基于单目视觉的距离测量研究

基于单目视觉的无人水面艇水面目标测距方法

2021年第40卷第2期传感器与微系统(Transducer and Microsystem Technologies)47DOI ： 10.13873/J. 1000-9787(2021)02-0047-04基于单目视觉的无人水面艇水面目标测距方法**收稿日期：2019-08-13*基金项目：国家自然科学基金面上资助项目（61771223）赵明绘，王建华，郑翔，张山甲，张程（上海海事大学航运技术与控制工程交通行业重点实验室，上海201306）摘要：针对单目测距时相机高度和俯仰角难以测量的问题，提出一种相机高度和俯仰角的标定方法，在此基础上提出一种水面目标的单目测距方法，并分析影响测距精度的因素。

通过相机标定，获得与水面共面的标定板上的网格坐标系到相机坐标系的外参，计算相机高度和俯仰角;识别出图像中水面目标所在区域，计算该区域像素纵坐标最大值,及其对应的横坐标的平均值，将组合得到的坐标作为观测点的像素坐标;根据相机内参、透视投影关系和刚体变换，获得观测点在无人艇附体坐标系下的三维信息，进而计算观测点的距离。

通过实验验证了所提方法的正确性和有效性。

关键词：单目视觉；无人水面艇；相机高度；相机俯仰角；观测点；测距中图分类号：TP212.9 文献标识码：A 文章编号：1000-9787（2021）02-0047-04Monocular vision based water-surface target distance measurement method for unmanned surface vehiclesZHAO Minghui , WANG Jianhua, ZHENG Xiang, ZHANG Shanjia, ZHANG Cheng(Marine Technology & Control Engineering Key Laboratory ,Shanghai Maritime University ,Shanghai 201306,China)Abstract : Aiming at lhe problem that lhe height and pilch angle are difficult to measure during monocular ranging , a method for calibrating camera height and pitch angle is proposed , and a water-surface target ranging method based on monocular vision is proposed , and lhe factors affecting lhe ranging precision are analyzed ・ Through camera calibration , obtain the extemal coordinate of the grid coordinate system on the calibration plate that is coplanar with the waler surface to lhe camera coordinate system , calculate the camera height and the pilch angle. The area of the target on water surface in the image is identified , the maximum value of the ordinate of the pixel in the area ,and lhe average value of the corresponding horizontal coordinate are calculated ,and the combined coordinate is taken as the pixel coordinate of the observation point. According to the camera internal reference , perspective projection relationship and rigid body transformation , the three-dimensional information of the observation point in the coordinate system of the unmanned boat is obtained , and then the distance of the observation point is calculated. The correctness and effectiveness of the proposed method are verified by experiments ・Keywords : monocular vision ； unmanned surface vehicle ； camera height ； camera pitch angle ； observation point ； ranging0引言无人水面艇由于其可以执行更危险的以及不适于有人船只执行的任务而吸引了广大研究人员⑴。

单目摄像头测距原理

单目摄像头测距原理单目摄像头是指只有一个镜头的摄像头，它可以通过图像处理技术实现测距功能。

在现实生活中，我们经常会遇到需要测量距离的情况，比如自动驾驶汽车需要测量前方障碍物的距离，无人机需要测量地面的高度等。

而单目摄像头测距技术的应用，正是为了满足这些需求。

接下来，我们将介绍单目摄像头测距的原理及其实现方法。

单目摄像头测距的原理主要是利用图像中的视差信息来计算距离。

视差是指当我们从不同位置观察同一物体时，由于视角的改变而导致物体在图像中位置的偏移。

通过分析这种视差，我们可以推断出物体与摄像头的距离。

具体来说，单目摄像头测距的原理可以分为以下几个步骤：1. 视差计算，首先，我们需要从单目摄像头获取到图像，并对图像进行处理，提取出图像中的特征点。

然后，我们通过比较这些特征点在不同位置的位置偏移，计算出视差信息。

2. 距离推断，根据视差信息，我们可以利用三角测量原理推断出物体与摄像头的距离。

通过已知的摄像头参数和视差信息，我们可以计算出物体的距离。

3. 距离修正，由于单目摄像头测距存在一定的误差，我们通常需要进行距离修正。

这可以通过使用其他传感器获取准确的距离信息，然后校正单目摄像头的测距结果。

实现单目摄像头测距的方法有很多种，其中比较常见的包括立体视觉法、运动视差法和结构光法等。

立体视觉法通过使用两个摄像头来模拟人类的双眼视觉，从而实现距离测量。

运动视差法则是利用摄像头和物体之间的相对运动来计算视差，从而推断出距离。

而结构光法则是通过投射特定图案到物体表面，然后利用摄像头捕捉图案的形变，从而计算出物体的距离。

总的来说，单目摄像头测距是一种基于图像处理技术的距离测量方法，它通过分析图像中的视差信息来推断物体与摄像头的距离。

虽然单目摄像头测距存在一定的局限性，比如对光照条件和物体表面的要求较高，但在许多应用场景下仍具有重要的意义。

随着图像处理技术的不断发展，相信单目摄像头测距技术将会得到进一步的完善和应用。

单目摄像头测距原理

单目摄像头测距原理单目摄像头测距是一种常见的测距方法，它利用单个摄像头获取的图像信息来计算目标物体与摄像头的距离。

这种技术在工业、无人驾驶、智能家居等领域都有广泛的应用。

接下来，我们将介绍单目摄像头测距的原理和相关知识。

首先，我们需要了解单目摄像头的成像原理。

单目摄像头获取的是二维图像信息，而要计算出目标物体与摄像头的距离，就需要获取三维空间的信息。

这就需要利用图像中的一些线索来推断目标物体的距离。

在单目摄像头测距中，常用的方法包括三角测量法、深度学习法和光流法等。

三角测量法是一种经典的测距方法，它利用目标物体在不同位置时的图像信息来计算距离。

深度学习法则是利用深度学习算法来从图像中学习目标物体的距离信息。

光流法则是通过分析图像中像素点的运动来计算目标物体的距离。

在实际应用中，单目摄像头测距还面临一些挑战，比如光照条件、目标物体表面的特性、图像失真等因素都会影响测距的精度。

为了克服这些挑战，可以采用多种传感器相结合的方法，比如结合激光测距仪、红外传感器等，来提高测距的准确性。

除了硬件设备的改进，算法也是提高单目摄像头测距精度的关键。

随着深度学习技术的发展，利用深度学习算法进行图像处理和距离计算已经成为一种重要的趋势。

深度学习算法可以更准确地理解图像中的信息，从而提高测距的精度。

总的来说，单目摄像头测距是一种重要的测距方法，它在工业、无人驾驶、智能家居等领域都有广泛的应用前景。

通过不断改进硬件设备和算法，可以提高单目摄像头测距的精度和稳定性，进而推动相关领域的发展和应用。

希望本文对单目摄像头测距原理有所帮助。

单目相机测距原理

单目相机测距原理引言单目相机是一种只有一个镜头的相机，通过对图像的处理和分析可以实现测量目标物体与相机之间的距离。

单目相机测距原理是通过相机的视觉处理来实现的，相比于传统的测距仪器，单目相机具有成本低、便携性强等优势，广泛应用于工业检测、智能驾驶、机器人等领域。

单目相机测距原理的基本原理单目相机测距原理的基本思想是通过物体在图像上的像素大小与实际物体大小之间的比例关系来计算物体与相机之间的距离。

具体来说，单目相机测距原理包括以下几个步骤：1. 相机标定在进行测距之前，需要对相机进行标定，以获得相机的内参数和外参数。

内参数包括相机的焦距、主点坐标等，而外参数则是相机的位置和方向信息。

2. 特征提取与匹配在获得标定参数之后，需要对图像进行特征提取与匹配。

特征提取是指从图像中提取出具有辨识性的特征点，例如角点、边缘等。

特征匹配则是将提取到的特征点与已知的模板进行匹配，以确定物体在图像中的位置。

3. 计算像素大小与实际大小之间的比例关系通过已知的标定参数和特征点的坐标，可以计算出像素大小与实际大小之间的比例关系。

这个比例关系可以通过相似三角形原理计算得到。

4. 计算物体与相机之间的距离在获得像素大小与实际大小的比例关系之后，可以根据物体在图像上的像素大小，计算出物体与相机之间的距离。

这个计算可以通过简单的三角形计算得到。

单目相机测距原理的优缺点单目相机测距原理具有以下优点：1.成本低：相比于其他测距仪器，单目相机的价格更低，更容易获得和使用。

2.便携性强：单目相机体积小、重量轻，便于携带和安装。

3.适用范围广：单目相机可以应用于不同领域，如工业检测、智能驾驶、机器人等。

然而，单目相机测距原理也存在一些缺点：1.精度较低：相比于其他测距仪器，单目相机的精度相对较低，受到环境光线、图像质量等因素的影响较大。

2.对纹理要求高：单目相机需要在图像中提取出具有辨识性的特征点，对物体的纹理要求较高。

3.适用场景受限：由于单目相机只有一个镜头，对于某些场景，如需要测量物体的长度、宽度等情况，单目相机的应用受到一定限制。

单目摄像头测距原理

单目摄像头测距原理一、背景介绍单目摄像头是一种常用的视觉传感器，可以通过图像处理来获取物体的距离信息。

本文将详细介绍单目摄像头测距的原理以及相关技术。

二、单目摄像头测距的原理单目摄像头测距主要基于三角测距原理，通过获取物体在图像中的像素变化或视差来计算物体的距离。

以下是单目摄像头测距的基本原理：1. 视差原理视差是通过观察物体在两个不同位置下的图像差异来测量物体距离的方法之一。

当我们用一只眼睛观察距离较近的物体时，可以观察到物体在两个眼睛之间的位置差异。

单个摄像头可以模拟这个过程，通过分析图像中的像素差异来计算物体的距离。

2. 相机标定在进行单目摄像头测距之前，首先需要进行相机标定。

相机标定是通过确定相机的内外参数来建立摄像头与真实世界之间的转换关系。

通过相机标定可以得到相机的焦距、畸变参数等信息，为后续的测距工作提供基础。

3. 物体特征提取在进行测距之前，需要首先对物体进行特征提取。

常用的物体特征包括角点、边缘等。

通过提取物体的特征点，可以提高测距的准确性。

4. 视差计算视差计算是单目摄像头测距的关键步骤。

通过对特征点的像素坐标进行计算，可以得到物体在图像中的视差值。

视差值与物体的距离成反比，即视差越大，物体距离越近。

5. 距离计算在计算得到视差值之后，可以通过已知的相机参数和三角测量原理来计算物体的距离。

根据视差与物体距离的关系，可以建立视差与实际距离之间的映射关系。

根据此映射关系，可以通过视差值计算出物体的实际距离。

三、单目摄像头测距的应用单目摄像头测距技术在许多领域都有广泛的应用。

以下是几个常见的应用场景：1. 智能驾驶在自动驾驶领域，单目摄像头常用于车辆和行人的距离测量。

通过测量前方物体的距离，可以帮助车辆做出相应的决策，如避障、跟车等。

2. 工业自动化在工业自动化中，单目摄像头可以用于测量物体的距离和尺寸。

通过测量物体的距离，可以实现自动化生产线上的物料识别和定位，提高生产效率和质量。

基于单目视觉的车距测量方法综述

ｍｏｅｏｈｍａｖｓｏＢａｅｏｔｅｈｏｙｏｄｍｅｔｃａｄｏｅｇｄｌｆｕｎｉｉｎ．ｓｄｎｈｔｅｒｆｏｓｉｎｆｒｉｎｖｈｉｌｄｓａｅｅｃｅｉｔｎｃｍｅｓｒｍｅｔ，ｙｃｍｐｒｎａａｔｇｓａａｕｅｎｓｂｏａｉｇｄｖｎａｅｎｄ
ＲｅｅｏｆＶｅｉｅｖｉｗｈｃｌＤｉｔｎｅＭｅｓｒｓａｃａｕｅｍｅｔｎＢａｅｄｎＭｏｎｕａｒＶｉｏｓｏｏｃｌｓｉｎ
ＷＡＮＧＺｈｎｉｇＣＨＮｈｎｕａｑｎ ’ ＥＳｕｙｎ
，
（．ｕａｎｖｒｉｆＴｃｎｌｇ，Ｗｕａ３００Ｃｉａ２．ＷｕａｎｖｒｉｆＴｃｎｌｇ１ＷｈｎＵｉｓｔｏｅｈｏｏｙｅｙｈｎ４０７，ｈｎ；ｈｎＵｉｅｓｔｏｅｈｏｏｙ，Ｗｕａ４０７。ｈｎ）ｙｈｎ３００Ｃｉａ
ＡｂｔａｔＭｏｎｖｈｃｅｉｔｎｅｓｒｃ：ｖｉｇｅｉｌｄｓａｃｍｅｓｒｍｅｔｓｏｅｆｈｋｙｅｈｏｏｙｏｒａｓｔｆａｄｏｐｔｒｉｉｎｒｖｄｓｃｍｐｔｔｏｌａｕｅｎｉｎｏｔｅｅｔｃｎｌｇｆｒｏｄａｅｙ，ｎｃｍｕｅｖｓｏｐｏｉｅｏｕａｉｎａ
工程技术
ＳｊＣ＆丁ＣＮＬ０ＣＮＥＥＨＯ０Ｙ，Ｅ

基于单目视觉传感器的车距测量与误差分析

ｔｅｆｒｌｆｄｓｎｅｃｌｕａｉｎｂｓｄｏａｉｉｇｐｉｔｏａｅｌｅｓｄｄｃｄｆｍｈａｉｈｏｙｏｈｏｍｕａｏｉｔｃａｃｌｔａｅｎｖｎｓｎｏｎｆｌｎｉｓｉｅｕｅｒｔｅｂｓｔｅｒｆａｏｈｎｏｃ
将式（）入式（）化简得４代１并
摄像机拍摄的图像进行重建，以恢复物体的三维位置信息，
算法非常复杂。就车距测量的实际应用而言，可以在假设路面平坦的前提下，通过单目视觉来完成该项任务川。文献［２１］１，３利用摄像机内部参数和透视投影的几何
‘
７
的标定结果和针孔模型下的成像几何关系，结合车道线消失点和近视场特征点的位置推导出新的车距测量公式，避
，
，
免了对摄像机高度和俯仰角等外部参数的测量。
图１基于车道线消失点的车距测量示意图
如图１所示，假设Ｏ为摄像机光心，垂直于路面于。Ｏ，
与周围车辆发生碰撞，要对本车与其他车辆之间的车距需
进行测量。目前常见的障碍物测距主要采用的是超声
波… 、毫米波雷达、激光等主动型传感器或以机器视觉为代表的被动型传感器。主动型传感器测量直接，对数据处理能力要求不高，对气候依赖性小，在障碍物识别和
ｐｒｏｍｅｎｅｉｅｅｔｃｍｅａｉｓａｌｇｈｉｈ，ｉｈｎｎｒｎａｉｎａｇｅ．ｏａｅｉｈａｔａｅｆｒｄｕｄｒｄｆｒｎａｒｎｔｌｎｅｇｔｐｔｉｇａｄｏｅｔｔｎｌｓＣｍｐｒｄｗｔｔｅｃｕｆｉｃｉｏｈｌ

单目视觉里程计研究综述

剖析了视觉里程计的基础原理，研究了单目视觉里程计技术的国内外现状；同时，对 ORB-SLAM2 、 DSO 等典型单目视觉里程计进行深入分析和比较。针对当前视觉里程计研究中普遍关注的鲁棒性和实时性等问题，探讨了下一步研究工作的发展方向和趋势。关键词：视觉里程计；特征点法；直接法；视觉 SLAM 文献标志码： A 中图分类号： TP391.4 doi： 10.3778/j.issn.1002-8331.1712-0279
[7] neous Location and Mapping， vSLAM）有两种主流方
法：滤波的方法，使用基于概率分布进行视觉信息融合 [8]；非滤波的方法，选取关键帧进行全局优化 [9-10]。具
基金项目：江苏省自然科学基金（No.BK20150721， No.BK20161469）；中国博士后基金（No.2015M582786， No.2016T91017）；江苏省重点研发计划（No.BE2015728， No.BE2016904）；江苏省科技基础设施建设计划（No.BM2014391）；国家重点研发计划（No.2016YFC0800606）；中国工程院重点咨询课题（No.2017-XZ-05）。作者简介：祝朝政（1995—），男，硕士研究生， CCF 学生会员，研究领域为机器视觉、嵌入式系统， E-mail： 370045744@；何明（1978—），男，博士，教授，主要研究领域为大数据、人工智能。收稿日期： 2017-12-19 修回日期： 2018-01-30 文章编号： 1002-8331 （2018） 07-0020-09
方案名称monoslam18ptam19svo20dso21lsdslam22orbslam21623rtabmap24dtam25dvo26rgbdslamv27elasticfusion2728okvis9rovio829vinsmono10kinectfusion30发布时间2007年2007年2014年2016年2014年2017年2013年2011年2013年2014年2015年2015年2015年2017年2011年传感器类型单目单目单目单目单目单目为主双目rgbd单目rgbdrgbdrgbd单目多目imu单目imu单目imurgbd处理方法特征点特征点半直接法直接法直接法特征点法特征点法直接法直接法特征点法直接法特征点法直接法特征点法直接法后端优化方法ekf滤波法优化优化优化优化优化优化优化优化优化优化优化ekf滤波法优化优化特点首个实时视觉slamekf稀疏角点关键帧ba首次以优化为后端稀疏直接法仅vo单目直接法目前效果最好的直接法直接法半稠密地图orb特征点三线程结构支持较大场景的实用rgbd直接法单目稠密地图需要gpurgbd直接法稠密地图完整的rgbd稠密建图rgbd在线重建显示效果较好以优化为主的关键帧vio以ekf为主的vio基于优化的紧耦合vio框架首次实现rgbd实时稠密重建表1经典的vo研究成果tbafapappbfb图1vo问题的图例祝朝政何明杨晟等