[发明专利]利用单线激光雷达校正单目测距的方法及系统

说明书

本发明提供了一种利用单线激光雷达校正单目测距的方法及系统，该方法包括：获取所述单目摄像头采集的图像；将所述图像输入预先训练的测距神经网络模型，得到所述图像中目标的距离信息；所述测距神经网络模型由训练数据集、所述多个激光雷达测距确定的全局参考误差矩阵训练得到，所述训练数据集包括多张图像及各张所述图像中像素的实际距离。本发明采用激光雷达与单目摄像头相结合的方式，利用多个激光雷达提供多点的精确距离信息以校正单目测距全局误差，能够简化测距的算法难度，同时提高精度，降低成本，且与各种单目测距算法的融合性好。

技术领域

本发明涉及测距技术领域，具体而言，涉及一种利用单线激光雷达校正单目测距的方法及系统。

背景技术

目前常用的无人车测距方案是将目标从二维图像映射到三维点云，从而画出目标在三维空间的位置及边界，即深度信息主要由不断旋转的激光雷达获取，这对激光雷达的转速、线束提出了更高的要求，虽然激光雷达精度较好，但成本也大大增加。如果只使用单目测距，现有单目测距的精度不足。

发明内容

本发明解决的是测距方案无法兼顾精度和成本的问题。

为解决上述问题，本发明提供一种利用单线激光雷达校正单目测距的方法，应用于包括单目摄像头及多个激光雷达的测距系统，所述单目摄像头与所述多个激光雷达按预设位置布置，所述方法包括：获取所述单目摄像头采集的图像；将所述图像输入预先训练的测距神经网络模型，得到所述图像中目标的距离信息；所述测距神经网络模型由训练数据集、所述多个激光雷达测距确定的全局参考误差矩阵训练得到，所述训练数据集包括多张图像及各张所述图像中像素的实际距离。

可选地，所述测距神经网络模型的训练过程如下：提取所述训练数据集中的各图像的像素特征；将所述像素特征对应矩阵、所述图像的全局参考误差矩阵耦合后输入测距神经网络模型进行训练，直至损失函数满足预设终止条件。

可选地，所述单目摄像头的光轴与各所述激光雷达的射线方向平行布置；至少一个所述激光雷达贴近所述单目摄像头布置，其余所述激光雷达围绕所述单目摄像头均匀布置。

可选地，所述像素特征对应矩阵、所述图像的全局参考误差矩阵耦合公式如下：

其中，L_n为耦合后的距离误差矩阵，γ为修正系数，L₀为所述多个激光雷达测距确定的全局参考误差矩阵，S_n为图像中全部像素与图像中心点的距离组成的矩阵，O_n为图像中任意模糊圆相对于图像中心点的模糊圆或者接近图像中心点的模糊圆的比值组成的矩阵，k1、k2为预先标定的次数，⨀表示元素积运算。

可选地，将贴近所述单目摄像头的激光雷达的测距结果与所述单目摄像头测距结果的误差作为全局参考误差L₀＇，将围绕所述单目摄像头均匀布置的激光雷达的测距结果与所述单目摄像头测距结果的误差作为局部参考误差L₁,L₀如下：

其中，λ为全局参考误差与局部参考误差的影响系数。

可选地，所述方法还包括：将沿径向的一条直线测量得到的不同位置的误差进行多项式拟合，确定相对位置的次数k1；将沿轴向的一条直线测量得到的不同位置的误差进行多形式拟合，确定模糊圆的次数k2。