【技術實現步驟摘要】
本專利技術涉及計算機視覺目標檢測及目標測距領域，尤其涉及一種基于目標識別的單目攝像機俯仰角的快速標定方法。
技術介紹
1、測距技術在自動駕駛、智慧城市、車路協同等領域都有著十分廣泛的應用前景。當前在試驗路段環境中，比較主流的測距技術是采用激光雷達等雷達傳感器來感知目標距離，但激光雷達傳感器受環境影響因素大，并且成本高，城市廣度難以得到普及。在工業生產場景中也常采用雙目攝像頭進行實時測距，但雙目攝像頭測距算法復雜，實時性差，通常用于工業生產的單一化環境當中，難以在瞬息萬變的城市交通場景中得到應用。
2、因此單目攝像機測距技術基于其經濟成本和計算成本的平衡效果，成為了目標測距的一個主要研究方向。
3、對于單目攝像機測距，俯仰角的標定是一個重點。因為單目攝像機安裝后，姿態無法通過實際測量獲得，必須通過計算標定獲取。若精度不足，則在大廣角場景應用中，實時測距得到的距離值與真實值相差極大。
4、目前比較成熟的標定方法通常是在安裝攝像頭后利用棋盤格對攝像機進行內參矩陣、畸變系數等參數的標定，即內參標定，再通過opencv技術獲得攝像機俯仰角，最后利用訓練后的目標識別模型實現實時測距。但該方式對于攝像頭俯仰角的計算精準度依舊有限，在進行街道、交通路口等大場景測距應用中，很小的俯仰角誤差就會造成很大的距離誤差。因此如何確保所標定單目攝像機姿態的精度以確保單目攝像機測距準確度，是目前單目攝像機實時測距的難點問題。
技術實現思路
1、為了解決現有技術的不足，本專利技
2、本專利技術為解決其技術問題所采用的技術方案是：提供了一種基于目標識別的單目攝像機俯仰角的快速標定方法，包括以下步驟：
3、s1、對單目攝像機內參進行標定；
4、s2、訓練目標檢測模型；
5、s3、安裝單目攝像機；
6、s4、初始化俯仰角θpitch；
7、s5、單目攝像機對已知距離的目標實時拍攝，結合俯仰角θpitch對目標進行實時測距，得到測量距離l'；
8、s6、若測量距離與實際距離l誤差在預設誤差e的范圍內，則當前俯仰角θpitch為標定結果，標定結束；否則對俯仰角θpitch增加迭代步長λ，返回步驟s4進入下一次迭代。
9、步驟s1具體采用張正友對單目攝像機進行標定，獲得單目攝像機的內參矩陣k和畸變系數dist。
10、步驟s2所述的目標檢測模型采用yolov5目標檢測模型，yolov5目標檢測模型包括backbone、neck和head三個部分，其中：
11、所述backbone部分，其包括cba模塊和c3模塊，用于將輸入圖像的特征譜圖進行多次下采樣操作，獲得不同細粒度的圖像特征信息，并分別以三條不同的通道輸入到neck部分；
12、所述cba模塊，是由卷積層、批量歸一化層和acon激活函數組成，用于將輸入的特征圖進行下采樣操作，同時增加特征圖的通道數，以保留更多的圖像特征信息；
13、所述c3模塊，是由三個卷積層和多個bottleneck模塊組成，用于將輸入的特征圖進行下采樣操作，并增加了殘差結構以增加層與層之間反向傳播的梯度值，以避免因神經網絡加深而造成的梯度損失；
14、所述neck部分，其包括sppf模塊、cba模塊和c3模塊，用于混合所獲得的圖像信息，增強模型對不同尺度對象的檢測能力，并分別以三條不同的通道輸入head部分；
15、所述sppf模塊，是由三個卷積核為5×5的最大池化層和兩個卷積層組成，用于將輸入的特征圖通道數減半，對特征信息進行拼接，得到新的特征圖；
16、所述cba模塊和c3模塊，作用同backbone部分中的cba模塊和c3模塊相同；
17、所述head部分，其包括conv模塊；
18、所述conv模塊是一個卷積核為1×1的卷積層，neck中三條途徑輸出了大小分別為80×80×256、40×40×512、20×20×1024的特征圖，再分別進行卷積處理；
19、訓練過程具體包括以下步驟：
20、s2.1、將圖片數據集劃分為訓練集和驗證集，將標簽數據集對應地劃分為訓練集和驗證集；
21、s2.2、設置訓練批次尺寸、神經網絡模型迭代次數和數據集路徑，調用yolov5目標檢測模型對數據集中的訓練集進行訓練。
22、步驟s5具體包括以下過程：
23、s5.1、安裝固定攝像機，并測量其距水平地面的距離h；
24、s5.2、已知距離的目標采用在攝像機視野范圍內放置的目標物體a和目標物體b，測量目標物體a和目標物體b的實際距離l；
