精准且快速的车距测量是车辆实现自动驾驶和避障控制中不可或缺的数据依据之一,同时也是智能车辆安全行驶的必要环节之一。基于相机成像原理和Yolo only look once(YOLO)深度神经网络,提出一种快速且有效的单目相机测距方法,即四点标定...精准且快速的车距测量是车辆实现自动驾驶和避障控制中不可或缺的数据依据之一,同时也是智能车辆安全行驶的必要环节之一。基于相机成像原理和Yolo only look once(YOLO)深度神经网络,提出一种快速且有效的单目相机测距方法,即四点标定测距算法。这种方法将深度神经网络和测距算法结合,能够实现快速识别目标车辆并计算与本车的相对距离信息。在车辆目标识别方面,基于Common objects in context(COCO)数据集和YOLO网络模型下的训练权重,完成对与车辆检测框的提取。在相对距离信息获取方面,基于相机小孔成像原理建立动态的纵、横向相机测距模型;同时,建立YOLO网络检测框中像素坐标系与实际测距中世界坐标系的解析方程,提出一种快速四点标定测距法。最后,进行四点标定测距法和内参数标定测距法的实车对比试验,试验结果表明,相较于内参数标定测距方法,提出的四点标定测距法能够省去繁琐的内参数标定步骤,同时测量误差在25 m范围内降低了1%左右,保持了较高的测距精度。展开更多
文摘精准且快速的车距测量是车辆实现自动驾驶和避障控制中不可或缺的数据依据之一,同时也是智能车辆安全行驶的必要环节之一。基于相机成像原理和Yolo only look once(YOLO)深度神经网络,提出一种快速且有效的单目相机测距方法,即四点标定测距算法。这种方法将深度神经网络和测距算法结合,能够实现快速识别目标车辆并计算与本车的相对距离信息。在车辆目标识别方面,基于Common objects in context(COCO)数据集和YOLO网络模型下的训练权重,完成对与车辆检测框的提取。在相对距离信息获取方面,基于相机小孔成像原理建立动态的纵、横向相机测距模型;同时,建立YOLO网络检测框中像素坐标系与实际测距中世界坐标系的解析方程,提出一种快速四点标定测距法。最后,进行四点标定测距法和内参数标定测距法的实车对比试验,试验结果表明,相较于内参数标定测距方法,提出的四点标定测距法能够省去繁琐的内参数标定步骤,同时测量误差在25 m范围内降低了1%左右,保持了较高的测距精度。