本發(fā)明涉及測距方法領(lǐng)域，尤其涉及一種單攝像頭測距方法。

背景技術(shù)：

目前利用攝像頭進(jìn)行測距的方法，最常見的是雙目視差法，這種方法用兩個(gè)攝像頭采集圖像數(shù)據(jù)，并根據(jù)物體上的某一點(diǎn)在兩個(gè)攝像頭中的視差成像確定該點(diǎn)到攝像頭的距離，但雙目視差法測距硬件成本較高，計(jì)算量大，測距結(jié)果易受特征點(diǎn)誤匹配的影響；現(xiàn)有用單個(gè)攝像頭測量兩點(diǎn)距離的方法通常為攝像頭加激光發(fā)射機(jī)的方法，但相比普通光源，激光發(fā)射機(jī)成本較高，而且操作起來也比較繁瑣；現(xiàn)在也有通過移動(dòng)攝像頭和三角函數(shù)計(jì)算獲得距離信息的方法，但其測量系統(tǒng)需要有個(gè)移動(dòng)過程才能完成距離測量，不具備良好的實(shí)時(shí)性；也有利用對單目攝像頭測距模型建模以獲得距離信息的方法，但其過程需要經(jīng)過大量的三角函數(shù)計(jì)算，計(jì)算方法較為復(fù)雜，無疑增加了計(jì)算成本和延長了測距時(shí)間，不具備良好的用戶體驗(yàn)，也難以滿足實(shí)時(shí)性要求。

如何利用單個(gè)攝像頭準(zhǔn)確、方便、實(shí)時(shí)的測量攝像頭到物體的距離，成為亟待解決的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種單攝像頭測距方法，目的在于解決傳統(tǒng)的測距方法中利用激光發(fā)射機(jī)測距成本較高的問題，還用于解決利用三角函數(shù)測距法測距計(jì)算方法復(fù)雜、且不具備良好實(shí)時(shí)性的問題。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種單攝像頭測距方法，包括以下步驟：

s1：在采樣物體表面粘貼目標(biāo)圖像，目標(biāo)圖像中有一條寬度為x厘米的豎直線，豎直線的顏色與目標(biāo)圖像的背景顏色不同；在目標(biāo)圖像的正前方、距離目標(biāo)圖像l厘米處放置并啟動(dòng)攝像頭；

s2：將攝像頭采集到的圖像發(fā)送給微處理器進(jìn)行預(yù)處理，并將攝像頭采集到的圖像轉(zhuǎn)換為黑白圖像，豎直線所在區(qū)域?yàn)楹谏珗D像，目標(biāo)圖像背景所在區(qū)域?yàn)榘咨珗D像；

s3：利用微處理器在黑白圖像上取m行、n列共m*n個(gè)點(diǎn)作為采樣點(diǎn)，定義數(shù)字“0”和“1”分別代表處于黑白圖像黑色區(qū)域的采樣點(diǎn)和處于黑白圖像白色區(qū)域的采樣點(diǎn)；

s4：將m*n個(gè)采樣點(diǎn)中數(shù)字為“0”的采樣點(diǎn)作為特征點(diǎn)，利用微處理器獲取并計(jì)算平均每行的特征點(diǎn)個(gè)數(shù)，即平均每行“0”的個(gè)數(shù)；

s5：改變攝像頭與采樣物體之間的相對距離l共q次(q>3)，每次改變后均重復(fù)s1-s4步驟，其中，第q次改變后的相對距離表示為lq，第q次平均每行的特征點(diǎn)個(gè)數(shù)表示為

s6：建立與lq的關(guān)系的數(shù)據(jù)庫并利用matlab工具得到與lq的非線性近似方程；

s7：在任意被測物體前粘貼步驟s1所述的目標(biāo)圖像，并在被測物體前任意距離處放置攝像頭，重復(fù)步驟s2-s4，得到由被測物體生成的黑白圖像中平均每行特征點(diǎn)個(gè)數(shù)，調(diào)用步驟s6中的非線性近似方程，即可得到被測物體與攝像頭之間的距離l。

