CN115705621A - 一种基于嵌入式平台的单目视觉实时测距方法及测距系统 - Google Patents
一种基于嵌入式平台的单目视觉实时测距方法及测距系统 Download PDFInfo
- Publication number
- CN115705621A CN115705621A CN202110904716.4A CN202110904716A CN115705621A CN 115705621 A CN115705621 A CN 115705621A CN 202110904716 A CN202110904716 A CN 202110904716A CN 115705621 A CN115705621 A CN 115705621A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- camera
- dimensional
- pixel
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于嵌入式平台的单目视觉实时测距方法,包括:1)通过目标相机采集目标原始图像,并对图像进行畸变矫正;2)根据相机成像模型,建立二维图像像素坐标和三维世界坐标之间映射关系;3)通过矩阵变换法,对相机进行标定,获得二维像素坐标和三维世界之间映射矩阵参数;4)对目标进行检测,取目标检测框下边沿中心点像素坐标作为目标投影点的像素位置;5)对所述目标图像,建立二维像素和三维世界坐标映射表,每一帧图像实时目标测距通过查表获得。本方法适用于一些性能受限的嵌入式终端,简化标定过程,方便移植,避免大量的浮点计算,提高目标测距的实时性。
Description
技术领域
本发明涉及计算机视觉技术领域,具体涉及一种基于嵌入式平台的单目视觉实时测距方法及测距系统。
背景技术
随着人工智能的发展,视觉传感器在智能车以及机器人领域中得到了广泛的应用。相比其他传感器,视觉传感器可以获得更多有效的信息,可以用来物体识别和测距。目前,在视觉测距技术上,主要分为单目视觉测距和双目视觉测距,相比双目视觉,单目视觉具有数据处理量小,可控变量少的优点。在基于单目视觉测距的应用场景中,通过建立图像二维像素坐标与真实世界坐标的关系,从而可及时判断前方物体的距离。
目前,基于单目视觉测距算法大多都是基于计算机平台,且多为离线处理,考虑嵌入式平台硬件性能限制以及对实时性的要求,由于算法涉及变量较多,公式复杂,如果每一帧图像都进行复杂的公式计算,涉及大量浮点运算,将导致数据处理量大,影响实时性能。针对这种硬件性能限制的嵌入式系统,可以通过优化单目视觉测距算法,简化标定过程,便于处理器进行图像数据处理,提高基于嵌入式设备单目测距的实时性。
发明内容
本发明提出了一种基于嵌入式平台的单目视觉实时测距方法,包括以下几个步骤:
步骤一:通过目标相机采集目标原始图像,并对目标原始图像进行畸变矫正;
目标相机搭载在嵌入式终端设备上,其中,嵌入式设备采用32位arm处理器,目标相机通过usb线连接到设备采集接口,安装离水平面高度为0.8米,俯仰角为30度,目标相机视角为120度。针对广角镜头产生的畸变矫正主要为桶形矫正,矫正方法采用Brown-Conrady模型,对原始点采用沿半径方向进行三阶泰勒展开,通过matlab标定工具可得到畸变系数K=[k1,k2,k3]。
步骤二:根据相机成像模型,建立二维图像像素坐标和三维世界坐标之间映射关系;
首先,所述目标三维世界坐标(Xw,Yw,Zw)经过旋转平移变换得到相机坐标系(Xc,Yc,Zc);然后,相机坐标系(Xc,Yc,Zc)经过透视变换得到图像坐标系(x,y);最后,将具有物理单位的图像坐标系(x,y)变换为以像素为单位的像素坐标(u,v)。忽略所述目标的高度,即可得到二维图像像素坐标和三维世界平面坐标(Xw,Yw,0)的映射关系。
步骤三:通过矩阵变换法,利用黑白棋盘格,对相机进行标定,获得二维像素坐标和三维世界之间映射矩阵参数;
首先,通过矩阵变换,将相机的内部参数和外部参数合并为8个参数的矩阵H=[H11,H12,H13,H21,H22,H23,H31,H32],得到像素坐标(u,v)和世界平面坐标(Xw,Yw,0)映射关系,即其中,dx,dy每个像素在X轴,Y轴方向上的物理尺寸,然后将黑白棋盘格图水平放置在相机视野前方,采集目标图像;最后,选取四组互不相关的坐标,即图像中棋盘格四个拐角像素坐标以及对应的世界坐标,解出H参数矩阵。
