基于成像尺寸变化的单目视觉测距方法研究

向召利, 马宝成

引用本文:
向召利, 马宝成. 基于成像尺寸变化的单目视觉测距方法研究[J]. 兵器装备工程学报, 2020, 41(2): 148-
151.

您可能感兴趣的其他文章

1. 一种弹载三轴加速度计现场快速标定及补偿方法
引用本文: 冯凯强, 李杰, 魏晓凯. 一种弹载三轴加速度计现场快速标定及补偿方法[J].兵器装备工程
学报, 2019, 40(4): 186-189,201.

2. 基于准行波阵的毫米波引信微带频扫天线
引用本文: 王大鹏, 王震, 徐利平, 等. 基于准行波阵的毫米波引信微带频扫天线[J].兵器装备工程学报,
2017, 38(6): 156-160.

3. 基于飞行时间法的红外相机研究综述
引用本文: 郭宁博, 陈向宁, 薛俊诗. 基于飞行时间法的红外相机研究综述[J].兵器装备工程学报, 2017,
38(3): 152-159.

4. 光电跟踪系统前馈速度求解方法
引用本文: 文云, 刘启辉, 董琦昕. 光电跟踪系统前馈速度求解方法[J].兵器装备工程学报, 2016, 37(6):
29-34.

5. 高重频雷达导引头变 PRF 抗遮挡方法设计

引用本文: 何华兵, 李文龙, 杨士义. 高重频雷达导引头变 PRF 抗遮挡方法设计[J].兵器装备工程学报,
2015(5): 46-48.
第４１卷　第 ２期 兵器装备工程学报 ２０２
０年 ２月

【信息科学与控制工程】 ｄ
ｏｉ：１
０．１
１８０
９／ｂ
ｑｚｂ
ｇｃｘ
ｂ２０
２０．
０２．
０３１

基于成像尺寸变化的单目视觉测距方法研究
向召利，马宝成
（四川航天电子设备研究所，成都　６
１０１
００）

摘要：提出了一种基于特征尺寸成像变化规律的单目视觉测距算法，采用了单目相机和加速度计的测距方案，通过
建立相机 －目标距离与目标特征尺寸成像的关系，利用目标特征尺寸成像相对变化量的统计特性及特征尺寸与相
机 －目标距离的比值关系对距离输出进行估计并逐步修正，有效提高了单目测距精度。测距试验结果表明：即使在
没有固定参照物的情况下，该方法测距精度依然优于传统单目测距方法。
关键词：单目；测距；特征尺寸；统计特性
本文引用格式：向召利，马宝成．基于成像尺寸变化的单目视觉测距方法研究［Ｊ
］．兵器装备工程学报，
２０２
０，４
１（２）：
１
４８－１
５１．
Ｃｉ
ｔａｔ
ｉｏｎｆ
ｏｒｍａ
ｔ：ＸＩ
ＡＮＧＺｈ
ａｏｌ
ｉ，ＭＡＢａ
ｏｃｈ
ｅｎｇ
．Ｒｅ
ｓｅａ
ｒｃｈｏ
ｎＭｏ
ｎｏｃ
ｕｌａ
ｒＶｉ
ｓｉ
ｏｎＲａ
ｎｇｉ
ｎｇＭｅ
ｔｈｏ
ｄＢａ
ｓｅｄｏ
ｎＳｉ
ｚｅＶａ
ｒｉａ
ｔｉ
ｏｎｏ
ｆ
Ｉ
ｍａｇ
ｉｎｇ
［Ｊ］．Ｊ
ｏｕｒ
ｎａｌｏ
ｆＯｒ
ｄｎａ
ｎｃｅＥｑ
ｕｉｐ
ｍｅｎ
ｔＥｎ
ｇｉｎ
ｅｅｒ
ｉｎｇ
，２０
２０，
４１（２）：
１４８－１
５１．
中图分类号：ＴＰ３
９１．
４ 文献标识码：Ａ 文章编号：
２０９
６－２
３０４（２
０２０）０
２－０
１４８－０
４

Ｒｅ
ｓｅａ
ｒｃｈｏｎＭｏｎｏ
ｃｕｌ
ａｒＶｉｓｉ
ｏｎＲａｎｇ
ｉｎｇＭｅｔ
ｈｏｄ
Ｂａｓ
ｅｄｏ
ｎＳｉｚｅＶａｒ
ｉａｔ
ｉｏｎｏ
ｆＩｍａｇｉ
ｎｇ
ＸＩ
ＡＮＧＺｈａ
ｏｌｉ
，ＭＡＢａ
ｏｃｈｅ
ｎｇ
（Ｓ
ｉｃｈ
ｕａｎＡｅ
ｒｏｓ
ｐａｃ
ｅＥｌ
ｅｃｔ
ｒｏｎ
ｉｃｓＲｅ
ｓｅａ
ｒｃｈＩ
ｎｓｔ
ｉｔ
ｕｔｅ
，Ｃｈ
ｅｎｇ
ｄｕ６
１０１
００，Ｃｈ
ｉｎａ
）

Ａｂｓｔｒａｃｔ
：Ｔｈｉ ｓｐａｐｅｒｐｒｏｐｏｓｅ
ｄａｍｏ ｎｏｃ
ｕｌａ
ｒｖ ｉ
ｓｉ
ｏｎｒ ａｎｇｉｎｇａ ｌ
ｇｏｒ
ｉｔ
ｈｍｂ ａｓｅｄｏｎｔｈｅｖ ａｒ
ｉａｔｉ
ｏｎｌ ａ
ｗｏ ｆｆ
ｅａｔｕｒ
ｅ
ｓｉ
ｚｅｉｍａ ｇ
ｉｎｇ．Ｔｈｅｄｉ ｓ
ｔａｎｃｅｍｅ ａｓｕ
ｒｅｍｅｎｔｓｃ
ｈｅｍｅｏ ｆｍｏ ｎｏ ｃ
ｕｌａｒｃａｍｅｒａａｎｄａ ｃ
ｃｅｌｅ
ｒｏｍｅｔｅｒｗａｓａ ｄｏｐｔｅ
ｄ．Ｂｙ
ｅｓｔ
ａｂｌｉ
ｓｈｉ
ｎｇｔ ｈｅｒｅｌ
ａｔｉ
ｏｎｓｈｉｐｂｅｔｗｅｅｎｃａｍｅｒ
ａｔａ
ｒｇｅｔｄｉｓｔａｎｃｅａｎｄｔ ａ
ｒｇｅｔｆ
ｅ ａ
ｔｕｒ
ｅｓ ｉ
ｚｅｉｍａ ｇｉ
ｎｇ，ｔ ｈｅｄｉｓｔａ
ｎ ｃ
ｅ
ｃｈａｒａ
ｃｔｅｒ
ｉｓｔ
ｉｃｗａｓｅ ｓｔ
ｉｍａ ｔ
ｅｄａｎｄｃ ｏｒｒ
ｅｃｔ
ｅｄｓ ｔ
ｅｐｂ ｙｓｔｅ ｐｕｓ ｉ
ｎｇｔｈｅｓ ｔ
ａｔｉ
ｓｔｉ
ｃａｌｃｈａｒａ
ｃｔｅ
ｒｉｓｔ
ｉｃｓｏ ｆｔｈｅｔａｒｇｅｔ
ｆ
ｅ ａ
ｔｕｒｅｓｉ
ｚｅｉｍａ ｇｉ
ｎｇｒｅｌａｔｉ
ｖｅｖａｒｉ
ａｔｉ
ｏｎａｎｄｔｈｅｒａｔｉ
ｏｏｆｔ ｈｅｆｅａｔｕｒ
ｅｓ ｉ
ｚｅｔｏｔｈｅｃａｍｅｒａ
ｔａｒ
ｇｅｔｄｉｓｔａｎｃ
ｅａ ｎｄｔｈｅ
ａｃｃｕｒ
ａｃｙｏ ｆｍｏ ｎｏ
ｃｕｌａｒｒａｎｇｉ
ｎｇｃ ｏｕｌｄｂｅｉｍｐｒｏｖｅｄｅ ｆｆｅ
ｃ ｔ
ｉｖｅｌ
ｙ．Ｔｈｅｄ ｉ
ｓｔａ
ｎｃｅｔｅｓｔｒｅｓｕｌｔ
ｓｓ ｈｏｗｔ ｈａｔｔｈｉｓ
ｍｅｔｈｏｄｉｓｓｕｐｅｒｉ
ｏｒｔｏｔ ｈｅｔｒａ
ｄｉｔｉ
ｏｎａｌｍｏｎｏｃｕｌ
ａｒｒａｎｇｉ
ｎ ｇｍｅ ｔｈｏｄｅｖｅｎｉｎｔ ｈｅａｂｓｅｎｃｅｏｆａｆ ｉｘｅｄｒ ｅｆ
ｅｒｅ
ｎ ｃ
ｅ
ｏｂｊｅ
ｃｔ．
Ｋｅｙｗｏ ｒ
ｄｓ：ｍｏ ｎｏｃｕｌ
ａ ｒ；ｒａｎｇ
ｉｎｇ；ｆｅａｔ
ｕｒｅｓｉ
ｚｅ；ｓｔａｔ
ｉｓ
ｔｉｃａｌｃｈａｒａｃｔ
ｅｒｉ
ｓｔ
ｉｃ

　　基于计算机视觉的测距技术对于自主移动系统的智能 下缺陷：需要固定参照物 ［６－１０］、精度较低 ［１１］、无法适应远距

［１］ ［２－３］
化具有重要意义 。目前研究较多的视觉测距技术 是 离测量场合等。
双目与多目测距。双目和多目视觉测距的精度相对较高，但 文献［１
２］采用人工标记法建立地图，利用单目相机采集
其仍存在一些问题：一是需要精确的配准，耗时的配准过程 图片分析对相机进行定位。文献［１
３］利用单目摄像机进行
对实时视觉导航来说具有不可忽略的影响；二是要求基线和 了视觉导航研究，该方法亦可应用在已知环境下移动机器人
摄像机光轴严格地处于同一平面上，这使得摄像机的架设及 的目标识别及抓取。近年来，国内有学者提出一种基于单摄
［４－５］
测量平台生产制造的难度极大 。单目深度提取方法具 像机镜像的双目视觉系统 ［１４］，该方法试图融合单目与双目
有操作简单和成本低等优点，但是传统单目测距方法存在以 视觉测距的优点，然而存在以下问题：允许的图像视差减小

　　收稿日期：２
０１９－０
４－１ ５；修回日期：２
０１９－０
５－１
９
作者简介：向召利（１ ９
８８—），男（土家族），硕士，工程师，主要从事图像处理研究。
 向召利，等：基于成像尺寸变化的单目视觉测距方法研究 １４９

了一半，本来应是受镜头畸变影响较小的图像中央区域反而 Ｓ Ｌ
＝ （４）
变得不可利用。 ｃ
ρｏｓ ｓ
α Ｌ＋ρｉｎα

基于以上所述，本文提出了一种基于特征尺寸成像变化 有：

规律的单目视觉测距算法。该算法不需要固定参照物，且测 ｃ
Ｌρｏｓα
Ｓ＝ （５）
Ｌ＋ρ ｓ
ｉｎα
距精度优于传统测距方法。
将式（５）两边微分，然后同时除以式（６），可得式（７），将式
（６）代入式（４）得式（７），即：
１　测距模型 ｄＳ ｓｉｎα ｄＬ Ｌ
ρ
＝ ＋ ｄα （６）
Ｓ Ｌ＋ρ ｓｉ
ｎα Ｌ Ｌ＋ρ
ｓｉｎα
如图 １所示为相机小孔成像模型。Ｏ为光心，平面 Ｗ经 ｄｘ ｄＬ ρｓ
ｉｎα ｄＬ Ｌ
＝ ＋ ＋ ｄα＝
过特征点 Ｐ１ 且平行于成像平面。Ｐ１Ｍ１ 为特征尺寸 Ｐ１Ｎ在 ｘ Ｌ Ｌ＋ρｓｉ
ｎα Ｌ Ｌ＋ρ
ｓｉｎα
平面 Ｗ上的像，Ｐ′
１Ｍ′
１ 为特征尺寸 Ｐ１Ｎ在成像平面上的像，
ρｓ
ｉｎα ｄＬ Ｌ
（１＋ ） ＋ ｄα （７）
Ｌ＋ρｓｉ
ｎα Ｌ Ｌ＋ρ
ｓｉｎα
Ｈ为 Ｗ与光轴的交点。令Ｐ１Ｍ１ ＝Ｓ，Ｐ′
１Ｍ′
１ ＝ｘ
′，ＯＨ＝Ｌ，根
ρｓ
ｉｎα Ｌ
据小孔成像原理，有： 　　当 Ｌ＞＞ρ时， ＜＜１，且 ≈１，式（７）可化
Ｌ＋ρｓｉ
ｎα Ｌ＋ρ
ｓｉｎα
Ｓ Ｌ 简为：
＝ （１）
ｘ
′ ｆ
ｄｘ
′ ｄＬ
＝ ＋ｄα （８）
ｘ′ Ｌ
　　设目标上有一组特征点（Ｐ，Ｎ１，Ｎ２，…，Ｎｍ），其中点 Ｐ为
该组特征点 的 形 心，当 目 标 绕 过 Ｐ点 某 直 线 旋 转 时，ＰＮｋ
（ｋ＝１，
２，…，ｍ）与平面 Ｗ的夹角在变化，并且夹角为 ｋ的函
数，处在平面 Ｗ不同侧的 ＰＮｋ 所对应的 αｋ 变化量正负不同。
从统计 学 的 角 度 来 看，当 ｍ 足 够 大 时，可 认 为 式 （９）成
立，有：
ｍ

∑ｄα
ｋ＝１
ｋ ＝０ （９）
图 １　成像模型示意图 因此有：
ｍ ｍ
ｄｘ
′ｋ ｄＬｋ ｄＬ
对式（１）两边取对数，得： ∑ ＝∑ ＝ｍ （１
０）
ｋ＝１ ｘ′ｋ ｋ＝１ Ｌ ｋ Ｌ
ｌ
ｎｘ′＝ｌ
ｎＳ＋ｌ
ｎｆ－ｌ
ｎＬ （２）
　　将 ｄＬ看做相机与目标相对距离的变化量，用 ΔＬ替代。
　焦距 ｆ不变，对式（２）两边微分，得：
同时用 Δｘ
′ｋ 替代 ｄｘ
′ｋ，因此获得测距公式为：
ｄｘ
′ ｄＬ ｄＳ
＝－ ＋ （３） ｍ
ｘ′ Ｌ Ｓ Ｌ＝ ｍ ΔＬ （１
１）
Δｘ′ｋ
ｄＬ
式（３）中： 为 Ｚ向平移项，由 Ｐ１Ｎ沿 Ｚ轴移动造成的；
ｄＳ ∑
ｋ＝１ ｘ′
ｋ
Ｌ Ｓ
　　以上测距方法可总结为以下步骤：
与 Ｐ１ 点离 Ｚ轴的距离及特征尺寸（定义为特征点之间的距
步骤 １　控制相机始终对准目标图像最接近形心的特征
离）Ｐ１Ｎ绕 Ｐ１ 点的转动相关，且 Ｚ向的转动分量对成像尺寸
点，命名为 Ｐ，保证该特征点、相机成像中心与光心共线；
Ｓ无影响。为了简化模型，规定测距方案包括：相机随特征
步骤 ２　以特征点 Ｐ为一个端点，目标其他特征 Ｎｋ 为
点做一定范围内的随动，保证 Ｚ轴始终经过特征点 Ｐ１，即特
另一端点，计算 ＰＮｋ 在像素平面上的像素距离及像素距离变
征点 Ｐ１ 成像始终处在像素平面的中心，如图 ２所示。
化量，并根据相机内参求出成像平面上 ＰＮｋ 大小，及相邻两
幅图像 ＰＮｋ 的变化量 ΔＰＮｋ，即式（１
１）中的 ｘ
′ｋ与 Δｘ′
ｋ；

步骤 ３　根据式（１
１），利用相机 －目标相对距离的变化
量 ΔＬ以及步骤 ２中的计算结果计算相机与目标之间的相对
距离 Ｌ；
步骤 ４　根据式（１）求出每个特征尺寸对应的 Ｓｋ，比较
Ｓｋ 与 Ｌ，若 Ｓｋ ＞０．
０１Ｌ，将对应的特征点剔除，剩下的特征点
重新组成特征点组；
步骤 ５　重复步骤 ３、步骤 ４，直至所有特征尺寸都满足
图 ２　目标旋转对成像影响分析模型
Ｓｋｉ≤０．
０１Ｌｉ（ｉ表示第 ｉ次迭代），Ｌｉ即为所求目标与相机之
　　由图 ２可知： 间距离。
 １５０ 兵器装备工程学报 ｈｔ
ｔｐ：／／
ｓｃｂｇ
．ｑｋｓ
．ｃｑｕｔ
．ｅｄｕ．ｃ
ｎ／

距离 Ｌ；
２　测距试验结果及分析 步骤 ４　根据式（１）求出每个特征尺寸对应的 Ｓｋ，比较
Ｓｋ 与 Ｌ，若 Ｓｋ ＞０．
０１Ｌ，将对应的特征点剔除，剩下的特征点
拍摄目标为自然环境下实景，拍摄设备为配备不同焦距 重新组成特征点组；
可调镜头的相机，拍摄相机固定在直线行驶的小车上，小车 步骤 ５　重复步骤 ３、步骤 ４，直至所有特征尺寸都满足
在平路上行驶，且小车上安装有加速度传感器。每次采集均 Ｓｋｉ≤０．
０１Ｌｉ（ｉ表示第 ｉ次迭代），Ｌｉ即为所求目标与相机之
对相机进行标定。具体试验参数如表 １所示。 间距离。
试验结果如表 ２所示。
表 １　图像采集试验参数
表 ２　每米 ２５
００像素测距试验结果
序 焦距 ／ 目标与相机 目标与相机 相机每米
号 ｍｍ 距离 １／
ｍ 距离 ２／
ｍ 像素数 目标与 目标与 单目视 相对 测距 文献［１ ２］
序
１ １
５０ ２
８０ ３
２０ ２５
００ 相机距 相机距 觉测距 误差 ／ 时间 ／ 相对误
号
离 １／
ｍ 离 ２／ ｍ ％
ｍ 结果 ／ μｓ 差／％
２ １
４５ １
８０ ２
２０ ２５
００
１ ２
８０ ３
２０ ３
１４．
４１ １
２．３ ７
０４
３ １
３５ １
４０ １
６０ ２５
００
２ １
８０ ２
２０ １
９８．
１０ １
０．１ ７
９３
４ １
２０ ９
５ １
０５ ２５
００
３ １
４０ １
６０ １
５２．
１４ ８．
７ ８
５６
５ １
０５ ７
５ ８
５ ２５
００
４ ９
５ １
０５ ９
８．９
５ ４．
２ ９
４３
６ ９
０ ５
８ ６
２ ２５
００
５ ７
５ ８
５ ７
８．２
２ ４．
３ １０
０２
４．
９
７ ８
５ ４
８ ５
２ ２５
００ ６ ５
８ ６
２ ６
０．５
４ ４．
４ １１
０４
８ ８
０ ３
８ ４
２ ２５
００ ７ ４
８ ５
２ ４
９．８
６ ３．
８ １１
２０
９ ７
０ ２
９ ３
１ ２５
００ ８ ３
８ ４
２ ４
０．７
４ ４．
１ １１
００
１
０ ６
０ １
９ ２
１ ２５
００ ９ ２
９ ３
１ ３
０．８
５ ６．
２ １０
２１
１
０ １
９ ２
１ ２
１．０
２ １
０．９ ７
５０
　　数据采集完毕后，用 Ｍａ
ｔｌ
ａｂ对图片进行预处理。处理步
骤参照第 １节的测距方法总结，但由于本文中的特征采用 　　由表 ２试验结果可知，受测距相机像素及特征点检测算
Ｈａ
ｒｒｉ
ｓ角点，为了方便读者阅读，重新梳理了测距算法步骤 法的限制，当距离 Ｌ满足 ４
０ｍ＜Ｌ＜１
５０ｍ时，文中的单目测
如下： 距算法精度较高，系统相对误差在 ４．
５％以下，小于传统单目
步骤 １　首先利用 Ｈａ
ｒｒｉ
ｓ算法检测实景角点，作为特征 ９％ ［１５］；当 Ｌ＞１
测距相对误差 ４． ５０ｍ或 Ｌ＜３
０ｍ时，相对测
点，检测出的特征点如图 ３所示。 距误差超过 ６．
２％；所有测距时间均小于 １２
００μｓ
，满足一般
情况下 ２ｍｓ的实时性要求。原因分析如下：
１）当 Ｌ＞１
００ｍ时，随着 Ｌ的变大，角点检测难度变大，
检测到的角点数变少，进而导致∑Δαｋ 与 ０有一定的差距，
从而增大了单目测距算法的测距误差。为了减小误差，通过
提高每米像素数的方法（每米像素数为 ４０
００）对 Ｌ在 １
５０～
３
００ｍ的范围距离重新进行测距验证。结果表明，随着相机
像素数的提高，可检测角点数量增加，进而提高了远距离测
距精度，扩大了测距范围。试验具体结果如表 ３所示。

表 ３　每米 ４０
００像素测距结果
图 ３　目标图像角点检测结果
目标与 目标与 单目视 相对 测距
　　步骤 ２　筛选两幅图像共有特征点，组成特征点组。计 序
相机距 相机距 觉测距 误差 ／ 时间 ／
算特征点组的形心，选取离形心像素距离最小的特征点，取 号
离 １／
ｍ 离 ２／
ｍ 结果 ／
ｍ ％ μｓ
名为 Ｐ。特征点组其他点命名为 Ｎｋ（ｋ＝１，
２，…），计算 ＰＮｋ
１ １
４０ １
６０ １
４６．
０３ ４．
３ ９
５４
在像素平面上的像素距离及像素距离变化量，并根据相机内
２ １
９０ ２
１０ １
９７．
２６ ３．
８ １０
０６
参求出成像平面上 ＰＮｋ 大小及相邻两幅图像 ＰＮｋ 的变化量
３ ２
４０ ２
６０ ２
５０．
５１ ４．
４ １２
０６
ΔＰＮｋ，即式（１
１）中的 ｘ
′ｋ与 Δｘ′
ｋ；

步骤 ３　根据式（１
１）及相机与目标相对距离的变化量 ４ ２
９０ ３
１０ ３
０１．
６６ ４．
０ １３
１１
ΔＬ以及步骤（２）中的计算结果，计算相机与目标之间的相对
 向召利，等：基于成像尺寸变化的单目视觉测距方法研究 １５１

　　２）当 Ｌ＜２
０ｍ时，ρ＜０．
０１Ｌ的算法限制导致可选的角 究［Ｊ
］．机器人，
２０１
０（６）：
８２８－８
３２．
点减少，∑Δαｋ 值分布较分散，降低了单目测距算法的测距 ［２］　王元庆．
双焦距立体视觉中的光学成像模型闭［Ｊ
］．光学
精度，如表 ２所示。本文中的测距理论表明，若目标角点密 技术，
２００
７，３
３（６）：
９３５－９
３７．
集，即使近距离仍可检测到足够多的角点，测距精度依然可 ［３］　ＨＡＲＴＬＥＹＲ，ＺＩ
ＳＳＥＲＭＡＮＡ．Ｍｕ
ｌｔｉ
ｐｌｅｖ
ｉｅｗｇ
ｅｏｍｅ
ｔｒｙｉ
ｎ
以保证。由此采用了具有尺度不变性的 ｓ
ｕｒｆ角点检测算法， ｃ
ｏｍｐ
ｕｔｅ
ｒｖｉ
ｓｉ
ｏｎ［Ｍ］．２ｅ
ｄ．Ｃａ
ｍｂｒ
ｉｄｇ
ｅ，ＵＫ：Ｃａ
ｍｂｒ
ｉｄｇ
ｅＵｎ
ｉ
并增大了测距距离。试验结果表明，改用 ｓ
ｕｒｆ角点检测算
ｖ
ｅｒｓ
ｉｔ
ｙＰｒ
ｅｓｓ
，２０
０４．
法，远距离测距精度较高，但由于 ｓ
ｕｒｆ实时性较差，导致整体
［４］　刘威，
魏存伟，赵逢，等．基于单目视觉的自车运动参数
测距时间变长。具体试验数据如表 ４所示。
鲁棒估计［Ｊ
］．机器人，
２００
９，３
１（１）：
２０－２
４．
表 ４　ｓ
ｕｒｆ角点检测测距试验结果 ［５］　王荣本，
李斌，储江伟，等．公路上基于车载单目机器视

目标与 目标与 单目视 相对 测距 觉的前 方 车 距 测 量 方 法 的 研 究 ［Ｊ

］．公 路 交 通 科 技，
序
相机距 相机距 觉测距 误差 ／ 时间 ／ ２
００１，
１８（６）：
９４－９
８．
号
离 １／
ｍ 离 ２／
ｍ 结果 ／
ｍ ％ μｓ ［６］　ＹＡＭＡＧＵＣＨＩＫ，ＫＡＴＯＮＹ．Ｖｅ
ｈｉｃ
ｌｅｅ
ｇｏ
ｍｏｔ
ｉｏ
ｎｅｓ
ｔｉ
ｍａ

１ １
８０ ２
２０ １
８７．
５６ ４．
２ １４
５０ ｔ
ｉｏ
ｎａｎ
ｄｍｏ
ｖｉｎ
ｇｏｂ
ｊｅｃ
ｔｄｅ
ｔｅｃ
ｔｉ
ｏｎｕ
ｓｉｎ
ｇａｍｏ
ｎｏｃ
ｕｌａ
ｒｃａ
ｍｅｒ
ａ
２ ２
８０ ３
２０ ２
９１．
４８ ４．
１ １４
５１ ［Ｃ］／／
Ｐｒｏ
ｃ．ｏ
ｆｔｈ
ｅＩＥＥＥＩ
ｎｔｅ
ｒｎａ
ｔｉ
ｏｎａ
ｌＣｏ
ｎｆｅ
ｒｅｎ
ｃｅｏ
ｎＰａ
ｔ
３ ４
２０ ４
８０ ４
３８．
０６ ４．
３ １６
５０ ｔ
ｅｒｎＲｅ
ｃｏｇ
ｎｉｔ
ｉｏ
ｎ．Ｐｉ
ｓｃａ
ｔａｗａ
ｙ，ＮＪ
，ＵＳ
Ａ：Ｉ
ＥＥＥ，２
００６：６
１０
４ ５
７０ ６
３０ ５
９４．
５１ ４．
３ １６
７０ －６
１３．

５ ７
６０ ８
４０ ７
９１．
１６ ４．
１ １７
５０ ［７］　ＢＯＵＧＵＥＴＪＹ．
Ｖｉｓ
ｕａｌｍｅ
ｔｈｏ
ｄｓｆ
ｏｒｔ
ｈｒｅ
ｅｄ
ｉｍｅ
ｎｓｉ
ｏｎａ
ｌｍｏ
ｄ

６ ９
６０ １０
４０ １０
０１．
２８ ４．
３ １７
６２ ｅ
ｌｉ
ｎｇ［Ｄ］．
Ｐａｓ
ａｄｅ
ｎａ，ＣＡ，ＵＳ
Ａ：Ｃａ
ｌｉ
ｆｏ
ｒｎｉ
ａＩｎ
ｓｔｉ
ｔｕｔ
ｅｏｆＴｅ
ｃｈ
ｎ
ｏｌｏ
ｇｙ，
１９９
９．
７ １２
６０ １３
４０ １３
１５．
４４ ４．
４ １８
５０
［８］　 ＨＥＩ
ＫＫＩ
ＬＡ Ｊ
，ＳＩ
ＬＶＥＮ Ｏ．Ａ ｆ
ｏｕｒ
ｓｔ
ｅｐｃ
ａｍｅ
ｒａｃ
ａｌｉ
ｂｒａ
ｔｉ
ｏｎ
８ １６
６０ １７
４０ １７
３１．
３８ ４．
３ １９
０１
ｐ
ｒｏｃ
ｅｄ
ｕｒｅｗｉ
ｔｈｉ
ｍｐｌ
ｉｃ
ｉｔｉ
ｍａｇ
ｅｃｏ
ｒｒｅ
ｃｔｉ
ｏｎ［Ｃ］／／
Ｐｒｏ
ｃ．ｏ
ｆｔｈ
ｅ
９ ２１
５０ ２２
５０ ２２
３８．
１５ ４．
１ １９
５１
Ｃｏ
ｎｆｅ
ｒｅｎ
ｃｅｏ
ｎＣｏ
ｍｐｕ
ｔｅｒＶｉ
ｓｉ
ｏｎａ
ｎｄＰａ
ｔｔ
ｅｒｎＲｅ
ｃｏｇ
ｎｉｔ
ｉｏ
ｎ
１
０ ２６
５０ ２７
５０ ２７
６３．
９５ ４．
３ ２０
０４
（ＣＶＰＲ’９
７），Ｊ
ｕｎｅ１
７－１
９，１
９９７，Ｓ
ａｎＪ
ｕａｎ，Ｐｕ
ｅｒｔ
ｏＲｉ
ｃｏ，
１
１ ３１
５０ ３２
５０ ３２
８８．
６０ ４．
４ ２３
１２
ＣＡ，
ＵＳＡ：
ＩＥＥＥＣｏ
ｍｐｕ
ｔｅｒＳ
ｏｃｉ
ｅｔ
ｙ，１
９９７：
１１０
６－１
１１２．
１
４ ３６
５０ ３７
５０ ３７
９６．
００ ４．
０ ２５
４１
［９］　ＤＥＳ
ＯＵＺＡＧＮ，
ＫＡＫＡＣ．Ｖｉ
ｓｉ
ｏｎｆ
ｏｒｍｏ
ｂｉｌ
ｅｒｏ
ｂｏｔｎ
ａｖｉ
ｇａ
ｔ
ｉｏ
ｎ：Ａｓ
ｕｒｖ
ｅｙ［Ｊ
］．Ｉ
ＥＥＥｔ
ｒａｎ
ｓａｃ
ｔｉ
ｏｎｓｏ
ｎＰａ
ｔｔ
ｅｒｎＡｎ
ａｌｙ
ｓｉｓ
ａ
ｎｄＭａ
ｃｈｉ
ｎｅＩ
ｎｔｅ
ｌｌ
ｉｅ
ｅｎｃ
ｅ．２
００２．
２４（２
１）：
２３７－２
６７．
３　结论
［１
０］赵天云，郭雷，张利川．基于单目视觉的空间定位算法

采用了单目相机和加速度计的测距方案，通过建立相机 ［Ｊ
］．西北工业大学学报，
２００
９，２
７（１）：
４７－５
１．

－目标距离与目标特征尺寸成像的关系，利用目标特征尺寸 ［１
１］石春琴，
张丽艳，
韦虎等．
随机模式投影双目测量系统中

成像相对变化量的统计特性及特征尺寸与相机 －目标距离 的单目测量［Ｊ

］．光学精密工程，
２０１
０，１
８（１）：
２５７－２
６４．
的比值关系，对距离输出进行估计并逐步修正。利用 ｈ
ａｒｒ
ｉｓ ［１
２］ ＥＲＩ
Ｃ Ｋ．Ｍｏ
ｂｉｌ
ｅｒｏ
ｂｏｔｌ
ｏｃａ
ｌｉ
ｚａｔ
ｉｏ
ｎｕｓ
ｉｎｇａｓ
ｉｎｇ
ｌｅｉ
ｍａｇ
ｅ
角点检测法和 ｓ
ｕｒｆ角点检测法分别验证了测距算法。测距 ［Ｃ］／／
Ｒｏｂ
ｏｔｉ
ｃｓａ
ｎｄＡｕ
ｔｏｍａ
ｔｉ
ｏｎ，１
９８９．Ｐｒ
ｏｃｅ
ｅｄｉ
ｎｇｓ
，１９
８９
试验表明：在不需要固定参照物的情况下，测距精度优于传 Ｉ
ＥＥＥＩ
ｎｔｅ
ｒｎａ
ｔｉ
ｏｎａ
ｌＣｏ
ｎｆｅ
ｒｅｎ
ｃｅ，
１９８
９：９
７８－９
８３．
统测距精度。基于 ｈ
ａｒｒ
ｉｓ角点检测的测距精度受距离限制较 ［１
３］ＤＡＯＮＸ，
ＹＯＵＢＪ
，ＯＨＳＲ．
Ｖｉｓ
ｕａｌｎ
ａｖｉ
ｇａｔ
ｉｏ
ｎｕｓ
ｉｎｇａｓ
ｉｎ
大，但实时性较好；基于 ｓ
ｕｒｆ角点检测的测距精度基本不受 ｇ
ｌｅｃ
ａｍｅ
ｒａ［Ｃ］／／
Ｐｒｏ
ｃ．ｏ
ｆｔｈ
ｅＣｏ
ｍｐｕ
ｔｅｒＶｉ
ｓｉ
ｏｎ，１
９９５．Ｐｒ
ｏ
距离影响，但是实时性较差。下一步工作是研究开发同时具
ｃ
ｅｅｄ
ｉｎｇ
ｓ，Ｆｉ
ｆｔ
ｈｉｎ
ｔｅｒ
ｎａｔ
ｉｏ
ｎａｌＣｏ
ｎｆｅ
ｒｅｎ
ｃｅ，
１９９
５：６
４５－６
５２．
备尺度不变性和实时性且适合本文中单目测距算法的特征
［１
４］张广军．
机器视觉［Ｍ］．
北京：
科学出版社，
２００
５．
尺寸检测算法。
［１
５］徐超，
高敏，
曹欢．
单目图像中姿态角估计的坦克目标测
距方法［Ｊ
］．光子学报，
２０１
５，４
４（５）：
１－８．
参考文献：

［１］　吴刚，
唐振民．单目式自主机器人视觉导航中的测距研 （责任编辑　杨梅梅）