所述步驟s2包括以下步驟：

s21：將攝像頭采集到的圖像發(fā)送給微處理器，微處理器對攝像頭采集到的圖像進(jìn)行預(yù)處理，濾除干擾信號(hào)，并輸出灰度圖像；

s22：微處理器對灰度圖像進(jìn)行進(jìn)一步處理，將灰度圖像轉(zhuǎn)化為黑白圖像。

步驟s3所述的利用微處理器在黑白圖像上取m*n個(gè)點(diǎn)作為采樣點(diǎn)的具體過程如下：在黑白圖像的左上角選一起點(diǎn)，起點(diǎn)必須在黑色圖像區(qū)域的左邊，并水平向右以相等間距取n個(gè)點(diǎn)作為第一行采樣點(diǎn)，所設(shè)間距要使第n個(gè)點(diǎn)必須在豎直線對應(yīng)的黑色圖像右邊且不能在整幅圖像之外；然后以第一行的每個(gè)點(diǎn)作為起始點(diǎn)，分別豎直向下取(m-1)個(gè)點(diǎn)，且使第m個(gè)點(diǎn)不能在圖像之外，以形成m行n列共m*n個(gè)點(diǎn)作為采樣點(diǎn)。

步驟s4中所述的計(jì)算平均每行的特征點(diǎn)個(gè)數(shù)的方法為：

其中，q代表采樣次數(shù)，m代表采樣點(diǎn)行數(shù)，kmq表示第q次采樣第m行的特征點(diǎn)個(gè)數(shù)，表示攝像頭距離采樣物體距離為lq時(shí)對應(yīng)的特征點(diǎn)個(gè)數(shù)的平均值。

所述步驟s6包括以下步驟：

s61：通過q次采樣，建立平均每行特征點(diǎn)個(gè)數(shù)與相對距離lq的數(shù)據(jù)庫；

s62：利用matlab中的非線性回歸函數(shù)工具nlinfit()求解相對距離l與平均每行特征點(diǎn)個(gè)數(shù)的非線性近似方程。

本發(fā)明的有益效果：

利用本發(fā)明所述的一種單攝像頭測距方法，無需使用造價(jià)昂貴的激光發(fā)射機(jī)，也不需經(jīng)過復(fù)雜計(jì)算，只需將目標(biāo)圖像粘貼在采樣物體前方，在目標(biāo)圖像生成的黑白圖像上取m*n個(gè)采樣點(diǎn)，求解攝像頭與采樣物體之間相對距離和平均每行特征點(diǎn)個(gè)數(shù)的非線性近似方程；需測距時(shí)，只需將被測物體表面粘貼上述的目標(biāo)圖像，然后在被測距離處利用微處理器取m*n個(gè)采樣點(diǎn)，得到平均每行特征點(diǎn)個(gè)數(shù)，代入非線性近似方程即可求得被測距離；本發(fā)明所述的一種單攝像頭測距方法具有干擾小(針對超聲波)，硬件成本低，體積小，結(jié)構(gòu)簡單，操作方便(針對加激光傳感器的情況)，測距方式靈敏、快速，實(shí)時(shí)性好(針對需要移動(dòng)過程和三角函數(shù)計(jì)算的情況)，測距精度高等優(yōu)點(diǎn)，在室內(nèi)移動(dòng)機(jī)器人、工業(yè)自動(dòng)化車間等需要檢測距離的領(lǐng)域具有廣闊的應(yīng)用前景。

附圖說明

為了更清楚地說明本發(fā)明具體實(shí)施方式中的技術(shù)方案，下面將對具體實(shí)施方式描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施方式，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的方法流程圖；