步骤四:对目标进行检测,取目标检测框下边沿中心点像素坐标作为目标投影点的像素位置;目标检测采用适用于嵌入式终端的yolov3轻量级模型,首先,在服务端进行模型训练,然后,将训练好的模型部署到嵌入式终端设备,最后,在设备端加载模型进行目标识别。
步骤五:根据二维图像像素和三维世界坐标映射关系建立映射表,对每一帧图像计算目标距离通过查表获得。
建立映射表过程为,首先,系统初始化,在处理每一帧图像前,将图像每个像素点坐标(u,v)带入步骤三所述的映射关系公式得到相同大小的世界坐标(Xw,Yw,0)映射表,并存储在嵌入式设备内存中。然后实时获得目标距离的过程为,对采集的图像进行目标检测,取目标检测框下边沿中心点像素坐标,查找映射表获得世界坐标,然后通过距离公式得到目标和相机在水平面投影点的直线距离。
一种基于嵌入式平台的单目视觉实时测距系统,包括:存储器和处理器;
所述存储器上存储有计算机程序,当所述计算机程序被所述处理器执行时,实现本发明基于嵌入式平台的单目视觉实时测距方法。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现本发明基于嵌入式平台的单目视觉实时测距方法。
本发明的有益效果在于:本发明方法适用于一些性能受限的嵌入式终端,简化相机标定过程,算法通用性好,方便移植;同时,降低了单目测距算法复杂度,从而避免大量的浮点计算,有效提高了目标测距的实时性。
附图说明
图1是本发明嵌入式设备结构示意图。
图2是本发明建立相机成像模型示意图。
图3是本发明目标检测网络结构示意图。
图4是本发明单目测距方法流程示意图。
图5是本发明方法的流程示意图。
具体实施方式
为了更清晰的说明本发明的优势以及方案实施过程,下面结合具体实施例和附图,对本发明进行进一步的阐述。应当理解,以下所讲解的实施例并不用于限制本发明实施条件,而仅仅用于解释说明本发明。
本发明公开了一种基于嵌入式平台的单目视觉实时测距方法,包括:1)通过目标相机采集目标原始图像,并对图像进行畸变矫正;2)根据相机成像模型,建立二维图像像素坐标和三维世界坐标之间映射关系;3)通过矩阵变换法,对相机进行标定,获得二维像素坐标和三维世界之间映射矩阵参数;4)对目标进行检测,取目标检测框下边沿中心点像素坐标作为目标投影点的像素位置;5)对所述目标图像,建立二维像素和三维世界坐标映射表,每一帧图像实时目标测距通过查表获得。本方法适用于一些性能受限的嵌入式终端,简化标定过程,方便移植,避免大量的浮点计算,提高目标测距的实时性。
实施例
本发明提供了一种基于嵌入式平台的单目视觉实时测距方法,具体方法步骤包括一下步骤:
步骤一:通过目标相机采集目标原始图像,并对图像进行畸变矫正;
目标相机搭载在嵌入式终端设备上,设备安装系统结构示意图如图1所示。其中,相机视角为120度,针对广角镜头产生的桶形畸变,对原始点采用沿半径方向进行三阶泰勒展开,通过matlab标定工具可得到畸变系数K=[k1,k2,k3]。
步骤二:根据相机成像模型,建立二维图像像素坐标和三维世界坐标之间映射关系;相机的成像模型如图2所示,目标三维世界坐标(Xw,Yw,Zw)经过旋转平移变换得到相机坐标系(Xc,Yc,Zc);然后,相机坐标系(Xc,Yc,Zc)经过透视变换得到图像坐标系(X,Y),其中(x0,y0)为图像坐标原点;最后,将具有物理单位的图像坐标系(X,Y)变换为以像素为单位的像素坐标系(U,V),其中,(u0,v0)为像素坐标原点。忽略所述目标的高度,即可得到二维图像像素坐标(U,V)和三维世界平面坐标(Xw,Yw,0)的映射关系。
步骤三:通过矩阵变换法,利用黑白棋盘格,对相机进行标定,获得二维像素坐标和三维世界之间映射矩阵参数;
首先,通过矩阵变换,得到像素坐标(u,v)和世界平面坐标(Xw,Yw,0)关系,即其中,dx,dy每个像素在X轴,Y轴方向上的物理尺寸后,相机的内部参数和外部参数融合为具有8个参数的矩阵H=[H11,H12,H13,H21,H22,H23,H31,H32],然后,将黑白棋盘格图水平放置在相机视野前方,采集目标图像;最后,选取四组互不相关的坐标,即图像中棋盘格四个拐角像素坐标以及对应的世界坐标,即可解出H参数矩阵。
