[发明专利]基于鱼眼摄像头的目标检测方法、装置和存储介质

权利要求书

1.一种基于鱼眼摄像头的目标检测方法，其特征在于，应用于无人驾驶车辆，包括：

获取表征所述无人驾驶车辆周围环境的图像；

基于所述鱼眼摄像头的畸变图像校正规则将所述图像从畸变状态校正为非畸变状态；

基于目标识别模型识别所述图像中的目标，其中，所述目标识别模型基于深度学习Mobilenet-SSD算法和AdaBoost算法建立并经对应于所述目标的训练数据集训练得到。

2.根据权利要求1所述的方法，其特征在于，所述畸变图像校正规则基于以下方式建立获得：

获取基于所述鱼眼摄像头得到的畸变的棋盘格图和该棋盘格图的角点数量信息，其中，所述棋盘格图由黑白两色的正方形的方格间隔排列组成，所述角点数量信息包括所述棋盘格图长度方向和宽度方向上的角点数量；

基于所述畸变的棋盘格图和所述角点数量信息获取所述畸变的棋盘格图的角点位置信息；

基于所述角点位置信息获取所述鱼眼摄像头的内参数和畸变系数；

基于以下公式建立畸变图像至非畸变图像的变换关系：

x＝(u-c′_x)/f′_x

y＝(v-c′_y)/f′_y

|xYW|^T＝R^-1*|xyl|^T

x'＝x/W

y′＝Y/W

x″＝x′(1+k₁r²+k₂r⁴+k₃r⁶)+2p₁x′y′+p₂(r²+2x′²)

y″＝y′(1+k₁r²+k₂r⁴+k₃r⁶)+2p₂x′y′+p₁(r²+2y′²)

mapx(u，v)＝x″f_x+c_x

mapy(u，v)＝y″f_y+c_y

其中，x、y分别为非畸变图像的像素的横坐标和纵坐标，u、v分别为畸变图像的像素的横坐标和纵坐标，c′_x、c′_y、f′_x、f′_y为标定之后的相机内参数，X，Y，W为校正反变换之后得到的矩阵，R^-1为校正反变换计算矩阵，|xy1|表征非畸变图像的像素横坐标x、纵坐标y和单位向量组成的矩阵，x′，y′，x″，y″为中间变量，k₁，k₂，k₃，p₁，p₂为畸变系数，r为鱼眼摄像头有效区域半径，属于摄像头内置参数，c_x，c_y，f_x，f_y为鱼眼相机的内参数，mapx(u，v)，mapy(u，v)分别为转换之后得到的图像的横坐标和纵坐标。

3.根据权利要求2所述的方法，其特征在于，基于所述畸变的棋盘格图和所述角点数量信息获取所述畸变的棋盘格图的角点位置信息，包括：

将所述畸变的棋盘格图转换为第一灰度图；

对所述第一灰度图进行腐蚀和膨胀操作，得到第二灰度图；

确认所述第二灰度图中黑色方格的数量和白色方格的数量均为所述棋盘格图中方格总数的一半；

对所述第二灰度图进行膨胀操作，并生成所述第二灰度图中所有方格的轮廓；

对任一目标方格，计算该目标方格与其它所有方格的距离，将距离最小的其它方格作为所述目标方格的相邻方格；

基于方格的相邻关系建立方格的连接关系；

基于所述连接关系对所述方格排序，以获得所述方格的位置信息；

基于所述方格的位置信息得到所述畸变的棋盘格图的角点位置信息。