[发明专利]二维图像深度测量方法及其在车辆安全监测中的应用

说明书

本申请公开一种二维图像深度测量方法及其在车辆安全监测中的应用，所述深度测量方法，先将二维图像均匀划分为N个区块，然后分别对各区块进行粗疏精细分析、主成分分析和空间频域分析处理。根据图像纹理与模糊的相关比较，获得远近的深度信息。当应用在车辆安全监测中时，根据这一深度信息，即可推测车辆与其它道路通行参与者之间的距离，可以实现盲点检测、自动紧急制动、自适应巡航控制等。所述测量方法，由单帧平面二维图像就可以获得立体三维的深度信息，整个深度测量过程计算量小，对所采集的二维图像像素色彩、明暗程度、静态背景、应用场景等无要求，适用性强、实时性好；且不依赖用户主观经验积累，可靠性高。

技术领域

本发明涉及一种二维图像深度测量方法及其在车辆安全监测中的应用，属于车辆安全监测领域。

背景技术

先进辅助驾驶系统（ADAS）技术的全面应用展开，有效地提高了汽车的安全性。在ADAS功能范畴中，除了雷达和超声波传感器的应用，摄像头的应用得到更多的关注。由于大众化汽车产品对于成本控制的极度苛刻要求，高成本的立体双目摄像头并不是首选。

单目摄像头由于使用范围遍及包括汽车的日常生活各个方面，所以它的车载应用显而易见。汽车是一个动态载体，其自身所处位置需要环境感知技术来定位。用单目摄像头取得的图像是平面二维的，需要二维图像算法来推算出有关深度信息，也就是与汽车本身周围其它静态和动态物体的距离信息。

目前针对单目摄像头的图像深度信息提取，有以下几种方法：

（1）前景后景比较的图像分割方法：需要各个像素的颜色信息和空间位置信息，分类与距离信息的标定计算量大，对像素质量要求高，存在计算能力和计算成本的问题；

（2）多重空间尺度方法：对于图像需要定义多个维度来包含必须的信息构建多维空间图，构筑空间的坐标轴，依据主观经验对整个空间结构做出解释，然后在低维空间分析归类，推算距离信息。由于紧密关联主观经验的前提，存在推算结果的可靠性问题；

（3）语义分割标签方法：对图像中的每个像素都划分出对应的类别，实现像素级别的分类。在此基础上贴标签区分不同场景与物体从而推定距离信息，场景分割类别的区分存在计算量大，细节丢失结果粗糙的问题；

（4）运动与几何融合方法：对每一帧二维视频图像做场景分割，分离静态背景与动态前景；基于几何信息产生静态背景的几何深度图来推算距离信息。存在静态背景的识别在实际汽车行驶场景千变万化，实时响应滞后的问题；

（5）线段特征抽取方法：需要构造点特征的结构化环境来建立线段特征，然而点对于环境依赖较大,在纹理缺失等场景中表现不佳。另外应用场景常常需要利用双目相机图像中提取得到的点特征和线特征。

有鉴于此，本发明人对此进行研究，专门研发出一种二维图像深度测量方法及其在车辆安全监测中的应用，本案由此产生。

发明内容

本发明的目的之一是提供一种二维图像深度测量方法，根据纹理与模糊的相关比较，获得远近的深度信息，进而得到距离值的推测。

为了实现上述目的，本发明的解决方案是：

一种二维图像深度测量方法，包括如下步骤：

1)将二维图像均匀划分为N个区块，并设定其中一个区块为基准位置区块，其余N-1个区块为待测区块；

2)将二维图像的N个区块进行粗疏精细分析，以增强图像纹理特征的凸显，突出模糊边缘锐度信息；

3)对提取到的图像纹理特征进行主成分分析，以缩减图像数据维数，获取像素集合的边缘线特征量；

4)将所述像素集合的边缘线特征量，经过空间频域分析处理，得到图像空间频域的纹理密度，根据所述纹理密度，计算得到各待测区块相对于基准位置区块的距离信息。