步骤四:对目标进行检测,取目标检测框下边沿中心点像素坐标作为目标投影点的像素位置;
目标检测采用适用于嵌入式终端的轻量级yolov3模型,模型结构示意图如图3所示;目标检测步骤包括,在服务端进行模型训练;将训练好的模型部署到嵌入式终端设备;设备端加载模型进行识别。
步骤五:根据二维图像像素和三维世界坐标映射关系建立映射表,对每一帧图像计算目标距离通过查表获得。
在图像处理初始化阶段,将图像每个像素点坐标(u,v)带入如步骤三所述的映射关系公式得到相同大小的世界坐标(Xw,Yw,0)映射表,并存储在嵌入式设备内存中;在目标实时检测时,取目标检测框下边沿中心点像素坐标,通过查找映射表获得对应世界坐标,然后通过距离公式得到目标于相机的直线距离,目标测距方法流程示意图如图4所示。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下,本领域技术人员能够想到的变化和优点都被包括在本发明中,并且以所附的权利要求书为保护范围。式得到目标于相机的直线距离,目标测距方法流程示意图如图4所示。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下,本领域技术人员能够想到的变化和优点都被包括在本发明中,并且以所附的权利要求书为保护范围。
Claims (8)
1.一种基于嵌入式平台的单目视觉实时测距方法,其特征在于,包括如下步骤:
步骤一:通过目标相机采集目标原始图像,并对目标原始图像进行畸变矫正;
步骤二:根据相机成像模型,建立二维图像像素坐标和三维世界坐标之间映射关系;
步骤三:通过矩阵变换法,利用黑白棋盘格,对相机进行标定,获得二维像素坐标和三维世界之间映射矩阵参数;
步骤四:对目标进行检测,取目标检测框下边沿中像素坐标作为目标投影点的像素位置;
步骤五:根据二维图像像素和三维世界坐标映射关系建立映射表,每一帧图像计算目标距离通过查表获得。
2.如权利要求1所述的一种基于嵌入式平台的单目视觉实时测距方法,其特征在于,所述的步骤一中,所述目标相机搭载在嵌入式终端设备上,所述目标相机视角为120度,针对广角镜头产生的畸变矫正为桶形矫正,矫正方法采用Brown-Conrady模型,对原始点采用沿半径方向进行三阶泰勒展开,通过matlab标定工具得到畸变系数K=[k1,k2,k3]。
3.如权利要求1所述的一种基于嵌入式平台的单目视觉实时测距方法,其特征在于,所述的步骤二中,根据相机成像模型,建立二维图像像素坐标和三维世界坐标之间映射关系,包括以下步骤:首先,所述目标三维世界坐标(Xw,Yw,Zw)经过旋转平移变换得到相机坐标系(Xc,Yc,Zc);然后,相机坐标系(Xc,Yc,Zc)经过透视变换得到图像坐标系(x,y);最后,将具有物理单位的图像坐标系(x,y)变换为以像素为单位的像素坐标(u,v),忽略所述目标的高度,得到二维图像像素坐标和三维世界平面坐标(Xw,Yw,0)的映射关系。
5.如权利要求1所述的一种基于嵌入式平台的单目视觉实时测距方法,其特征在于,所述的步骤四中,目标检测采用轻量级的yolov3模型,步骤包括,首先在服务端进行模型训练,然后,将训练好的模型部署到嵌入式终端设备,最后,在设备端加载模型进行目标识别。
7.一种基于嵌入式平台的单目视觉实时测距系统,其特征在于,包括:存储器和处理器;
所述存储器上存储有计算机程序,当所述计算机程序被所述处理器执行时,实现如权利要求1-6任一项所述的方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110904716.4A CN115705621A (zh) | 2021-08-07 | 2021-08-07 | 一种基于嵌入式平台的单目视觉实时测距方法及测距系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110904716.4A CN115705621A (zh) | 2021-08-07 | 2021-08-07 | 一种基于嵌入式平台的单目视觉实时测距方法及测距系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115705621A true CN115705621A (zh) | 2023-02-17 |