圖2為微處理器將攝像頭采集到的圖像轉(zhuǎn)換為灰度圖像的示意圖；

圖3為微處理器將攝像頭采集到的圖像轉(zhuǎn)換為黑白圖像并取采樣點(diǎn)的示意圖；

圖4為分別定義位于黑色區(qū)域和位于白色區(qū)域內(nèi)的采樣點(diǎn)為“0”和“1”的示意圖；

圖5為利用matlab得到的非線性回歸分析結(jié)果示意圖。

具體實(shí)施方式

下面將結(jié)合附圖對本發(fā)明的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示：本發(fā)明所述的一種單攝像頭測距方法，利用單攝像頭即可測出攝像頭與采樣物體之間的距離，具體包括以下步驟：

s1：在采樣物體表面粘貼目標(biāo)圖像，目標(biāo)圖像中有一條寬度為x厘米的豎直線，豎直線的顏色與目標(biāo)圖像的背景顏色不同；在目標(biāo)圖像的正前方、距離目標(biāo)圖像l厘米處放置并啟動(dòng)攝像頭；

其中，優(yōu)選方案為：豎直線采用黑色直線，目標(biāo)圖像的背景顏色為白色或者灰色，黑色與白色或灰色對比明顯，有利于微處理器對攝像頭采集的圖像進(jìn)行處理；攝像頭焦距固定不變，攝像頭采用逐行掃描方式，攝像頭在采集圖像時(shí)需要保證掃描行所在平面與目標(biāo)圖像所在的平面保持平行，同時(shí)需要保證掃描行與豎直線垂直；同時(shí)保持光源穩(wěn)定。

s2：將攝像頭采集到的圖像發(fā)送給微處理器進(jìn)行預(yù)處理，并將攝像頭采集到的圖像轉(zhuǎn)換為黑白圖像，豎直線所在區(qū)域?yàn)楹谏珗D像，目標(biāo)圖像背景所在區(qū)域?yàn)榘咨珗D像；具體包括以下步驟：

s21：如圖2所示：首先將攝像頭采集到的圖像發(fā)送給微處理器進(jìn)行預(yù)處理，濾除干擾信號(hào)，并輸出灰度圖像；

s22：如圖3所示：利用微處理器將預(yù)處理后的灰度圖像轉(zhuǎn)換為黑白圖像；

這里需要說明的是：利用微處理器對攝像頭采集到的圖像進(jìn)行預(yù)處理并輸出灰度圖像屬于現(xiàn)有成熟技術(shù)，利用微處理器將灰度圖像轉(zhuǎn)換為黑白圖像也屬于現(xiàn)有成熟技術(shù)，這里不再贅述。

s3：如圖4所示：利用微處理器在黑白圖像上取m行、n列共m*n個(gè)點(diǎn)作為采樣點(diǎn)，定義數(shù)字“0”和“1”分別代表處于黑色區(qū)域的采樣點(diǎn)和處于白色區(qū)域的采樣點(diǎn)；

在黑白圖像上取m*n個(gè)點(diǎn)作為采樣點(diǎn)的具體過程如下：在黑白圖像的左上角選一起點(diǎn)，起點(diǎn)必須在黑色圖像區(qū)域的左邊，并水平向右以相等間距取n個(gè)點(diǎn)作為第一行采樣點(diǎn)，所設(shè)間距要使第n個(gè)點(diǎn)必須在豎直線對應(yīng)的黑色圖像右邊且不能在整幅圖像之外；然后以第一行的每個(gè)點(diǎn)作為起始點(diǎn)，分別豎直向下取(m-1)個(gè)點(diǎn)，且使第m個(gè)點(diǎn)不能在圖像之外，以形成m行n列共m*n個(gè)點(diǎn)作為采樣點(diǎn)。

s4：定義m*n個(gè)采樣點(diǎn)中數(shù)字為“0”的采樣點(diǎn)作為特征點(diǎn)，利用微處理器獲取并計(jì)算平均每行的特征點(diǎn)個(gè)數(shù)，即平均每行“0”的個(gè)數(shù)；所述的計(jì)算平均每行的特征點(diǎn)個(gè)數(shù)的方法為：

