[发明专利]一种基于鱼眼镜头的宽视角定位方法

权利要求书

1.一种基于鱼眼镜头的宽视角定位方法，其特征在于，包括：

101、宽视野鱼眼图像集的生成：

所述宽视野鱼眼图像集生成的具体方法为：将不同距离下无畸变的序列图像集通过鱼眼成像模型公式计算得到宽视野鱼眼图像序列集，其中鱼眼镜头成像模型公式为：

 （1）

其中Xi，i=1,2,3,4,5表示鱼眼图像的畸变参数，θ表示针孔相机成像过程中入射光线与光轴的夹角，r（θ）表示鱼眼成像点与鱼眼图像平面坐标系的原点之间的距离；

102、图像预处理、模板匹配：

所述图像预处理的具体方法为：先将宽视野鱼眼图像序列集进行均匀切分得到子图像，计算每个子图像对应的灰度直方图，并标明最大灰度值和最小灰度值的大小，同时采用编号对所述子图像和所述灰度直方图进行命名，将每个子图像的最大灰度值和最小灰度值输入第一公式得到子图像的灰度值像素数量k，k为k1或k2；低灰度值像素数量k1，高灰度值像素数量k2；

所述第一公式为：

 （2）

其中，p，q是比例因子；

定义，最大灰度值比例为Max_gray和最小灰度值比例为0；间隔[0,L]是低灰度值间隔，间隔[H，Max_gray]是高灰度间隔；低灰度值像素数量k1，其标志符F，高灰度值像素数量k2，其标志符为G；

所述模板匹配的具体方法为：根据目标图像和背景图像之间灰度值的差异，设置阈值，进行模板匹配，得到有目标物体的图像，将上述有目标物体的图像保存，进行拼接，最后将拼接完成的图像输出，即得到分离的目标图像；

103、畸变程度与位置关系建模的具体方法为：

采用深度学习的方法，对目标图像进行角点检测，提取角点畸变程度；然后使用神经网络的方法将角点畸变程度作为神经网络的输入集，与其序列图像相对应距离位置与方位角作为其输出集，通过对神经网络架构的不断调整及训练，从而实现畸变图像的位置测量；

104、图像识别与定位：

将待处理的鱼眼目标图像直接输入训练好的深度学习模型中，快速实现目标图像的识别与定位。

2.根据权利要求1所述的一种基于鱼眼镜头的宽视角定位方法，其特征在于，所述相对应距离位置为图像中的物体距离镜头的实际距离，即物距。