Family
ID=85179191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110904716.4A Pending CN115705621A (zh) | 2021-08-07 | 2021-08-07 | 一种基于嵌入式平台的单目视觉实时测距方法及测距系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115705621A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116030202A (zh) * | 2023-03-29 | 2023-04-28 | 四川弘和通讯集团有限公司 | 一种三维图像重建方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-07 CN CN202110904716.4A patent/CN115705621A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116030202A (zh) * | 2023-03-29 | 2023-04-28 | 四川弘和通讯集团有限公司 | 一种三维图像重建方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035320B (zh) | 基于单目视觉的深度提取方法 | |
CN110728715B (zh) | 一种智能巡检机器人摄像机角度自适应调整方法 | |
CN112396664B (zh) | 一种单目摄像机与三维激光雷达联合标定及在线优化方法 | |
CN111627072B (zh) | 一种对多传感器进行标定的方法、装置和存储介质 | |
CN106485753B (zh) | 用于无人驾驶汽车的摄像机标定的方法和装置 | |
CN114399554B (zh) | 一种多相机系统的标定方法及系统 | |
WO2021004416A1 (zh) | 一种基于视觉信标建立信标地图的方法、装置 | |
CN112907586B (zh) | 基于视觉的机械臂控制方法、装置、系统和计算机设备 | |
CN111897349A (zh) | 一种基于双目视觉的水下机器人自主避障方法 | |
CN107843251A (zh) | 移动机器人的位姿估计方法 | |
CN112381847A (zh) | 管路端头空间位姿测量方法及系统 | |
CN113329179B (zh) | 拍摄对位方法、装置、设备及存储介质 | |
CN116129037B (zh) | 视触觉传感器及其三维重建方法、系统、设备及存储介质 | |
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 | |
CN107680035B (zh) | 一种参数标定方法和装置、服务器及可读存储介质 | |
CN115097421A (zh) | 一种相机-激光雷达外参标定装置及方法 | |
CN111383264B (zh) | 一种定位方法、装置、终端及计算机存储介质 | |
CN115705621A (zh) | 一种基于嵌入式平台的单目视觉实时测距方法及测距系统 | |
CN111047636A (zh) | 基于主动红外双目视觉的避障系统和避障方法 | |
CN112985360B (zh) | 基于车道线的双目测距校正方法、装置、设备和存储介质 | |
CN112017259B (zh) | 一种基于深度相机与热像仪的室内定位与建图方法 | |
CN116894907A (zh) | 一种rgbd相机纹理贴图优化方法及系统 | |
CN114754779B (zh) | 一种定位与建图方法、装置及电子设备 | |
CN113240749B (zh) | 一种面向海上舰船平台无人机回收的远距离双目标定与测距方法 | |
CN102542563A (zh) | 一种移动机器人前向单目视觉的建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |