[发明专利]一种基于仿生视觉的智能车目标实时检测与定位方法

说明书

本发明涉及一种基于仿生视觉的智能车目标实时检测与定位方法，包括：实时获取智能车的多目成像装置中各不同焦距镜头的图像；检测每一图像中各目标的类别及位置信息；根据各镜头的物象空间齐次坐标系变换关系，将基准图像划分为共视区和非共视区；针对每一图像的共视区，采用双目异焦距立体视觉重建方法对共视区中的目标进行三维重建定位，获得目标的三维定位信息及类别标签语义信息；针对基准图像的非共视区，获取每一非共视区中目标的角度定位信息，以构建用于智能车的具有语义信息的矢量地图。上述方法解决了现有技术中无法在线实时构建三维语义地图，且无法降低无人驾驶中视觉点云数据的计算量和计算复杂度的技术问题。

技术领域

本发明涉及视觉检测定位技术领域，尤其涉及一种基于仿生视觉的智能车目标实时检测与定位方法。

背景技术

近年来，随着人类对生物仿生技术研究不断深入，人工智能技术正以前所未有的速度向前发展并实现突破。通过模拟人眼视觉系统和昆虫复眼成像机理构建仿生视觉传感器和高效计算机视觉解决方案，并实现目标的实时检测与定位是当前仿生视觉人工智能技术的研究热点。与激光雷达只能实现距离的感知不同，视觉传感器还可以实现交通标志、红绿灯以及车道线等复杂语义信息的识别，因此基于仿生视觉的无人驾驶汽车技术研究具有重大理论意义和应用价值。

当前基于视觉三维定位与地图构建(SLAM)的无人驾驶解决方案(如ORB-SLAM，VINS-MONO，DSO)都是通过对整幅图像特征点提取和匹配，建立若干图像序列对应的三维点云稀疏或稠密地图，由于计算量大、实时性低，因此只能在PC平台下离线构建三维点云地图，并不能满足当前无人驾驶在嵌入式处理平台实时处理工程化需求。

此外，当前视觉SLAM研究多是基于单目运动+惯性导航或平行双目立体视觉模型，即利用同一台运动或者两台参数完全相同的摄像机通过两幅图像的视差进行目标三维重建，这种单一视角的成像模式缺点是很难满足视场角，分辨率以及检测速度三者之间的平衡。

由此可见，在大视场、高精度、快速感知的前提下，如何有效降低视觉定位算法的复杂度和三维点云数据的计算量，同时能够在线构建语义SLAM成为无人驾驶技术工程化的难点所在。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种基于仿生视觉的智能车目标实时检测与定位方法，其解决了现有技术中无法降低无人驾驶中视觉数据的计算量，从而无法在线实时构建语义SLAM的技术问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

第一方面，本发明实施例提供一种基于仿生视觉的智能车目标实时检测与定位方法，包括：

步骤S1、实时获取智能车的多目成像装置中各不同焦距镜头的图像；

步骤S2、检测每一镜头的图像中各目标的类别及位置信息；

步骤S3、以焦距最小的镜头的图像为基准图像，根据不同焦距镜头对应的物象空间齐次坐标系变换关系，将基准图像划分为共视区和非共视区；

步骤S4、针对每一图像的共视区，采用双目异焦距立体视觉重建方法对共视区中的目标进行三维重建定位，获得基准图像中共视区所有目标的三维定位信息及类别标签语义信息；

针对基准图像的非共视区，根据该图像所属摄像装置的第一视角划分上下左右四个区域，以透视网格划分的方式获取每一非共视区中目标的角度定位信息；

所述三维定位信息及类别标签语义信息和非共视区对应的角度定位信息构建用于智能车的具有语义信息的矢量地图。