[发明专利]一种智能车双目视觉深度测量的递阶搜索方法

说明书

本发明公开了一种智能车双目视觉深度测量的递阶搜索方法，通过标定智能车辅助驾驶系统中的车载嵌入式双目相机，无需特定安装条件和理想相机模型的极线校正，构造区域模板和相关系数函数，将采集时序对齐的左右立体图像对，进行区域模板卷积滤波位置的区域立体匹配，构造区域模板的定位点投影关系模型，利用递阶搜索方式，对区域级立体匹配寻优，可计算出深度测量值及三维空间坐标。实现了从全局看特征的显著性区域级立体匹配，无需复杂的像素点特征级的几何计算和非线性优化过程，冗余度低，有效克服了图像纹理特征不强，区域常规匹配可信度较低，限制图像质量的问题。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种智能车双目视觉深度测量的递阶搜索算法。

背景技术

随着智能车环境感知和高级辅助驾驶系统的技术发展和产品应用，对智能车周围进行自主的、快速的和低成本的环境感知和目标测距是保证辅助驾驶系统自动化的基本要求，其中最基础的基于深度相机的双目视觉技术被广泛应用于自主物流车、机器人避障、智能车辅助驾驶等智能家居及交通运输领域。其技术融合了计算机视觉、立体几何、图像处理等多个方面。随着移动通信网络的高速发展，智能车环境感知产生了倒车影像、定位与构图、环境场景三维重建、路径规划等等与环境深度测量技术密切相关的技术应用。

目前基于双目相机的计算机双目立体视觉深度估计方法是现有低成本辅助驾驶视觉方案，是机器人定位与构图的深度测量技术的主流方向，例如基于双目视差分析和双目图像特征点提取、匹配、三角测量、深度恢复的深度估计方法，这些方法模拟人眼立体视觉并通过计算机视觉立体几何的计算方法使得深度信息的测量精度相对较高。但是基于双目视差分析和传统特征点提取的双目深度估计方法，采用图像像素级特征点进行深度三维测量，限制为理想双目相机模型，即存在极线约束的成像方式，对弱纹理区域的特征显著性不强，常规特征灰度匹配的可信度较低，使得整个方法冗余度较大，图像质量局限性较大。

发明内容

本发明的目的在于提供一种智能车双目视觉深度测量的递阶搜索方法，旨在解决现有技术中基于双目视差分析和传统特征点提取的双目深度估计方法，采用图像像素级特征点进行深度三维测量，存在极线约束的成像方式，对弱纹理区域的特征显著性不强，常规特征灰度匹配的可信度较低，使得整个方法冗余度较大，图像质量局限性较大的技术问题。

为实现上述目的，本发明采用的一种智能车双目视觉深度测量的递阶搜索方法，包括如下步骤：

初始化双目相机模型的条件设定和标定；

构建双目相机采集图像数据的区域模板和初始化相关系数；

构建左右图像中对应区域模板的定位点投影关系模型；

对双目区域模板立体匹配和递阶搜索，得到最佳区域立体匹配的深度测量值；

基于最佳区域立体匹配的深度测量值，计算三维空间坐标。

其中，初始双化目相机模型的条件设定和标定的步骤包括：

设定双目相机两种安装条件；

标定双目相机的内参和外参，得到二维图像到三维世界的投影矩阵。

其中，设定双目相机两种安装条件的步骤包括：

安装的双目左右相机同型号即内参相同，横向平行安装；

安装的双目左右相机不同型号即内参不相同，无须平行安装即立体校正。

其中，标定双目相机的内参和外参，得到二维图像到三维世界的投影矩阵的步骤中：

利用单目相机标定法或者双目相机标定法，分别标定计算出左相机模型和右相机模型相对于世界坐标系的投影矩阵。

其中，构建双目相机采集图像数据的区域模板和初始化相关系数的步骤包括：