买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：内蒙古大学

摘要：本发明公开了一种基于车载双目摄像头的车辆测距方法，其包括以下步骤：S1：摄像头参数标定；S2：摄像头参数矫正；S3：测距图像处理；S4：特征点的粗匹配；S5：特征点的细匹配；S6：计算车辆距离；其中，所述步骤S5特征点的细匹配具体包括：S51：极线矫正约束；S52：视差约束；S53：目标跟踪约束；S54：构建检测点集合；S55：计算对应向量的余弦相似度以及向量的模的比值；S56：得分策略；S57：RANSAC精匹配。有益效果：本发明公开了一种基于车载双目摄像头的车辆测距方法，以深度学习目标跟踪结合特征点检测为基础，实现车载摄像头的车辆测距，提高了特征点匹配的精度与速度，进而提高了车辆测距的精确度。

主权项：1.一种基于车载双目摄像头的车辆测距方法，其特征在于，其包括以下步骤：S1：摄像头参数标定；S2：摄像头参数矫正；S3：测距图像处理；S4：特征点的粗匹配；S5：特征点的细匹配；S6：计算车辆距离；其中，所述步骤S5特征点的细匹配具体包括：S51：极线矫正约束，基于步骤S3的图像处理结果，对于步骤S4粗匹配后的特征点P，计算其在矫正后的左图像中的投影点PL与其在矫正后的右图像中的投影点PR在v方向的坐标差Cv，去除Cv绝对值大于60的特征点，得到第一特征点集；S52：视差约束，对于步骤S51中的第一特征点集中的某点P，计算其在矫正后的左图像中的投影点PL与其在矫正后的右图像中的投影点PR在u方向的坐标差Cu，去除Cu小于0的特征点，得到第二特征点集；S53：目标跟踪约束，对步骤S3得到的消除畸变及极线矫正后的左、右图像使用YOLOv8与Deepsort进行目标跟踪，得到检测框以及检测框的ID标号，接着去除步骤S52的第二特征点集中不在检测框区域内的点，得到第三特征点集；接着将第三特征点集中的特征点归于相应的检测框的ID标号下；S54：构建检测点集合，对步骤S53中得到的每个ID检测框下的特征点集合，以其中一个特征点为原点，筛选与原点欧式距离最近且不大于300的特征点构成检测点集合，所述检测点集合的长度为3-5；当所述检测点集合内除了原点外的任一检测点作为其他的所述检测点集合内的原点时，该所述检测点集合内的检测点不包括原所述检测点集合内的原点，得到顺序集合，按照上述方式从最后一个原点至第一个原点依次进行检测点集合，得到倒序集合；S55：计算对应向量的余弦相似度以及向量的模的比值，对于每个检测点集合，以原点P在左图像中的投影点PL为起点，以检测点P’在左图像中的投影点PL’为终点，构建向量以原点P在右图像中的投影点PR为起点，以检测点P’在右图像中的投影点PR’为终点，构建向量计算向量与向量的余弦相似度COSS，计算方法见式1；通过式2计算向量的模长MDL；通过式3计算向量的模长MDR；计算向量与向量的模长比值MD，计算方法见式4； 式中uL，vL表示左图原点坐标；uR，vR表示右图原点坐标；u’L，v’L表示左图检测点坐标；u'R，v'R表示右图检测点坐标；S56：得分策略，设定余弦相似度阈值T＝0.97，当COSST时，原点与检测点各加一分；设定向量的模长比例阈值为MDT＝0.9，当MDMDT时，原点与检测点各加一分；将步骤S54中的顺序集合与倒序集合按上述规则进行得分计算，并记录每一个特征点在顺序与倒序集合中分别与多少点进行相互验证，即为验证次数，最后将顺序集合与倒序集合中的同一个特征点的验证次数相加为PVN，将顺序集合与倒序集合中的同一个特征点的得分情况相加为SE；使用公式5计算得分与验证次数的比例关系SER；SER＝SEPVN×25其中当SER0.3时，认定该点为内点；S57：RANSAC精匹配，将步骤S56筛选出的内点集合输入RANSAC算法，进行特征点精匹配，得到细匹配后的特征点，其中RANSAC算法的阈值为3。

全文数据：

权利要求：

百度查询： 内蒙古大学 一种基于车载双目摄像头的车辆测距方法