[发明专利]一种多目标多种类的车辆检测和测距系统及实现方法

说明书

本发明公开了一种多目标多种类的车辆检测和测距系统及实现方法，包括检测系统、测距系统、外部控制单元和车载的显示屏；检测系统包括车道视频采集模块、显示器以及嵌入式系统；测距系统包括信息识别单元、控制单元以及显示单元；信息识别处理单元连接所述检测系统的车道视频采集模块，接收车道视频采集模块处理后的图像/视频数据；测距系统的所述控制单元与信息识别单元、显示单元、车道视频采集模块、嵌入式系统连接，用于控制各单元和之间的数据交互；其中所述嵌入式系统以开源深度学习框架Darknet为基础，改进的YOLOv3网络结构为模型；所述信息识别处理单元基于双目SLAM算法。

技术领域

本发明涉及车辆识别和定位领域，尤其涉及一种多目标多种类的车辆检测和测距的系统及实现方法。

背景技术

在当前车辆识别和定位领域，目标检测技术的主要过程是找出图像中目标的位置并且判断出目标的分类。传统的目标检测方法是基于滑窗的局域选择加手工特征的原理，存在时间复杂度高、窗口冗余以及无法适应特征的多样性缺点，难以应用到复杂路况中。后来又陆续研究出了R-CNN、Fast R-CNN、SPP-NET等检测算法，但这些算法还是存在检测速率过慢、选择候选区域耗时等问题。

而测距领域当前基于摄像头的测距方法主要有双目视觉测距系统、结构光视觉测距系统、TOF测距系统这三类方法。

双目视觉测距系统是基于视差原理，由多幅图像获取物体三维几何信息的方案。在计算机视觉系统中，双目视觉一般由双摄像机从不同角度同时获取周围景物的两幅数字图像，或有由单摄像机在不同时刻从不同角度获取周围景物的两幅数字图像，并基于视差原理即可恢复出物体三维几何信息，重建周围景物的三维形状与位置。相对于其他的辅助测距方法，譬如雷达测距、激光测距、红外线测距等，双目立体视觉测距技术的最大特点在于其非接触性，具有受外界影响小、隐蔽性及性价比高等优点。

结构光视觉测距系统采用一个投影仪主动投射光模式。光模式经过场景调制后，由摄像机捕获场景调制图对捕获的模式图像进行解码，与投射模式特征量匹配，找出各个对应点，利用三角原理完成三维重构。结构光视觉测距系统虽然能够有效地解决双目视觉中匹配算法的复杂度和鲁棒性的问题，但是在强光下，结构光中的核心技术激光散斑会被淹没。因此，此方法不适用于室外。同时，在长时间监控方面，例如视频监控等，激光发射设备容易损坏，成本高。重新更换设备后，需要进行重新标定各项参数。

TOF是Time of flight的简写，直译为飞行时间的意思。TOF测距系统即是所谓的光飞行时间法3D成像。该方法是通过给待检测目标连续发送光脉冲，利用传感器接收从物体返回的光。通过探测光脉冲的飞行时间来得到目标物体的距离。TOF测距系统的最大优点是其深度精度不会随距离改变而变化，精度基本能稳定在厘米级别。但是在多目标的距离测量中存在操作不方便等问题。

发明内容

有鉴于此，为了解决现有技术中的上述问题，本发明提出一种多目标多种类车辆检测和测距的系统及方法，实现低成本高精度的车辆检测和测距。

本发明通过以下技术手段解决上述问题：

本发明提供一种多目标多种类的车辆检测和测距系统，包括检测系统、测距系统、外部控制单元和车载的显示屏；所述检测系统包括车道视频采集模块、显示器以及嵌入式系统；所述测距系统包括信息识别单元、控制单元以及显示单元；所述信息识别处理单元连接所述检测系统的所述车道视频采集模块，接收所述车道视频采集模块处理后的图像/视频数据；所述测距系统的所述控制单元与所述信息识别单元、所述显示单元、所述车道视频采集模块、所述嵌入式系统连接，用于控制各单元和之间的数据交互；其中所述嵌入式系统以开源深度学习框架Darknet为基础，改进的YOLOv3网络结构为模型，结合维度聚类分析、网络预训练和多尺度训练模型的方法，训练图像检测器；所述信息识别处理单元基于双目SLAM算法，采用特征点法进行视觉里程计设计，光束平差法与图优化法进行后端优化。