基于单目视觉的障碍物测距系统及其测距方法与流程
本发明涉及汽车领域，特别是涉及一种用于自动驾驶技术基于单目视觉的障碍物测距系统。本发明还涉及一种用于自动驾驶技术基于单目视觉的障碍物测距方法。
背景技术：
视觉测距就是人类使用计算机来获取距离数据的一项基础知识，并且由于其在机器人研究中占据极其重要的位置而受到大家的广泛关注，并且在机器目标跟踪、视觉定位以及视觉避障等中得到了广泛的应用，同时成为视觉导航以及伺服控制中的不可缺少的重要技术。随着视觉技术的发展，越来越多的测距算法涌现出来，比较常见的就是结构法、单目测量、双目测量以及多目测量法等。其中结构光因为受到光源的影响限制，因此它只能在固定的场合进行应用；双目视觉由于受到特征点匹配的影响，所以精度以及效率都不够稳定，因此如何解决双目视觉的特征点匹配问题是该部分研究的重点方向；相对比前面的两种测量方法，单目视觉测距结构较为简单，运算速度快捷，从而使其在日后的应用上占据重要的地位。
在现有视觉测距仪使用的是双目或者多目的检测方法，双目检测距离的方式是通过对两幅图像视差的计算，直接对前方景物进行距离测量，无需判断前方出现的是什么类型的障碍物。双目摄像头的原理与人眼相似。人眼能够感知物体的远近，是由于两只眼睛对同一个物体呈现的图像存在差异，也称“视差”。物体距离越远，视差越小；反之，视差越大。视差的大小对应着物体与眼睛之间距离的远近。用一个简单的实验来说明视差，在测试者的眼睛前竖直举起他的手指，然后交替地闭上他的眼睛，测试者会注意到他的手指相对于场景的背景向左和向右跳动，水平上的运动或视差是与测试者的距离成反比的。
相对比双目或多目测量方法，单目视觉测距以其结构简单，运算速度快，成本低等优点得到了最广泛的使用。目前单目视觉系统方法需要相机的精确定位和复杂标定，并且由于在图像间寻找同一物点的像即图像的匹配需要大量极其复杂的计算，因此限制了其应用范围。另外目前单目视觉系统方法使用了一个半反射镜将同一视点的光线分成两部分，再使用不同光圈的两个镜头把光线聚集到两个靶面上得到两幅图像，利用同一点在两幅图像中的散焦程度不同来计算像距。该方法相机结构较为复杂，安装要求较高，计算量也较大。智能驾驶需要测量车辆前方障碍物的距离，目前使用的双目或夺目的测距方法，使得系统成本比较高，而且也需要比较大的安装空间，这就需要一个检测精度符合汽车安全车距预警要求、成本比较低、安装空间小的检测方法。
技术实现要素：
本发明要解决的技术问题是提供一种基于单目视觉的障碍物测距系统。本发明还提供了一种基于单目视觉的障碍物测距方法。
图像平滑是指用于突出图像的宽大区域、低频成分、主干部分或抑制图像噪声和干扰高频成分的图像处理方法，目的是使图像亮度平缓渐变，减小突变梯度，改善图像质量。图像平滑的方法包括：插值方法，线性平滑方法，卷积法等等。这样的处理方法根据图像噪声的不同进行平滑，比如椒盐噪声，就采用线性平滑方法！
数学形态学(mathematicalmorphology,mm)：是根据形态学概念发展而来具有严格数学理论基础的科学，并在图像处理和模式识别领域得到了成功应用。其用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。形态学图像处理表现为一种邻域运算形式；
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像索赋予相同的编号。
明暗恢复形状(shapefromshading,简称sfs)是计算机视觉中三维形状恢复(3dshaperecovery)问题的关键技术之一,其任务是利用单幅图象中物体表面的明暗变化来恢复其表面各点的相对高度或表面法方向等参数值,为进一步对物体进行三维重构奠定基础。
为解决上述技术问题，本发明提供的基于单目视觉的障碍物测距系统，包括：图像摄取模块、图像处理模块和距离计算模块；
所述图像摄取模块拍摄障碍物单幅图像发送至于图像处理模块；
所述图像处理模块对所述单幅图像进行预处理后将所述单幅图像转化为待分析图像发送至距离计算模块；
所述距离计算模块将待分析图像进行数字化描述完成障碍物高度信息恢复，确定障碍物的高度、尺寸和底部在相平面上的位置信息后，根据图像摄取模块焦距、图像摄取模块离地面高度以及障碍物底部在相平面上的位置，通过光学相似三角计算获得障碍物距离。
进一步改进所述基于单目视觉的障碍物距离计算系统，所述图像摄取模块是单目相机或摄像机，所述图像处理模块和距离计算模块是mcu或pc。
进一步改进所述基于单目视觉的障碍物距离计算系统，所述预处理至少包括图像平滑处理，图像分割处理和或数学形态学处理。
