括如下步骤：
步骤1：两个相机分别拍摄一张图片，为m1，m2。
步骤2：使用车轮检测模型，分别检测出每个图片中的两个车轮。
步骤3：针对每个车轮区域，向周围拓展50像素，确定为车轮区域图像。
步骤4：使用预先准备的车轮毂模板图像，跟每个车轮区域进行模板匹配，确定车轮毂中心像素位置。得到图像m1的前车轮中心像素位置x11，后车轮中心位置x12，m2图像的前车轮位置x21，后车轮位置x22。
步骤5：计算出视差d1＝x11-x21，d2＝x12-x22。使用z＝fB/d，计算出深度值z1，z2。(f相机的焦距，B两个相机的中心距离，d视差)
步骤6：使用相机的外参，计算出两个车轮中心的3维坐标c1，c2。
步骤7：两车轮点云cy之差绝对值即为轴距，两个车轮的夹角为
(cx1沿y轴正方向，前面一个车轮的x坐标，cx2后面一个车轮的x坐标)。
本发明的设备有：双目RGB光学相机系统。相机系统是自行设计，基线B为0.3米。
有益效果
1、本发明基于双目摄像头不需要安装在立柱、顶棚、卷帘门等外设结构上的，适用于开放式停车位的，测量车辆轴距的方法和装置。
2、本发明很好地实现了停车机器人精确搬运车辆。
附图说明
图1为本发明方法流程图。
图2为本发明车载双目视觉测量车辆轴距方法拍摄示意图。
图3为本发明停车厅双目视觉的轴距和姿态计算示意图。
具体实施方法
为了更清楚地说明本发明的技术方案，下面结合具体实施例和附图进行说明，显而易见地，下面描述中的实施例仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些实施例获得其他的实例。
如图1所示，本发明提供了一种基于双目视觉的轴距测量方法，该方法包括如下步骤：
步骤一、两个相机分别拍摄一张图片，为m1，m2。
步骤二、使用车轮检测模型，分别检测出每个图片中的两个车轮。
步骤三、针对每个车轮区域，向周围拓展50像素，确定为车轮区域图像。
步骤四、使用预先准备的车轮毂模板图像，跟每个车轮区域进行模板匹配，确定车轮毂中心像素位置。得到图像m1的前车轮像素位置x11，后车轮位置x12，m2图像的前车轮位置x21，后车轮位置x22。
步骤五、计算出视差d1＝x11-x21，d2＝x12-x22。使用z＝fB/d，计算出深度值z1，z2。(f相机的焦距，B两个相机的中心距离，d视差)
步骤六、使用相机的外参，计算出两个车轮中心的3维坐标c1，c2。
步骤七、两车轮点云cy之差绝对值即为轴距，两个车轮的夹角为
(cx1沿y轴正方向，前面一个车轮的x坐标，cx2后面一个车轮的x坐标)。
本发明的设备有：双目RGB光学相机系统。相机系统为自行设计，基线为0.3米。
实施例一
传感器介绍：设备厂家型号：双目RGB光学相机系统，双目视觉系统，自行设计，双目视觉的中心与机器人车体横向的中心重合。
检测流程:
1)机器人向停车厅的车辆位姿检测系统获取车辆的位姿(位置和角度)，接收到位姿信息后，开始运动。
2)机器人运动至车辆侧面的正面，距离车侧面3米，并调整机器人的角度与车侧面平行。
3)机器人操作双目相机拍摄图像，对两个相机拍摄到的图像，使用双目视觉提取轴距算法。计算多次。取平均值。如果失败，告知控制器。重新从步骤1执行。
4)轴距姿态算法运行成功，完成。
实施例二
传感器介绍：设备厂家型号：双目RGB光学相机系统，双目视觉系统，自行设计，双目视觉的中心架设在地面支撑住上，支撑住位于停车框的水平中心线上，距离停车框2.5米。
检测流程：
1)控制器向停车厅的车辆位姿检测系统请求是否有车辆存在的信息，确认有车辆存在后，开启双目视觉的轴距和姿态检测算法。
2)控制器控制两个相机拍摄图片，并使用轴距和姿态检测算法，计算出轴距和姿态。
3)轴距姿态算法运行成功，完成。
Claims (2)
1.一种基于双目视觉的轴距测量方法，其特征在于，所述方法包括如下步骤：
步骤1：两个相机分别拍摄一张图片，为m1，m2；
步骤2：使用车轮检测模型，分别检测出每个图片中的两个车轮；
步骤3：针对每个车轮区域，向周围拓展50像素，确定为车轮区域图像；
步骤4：使用预先准备的车轮毂模板图像，跟每个车轮区域进行模板匹配，确定车轮毂中心像素位置，得到图像m1的前车轮中心像素位置x11，后车轮中心位置x12，m2图像的前车轮位置x21，后车轮位置x22；
步骤5：计算出视差d1＝x11–x21,d2＝x12–x22，使用z＝fB/d,计算出深度值z1,z2；
步骤6：使用相机的外参，计算出两个车轮中心的3维坐标c1，c2；
步骤7：两车轮点云cy之差绝对值即为轴距，两个车轮的夹角为
cx1沿y轴正方向，前面一个车轮的x坐标，cx2后面一个车轮的x坐标。
2.根据权利要求1所述的一种基于双目视觉的轴距测量方法，其特征在于，所述方法包括双目RGB光学相机系统，双目视觉系统，自行设计，双目视觉的中心与机器人车体横向的中心重合；
1)机器人向停车厅的车辆位姿检测系统获取车辆的位姿，即位置和角度，接收到位姿信息后，开始运动；
2)机器人运动至车辆侧面的正面，距离车侧面3米，并调整机器人的角度与车侧面平行；
3)机器人操作双目相机拍摄图像，对两个相机拍摄到的图像，使用双目视觉提取轴距算法，计算多次，取平均值，如果失败，告知控制器，重新从步骤1)执行；
