[发明专利]一种视觉测距精度测试方法及系统

说明书

本发明公开了一种视觉测距精度测试方法及系统，方法包括：同步第一实时动态差分设备、第二实时动态差分设备和视觉系统的时钟；同步采集第一实时动态差分设备、第二实时动态差分设备和视觉系统中视觉传感器的坐标数据；基于第一实时动态差分设备和第二实时动态差分设备的坐标数据，确定在车辆坐标系下目标的第一横向距离和第一纵向距离；基于视觉传感器的坐标数据确定在车辆坐标系下目标的第二横向距离和第二纵向距离；将第一横向距离和第一纵向距离分别与第二横向距离和第二纵向距离进行对比，得到视觉测距精度测试结果。本发明无需联合标定，无需目标匹配，并且能保证数据的精度，简单有效的实现了对视觉测距精度的测试。

本申请要求于2020年11月20日提交中国专利局、申请号为202011313925.3、发明名称为“一种视觉测距精度测试方法及系统”的国内申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本发明涉及视觉测距技术领域，尤其涉及一种视觉测距精度测试方法及系统。

背景技术

智能汽车领域中计算机视觉是其中的基础，其充当了传统驾驶行为中眼睛部分。为了准确、安全实现无人驾驶，计算机视觉在更高层面替代人眼进行语义分析，但随着无人驾驶技术深入，对计算机视觉不仅将功能停留在语义分析，同时提供一定精度的视觉距离测量。如前方卡车距离本车多远，相对速度多少，是否具有碰撞可能等。因此，量化视觉测距精度是评价计算机视觉算法优劣的一个比较重要的指标。

目前，量化视觉测距精度通用的方法是通过更高精度的传感器进行测量，对比视觉算法给出的结果，常规使用的传感器为激光雷达、毫米波雷达等。该类型的传感器具有共有的一个特点，都具有各自的视野范围，要完成精确的视觉测量值对比，则需要对相机以及传感器进行联合标定，标定后位置需要保持不变，此外传感器较难覆盖相机视野范围，如激光雷达，线数较低无法覆盖远处目标，安装位置盲区较大。

另外，对不同传感器之间若跟相机进行目标级匹配，需要前期数据处理以及算法开发，若目标匹配出错对精度测试结果的匹配影响较大。如激光雷达，需要将点云进行目标级聚类。传感器能给出基于世界坐标系的目标距离信息，但测距选点不同供应商提供不同算法选择不同，难以做到普适性。如毫米波雷达，虽然能提供聚类好的目标，但能提供的目标信息准确度有限，目标分类、朝向等信息不够准确，因此不能提供作为图像以及传感器之间目标匹配的根据，精度较高的测距结果根据各家选择算法不同选点不同。由此可以看出，接入传统传感器作为视觉测距精度分析工具，需要进行较大量前期数据处理算法开发。

因此，如何简单有效的对视觉测距精度进行测试，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种视觉测距精度测试方法，在对视觉测距精度进行测试时，无需联合标定，无需目标匹配，并且能保证数据的精度，简单有效的实现了对视觉测距精度的测试。

本发明提供了一种视觉测距精度测试方法，包括：

同步第一实时动态差分设备、第二实时动态差分设备和视觉系统的时钟，其中，所述第一实时动态差分设备与车辆相机安装在同一垂直位置，所述第二实时动态差分设备的安装位置基于所述视觉系统的视觉测距选点原则确定；

同步采集所述第一实时动态差分设备、第二实时动态差分设备和所述视觉系统中视觉传感器的坐标数据；

基于所述第一实时动态差分设备和所述第二实时动态差分设备的坐标数据，确定在车辆坐标系下目标的第一横向距离和第一纵向距离；

基于所述视觉传感器的坐标数据确定在车辆坐标系下目标的第二横向距离和第二纵向距离；

将所述第一横向距离和第一纵向距离分别与所述第二横向距离和第二纵向距离进行对比，得到视觉测距精度测试结果。

优选地，所述基于所述第一实时动态差分设备和所述第二实时动态差分设备的坐标数据，确定在车辆坐标系下目标的第一横向距离和第一纵向距离，包括：