进一步改进所述基于单目视觉的障碍物距离计算系统，所述图像处理模块能分辨灰度图像和彩色图像。
进一步改进所述基于单目视觉的障碍物距离计算系统，所述单幅图像转化为待分析图像是将单幅图像的彩色图像部分转换为灰度图像。
进一步改进所述基于单目视觉的障碍物距离计算系统，所述距离计算模块将待分析图像进行数字化描述是将待分析图像从二维空间到三维空间拟映射。
进一步改进所述基于单目视觉的障碍物距离计算系统，待分析图像从二维空间到三维空间拟映射采用以下方式；
将待分析图像像素采用二维矩阵描述，所述二维矩阵行列表示像素点的空间位置，用数值或向量来表示像素的颜色信息。
进一步改进所述基于单目视觉的障碍物距离计算系统，待分析图像转化为灰度图像其二维矩阵如下；
f(x，y)二维矩阵中f(i，j)是矩阵中第i行、第j列的灰度值，其中1≤i≤m，1≤j≤n。
进一步改进所述基于单目视觉的障碍物距离计算系统，所述障碍物高度信息恢复采用明暗恢复形状(shapefromshading,sfs)。
进一步改进所述基于单目视觉的障碍物距离计算系统，所述明暗恢复形状是根据待分析图像数字图像的灰度明暗变化恢复物体的三维表面上各点的相对高度或表面法向量参数值。即，通过确定的光照反射模型来确立物体表面形状与图像亮度之间的函数关系，并依据对表面形状的先验模型构建对形状参数的约束条件，然后对在这些约束条件下联立方程求解，以得到物体表面的三维形状。这个过程相当于完成一个从二维空间到三维空间的拟映射，是成像的逆过程，目的是要完成物体高度信息的再恢复。
理想漫反射光的强度同入射光与物体表面法向量之间的夹角的余弦成正比，即：
e(x，y)＝i(x，y)ρcosθ
e(x，y)为漫反射光强度，i(x，y)是光源强度，ρ为表面反射系数，θ为入射光与表面法向量之间的夹角。假设
有cosθ值为1时，e(x，y)有最大值，联合上式，首先求出图像的亮度和光源方向以确定物体的表面梯度(p，q)，然后根据(p，q)与z的关系可进一步求出物体的表面高度z(x，y)。
本发明提供一种基于单目视觉的障碍物测距方法，包括以下步骤：
1)拍摄障碍物单幅图像；
2)对所述单幅图像进行预处理；
3)将所述单幅图像转化为待分析图像；
4)将待分析图像进行数字化描述完成障碍物高度信息恢复；
5)确定障碍物的高度、尺寸和底部在相平面上的位置信息；
6)根据拍摄焦距、拍摄距离地面高度以及障碍物底部在相平面上的位置，通过光学相似三角计算获得拍摄点与障碍物之间距离。
进一步改进所述基于单目视觉的障碍物测距方法，实施步骤2)时，所述预处理至少包括图像平滑处理，图像分割处理和或数学形态学处理。
进一步改进所述基于单目视觉的障碍物测距方法，实施步骤3)时，所述单幅图像转化为待分析图像是将单幅图像的彩色图像部分转换为灰度图像。
进一步改进所述基于单目视觉的障碍物测距方法，实施步骤4)时，将待分析图像进行数字化描述是将待分析图像从二维空间到三维空间拟映射。
进一步改进所述基于单目视觉的障碍物测距方法，待分析图像从二维空间到三维空间拟映射采用以下方式；
将待分析图像像素采用二维矩阵描述，所述二维矩阵行列表示像素点的空间位置，用数值或向量来表示像素的颜色信息。
进一步改进所述基于单目视觉的障碍物测距方法，待分析图像转化为灰度图像其二维矩阵如下；
f(x，y)二维矩阵中f(i，j)是矩阵中第i行、第j列的灰度值，其中1≤i≤m，1≤j≤n。
进一步改进所述基于单目视觉的障碍物测距方法，所述障碍物高度信息恢复采用明暗恢复形状(shapefromshading,sfs)。
进一步改进所述基于单目视觉的障碍物测距方法，所述明暗恢复形状是根据待分析图像数字图像的灰度明暗变化恢复物体的三维表面上各点的相对高度或表面法向量参数值。即，通过确定的光照反射模型来确立物体表面形状与图像亮度之间的函数关系，并依据对表面形状的先验模型构建对形状参数的约束条件，然后对在这些约束条件下联立方程求解，以得到物体表面的三维形状。这个过程相当于完成一个从二维空间到三维空间的拟映射，是成像的逆过程，目的是要完成物体高度信息的再恢复。
理想漫反射光的强度同入射光与物体表面法向量之间的夹角的余弦成正比，即：
e(x，y)＝i(x，y)ρcosθ
e(x，y)为漫反射光强度，i(x，y)是光源强度，ρ为表面反射系数，θ为入射光与表面法向量之间的夹角。假设
有cosθ值为1时，e(x，y)有最大值，联合上式，首先求出图像的亮度和光源方向以确定物体的表面梯度(p，q)，然后根据(p，q)与z的关系可进一步求出物体的表面高度z(x，y)。
