CN121033137A - 车辆测距方法及相关产品 - Google Patents

Abstract

本公开提供一种车辆测距方法及相关产品，该方法的具体实施方式包括：获取目标车辆图像，对目标车辆图像进行车辆分割和相对深度估计，获得车辆位置信息和相对深度图，基于相对深度图计算目标车辆在地面的车辆投影点，利用自车的场景变换矩阵将车辆投影点转换至自车的基准俯视图中，获得目标车辆在基准俯视图中的投影位置，根据自车轮廓点和目标车辆的投影位置，结合单位物理距离，计算自车与目标车辆之间的实际距离。该方法通过深度信息与几何变换的协同优化，有效克服了因视角倾斜或遮挡导致的误差问题，显著提升了复杂道路环境下距离计算的稳定性和可靠性，为自动驾驶和辅助驾驶提供了精准的距离感知能力。

Description

车辆测距方法及相关产品

技术领域

本公开的实施例涉及机器视觉测距领域，具体涉及一种车辆测距方法及相关产品。

背景技术

在评估车辆辅助驾驶表现的时候，需要对自车和周围车辆之间的距离进行量化，以判断辅助驾驶系统是否足够可靠。现有的车辆测距方法包括单目测距、双目测距、深度估计和雷达测距等。

然而，这些方法仍存在不足之处，如单目测距和双目测距需要计算精确的相机内参以及相机位姿且依赖先验假设，误差较大；深度估计需要大量的标注数据进行训练，训练成本高昂；雷达测距硬件成本高、需要对雷达做精确的标定以及点云分辨率有限。

因此，有必要提出一种车辆测距方法，以解决上述至少一个技术问题。

发明内容

本公开的实施例提出了一种车辆测距方法及相关产品。

第一方面，本公开提供了一种车辆测距方法，包括：

获取目标车辆图像；

对所述目标车辆图像进行车辆分割和相对深度估计，获得车辆位置信息和相对深度图；

基于所述相对深度图计算所述目标车辆在地面的车辆投影点；

利用自车的场景变换矩阵将所述车辆投影点转换至所述自车的基准俯视图中，获得所述目标车辆在所述基准俯视图中的投影位置；

根据自车轮廓点和所述目标车辆的投影位置，结合单位物理距离，计算所述自车与所述目标车辆之间的实际距离。

在一些可选的实施方式中，其中，所述自车的场景变换矩阵、基准俯视图和自车轮廓点是通过如下自车变换信息确定步骤预先确定的：

获取所述自车位于棋盘格区域上方的棋盘格图像；

检测所述棋盘格图像的角点位置；

基于所述角点位置计算获得场景变换矩阵；

基于所述场景变换矩阵将所述棋盘格图像转换为基准俯视图；以及

确定所述自车轮廓点在所述基准俯视图中的位置及单位像素对应的单位物理距离，所述自车轮廓点为所述自车的各外侧轮廓与所述棋盘格区域的物理接触点集合，所述棋盘格区域由至少两个预设边长的正方形的棋盘格单元组成，所述单位像素对应的单位物理距离与所述预设边长正相关。

在一些可选的实施方式中，所述棋盘格图像为利用安装于所述自车的预设位置的固定相机拍摄所述自车静止状态下位于棋盘格区域上方的图像，所述自车的车身延伸方向平行于所述棋盘格区域的单元格延伸方向，所述自车的至少一边外侧轮廓贴合所述棋盘格区域的至少一个所述棋盘格单元的边，所述自车覆盖至少一个完整棋盘格单元，所述棋盘格图像中至少包含一个未被所述自车遮挡的棋盘格单元。

在一些可选的实施方式中，所述检测所述棋盘格图像的角点位置，包括：

获取标定关注区域，其中，所述标定关注区域包含至少一个未被所述自车遮挡的棋盘格单元；

计算所述标定关注区域的标定变换矩阵，将所述标定关注区域转换为标定俯视图；

基于所述标定俯视图的角点位置计算所述棋盘格图像的角点位置。

在一些可选的实施方式中，所述基于所述相对深度图计算所述目标车辆在地面的车辆投影点，包括：

在所述目标车辆图像上选取多个目标参考点；

在所述相对深度图中筛选出与每个目标参考点之间满足预设深度匹配条件的候选投影点，所述预设深度匹配条件为在所述相对深度图的地面区域中，所述目标参考点的相对深度值差异不大于预设深度阈值；

