[发明专利]测量方法及装置

说明书

本申请涉及测量方法及装置，可用于辅助驾驶和自动驾驶。所述方法包括：采用神经网络对图像进行处理得到第一观测结果，代替非线性滤波过程中硬件观测得到观测结果；结合运动模型通过非线性滤波的预测过程对目标对象的运动状态进行预测得到预测结果，根据预测结果对目标对象的运动轨迹进行估计得到第一估计结果，根据第一观测结果和第一估计结果的残差对预测结果进行调整，得到更准确的测量结果。该方法可用于相机采集的图像数据的处理过程中，提升了在自动驾驶或者辅助驾驶中的高级驾驶辅助系统ADAS能力，可以应用于车联网，如车辆外联V2X、车间通信长期演进技术LTE‑V、车辆‑车辆V2V等。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种测量方法及装置。

背景技术

随着社会的发展，智能运输设备、智能家居设备、机器人等智能终端正在逐步进入人们的日常生活中。传感器在智能终端上发挥着十分重要的作用。安装在智能终端上的各式各样的传感器，比如毫米波雷达，激光雷达，摄像头，超声波雷达等，在智能终端的运动过程中感知周围的环境，收集数据，进行移动物体的辨识与追踪，以及静止场景如车道线、标示牌的识别，并结合导航仪及地图数据进行路径规划。传感器可以预先察觉到可能发生的危险并辅助甚至自主采取必要的规避手段，有效增加了智能终端的安全性和舒适性。

利用上述传感器获取的信息，可以实现对周边环境及物体的分类、识别以及跟踪等功能。以自动驾驶为例，自动驾驶车辆利用车载的传感器获取外部信息，根据这些外部信息进行转向、减速等控制动作，从而避免与其他车辆相撞。比如说，通过测量目标车辆的航向角，可以预测目标车辆未来的行驶轨迹。当目标车辆超车或并道时，目标车辆的航向角会发生明显的变化，自动驾驶车辆可通过航向角的变化来判断目标车辆的行驶状态，改变自身的行驶状态，比如减速，避免与目标车辆发生摩擦或碰撞。

目前，有多种测量方法可以测量目标车辆的航向角。比如说，通过激光雷达、毫米波雷达和多目相机可以直接获得世界坐标系中的车体信息，从而得到目标车辆的航向角。但这种测量方法用到的传感器(激光雷达、毫米波雷达和多目相机)成本较高、体积大不便于安装，并且当相机内外参发生变化时，需要通过激光雷达重新标定观测角度。单目相机成本较低，但相关技术中需要对单目相机采集到的图像进行至少两次卷积神经网络(convolutional neural networks,CNN)前向计算，计算量较大，并且相关技术中通过目标车辆和车轮接地点的匹配结果计算目标车辆的航向角，在车辆较多的情况下，可能存在匹配不准确，计算结果存在误差，抖动较大。

发明内容

有鉴于此，提出了一种测量方法及装置，采用单目相机采集图像，可以得到更准确的测量结果。

第一方面，本申请的实施例提供了一种测量方法，应用于单目相机，所述方法包括：通过所述单目相机采集第一图像；采用神经网络模型识别所述第一图像中的目标对象的第一观测结果；所述第一观测结果包括所述目标对象包含的多个观测点的像素平面坐标；根据目标对象的初始运动状态和运动模型进行非线性滤波的预测过程，得到第一预测状态和非线性滤波的更新参数；其中，所述初始运动状态为根据所述第一图像之前的历史图像得到的测量结果，所述初始运动状态表示在所述相机采集所述第一图像之前所述目标对象的最终运动状态，所述初始运动状态包括所述目标对象的初始航向角；根据所述第一预测状态，得到所述多个观测点的像素平面坐标的第一估计结果；根据所述第一观测结果和所述第一估计结果，得到残差；根据所述第一预测状态、所述残差和所述更新参数进行非线性滤波的更新过程，得到所述目标对象的运动状态的新的测量结果，所述新的测量结果包括所述目标对象的航向角。

本申请实施例提供的测量方法，通过单目相机采集图像，结合神经网络模型、非线性滤波和运动模型对图像进行处理，预测图像中目标对象的航向角。采用神经网络对图像进行处理得到第一观测结果，代替非线性滤波过程中采用硬件(雷达等)进行观测得到观测结果的过程，也就是说，通过神经网络模型对单目相机采集的图像进行处理即可实现观测的过程，不需要安装体积比较大并且昂贵的雷达等对目标对象进行观测，相比于雷达相机价格更低，可以节省成本，且相机体积相比于雷达体积小很多便于安装。