一种基于U-V视差图的障碍物测距方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114119700A(43)申请公布日2022.03.01(21)申请号202111423802.XG06K9/62(2022.01)(22)申请日2021.11.26G06V10/774(2022.01)(71)申请人山东科技大学地址266590山东省青岛市黄岛区前湾港路579号(72)发明人王智慧李致远张亚娟张泺陶曹越郭晨璐崔宾阁于建志路燕包永堂(74)专利代理机构青岛众智源知识产权代理事务所(普通合伙)37355代理人林琪超(51)Int.Cl.G06T7/55(2017.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书8页附图5页(54)发明名称一种基于U-V视差图的障碍物测距方法(57)摘要本发明公开了一种基于U‑V视差图的障碍物测距方法，通过双目相机采集待测图片，将待测图片输入到训练好的YOLO‑V3模型中，得到待测图片中障碍物的类别及位置坐标信息；将待测图片通过SSD算法处理后得到整图视差图；计算得到障碍物粗略距离，并将障碍物粗略距离由小到大排序，得到障碍物粗略距离排序表；构造障碍物粗略距离排序表中数值最小的障碍物的U视差图和V视差图；根据障碍物的U视差图和V视差图得到障碍物三维场景位置信息，通过迭代整图视差图最终得到待测图片中所有障碍物的三维场景位置信息。本发明能够准确提取障碍物视差信息，可以有效避免将背景视差作为障碍物视差的情况，从而降低障碍物距离的误差，提高距离信息的精确度。CN114119700ACN114119700A权利要求书1/3页1.一种基于U‑V视差图的障碍物测距方法，其特征在于，包括以下步骤：步骤1：利用数据集训练YOLO‑V3模型，通过双目相机采集待测图片，将待测图片输入到训练好的YOLO‑V3模型中，得到待测图片中障碍物的类别及位置坐标信息；步骤2：将待测图片通过SSD算法处理后得到整图视差图；步骤3：根据步骤2得到的整图视差图及步骤1中获得的障碍物位置坐标信息计算得到障碍物粗略距离，并将障碍物粗略距离由小到大排序，得到障碍物粗略距离排序表；步骤4：依据步骤2中得到的整图视差图、步骤3中得到的障碍物粗略距离排序表以及步骤1中得到的障碍物的位置坐标信息构造障碍物粗略距离排序表中数值最小的障碍物的U视差图和V视差图；步骤5：将步骤4得到的U视差图和V视差图中的有效区域还原并融合得到障碍物准确视差图，将障碍物准确视差图转换为障碍物深度图，通过障碍物深度图求得障碍物三维场景位置信息，从整图视差图减去障碍物准确视差图，删除障碍物粗略距离排序表中数值最小的障碍物粗略距离；步骤6：重复步骤4至步骤5，最终得到待测图片中所有障碍物的三维场景位置信息。2.根据权利要求1所述的一种基于U‑V视差图的障碍物测距方法，其特征在于，步骤2具体包括以下步骤：步骤2.1：待测图片分为左图像和右图像，将左图像和右图像均转换成灰度图像，设定SSD算法中窗口win的大小为kernel*kernel，搜索最大视差max_disp为256；步骤2.2：对左图像和右图像分别取3*3大小的高斯卷积核，利用高斯卷积分别对两图进行高斯模糊操作；步骤2.3：对左图像分别进行x方向和y方向的Sobel滤波，得到左图像x方向和y方向的梯度矩阵，然后将两个方向的梯度矩阵以各0.5的权重相加得到左图像总的梯度矩阵dst；步骤2.4：在每个线程中，遍历左图像中每个像素点对应的梯度矩阵dst的值，判断当前像素点对应的梯度矩阵的值是否大于阈值k,若不大于k则不计算此像素点的视差值并置为0；若大于k，则认为此像素点是图像中某物体的边缘，计算此像素点的视差值，具体方法如下：对于当前像素点的每个视差值d，计算左右图像win内的像素灰度值的平均值，再用左右图像win内的像素灰度值分别减去平均值，进而计算win内的平方差之和，公式如下：然后右图像窗口win向左移动一个像素，再计算移动后的SSD,右图窗口共移动max_2CN114119700A权利要求书2/3页disp次，取SSD(u,v)最小值对应的视差值d作为最终输出的视差图对应点的灰度值；其中，视差值d就是SSD(u，v)最小值左图像窗口与右图像窗口的距离，取值范围为[0,max_disp]；是左图像win内的像素灰度值的平均值,是右图像win内的像素灰度值的平均值；Left′(u,v)代表左图像win内的像素灰度值减去平均值，Right′(u,v)代表右图像win内的像素灰度值减去平均值；u和v是窗口win中相对于中间点的相对坐标，即u和v属于(‑kernel,kernel)；SSD(u,v)是左图像窗口与右图像窗口的差距；再进行置信度判断：若当前像素的‘最小的SSD(u,v)值’/