[发明专利]一种基于鱼眼镜头的单目测距方法

权利要求书

1.一种基于鱼眼镜头的单目测距方法，其特征在于，包括下述步骤：

步骤一、使用鱼眼镜头拍摄照片，得到畸变图像；

步骤二、将畸变图像送入训练好的神经网络，得到目标物体的外界框坐标，并根据得到的框图坐标，在图像中将目标物体框出；

步骤三、对框出的图像区域进行图像处理，得到目标物体的轮廓图；

步骤四、对轮廓图使用特征点检测算法，得到目标特征点；

步骤五、根据畸变图像校正公式，得到校正后的特征点坐标；

步骤六、根据已知的与图像中特征点对应的现实中物体特征点间的距离，使用坐标转换公式在图像与世界坐标系间建立数学等式，求解得到鱼眼相机距离目标物体距离。

2.如权利要求1所述的一种基于鱼眼镜头的单目测距方法，其特征在于，在所述步骤一中，鱼眼镜头视角为180度，目标物体中心与鱼眼镜头光心在同一水平面。

3.如权利要求1所述的一种基于鱼眼镜头的单目测距方法，其特征在于，在所述步骤二中，对畸变图像使用的算法是基于深度学习的目标检测算法，该算法包括以下部分：

采用MobileNet V2中的分通道卷积方法，提取训练数据集中畸变图像的高级特征；

对不同卷积层筛选出的特征使用FPN进行特征融合，将融合后的特征送入分类子网络和定位子网络，得到分类和定位误差；

采用损失优化函数进行深度神经网络学习训练，得到训练后的优化模型，其损失函数为：

其中，x为输入图像，θ为模型参数，m为预设框数量，α和β是平衡定位与分类损失的权重，是当预设框为正预设框时值为1，否则为0，l_i和p_i分别为位置偏移和标签；L_reg表示位置损失函数，L_cls表示分类损失函数。

4.如权利要求1所述的一种基于鱼眼镜头的单目测距方法，其特征在于，在所述步骤三中，对图像进行轮廓识别包含以下步骤：

读取待检测图像，对图像进行灰度处理，即

设置阈值对灰度图进行二值化处理；

使用Canny算子对灰度图检测轮廓，得到轮廓点后存入数组，对轮廓采用轮廓跟踪，得到连续的轮廓点集P(i)；

使用OpenCV将轮廓绘制于原图大小的黑白图中。

5.如权利要求1所述的一种基于鱼眼镜头的单目测距方法，其特征在于，在所述步骤四中，基于轮廓的特征点检测方法是通过间接法来求解特征点，其步骤如下：

首先，将目标物体轮廓点集P(i)分解到X、Y坐标轴，得到两条一维离散曲线X(i)和Y(i)，然后通过插值法求解曲线X(i)和Y(i)各点曲率：

其中上为插值步长；得到曲率后在小尺度下利用多尺度提高检测精度和算法对噪声的鲁棒性，同时使用自适应阈值得到目标物体特征点。

6.如权利要求1所述的一种基于鱼眼镜头的单目测距方法，其特征在于，在所述步骤五中，畸变图像的校正采用由张正友标定法得到的畸变系数矩阵K＝[K₁，K₂，...，K₅]；

张正友标定法：使用一张打印好的棋盘格(黑白间距已知)，并贴在一个平板上，然后针对棋盘格拍摄10-20张图片，之后利用Harris特征在图片中检测特征点，最后通过解析解估算方法计算出鱼眼镜头的内部参数以及畸变系数。

7.如权利要求1所述的一种基于鱼眼镜头的单目测距方法，其特征在于，在所述步骤六中，像素坐标系与世界坐标系间的转换表达式为：

其中，(μ，v)为像素坐标系的坐标，dx、dy分别为图像单位像素在水平和垂直方向的大小，(c_x，c_y)为图像中心点，f为鱼眼镜头焦距，R为旋转矩阵，t为转移向量，为世界坐标系的坐标。

8.如权利要求2所述的一种基于鱼眼镜头的单目测距方法，其特征在于，所述的目标物体为立方体。