[发明专利]基于深度学习的车辆停车测距方法、装置及电子设备

说明书

本发明公开了一种基于深度学习的车辆停车测距方法、装置及电子设备，其中方法包括：确定摄镜头畸变系数，基于安装的摄像头，根据预设标识物中各标识点的图像坐标和实际物理坐标确定单应性变换矩阵；车辆处于靠边停车状态时获取摄像头所采集图像，采用基于深度学习的语义分割算法检测所采集图像中路边的白线，输出二值图像；基于畸变系数和去畸变算法去除二值图像中的镜头畸变，得到去畸变图像；经过单应性变换矩阵进行反投影变换，得到分辨率均匀图像，测量车辆与路边白线之间的距离。本发明能够在不同场景下准确检测到路边白线位置，提升白线位置检测的准确率和实际应用场景，去除摄像头成像中的镜头畸变，准确测量车辆与白线间的距离。

技术领域

本发明涉及计算机视觉和高级驾驶辅助领域，具体涉及一种基于深度学习的车辆停车测距方法、装置及电子设备。

背景技术

在驾考科目三考试中，路考仪的靠边停车模块通过随车安装的摄像头以拍照的方式测量车辆和路边白线之间的距离，以此判断学员是否达到考试所要求的车距离路边白线30cm到50cm的范围以内。

然而，现有的路考仪产品大多使用传统的图像处理方法，例如阈值分割、霍夫变换等简单方法从图像中检测白线，这些简单方法无法应对真实环境复杂多变的光照、天气和路面状况，只能在非常有限的环境下正确检测到路边白线。

并且，在驾考科目三的训练过程中，靠边停车时车辆与路边白线之间的精确距离对学员是一个重要反馈，学员可以依据这个反馈调整自己的操作，不断得到进步，但是，现有的路考仪产品大多只能做是非判断，告诉学员当前距离是否在30cm到50cm的范围内，但无法告诉学员精确的距离具体是多少厘米，导致无法对学员的训练形成有效反馈。

发明内容

本发明的主要目的在于提供一种基于深度学习的车辆停车测距方法及装置，以解决现有路考仪无法正确检测到路边白线、无法测量出车辆与白线之间准确距离的问题。

为了实现上述目的，本发明的第一方面提供了一种基于深度学习的车辆停车测距方法，包括：

预先通过opencv的相机标定算法确定摄像头镜头的所有畸变系数，并基于安装的摄像头，根据预设标识物中各标识点的图像坐标和实际物理坐标确定单应性变换矩阵；

当车辆处于靠边停车状态时，获取摄像头所采集图像，采用基于深度学习的语义分割算法检测所采集图像中路边的白线，并输出二值图像；

基于所述所有畸变系数和去畸变算法去除所述二值图像中的镜头畸变，得到去畸变图像；

将所述去畸变图像经过所述单应性变换矩阵进行反投影变换，得到分辨率均匀图像；

根据所述分辨率均匀图像，测量车辆处于靠边停车状态时车辆与路边白线之间的距离。

可选地，所述预先通过opencv的相机标定算法确定摄像头镜头的所有畸变系数包括：

所述摄像头造成的镜头畸变包括径向畸变和切向畸变；

在安装所述摄像头前，预先通过opencv的相机标定算法确定所述径向畸变和切向畸变中的所有畸变系数；

将确定出的所有畸变系数作为预载数据进行保存。

进一步地，所述径向畸变由下述方程组描述：

x_distort＝x(1+k₁r²+k₂r⁴+k₃r⁶)

y_distort＝y(1+k₁r²+k₂r⁴+k₃r⁶)