[发明专利]一种车载视觉实时多车载目标横纵向距离估计方法

权利要求书

1.一种车载视觉实时多车载目标横纵向距离估计方法，其特征在于，包括：

步骤1，根据输入自车相机采集到的二维图像，利用下式(1)和式(2)所表示的纵向距离估计模型，输出所述二维图像中第i个目标框的对应的纵向距离

式(1)和式(2)中，是第i个目标框所处的总深度区间[l_start，l_end]被划分成K个空间递增的纵向子区间对应的序号，为序号为的纵向子区间的纵向距离估计值，为序号为的纵向子区间的纵向距离估计值，P_i^k为第i个目标框的深度区间序号为k的概率，是回归补偿项的估计值；

步骤2，根据输入自车相机采集到的二维图像以及步骤1获得的纵向距离利用下式(3)所表示的横向距离估计模型，输出所述二维图像中第i个目标框的横向距离X：

式(3)中，f_x是自车相机中心O与主点O₁之间的距离在以像素为单位的所述二维图像所在的坐标系下沿X轴的分量，f_y是自车相机中心O与所述主点O₁之间的距离在以像素为单位的所述二维图像所在的坐标系下沿Y轴的分量，所述主点O₁是自车相机的光轴与其成像平面的交点；p_x是所述主点O₁在以像素为单位的所述二维图像所在的坐标系下的横坐标，p_y是所述主点O₁在以像素为单位的所述二维图像所在的坐标系下的纵坐标；u是第i个目标框的三维中心在所述二维图像的横坐标；s是由所述纵向距离决定的参数；

步骤3，按照所述步骤1和步骤2提供的方法，获取所述二维图像中的各个目标框的纵向距离和横向距离，以得到所述二维图像中的所述各个目标框的纵向距离集合和其相应的横向距离集合；

所述步骤1中，第i个目标框的回归补偿项的估计值用于补偿第i个目标框所处的总深度区间被划分成K个空间递增的纵向子区间len_k带来的划分误差，其获取方法包括：

预先设置如式(5)和式(6)表示的补偿项损失函数L_RF(Θ)，通过迭代优化方法最小化补偿项损失函数L_RF(Θ)，获取其中，是第i个目标框的回归补偿项的估计值的集合：

式(5)和式(6)中，是第i个目标框的补偿项损失函数，其

中：

Θ表示需要学习的模型参数，N是迭代优化方法最小化过程中的离线数据集中所有车载目标的数量，D^*是迭代优化方法最小化过程中的离线数据集中车载目标的纵向距离真值集合，是迭代优化方法最小化过程中的离线数据集中车载目标的纵向距离真值集合。

2.如权利要求1所述的车载视觉实时多车载目标横纵向距离估计方法，其特征在于，所述步骤1中，第i个目标框所处的总深度区间[l_start，l_end]被划分成K个空间递增的纵向子区间len_k由下式(4)表示：

式(4)中，len_k∈len₀,len₁,...,len_K，k∈{0、1、…、K-1}；l_start和l_end的具体数值主要根据自车相机的相关参数确定，K为设定值。

3.如权利要求1所述的车载视觉实时多车载目标横纵向距离估计方法，其特征在于，所述纵向子区间的纵向距离估计值使用有序回归技术确定得到。