4)轴距姿态算法运行成功，完成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111579527.0A CN114972471A (zh) | 2021-12-22 | 2021-12-22 | 一种基于双目视觉的轴距测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111579527.0A CN114972471A (zh) | 2021-12-22 | 2021-12-22 | 一种基于双目视觉的轴距测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114972471A true CN114972471A (zh) | 2022-08-30 |
Family
ID=82974879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111579527.0A Pending CN114972471A (zh) | 2021-12-22 | 2021-12-22 | 一种基于双目视觉的轴距测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114972471A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117103120A (zh) * | 2023-10-20 | 2023-11-24 | 连云港华鼎车轮有限公司 | 用于车轮加工的夹具 |
-
2021
- 2021-12-22 CN CN202111579527.0A patent/CN114972471A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117103120A (zh) * | 2023-10-20 | 2023-11-24 | 连云港华鼎车轮有限公司 | 用于车轮加工的夹具 |
| CN117103120B (zh) * | 2023-10-20 | 2024-03-29 | 连云港华鼎车轮有限公司 | 用于车轮加工的夹具 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104916163B (zh) | 泊车位检测方法 | |
| CN106408611B (zh) | 静态目标的路过式校准 | |
| CN111986506B (zh) | 基于多视觉系统的机械式停车位泊车方法 | |
| JP3895238B2 (ja) | 障害物検出装置及びその方法 | |
| US8134479B2 (en) | Monocular motion stereo-based free parking space detection apparatus and method | |
| CN110207650A (zh) | 基于双目视觉的车用公路限高架高度测量方法及装置 | |
| CN108444390A (zh) | 一种无人驾驶汽车障碍物识别方法及装置 | |
| CN109447908A (zh) | 一种基于立体视觉的钢卷识别定位方法 | |
| CN111967360A (zh) | 基于车轮的目标车辆姿态检测方法 | |
| CN108280401A (zh) | 一种路面检测方法、装置、云端服务器及计算机程序产品 | |
| CN109345591B (zh) | 一种车辆自身姿态检测方法和装置 | |
| CN110909705A (zh) | 一种基于车载摄像头的路侧停车位感知方法及系统 | |
| CN113239735B (zh) | 一种基于双目摄像头的汽车透明a柱系统及实现方法 | |
| CN113554646B (zh) | 基于计算机视觉的智慧城市道路路面检测方法及系统 | |
| CN112529966A (zh) | 一种车载环视系统的在线标定方法及其车载环视系统 | |
| CN114972471A (zh) | 一种基于双目视觉的轴距测量方法 | |
| US9098774B2 (en) | Method for detection of targets in stereoscopic images | |
| CN112991433B (zh) | 基于双目深度感知和车辆位置的货车外廓尺寸测量方法 | |
| CN113762134A (zh) | 基于视觉的汽车泊车中周围障碍物的检测方法 | |
| CN113296516A (zh) | 一种自动托举汽车的机器人控制方法 | |
| CN111145263A (zh) | 一种基于车载的摄像机自动标定方法 | |
| CN113421325B (zh) | 一种基于多传感器融合用于车辆的三维重建方法 | |
| Boussard et al. | Visibility distance estimation based on structure from motion | |
| CN112097665A (zh) | 一种根据车型获取车辆轴距的方法、系统及装置 | |
| CN113676618A (zh) | 一种透明a柱的智能显示系统及方法 |
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 |