对各所述候选投影点取平均值以得到车辆投影点。

在一些可选的实施方式中，所述在所述目标车辆图像上选取多个目标参考点，包括：

确定所述目标车辆在所述目标车辆图像中的近自车侧边界点；

以所述近自车侧边界点为中心，在预设范围内选取相对深度值处于预设分位数的像素点作为所述目标参考点。

在一些可选的实施方式中，所述根据自车轮廓点和所述目标车辆的投影位置，结合单位物理距离，计算所述自车与所述目标车辆之间的实际距离，包括：

在所述基准俯视图中测量所述目标车辆的投影位置到所述自车轮廓点的像素距离；

根据所述单位物理距离和所述像素距离确定所述自车与所述目标车辆之间的实际距离。

第二方面，本公开提供了一种车辆测距装置，包括：

图像获取单元，被配置为获取目标车辆图像；

目标分割估计单元，被配置为对所述目标车辆图像进行车辆分割和相对深度估计，获得车辆位置信息和相对深度图；

投影点计算单元，被配置为基于所述相对深度图计算所述目标车辆在地面的车辆投影点；

投影转换单元，被配置为利用自车的场景变换矩阵将所述车辆投影点转换至所述自车的基准俯视图中，获得所述目标车辆在所述基准俯视图中的投影位置；

距离解算单元，被配置为根据自车轮廓点和所述目标车辆的投影位置，结合单位物理距离，计算所述自车与所述目标车辆之间的实际距离。

在一些可选的实施方式中，其中，所述自车的场景变换矩阵、基准俯视图和自车轮廓点是通过如下自车变换信息确定步骤预先确定的：

获取所述自车位于棋盘格区域上方的棋盘格图像；

检测所述棋盘格图像的角点位置；

基于所述角点位置计算获得场景变换矩阵；

基于所述场景变换矩阵将所述棋盘格图像转换为基准俯视图；以及

确定所述自车轮廓点在所述基准俯视图中的位置及单位像素对应的单位物理距离，所述自车轮廓点为所述自车的各外侧轮廓与所述棋盘格区域的物理接触点集合，所述棋盘格区域由至少两个预设边长的正方形的棋盘格单元组成，所述单位像素对应的单位物理距离与所述预设边长正相关。

在一些可选的实施方式中，所述棋盘格图像为利用安装于所述自车的预设位置的固定相机拍摄所述自车静止状态下位于棋盘格区域上方的图像，所述自车的车身延伸方向平行于所述棋盘格区域的单元格延伸方向，所述自车的至少一边外侧轮廓贴合所述棋盘格区域的至少一个所述棋盘格单元的边，所述自车覆盖至少一个完整棋盘格单元，所述棋盘格图像中至少包含一个未被所述自车遮挡的棋盘格单元。

在一些可选的实施方式中，所述检测所述棋盘格图像的角点位置，包括：

获取标定关注区域，其中，所述标定关注区域包含至少一个未被所述自车遮挡的棋盘格单元；

计算所述标定关注区域的标定变换矩阵，将所述标定关注区域转换为标定俯视图；

基于所述标定俯视图的角点位置计算所述棋盘格图像的角点位置。

在一些可选的实施方式中，所述投影点计算单元进一步被配置为：

在所述目标车辆图像上选取多个目标参考点；

在所述相对深度图中筛选出与每个目标参考点之间满足预设深度匹配条件的候选投影点，所述预设深度匹配条件为在所述相对深度图的地面区域中，所述目标参考点的相对深度值差异不大于预设深度阈值；

对各所述候选投影点取平均值以得到车辆投影点。

在一些可选的实施方式中，所述在所述目标车辆图像上选取多个目标参考点，包括：

确定所述目标车辆在所述目标车辆图像中的近自车侧边界点；

以所述近自车侧边界点为中心，在预设范围内选取相对深度值处于预设分位数的像素点作为所述目标参考点。

在一些可选的实施方式中，所述距离解算单元进一步被配置为，包括：

在所述基准俯视图中测量所述目标车辆的投影位置到所述自车轮廓点的像素距离；

根据所述单位物理距离和所述像素距离确定所述自车与所述目标车辆之间的实际距离。

第三方面，本公开提供了一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如本公开第一方面中任一实施方式描述的方法。

第四方面，本公开提供了一种计算机可读存储介质，其上存储有计算机程序，其中，上述计算机程序被一个或多个处理器执行时实现如本公开第一方面中任一实施方式描述的方法。

第五方面，本公开提供了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如本公开第一方面中任一实施方式描述的方法。

为解决目前车辆测距方法存在的各种问题，本公开的实施例提供的车辆测距方法、装置、电子设备、存储介质和计算机程序产品，通过首先获取目标车辆图像；然后对目标车辆图像进行车辆分割和相对深度估计，获得车辆位置信息和相对深度图；接着基于相对深度图计算目标车辆在地面的车辆投影点；而后利用自车的场景变换矩阵将车辆投影点转换至自车的基准俯视图中，获得目标车辆在基准俯视图中的投影位置；最后，根据自车轮廓点和目标车辆的投影位置，结合单位物理距离，计算自车与目标车辆之间的实际距离。如此，可以通过深度信息与几何变换的协同优化，有效克服了因视角倾斜或遮挡导致的误差问题，显著提升了复杂道路环境下距离计算的稳定性和可靠性，为自动驾驶和辅助驾驶提供了精准的距离感知能力。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显。附图仅用于示出具体实施方式的目的，而并不认为是对本发明的限制。在附图中：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2A是本公开的车辆测距方法的一个实施例的流程图；

图2B是根据本公开的步骤203的一个实施例的分解流程图；

图2C是根据本公开的步骤2031的一个实施例的分解流程图；

图2D是根据本公开的步骤205的一个实施例的分解流程图；

图3A是根据本公开的自车变换信息确定步骤300的一个实施例的流程图；

图3B是根据本公开的步骤302的一个实施例的分解流程图；

图4是根据本公开的车辆测距装置的一个实施例的结构示意图；

图5是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的一种车辆测距方法、装置、电子设备和存储介质的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括自车101和目标车辆102，自车101可以设置车载终端设备1011，车载终端设备1011内安装有用于实现自动驾驶或者智能辅助驾驶的控制系统，车载终端设备1011还可以通过无线网络(图1中未示出)与云服务器(图1中未示出)进行交互。车载终端设备1011还可以连接到用于采集车外状况的各个摄像头。

需要说明的是，本申请实施例所提供的车辆测距方法一般由车载终端设备1011执行，相应的车辆测距装置一般设置于车载终端设备1011中。

继续参考图2A，图2A示出了根据本公开的车辆测距方法的一个实施例的流程200，图2A所示的车辆测距方法可应用于图1中所示的车载终端设备或服务器。该流程200包括以下步骤：

步骤201，获取目标车辆图像。

这里，自车101中设置的车载终端设备1011可以在自车行驶的过程中，通过自车101车体外固定设置的摄像头实时采集自车周围环境图像，并将自车周围环境照片中存在目标车辆的图像作为目标车辆图像。

步骤202，对目标车辆图像进行车辆分割和相对深度估计，获得车辆位置信息和相对深度图。

在本实施例中，自车101设置的车载终端设备1011可以采用各种实现方式对目标车辆图像进行车辆分割和相对深度估计。

例如，可以使用实例分割模型(优选的实例分割模型选择YOLOv8模型)对目标车辆图像进行实例分割，以得到至少一辆车辆的车辆位置信息。其中，提取车辆位置信息，用于精确提取车辆轮廓，避免将背景误判为车辆。这里以其中一辆车辆作为示例描述测量自车与该目标车辆之间车距的方法，需要说明的是，该车辆测距方法可以应用于其他车辆，对此不做具体限定。

作为示例，目标车辆的车辆位置信息可以为目标车辆图像中目标车辆所在的像素区域信息。

由于后续的投影点计算，需要计算目标车辆各部位到摄像头的相对远近关系，因此，需要基于目标车辆图像确定目标车辆图像对应的相对深度图，这里，相对深度图中各像素点的像素值用于表征该像素点对应的物理位置与拍摄该目标车辆图像的摄像头的物理位置之间的大小关系。

需要说明的是，这里可以采用现有或者未来开发的相对深度确定方法，确定目标车辆图像对应的相对深度图，本公开对此不做具体限定。例如，可以使用预训练好的相对深度估计模型(优选的相对深度估计模型选择Depth Anything V2模型)。

经过步骤202，可以得到目标车辆对应的车辆位置信息和相对深度图。

步骤203，基于相对深度图计算目标车辆在地面的车辆投影点。

在本实施例中，这里，目标车辆在地面的车辆投影点是指目标车辆的车辆轮廓在地面投影中的垂直投影点，用于表征目标车辆在地面上的实际位置和姿态。

在一些可选的实施方式中，步骤203可以包括如图2B所示的以下步骤2031到步骤2033：

步骤2031，在目标车辆图像上选取多个目标参考点。

在本实施例中，这里，在目标车辆图像上选取的目标参考点是指目标车辆在目标车辆图像中特定位置上不同深度的一些关键位置点用于表征目标车辆的相对深度信息。

在一些可选的实施方式中，步骤2031可以包括如图2C所示的以下步骤20311到步骤20312：

步骤20311，确定目标车辆在目标车辆图像中的近自车侧边界点。

在本实施例中，选取目标车辆图像的近自车侧边界(本实施例选择目标车辆最靠近自车一侧的保险杠下沿作为近自车侧边界)的中点作为近自车侧边界点。

步骤20312，以近自车侧边界点为中心，在预设范围内选取相对深度值处于预设分位数的像素点作为目标参考点。

在本实施例中，以近自车侧边界点为中心，向左右扩展预设范围在预设距离的矩形邻域，在该矩形邻域内读取相对深度图，计算相对深度值在至少两个预设分位数(例如，10％、30％、50％、70％、90％)中每个预设分位数对应的像素点作为目标参考点。

经过步骤20312，可以得到每个目标车辆图像的至少两个目标参考点。

步骤2032，在相对深度图中筛选出与每个目标参考点之间满足预设深度匹配条件的候选投影点。

这里，预设深度匹配条件为在相对深度图的地面区域中，目标参考点的相对深度值差异不大于预设深度阈值。

优选的，预设深度阈值选用10作为相对深度值差异的最大值。

步骤2033，对各候选投影点取平均值以得到车辆投影点。

这里，对各候选投影点取平均值所得到的车辆投影点是指目标车辆在地面上的垂直投影点的最终位置，用于表征目标车辆在地面上的实际位置和姿态，是后续距离计算和车辆位置判断的重要依据。

通过步骤2031中对目标参考点的自适应选取和深度筛选，并基于目标参考点确定车辆投影点，有效抑制了车体倾斜或遮挡带来的误差，显著提高了选取车辆投影点的鲁棒性，进而可以提升后续车辆测距的测距精度。

步骤204，利用自车的场景变换矩阵将车辆投影点转换至自车的基准俯视图中，获得目标车辆在基准俯视图中的投影位置。

在本实施例中，步骤204中将目标车辆在地面的车辆投影点从摄像头视角转换到自车的基准俯视图坐标系中，以便在统一的水平面上计算车辆之间的实际距离，具体实现手段如下：

在步骤203中已计算出目标车辆在地面上的车辆投影点，而目标车辆在地面的车辆投影点是在目标车辆图像对应的坐标系中的，即是从拍摄目标车辆图像的摄像头的位置看目标车辆在地面的车辆投影点的位置，为了计算自车与目标车辆之间的物理距离，需要使用场景变换矩阵将车辆投影点转换至基准俯视图坐标系中的投影位置。这里，基准俯视图坐标系是指自车对应的俯视图坐标系。其转换过程可以是通过矩阵运算完成的，利用场景变换矩阵将车辆投影点的图像坐标映射到基准俯视图中的对应位置坐标。经过转换，该投影位置是以自车为参考的，因此可以用来计算自车与目标车辆之间的实际距离。通过利用场景变换矩阵的位置变换，能够在统一的坐标系中比较不同车辆的位置，从而实现精确的测距。

步骤205，根据自车轮廓点和目标车辆的投影位置，结合单位物理距离，计算自车与目标车辆之间的实际距离。

在本实施例中，步骤205根据自车轮廓点和目标车辆的投影位置，结合单位物理距离，计算自车与目标车辆之间的实际距离具体包括如图2D所示的以下步骤2051到步骤2052：

步骤2051，在基准俯视图中测量目标车辆的投影位置到自车轮廓点的像素距离。

步骤2052，根据单位物理距离和像素距离确定自车与目标车辆之间的实际距离。

在本实施例中，可以首先在基准俯视图中可以读取自车轮廓点坐标，再获取目标车辆在基准俯视图中的投影位置坐标，而后在基准俯视图中计算自车轮廓点坐标与目标车辆的投影位置坐标之间的像素距离，最后将像素距离乘以单位物理距离，即得实际距离。

将实际距离以浮点数形式(保留两位小数)输出至云服务器(图1中未示出)，同时记录时间戳以供后续轨迹测距使用。

这里，自车的场景变换矩阵用于将自车上固定安装的用于拍摄目标车辆图像的摄像头所拍摄的自车图像转换到俯视图的变换矩阵。实践中，可以采用各种方法获得自车的场景变换矩阵。而自车的基准俯视图为利用上述自车的场景变换矩阵将自车图像变换到俯视图后的图像。自车轮廓点是指自车的外侧轮廓与棋盘格区域接触的点，自车轮廓点是通过棋盘格标定过程确定的，在基准俯视图中的位置用于表征自车在棋盘格区域的位置。

在一些可选的实施方式中，自车的场景变换矩阵、基准俯视图和自车轮廓点可以是通过如图3A所示的自车变换信息确定步骤300预先确定的，自车变换信息确定步骤300包括以下步骤301到步骤305：

步骤301，获取自车位于棋盘格区域上方的棋盘格图像。

在本实施例中，可以预先将自车行驶至棋盘格区域上方。棋盘格区域是指铺设有呈现棋盘格样式的材料的平面区域。棋盘格区域铺设的材料可选用耐磨材料，优选的，棋盘格单元(即棋盘格区域中每个棋盘格)预设边长可选择0.5米(与所需测距分辨率匹配)。将自车行驶到棋盘格区域正上方，并保证自车外轮廓(轮胎外沿或车身投影边线)在棋盘格内。自车必须覆盖至少1个完整棋盘格单元，即该棋盘格单元全部位于自车投影内，同时必须保留至少一个完整棋盘格单元完全不被自车遮挡。

步骤302，检测棋盘格图像的角点位置。

这里，棋盘格图像的角点是指棋盘格图像中每个棋盘格单元的四个顶点位置。

这里，检测棋盘格图像的角点位置具体可以包括如图3B所示的如下步骤：

步骤3021，获取标定关注区域。

标定关注区域包含棋盘格图像中至少一个未被自车遮挡的棋盘格单元。实践中，可以由人工标定获得标定关注区域。

步骤3022，计算标定关注区域的标定变换矩阵，将标定关注区域转换为标定俯视图。

在本实施例中，可以采用角点检测算法，基于透视变换原理计算标定关注区域的标定变换矩阵。然后，再利用上述标定变换矩阵，将标定关注区域转换为标定俯视图。

这里，标定关注区域的标定变换矩阵用于将人工划定的标定关注区域转换到标定俯视图的变换矩阵。实践中，可以采用各种方法获得标定关注区域的标定变换矩阵。利用上述标定关注区域的标定变换矩阵将标定关注区域变换到标定俯视图。

需要说明的是，这里可以采用现有或者未来公开的标定变换矩阵计算方法，确定标定关注区域的标定变换矩阵，本公开对此不做具体限定。例如，可以使用OpenCV的cv2.getPerspectiveTransform函数。

在具体实施中，步骤3022中，将标定关注区域转换为标定俯视图后，还需要对标定俯视图进行图像增强操作，包括gamma变换、缩放和自适应二值化。

步骤3023，基于标定俯视图的角点位置计算棋盘格图像的角点位置。

在具体实施中，可以采用各种角点检测算法检测标定俯视图的角点位置。例如，可以采用OpenCV角点检测算法，定位出标定俯视图中的角点位置，并通过逆透视变换，将标定俯视图中的角点变换到棋盘格图像中，输出棋盘格图像的角点位置。

通过先局部矫正再检测角点，避免了自车遮挡和透视畸变带来的误差，显著提高了角点定位的精度，从而为后续场景变换矩阵的准确计算奠定了可靠基础，最终提升车辆测距的稳定性和准确性。

步骤303，基于角点位置计算获得场景变换矩阵。

步骤304，基于场景变换矩阵将棋盘格图像转换为基准俯视图。

在具体实施中，场景变换矩阵的计算是通过一组变换前的坐标(源点坐标)和一组变换后的坐标(目标点坐标)来实现的，源点坐标和目标点坐标通过以下步骤获得：

1.源点坐标：

源点坐标是指在棋盘格图像中检测到的角点坐标，上述源点坐标通过角点检测算法(优选的角点检测算法采用OpenCV算法)获得。源点坐标是通过像素坐标表示的，例如，源点的坐标可以是(x1,y1)、(x2,y2)、(x3,y3)等。

2.目标点坐标：

目标点坐标是指在目标俯视图中对应的角点坐标。目标俯视图的角点坐标通常根据棋盘格的实际尺寸和布局预先设定。例如，假设棋盘格的每个单元格边长为0.5米，则目标俯视图的坐标系以棋盘格的左上角为原点(0,0)。因此，目标点坐标是根据棋盘格的实际物理位置设定的，例如，目标点的坐标可以是(0,0)、(0.5,0)、(0,0.5)等。

3.计算场景变换矩阵：

通过将源点坐标和目标点坐标输入到透视变换矩阵计算函数中，得到场景变换矩阵。

在本实施例中，使用步骤303中计算得到的场景变换矩阵，将棋盘格图像中的每个点转换到基准俯视图中。在基准俯视图中，棋盘格的每个单元格都变换为规则的正方形，基准俯视图变换为了一个统一的坐标系，方便了后续的计算和处理。

步骤305，确定自车轮廓点在基准俯视图中的位置及单位像素对应的单位物理距离。

这里，自车轮廓点为自车的各外侧轮廓与棋盘格区域的物理接触点集合，棋盘格区域由至少两个预设边长的正方形的棋盘格单元组成，单位像素对应的单位物理距离与预设边长正相关。

实践中，可以人工在棋盘格图像中，人工标注获得自车轮廓点。而后，可以利用场景变换矩阵对上述棋盘格图像中的自车轮廓点进行变换得到自车轮廓点在基准俯视图中的位置，而单位像素对应的单位物理距离可以用棋盘格区域所铺设的棋盘格单元的物理长度除以基准俯视图中棋盘格单元中的像素点数的比值而得到。

通过步骤303、步骤304和步骤305的操作，基准俯视图为多车测距提供了统一坐标系，支持多车投影点叠加，方便实现车辆距离测量。

在一些可选的实施方式中，棋盘格图像为利用安装于自车的预设位置的固定相机拍摄自车静止状态下位于棋盘格区域上方的图像，自车的车身延伸方向平行于棋盘格区域的单元格延伸方向，自车的至少一边外侧轮廓贴合棋盘格区域的至少一个棋盘格单元的边，自车覆盖至少一个完整棋盘格单元，棋盘格图像中至少包含一个未被自车遮挡的棋盘格单元。

这里，固定相机安装的预设位置优先选择自车后门玻璃上框处，以确保固定相机在进行拍摄时，棋盘格占棋盘格图像纵向视野的50％以上。棋盘格图像与目标车辆图像由同一固定相机、同一内参、同一固定位置进行拍摄。

本公开的上述实施例提出的车辆测距方法，通过在自车下方直接铺设棋盘格并保证至少一个完整单元未被遮挡，结合OpenCV角点检测与gamma变换、自适应二值化等增强处理，显著提升了角点提取的准确性，通过标定关注区域到标定俯视图再到场景变换矩阵的映射，减小了基准俯视图的几何误差，通过以近自车侧边界点+分位数采样的方法选取目标参考点，再在地面区域筛选候选投影点并取平均，既抑制了目标车辆自身高度带来的误差，又避免了单一像素噪声的影响。

整个流程仅需一次棋盘格标定即可复用场景变换矩阵，运行时，对每帧目标车辆图像仅需执行车辆分割、深度估计、投影变换和距离计算，计算量小且准确。

棋盘格单元边长可随安装高度灵活设定，单位物理距离随之进行线性调整，本方案不依赖特定车道线或路面纹理，适用于多种道路和多种工况。

在成本维护方面，本方案仅使用一个固定相机与普通打印棋盘格，无需激光雷达、毫米波雷达等昂贵传感器，棋盘格磨损后可快速更换，标定流程自动化，维护成本低。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种车辆测距装置的一个实施例，该装置实施例与图2A所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的车辆测距装置400包括：图像获取单元401、目标分割估计单元402、投影点计算单元403、投影转换单元404、距离解算单元405。其中，图像获取单元401，被配置为获取目标车辆图像；目标分割估计单元402，被配置为对目标车辆图像进行车辆分割和相对深度估计，获得车辆位置信息和相对深度图；投影点计算单元403，被配置为基于相对深度图计算目标车辆在地面的车辆投影点；投影转换单元404，被配置为利用自车的场景变换矩阵将车辆投影点转换至自车的基准俯视图中，获得目标车辆在基准俯视图中的投影位置；距离解算单元405，被配置为根据自车轮廓点和目标车辆的投影位置，结合单位物理距离，计算自车与目标车辆之间的实际距离。

在本实施例中，车辆测距装置400的图像获取单元401、目标分割估计单元402、投影点计算单元403、投影转换单元404、距离解算单元405的具体处理及其所带来的技术效果可分别参考图2A对应实施例中步骤201、步骤202、步骤203、步骤204、步骤205的相关说明，在此不再赘述。

在一些可选的实施方式中，其中，自车的场景变换矩阵、基准俯视图和自车轮廓点是通过如下自车变换信息确定步骤预先确定的：

获取自车位于棋盘格区域上方的棋盘格图像；

检测棋盘格图像的角点位置；

基于角点位置计算获得场景变换矩阵；

基于场景变换矩阵将棋盘格图像转换为基准俯视图；以及

确定自车轮廓点在基准俯视图中的位置及单位像素对应的单位物理距离，自车轮廓点为自车的各外侧轮廓与棋盘格区域的物理接触点集合，棋盘格区域由至少两个预设边长的正方形的棋盘格单元组成，单位像素对应的单位物理距离与预设边长正相关。

在一些可选的实施方式中，棋盘格图像为利用安装于自车的预设位置的固定相机拍摄自车静止状态下位于棋盘格区域上方的图像，自车的车身延伸方向平行于棋盘格区域的单元格延伸方向，自车的至少一边外侧轮廓贴合棋盘格区域的至少一个棋盘格单元的边，自车覆盖至少一个完整棋盘格单元，棋盘格图像中至少包含一个未被自车遮挡的棋盘格单元。

在一些可选的实施方式中，检测棋盘格图像的角点位置，包括：

获取标定关注区域。

标定关注区域包含至少一个未被自车遮挡的棋盘格单元；

计算标定关注区域的标定变换矩阵，将标定关注区域转换为标定俯视图；

基于标定俯视图的角点位置计算棋盘格图像的角点位置。

在一些可选的实施方式中，投影点计算单元403可以进一步被配置为：

在目标车辆图像上选取多个目标参考点；

在相对深度图中筛选出与每个目标参考点之间满足预设深度匹配条件的候选投影点，预设深度匹配条件为在相对深度图的地面区域中，目标参考点的相对深度值差异不大于预设深度阈值；

对各候选投影点取平均值以得到车辆投影点。

在一些可选的实施方式中，在目标车辆图像上选取多个目标参考点，包括：

确定目标车辆在目标车辆图像中的近自车侧边界点；

以近自车侧边界点为中心，在预设范围内选取相对深度值处于预设分位数的像素点作为目标参考点。

在一些可选的实施方式中，距离解算单元405可以进一步被配置为：

在基准俯视图中测量目标车辆的投影位置到自车轮廓点的像素距离；

根据单位物理距离和像素距离确定自车与目标车辆之间的实际距离。

下面参考图5，其示出了适于用来实现本公开的终端设备的计算机系统500的结构示意图。图5示出的计算机系统500仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有计算机系统500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许计算机系统500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备的计算机系统500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体地例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备实现如图2A所示的实施例及其可选实施方式示出的车辆测距方法。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，图像获取单元还可以被描述为“获取目标车辆图像的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种车辆测距方法，其特征在于，所述方法包括：

获取目标车辆图像；

对所述目标车辆图像进行车辆分割和相对深度估计，获得车辆位置信息和相对深度图；

基于所述相对深度图计算所述目标车辆在地面的车辆投影点；

利用自车的场景变换矩阵将所述车辆投影点转换至所述自车的基准俯视图中，获得所述目标车辆在所述基准俯视图中的投影位置；

根据自车轮廓点和所述目标车辆的投影位置，结合单位物理距离，计算所述自车与所述目标车辆之间的实际距离。

2.根据权利要求1所述的方法，其中，所述自车的场景变换矩阵、基准俯视图和自车轮廓点是通过如下自车变换信息确定步骤预先确定的：

获取所述自车位于棋盘格区域上方的棋盘格图像；

检测所述棋盘格图像的角点位置；

基于所述角点位置计算获得场景变换矩阵；

基于所述场景变换矩阵将所述棋盘格图像转换为基准俯视图；以及

确定所述自车轮廓点在所述基准俯视图中的位置及单位像素对应的单位物理距离，所述自车轮廓点为所述自车的各外侧轮廓与所述棋盘格区域的物理接触点集合，所述棋盘格区域由至少两个预设边长的正方形的棋盘格单元组成，所述单位像素对应的单位物理距离与所述预设边长正相关。

3.根据权利要求2所述的方法，其特征在于，所述棋盘格图像为利用安装于所述自车的预设位置的固定相机拍摄所述自车静止状态下位于棋盘格区域上方的图像，所述自车的车身延伸方向平行于所述棋盘格区域的单元格延伸方向，所述自车的至少一边外侧轮廓贴合所述棋盘格区域的至少一个所述棋盘格单元的边，所述自车覆盖至少一个完整棋盘格单元，所述棋盘格图像中至少包含一个未被所述自车遮挡的棋盘格单元。

4.根据权利要求2所述的方法，其特征在于，所述检测所述棋盘格图像的角点位置，包括：

获取标定关注区域，其中，所述标定关注区域包含至少一个未被所述自车遮挡的棋盘格单元；

计算所述标定关注区域的标定变换矩阵，将所述标定关注区域转换为标定俯视图；

基于所述标定俯视图的角点位置计算所述棋盘格图像的角点位置。

5.根据权利要求1所述的方法，其特征在于，所述基于所述相对深度图计算所述目标车辆在地面的车辆投影点，包括：

在所述目标车辆图像上选取多个目标参考点；

在所述相对深度图中筛选出与每个目标参考点之间满足预设深度匹配条件的候选投影点，所述预设深度匹配条件为在所述相对深度图的地面区域中，所述目标参考点的相对深度值差异不大于预设深度阈值；

对各所述候选投影点取平均值以得到车辆投影点。

6.根据权利要求5所述的方法，其特征在于，所述在所述目标车辆图像上选取多个目标参考点，包括：

确定所述目标车辆在所述目标车辆图像中的近自车侧边界点；

以所述近自车侧边界点为中心，在预设范围内选取相对深度值处于预设分位数的像素点作为所述目标参考点；

优选地，所述根据自车轮廓点和所述目标车辆的投影位置，结合单位物理距离，计算所述自车与所述目标车辆之间的实际距离，包括：

在所述基准俯视图中测量所述目标车辆的投影位置到所述自车轮廓点的像素距离；

根据所述单位物理距离和所述像素距离确定所述自车与所述目标车辆之间的实际距离。

7.一种车辆测距装置，包括：

图像获取单元，用于获取目标车辆图像；

目标分割估计单元，用于对所述目标车辆图像进行车辆分割和相对深度估计，获得车辆位置信息和相对深度图；

投影点计算单元，用于基于所述相对深度图计算所述目标车辆在地面的车辆投影点；

投影转换单元，用于利用自车的场景变换矩阵将所述车辆投影点转换至所述自车的基准俯视图中，获得所述目标车辆在所述基准俯视图中的投影位置；

距离解算单元，用于根据自车轮廓点和所述目标车辆的投影位置，结合单位物理距离，计算所述自车与所述目标车辆之间的实际距离。

8.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。

10.一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现如权利要求1-6中任一所述的方法。