其中，q代表采樣次數(shù)，m代表采樣點(diǎn)行數(shù)，kmq表示第q次采樣第m行的特征點(diǎn)個(gè)數(shù)，表示攝像頭距離采樣物體距離為lq時(shí)對應(yīng)的平均每行特征點(diǎn)個(gè)數(shù)的平均值。

s5：改變攝像頭與采樣物體之間的相對距離l共q次(q>3)，每次改變后均重復(fù)s1-s4步驟，其中，第q次改變后的相對距離記為lq，相對距離為lq時(shí)對應(yīng)的平均每行特征點(diǎn)個(gè)數(shù)記為因?yàn)橄鄬嚯x的改變將引起豎直線的寬度占畫面整行的比例發(fā)生變化，即每改變一次距離，均取m*n個(gè)點(diǎn)，則平均每行特征點(diǎn)的個(gè)數(shù)均會(huì)不同，即相對距離與平均每行特征點(diǎn)的個(gè)數(shù)存在著非線性關(guān)系；

s6：建立與lq的關(guān)系的數(shù)據(jù)庫并利用matlab工具得到與lq的非線性近似方程，具體包括以下步驟；

s61：通過q次采樣，建立平均每行特征點(diǎn)個(gè)數(shù)與相對距離lq的數(shù)據(jù)庫；

s62：利用matlab中的非線性回歸函數(shù)工具nlinfit()求解相對距離l與平均每行特征點(diǎn)個(gè)數(shù)的非線性近似方程。

s7：在任意被測物體前粘貼步驟s1所述的目標(biāo)圖像，并在被測物體前任意距離處放置攝像頭，重復(fù)步驟s2-s4，得到由被測物體生成的黑白圖像中平均每行特征點(diǎn)個(gè)數(shù)，調(diào)用步驟s6中的非線性近似方程，即可得到被測物體與攝像頭之間的距離l。

利用本發(fā)明所述的一種單攝像頭測距方法，無需使用造價(jià)昂貴的激光發(fā)射機(jī)，也不需經(jīng)過復(fù)雜計(jì)算，只需將目標(biāo)圖像粘貼在采樣物體前方，在目標(biāo)圖像生成的黑白圖像上取m*n個(gè)采樣點(diǎn)，求解攝像頭與采樣物體之間相對距離和平均每行特征點(diǎn)個(gè)數(shù)的非線性近似方程；需測距時(shí)，只需將被測物體表面粘貼上述的目標(biāo)圖像，然后在被測距離處利用微處理器取m*n個(gè)采樣點(diǎn)，得到平均每行特征點(diǎn)個(gè)數(shù)，代入非線性近似方程即可求得被測距離。

下面結(jié)合實(shí)施例對本發(fā)明所述的一種單攝像頭測距方法進(jìn)行進(jìn)一步說明：

s1：在采樣物體表面粘貼目標(biāo)圖像，目標(biāo)圖像中有一條寬度為x厘米的黑色豎直線，目標(biāo)圖像的背景為白色；在目標(biāo)圖像的正前方、距離目標(biāo)圖像l厘米處放置并啟動(dòng)攝像頭；所述的攝像頭采用ov7620數(shù)字?jǐn)z像頭，分辨率為640*480，逐行掃描方式，目標(biāo)圖像中豎直線的寬度為x＝1.7厘米。

s2：將攝像頭采集到的圖像發(fā)送給微處理器進(jìn)行預(yù)處理，并將攝像頭采集到的圖像轉(zhuǎn)換為黑白圖像，豎直線所在區(qū)域?yàn)楹谏珗D像，目標(biāo)圖像背景所在區(qū)域?yàn)榘咨珗D像，具體包括以下步驟：

s21：首先將攝像頭采集到的圖像發(fā)送給微處理器進(jìn)行預(yù)處理，濾除干擾信號(hào)，并輸出灰度圖像；

s22：利用微處理器將預(yù)處理后的灰度圖像轉(zhuǎn)換為黑白圖像；

所述微處理器采用mk60dn512vlq10，mk60dn512vlq10為是32位armcortex-m4處理器，內(nèi)核頻率高達(dá)100mhz，完全能夠滿足圖像數(shù)據(jù)的處理需求。

s3：利用微處理器在黑白圖像上取m*n個(gè)點(diǎn)作為采樣點(diǎn)，定義數(shù)字“0”和“1”分別代表處于黑色區(qū)域的采樣點(diǎn)和處于白色區(qū)域的采樣點(diǎn)，具體的m＝60，n＝260；

s4：定義m*n個(gè)采樣點(diǎn)中數(shù)字為“0”的采樣點(diǎn)作為特征點(diǎn)，利用微處理器獲取并計(jì)算平均每行特征點(diǎn)個(gè)數(shù)，即平均每行“0”的個(gè)數(shù)；所述的計(jì)算平均每行的特征點(diǎn)個(gè)數(shù)的方法為：

