[发明专利]一种基于YoloV3深度学习的双目快速距离测量方法

说明书

本发明公开了一种基于YoloV3深度学习的双目快速距离测量方法，包含以下步骤：A、图像采集；B、双目图像校正；C、目标识别定位；D、立体匹配与视差计算；E、计算实际距离，本发明提出一中基于Yolov3的深度学习的双目快速距离测量方法，在图像校正后，先通过Yolov3进行性目标识别定位，识别出目标并且定位出目标在图像中的位置及所占用的图片大小，提取目标图片，然后再进行双目匹配，大大减少目标匹配的计算量，达到实时距离测量的目的。

技术领域

本发明涉及图像处理技术领域，具体是一种基于YoloV3深度学习的双目快速距离测量方法。

背景技术

目前视觉测距方法主要有单目测距和双目测距方法。单目测距，先通过图像匹配进行目标识别，再通过目标在图像中的大小去估算目标距离。这就要求在估算距离之前首先对目标进行准确识别，准确识别是准确估算距离的第一步。要做到这一点，就需要建立维护样本特征数据库，保证这个数据库包含待识别目标的全部特征数据。

双目摄像头的原理与人眼相似，人眼能够感知物体的远近，是由于两只眼睛对同一个物体呈现的图像存在差异，也称“视差”。物体距离越远，视差越小；反之，视差越大。

单目系统的优势在于成本较低，对计算资源的要求不高，系统结构相对简单；缺点是：(1)需要不断更新和维护一个庞大的样本数据库，才能保证系统达到较高的识别率；(2)距离并非真正意义上的测量，准确度较低。

双目系统优势：(1)成本比单目系统要高，但尚处于可接受范围内，并且与激光雷达等方案相比成本较低；(2)直接利用视差计算距离，精度比单目高；(3)无需维护样本数据库，因为对于双目没有样本的概念。

双目系统的难点：(1)计算复杂度高。该方法需要逐像素匹配，为保证匹配结果的鲁棒性，需要在算法中增加大量的错误剔除策略，计算量较大，很难实现实时测量。(2)对环境光照非常敏感。双目立体视觉法依赖环境中的自然光线采集图像，而由于光照角度变化、光照强度变化等环境因素的影响，拍摄的两张图片亮度差别会比较大，这会对匹配算法提出很大的挑战。(3)相机基线限制了测量范围。测量范围和基线(两个摄像头间距)关系很大：基线越大，测量范围越远；基线越小，测量范围越近。所以基线在一定程度上限制了该深度相机的测量范围。

发明内容

本发明的目的在于提供一种基于YoloV3深度学习的双目快速距离测量方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于YoloV3深度学习的双目快速距离测量方法，包含以下步骤：

A、图像采集；

B、双目图像校正；

C、目标识别定位；

D、立体匹配与视差计算；

E、计算实际距离。

作为本发明的进一步方案：所述步骤A具体是：图像采集模块从左右摄像头中采集图片，作为测距系统的输入。

作为本发明的进一步方案：所述步骤B包括相机标定和双目校正。

作为本发明的进一步方案：所述步骤C通过YoloV3算法目标识别定位算法，找出目标图像在分别在左右图形中的位置与大小。

作为本发明的进一步方案：所述YoloV3算法采用单独的CNN模型实现端到端的目标检测，对输入图像直接预测目标的类别与位置。

作为本发明的进一步方案：所述步骤D具体是：目标识别定位后对识别出来的左右目标图像进行立体匹配与视差计算，立体匹配完成匹配左右摄像机拍摄的图像的相同特征，并得到视差图，视差值是匹配是左右目标图像相同特征点在x坐标轴上的差值。