本发明的工作原理如下，从单幅图像中恢复障碍物(目标)的3d结构信息，是测距时在光线方向、物体表面的反射模型均为已知条件，利用单幅图像中灰度的明暗变化所隐含的形状信息，重构物体的表面三维形状。目标物体三维形状的重构是建立在图像的基础之上，在进行三维形状的重构时先对图像做预处理，如图像平滑处理，图像分割处理和数学形态学处理。通过数字化描述被转化为灰度的待分析图形，一幅数字图像由有限个像素组成，每个像素都具有两种特征即空间特征和颜色特征。通常像素采用二维矩阵的形式来描述。用矩阵元素的行列表示像素点的空间位置，用数值或向量来表示像素的颜色信息。对于灰度图像来说，可以采用二维矩阵来表示。其次做明暗恢复形状(shapefromshading,sfs)是根据单幅数字图像的灰度明暗变化恢复物体的三维表面上各点的相对高度z(x，y)或表面法向量(zx，zy，-1)等参数值。目的是要完成物体高度信息的再恢复。恢复后的3d结构可以确定障碍物的高度、尺寸和底部在相平面上的位置信息。最后根据已知的摄像机焦距、离地面的高度以及障碍物底部在相平面上的位置，根据光学相似三角推算出障碍物(目标)的距离。
本发明适用于汽车智能驾驶，使用单幅图像估计路面障碍物距离，在车辆上安装单目相机系统随车实时拍摄前方障碍物图，然后通过从单幅图像中恢复目标的3d结构信息，重构物体的表面三维形状可以确定障碍物的高度、尺寸和底部在相平面上的位置信息，最后根据已知的摄像机焦距、离地面的高度以及障碍物底部在相平面上的位置，根据光学相似三角推算出目标的距离。本发明成本比较低、安装空间小，形成产品后可以广泛应用在智能网联汽车。
附图说明
下面结合附图与具体实施方式对本发明作进一步详细的说明：
图1是明暗恢复形状(shapefromshading,sfs)算法流程示意图。
图2是本发明测距方法一实施示意图。
具体实施方式
本发明提供的基于单目视觉的障碍物测距系统一实施例，包括：图像摄取模块、图像处理模块和距离计算模块；图像摄取模块采用单目相机，图像处理模块和距离计算模块集成在车载计算机。
所述图像摄取模块拍摄障碍物单幅图像发送至于图像处理模块；
所述图像处理模块能分辨灰度图像和彩色图像，能对所述单幅图像进行预处理后将单幅图像的彩色图像部分转换为灰度图像后(即该单幅图像转化为了灰度表示的单幅图像)发送至距离计算模块；
所述距离计算模块将待分析图像进行数字化描述完成障碍物高度信息恢复，确定障碍物的高度、尺寸和底部在相平面上的位置信息后，根据图像摄取模块焦距、图像摄取模块离地面高度以及障碍物底部在相平面上的位置，通过光学相似三角计算获得障碍物距离。
采用以下方式将待分析图像从二维空间到三维空间拟映射。
将待分析图像像素采用二维矩阵描述，所述二维矩阵行列表示像素点的空间位置，用数值或向量来表示像素的颜色信息，待分析图像转化为灰度图像其二维矩阵如下；
f(x，y)二维矩阵中f(i，j)是矩阵中第i行、第j列的灰度值，其中1≤i≤m，1≤j≤n。
所述障碍物高度信息恢复采用明暗恢复形状，所述明暗恢复形状是根据待分析图像数字图像的灰度明暗变化恢复物体的三维表面上各点的相对高度或表面法向量参数值。
本发明提供一种基于单目视觉的障碍物测距方法一实施例，包括以下步骤：
1)拍摄障碍物单幅图像；
2)对所述单幅图像进行预处理，所述预处理至少包括图像平滑处理，图像分割处理和或数学形态学处理；
3)将所述单幅图像转化为待分析图像，所述单幅图像转化为待分析图像是将单幅图像的彩色图像部分转换为灰度图像；
4)将待分析图像进行数字化描述完成障碍物高度信息恢复，所述障碍物高度信息恢复采用明暗恢复形状，所述明暗恢复形状是根据待分析图像数字图像的灰度明暗变化恢复物体的三维表面上各点的相对高度或表面法向量参数值；
将待分析图像进行数字化描述是采用以下方式将待分析图像从二维空间到三维空间拟映射。
将待分析图像像素采用二维矩阵描述，所述二维矩阵行列表示像素点的空间位置，用数值或向量来表示像素的颜色信息，待分析图像转化为灰度图像其二维矩阵如下；
f(x，y)二维矩阵中f(i，j)是矩阵中第i行、第j列的灰度值，其中1≤i≤m，1≤j≤n。
5)确定障碍物的高度、尺寸和底部在相平面上的位置信息；
6)根据拍摄焦距、拍摄距离地面高度以及障碍物底部在相平面上的位置，通过光学相似三角计算获得拍摄点与障碍物之间距离。
已知摄像机高度h，摄像头焦距f,障碍物某点在图像坐标中的坐标点y1,基于实际像素尺寸ypixel。则能求解：
所有拍摄点p和障碍物b之间的距离为
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！