其中，q代表采樣次數(shù)，m代表采樣點(diǎn)行數(shù)，kmq表示第q次采樣第m行的特征點(diǎn)個(gè)數(shù)，表示攝像頭距離采樣物體距離為lq時(shí)對應(yīng)的特征點(diǎn)個(gè)數(shù)的平均值。

s5：改變攝像頭與采樣物體之間的相對距離l共9次(q＝9)，每次改變后均重復(fù)s1-s4步驟，其中，第q次改變后的相對距離記為lq，攝像頭距離采樣物體距離為lq時(shí)對應(yīng)的平均每行的特征點(diǎn)個(gè)數(shù)記為

s6：建立與lq的關(guān)系的數(shù)據(jù)庫并利用matlab工具得到與lq的非線性近似方程，具體包括以下步驟；

s61：通過改變相對距離進(jìn)行q次采樣，建立平均每行特征點(diǎn)個(gè)數(shù)與相對距離lq的數(shù)據(jù)庫，如下表所示：

s62：利用matlab中的非線性回歸函數(shù)工具nlinfit()求解相對距離l與平均每行特征點(diǎn)個(gè)數(shù)的非線性近似方程，具體采用以下步驟：

觀察數(shù)據(jù)后發(fā)現(xiàn)，相對距離lq與平均每行特征點(diǎn)數(shù)之間存在反比例關(guān)系，建立非線性近似方程的回歸函數(shù)原型為反比例函數(shù)

于是得到：

其中a,b,c為回歸系數(shù)，因此利用matlab中的非線性回歸函數(shù)工具nlinfit(x,y,f,[0；0；0])，求得回歸系數(shù)a,b,c的值，具體的，執(zhí)行程序與執(zhí)行結(jié)果如下，并得到如圖5所示的非線性回歸分析結(jié)果示意圖：

l＝[5,7,10,15,20,25,30,35,40]；

k＝[84,59,44,30,24,20,17,13,12]；

f＝@(beta,l)beta(1)./(l+beta(2))+beta(3)；

beta＝nlinfit(l,k,f,[0；0；0])；

a＝beta(1),b＝beta(2),c＝beta(3)

ll＝1:.1:45；

kk＝a./(ll+b)+c；

plot(l,k,'o',ll,kk)

a＝

412.0258

b＝

0.1004

c＝

2.6106

于是，得到相對距離l與平均每行特征點(diǎn)個(gè)數(shù)k的非線性近似方程為：

s7：在任意被測物體前粘貼步驟s1所述的目標(biāo)圖像，并在被測物體前任意距離處放置攝像頭，重復(fù)步驟s2-s4，得到由被測物體生成的黑白圖像中平均每行特征點(diǎn)個(gè)數(shù)，調(diào)用步驟s6中的非線性近似方程，即可得到被測物體與攝像頭之間的距離l，本實(shí)施例中，在不同的相對距離下，相對距離l的測量值與相對距離的實(shí)際值的絕對誤差如下表所示：

通過上述實(shí)施例的測量結(jié)果可以看出，本發(fā)明所述的一種單攝像頭測距方法具有干擾小(針對超聲波)，硬件成本低，體積小，結(jié)構(gòu)簡單，操作方便(針對加激光傳感器的情況)，測距方式靈敏、快速，實(shí)時(shí)性好(針對需要移動(dòng)過程和三角函數(shù)計(jì)算的情況)，測距精度高等優(yōu)點(diǎn)，在室內(nèi)移動(dòng)機(jī)器人、工業(yè)自動(dòng)化車間等需要檢測距離的領(lǐng)域具有廣闊的應(yīng)用前景。

最后應(yīng)說明的是：以上各實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述各實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分或者全部技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的范圍。