25、s5.3、根據畸變系數dist校正攝像機鏡頭，將步驟s2訓練結束所輸出的權重文件配置在yolov5目標檢測模型中，調用yolov5目標檢測模型檢測目標物體a和目標物體b，并分別記錄目標物體a和目標物體b的目標檢測框底部中點的像素坐標，分別記為(xx,ya)和(xb,yb)；
26、s5.4、根據幾何投影關系和小孔成像原理的單目測距公式計算目標a和b的計算距離l'。
27、1、根據權利要求4所述的基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于：步驟s5.4具體包括以下過程：
28、s5.4.1、目標在y軸方向上的距離投影公式為：
29、
30、目標在x軸方向上的距離投影公式為：
31、
32、其中h為單目攝像機距離地面的安裝高度，θpitch為攝像機俯仰角，β為攝像機的垂直視場角的一半，γ為攝像機的水平視場角的一半，h為單幀圖像的像素高度的一半，w為單幀圖像的像素寬度的一半，x'為目標在x軸方向上距圖像中心的像素距離，y'為目標在y軸方向上距圖像中心的像素距離，分別通過以下公式計算得到：
33、目標在像素坐標系下與y軸的像素距離計算公式為：
34、y'＝|y-h|?(3)
35、目標在像素坐標系下與x軸的像素距離計算公式為：
36、x'＝|x-w|?(4)
37、將目標物體a和目標物體b的相應參數分別代入公式(1)至公式(4)，分別計算得到目標物體a和目標物體b的實際坐標(xa,ya)和(xb,yb)；
38、s5.4.2、通過以下公式計算目標物體a和目標物體b的計算距離l'：
39、
40、步驟s6俯仰角θpitch標定結束后，單目攝像機正式進入實時測距狀態，采用標定后的俯仰角θpitch測量實時目標與單目攝像機的距離。
41、本專利技術基于其技本文檔來自技高網...
【技術保護點】
1.一種基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于包括以下步驟：
2.根據權利要求1所述的基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于：步驟S1具體采用張正友對單目攝像機進行標定，獲得單目攝像機的內參矩陣K和畸變系數dist。
3.根據權利要求1所述的基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于：步驟S2所述的目標檢測模型采用YOLOv5目標檢測模型，YOLOv5目標檢測模型包括Backbone、Neck和Head三個部分，其中：
4.根據權利要求1所述的基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于：步驟S5具體包括以下過程：
5.根據權利要求4所述的基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于：步驟S5.4具體包括以下過程：
6.根據權利要求1所述的基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于：步驟S6俯仰角θpitch標定結束后，單目攝像機正式進入實時測距狀態，采用標定后的俯仰角θpitch測量實時目標與單目攝像機的距離。
【技術特征摘要】
1.一種基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于包括以下步驟：
2.根據權利要求1所述的基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于：步驟s1具體采用張正友對單目攝像機進行標定，獲得單目攝像機的內參矩陣k和畸變系數dist。
3.根據權利要求1所述的基于目標識別的單目攝像機俯仰角的快速標定方法，其特征在于：步驟s2所述的目標檢測模型采用yolov5目標檢測模型，yolov5目標檢測模型包括backbone、neck和head三個部...
【專利技術屬性】
技術研發人員：汪磊，柳偉，張愛華，劉輝東，楊旺，張鑫，
申請(專利權)人：武漢英泰斯特電子技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。