如何使用立体视觉实现距离估计？

在自动化系统中，深度学习和计算机视觉已经疯狂地流行起来，无处不在。计算机视觉领域在过去十年中发展迅速，尤其是是障碍物检测方面。

障碍物检测算法，如YOLO或RetinaNet，提供2D的标注框，该标注框指明了障碍物在图像中的位置。

为了获取每个障碍物的距离，工程师将相机与激光雷达(光探测和测距)传感器融合，使用激光返回深度信息。利用传感器融合技术将计算机视觉和激光雷达的输出融合在一起。

使用激光雷达这种方式存在价格昂贵的问题。而对此，工程师使用的一个有用的技巧是：对齐两个像机，并使用几何原理来计算每个障碍物的距离。我们称这种新设置为 伪激光雷达。

伪激光雷达利用几何原理构造深度图，并将其与物体探测相结合，以获得三维的距离。

如何利用立体视觉实现距离估计？

以下5步伪代码用于获取距离：

1.校准2台照相机（内部和外部校准）

2.创建极线方案

3.先建立视差图，再建立深度图

然后，深度图将与障碍检测算法结合在一起，我们将估算边界框像素的深度。本文结尾处有更多内容。

开始吧！

1.内部和外部校准

每个摄像机都需要校准。校准意味着将具有[X，Y，Z]坐标的3D点（世界上）转换为具有[X，Y]坐标的2D像素。

相机型号

当今的相机使用针孔相机模型。
这个想法是使用针孔让少量光线穿过相机，从而获得清晰的图像。

（编辑：常州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!