【技术实现步骤摘要】
单目视觉深度估计方法及计算机可读存储介质
[0001]本专利技术涉及视觉图像处理
,具体涉及一种单目视觉深度估计方法及计算机可读存储介质。
技术介绍
[0002]在矿山场景下的无人驾驶应用中,激光雷达和毫米波雷达常常无法有效感知小尺寸石头,在远距离障碍物的识别中,尤其如此。此外,由于探测距离、障碍物表面材质和天气等原因,激光雷达和毫米波雷达对特定障碍物存在检出率较低的问题。基于以上这些问题,目前可行且通用的解决方案是通过视觉增强的方式弥补激光雷达与毫米波雷达的上述不足。
[0003]需要注意的是摄像头采集的图像数据无法包括障碍物的深度信息,因此即使能够在图像数据中通过机器学习等方式获取障碍物目标框,也不足以提供有效的供自动驾驶系统决策的辅助信息。因此如何获取摄像头采集的图像数据中障碍物的深度信息是在自动驾驶系统中利用图像数据需要解决的关键问题之一。需要注意的是当我们在讨论图像数据的深度信息时,这通常与世界坐标系下的三维坐标是等价的。在矿山的应用场景下,铲装区由于经过了大范围的挖掘作业,地面是相对平整的,除了局部有较小的起伏外,整体平坦且几乎没有坡度。
[0004]目前图像数据的深度估计常用的方法有基于相似三角形的单目视觉深度估计、基于双目视觉视差的深度估计和基于深度学习的视觉深度估计等。上述方法中,基于相似三角形的单目视觉深度估计方法中估计的深度信息精度不高,难以满足实际需要;基于双目视觉视差的深度估计方法对双目摄像头之间的位置精度要求较高,且软件算法复杂,消耗较高算力;基于深度学习的视觉深度估 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于激光雷达的单目视觉深度估计方法,其特征在于,包括如下步骤:S1.准备步骤:在世界坐标系下,预先设定距离序列D,其中每一个距离值记作D
i
,i为计数量,以每一距离值D
i
选取多个到基准点距离相等的地面点构成点集对每一点集解算出其中的所有点在像素坐标系下的二维坐标W
i,j
(u
j
,v
j
),其中j为该点集中的点的计数;对每一点集中所有点在像素坐标系下的二维坐标W
i,j
(u
j
,v
j
)进行曲线拟合得到曲线序列f
i
(u,v),i为拟合曲线的计数;S2.确定障碍物接地点步骤:在图像数据中识别出障碍物的目标框,将目标框的下边缘中点作为障碍物的接地点,其坐标记为B(u
b
,v
b
);S3.坐标插值步骤:对于接地点为B(u
b
,v
b
)的障碍物,在曲线序列f
i
(u,v)找到与接地点为B(u
b
,v
b
)相邻的两条拟合曲线f
k
(u,v)与f
k+1
(u,v);通过在拟合曲线f
k
(u,v)与拟合曲线f
k+1
(u,v)间做距离插值得到接地点B(u
b
,v
b
)的距离值2.如权利要求1所述的基于激光雷达的单目视觉深度估计方法,其特征在于,所述S1准备步骤包括:S12.取点步骤:预定一个距离序列D,对于其中的每一个距离D
i
,在世界坐标系下确定点集使得对于任一地面点均有L
技术研发人员:张帅乾,张保俊,袁广驰,王炜杰,占也,
申请(专利权)人:安徽海博智能科技有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。