[发明专利]一种基于视觉的障碍物检测方法和装置、障碍物距离计算方法和装置

说明书

本发明涉及一种基于视觉的障碍物检测方法和装置，其中障碍物检测方法包括：获取相机拍摄的图像、图像校正、获取深度图、道路区域检测、障碍物检测、最终将所述障碍物区域检测结果标记在原始获取的相机拍摄的图像中，输出障碍物区域。本发明另外提供了一种障碍物距离计算方法，是在障碍物检测方法的基础上，将所述障碍物区域检测结果标记在原始获取的相机拍摄的图像中，输出障碍物区域、障碍物距离计算、输出计算得到的每个障碍物的真实距离值同时本发明还提供了障碍物距离计算装置。本发明通过利用深度学习模型预测的深度图，仅用单目相机，可以实现障碍物区域检测及障碍物距离计算，既可以较好的解决任意类型的运动及静止障碍物的检测及定位问题，在具有坡度的路面上依然适用。

技术领域

本发明涉及障碍物检测技术领域，特别涉及一种基于视觉的障碍物检测方法和装置、障碍物距离计算方法和装置。

背景技术

障碍物检测及障碍物距离计算对汽车安全驾驶具有重要意义。根据障碍物检测及障碍物距离计算结果，可以实现碰撞避免、路径规划等功能。

现有的基于视觉的障碍物检测技术主要有：基于深度学习的特定类型障碍物检测方法，如车辆检测、行人检测等；基于几何约束的任意类型障碍物检测方法；以及基于IPM变换的障碍物检测方法。而这些检测技术在应用过程中具有以下缺陷：(1)基于深度学习的方法只能检测特定种类的障碍物；(2)基于几何约束的方法可以检测任意种类的障碍物，但是当使用单目相机时，该类方法只能检测静止障碍物，对于运动障碍物较难检测，并且无法直接完成运动障碍物的距离计算；(3)基于IPM变换的方法可以利用单目相机同时检测运动及静止障碍物，但是需要道路平坦，道路不存在坡度等前提限制，缩减了算法适用范围。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于视觉的障碍物检测方法和装置、障碍物距离计算方法和装置。本发明通过利用深度学习模型预测的深度图，仅用单目相机，可以实现障碍物区域检测及障碍物距离计算，既可以较好的解决任意类型的运动及静止障碍物的检测及定位问题，在具有坡度的路面上依然适用。

本发明的上述目的通过以下技术方案实现：

一种基于视觉的障碍物检测方法，具体包括以下步骤：

S1、获取相机拍摄的图像；

S2、图像校正：对获取的图像通过校正得到校正后图像；

S3、获取深度图：利用离线训练好的深度学习模型对校正后图像进行深度预测，获得深度图，并转化为视差图；

S4、道路区域检测：对视差图按列处理，确定所有的地面像素点，所有的地面像素点的图像坐标位置，构成道路区域检测结果；

S5、障碍物检测：对视差图按列处理，确定所有的障碍物像素点，所有的障碍物像素点的图像坐标位置，构成障碍物区域检测结果；

S6、将所述障碍物区域检测结果标记在原始获取的相机拍摄的图像中，输出障碍物区域。

进一步地，所述步骤S2的校正方法具体包括：

将原始输入图像利用相机的内参数校正得到无畸变图像，利用离线外参标定方法，事先标定出相机安装角度，包括相机的安装俯角、滚动角和偏航角，利用所述安装角度，将经内参校正后的无畸变图像，进一步校正为无安装角度的校正后图像。

进一步地，所述步骤S4的道路区域检测具体包括以下步骤：

S401、读取视差图中任意一个未被处理过的列，对该读取列视差值进行求导，得到对应的导数值，将导数值按列存储，得到导数值的存储列，并计算存储列中从最大行rm行到rm-r1行的所有导数值的均值t1，确定t1为基准值，其中r1为第一阈值，即预先设定的用于计算t1的行数阈值；由于导数值的存储列和当前读取列对应，所以导数值存储列的行数，和视差图的行数相等，所述最大行rm行为当前导数值的存储列中位于最下方的行；