阅读说明：本技术 一种测距方法、装置及系统 (Distance measurement method, device and system ) 是由 朱雨时 孙杰 于 2018-06-15 设计创作，主要内容包括：本申请提供一种测距方法、装置及系统,该方法包括：获取摄像机、雷达在同一时刻分别采集到的视频图像、雷达信号集合；在所述视频图像中确定各目标对象对应的位置信息；确定所述视频图像中匹配到雷达信号的目标对象,并利用所述匹配到雷达信号的目标对象对应的位置信息,以及其匹配的雷达信号确定测距算法；根据所述测距算法、所述视频图像中未匹配到雷达信号的目标对象对应的位置信息,计算所述视频图像中未匹配到雷达信号的目标对象与指定车辆之间的距离。应用该方法,可以实现更全面、更准确地测量出车辆与其前方障碍物之间的距离。(The application provides a distance measuring method, a distance measuring device and a distance measuring system, wherein the method comprises the following steps: acquiring video images and radar signal sets respectively acquired by a camera and a radar at the same time; determining position information corresponding to each target object in the video image; determining a target object matched with a radar signal in the video image, and determining a ranging algorithm by using the position information corresponding to the target object matched with the radar signal and the matched radar signal; and calculating the distance between the target object which is not matched with the radar signal in the video image and the appointed vehicle according to the ranging algorithm and the position information corresponding to the target object which is not matched with the radar signal in the video image. By applying the method, the distance between the vehicle and the front obstacle can be more comprehensively and accurately measured.)

一种测距方法、装置及系统

技术领域

本申请涉及机器视觉技术领域，尤其涉及一种测距方法、装置及系统。

背景技术

随着汽车数量的增加，道路交通事故频发，其中，车辆之间发生碰撞与追尾碰撞是最容易发生的交通事故，为了有效减少此类交通事故的发生，现有技术中提供一种前方车辆检测系统，以检测前方车辆与本车辆之间的距离，当距离过近时，及时发出预警信号，提醒驾驶员采取避让措施。

相关技术中的前方车辆检测系统可采取下述两种车辆测距方法中的任意一种，方法一，基于车载毫米波雷达实现车辆测距，在该方法中，通过车载毫米波雷达可直接探测到雷达目标的距离、速度、方位等信息，然而，雷达的探测范围有限，且雷达信号容易受到干扰，从而，很容易造成前方车辆的漏测与误测；方法二，基于机器视觉技术实现车辆测距，在该方法中，通过摄像机采集道路图像，提取前方车辆在道路图像中的位置信息，基于该位置信息，利用距离计算模型确定前方车辆的距离信息，然而，相关技术中的距离计算模型大多基于假设的理想情况实现，例如，假设道路两侧的路沿相互平行、假设车体走向与路沿平行、假设道路平坦车辆行驶过程中无颠簸、假设不存在摄像机透镜畸变等等，而在实际场景中，道路情况复杂多样，车辆行驶过程中发生颠簸在所难免，摄像机透镜畸变时有存在，等等，由此，相关技术中的距离计算模型的测距精度较低，也即相关技术中的基于机器视觉技术实现车辆测距的精度较低。

发明内容

有鉴于此，本申请提供一种测距方法、装置及系统，以实现更全面、更准确地测量出车辆与其前方障碍物之间的距离。

具体地，本申请是通过如下技术方案实现的：

根据本申请实施例的第一方面，提供一种测距方法，所述方法包括：

获取摄像机、雷达在同一时刻分别采集到的视频图像、雷达信号集合；

在所述视频图像中确定各目标对象对应的位置信息；

确定所述视频图像中匹配到雷达信号的目标对象，并利用所述匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号确定测距算法；

根据所述测距算法、所述视频图像中未匹配到雷达信号的目标对象对应的位置信息，计算所述视频图像中未匹配到雷达信号的目标对象与指定车辆之间的距离。

可选的，所述目标对象对应的位置信息为：所述目标对象在所述视频图像中所属外接矩形框的下边框在图像坐标系中的Y轴坐标值。

可选的，所述目标对象在所述视频图像中的视频区域与其匹配的雷达信号对应的雷达目标投影至所述视频图像上的投影区域相交。

可选的，所述利用所述匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号确定测距算法，包括：

利用所述视频图像中匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号建立模型参数集；

利用所述模型参数集与预先标定出的所述摄像机的配置参数确定单目测距模型，所述单目测距模型以目标对象对应的位置信息为输入，以目标对象与所述指定车辆之间的距离为输出。

可选的，所述利用所述视频图像中匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号建立模型参数集，包括：

确定所述视频图像中每一匹配到雷达信号的目标对象所匹配的雷达信号的置信度；

将所述每一匹配到雷达信号的目标对象对应的位置信息、其匹配的雷达信号中的距离信息，以及其匹配的雷达信号的置信度作为一组模型参数添加到模型参数集中。

可选的，所述利用所述模型参数集与预先标定出的所述摄像机的配置参数确定单目测距模型，包括：

利用所述模型参数集中的各组模型参数拟合出道路俯仰角；

利用所述道路俯仰角与预先标定出的所述摄像机的配置参数确定单目测距模型。

可选的，在所述利用所述模型参数集与预先标定出的所述摄像机的配置参数确定单目测距模型之前，所述方法还包括：

判断所述模型参数集合中模型参数的组数是否小于预设阈值；

若是，则将预设模型参数添加到所述模型参数集合中。

根据本申请实施例的第二方面，提供一种测距装置，所述装置包括：

获取模块，用于获取摄像机、雷达在同一时刻分别采集到的视频图像、雷达信号；

位置确定模块，用于在所述视频图像中确定各目标对象对应的位置信息；

算法确定模块，用于确定所述视频图像中未匹配到雷达信号的目标对象，并利用所述匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号确定测距算法；

计算模块，用于根据所述测距算法、所述视频图像中未匹配到雷达信号的目标对象对应的位置信息，计算所述视频图像中未匹配到雷达信号的目标对象与指定车辆之间的距离。

可选的，所述目标对象对应的位置信息为：所述目标对象在所述视频图像中所属外接矩形框的下边框在图像坐标系中的Y轴坐标值。

可选的，所述目标对象在所述视频图像中的视频区域与其匹配的雷达信号对应的雷达目标投影至所述视频图像上的投影区域相交。

可选的，所述算法确定模块包括：

建立子模块，用于利用所述视频图像中匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号建立模型参数集；

处理子模块，用于利用所述模型参数集与预先标定出的所述摄像机的配置参数确定单目测距模型，所述单目测距模型以目标对象对应的位置信息为输入，以目标对象与所述指定车辆之间的距离为输出。

可选的，所述建立子模块包括：

置信度确定子模块，用于确定所述视频图像中每一匹配到雷达信号的目标对象所匹配的雷达信号的置信度；

添加子模块，用于将所述每一匹配到雷达信号的目标对象对应的位置信息、其匹配的雷达信号中的距离信息，以及其匹配的雷达信号的置信度作为一组模型参数添加到模型参数集中。

可选的，所述处理子模块包括：

俯仰角拟合子模块，用于利用所述模型参数集中的各组模型参数拟合出道路俯仰角；

模型确定子模块，用于利用所述道路俯仰角与预先标定出的所述摄像机的配置参数确定单目测距模型。

可选的，所述装置还包括：

判断模块，用于判断所述模型参数集合中模型参数的组数是否小于预设阈值；

增补模块，用于若所述模型参数集合中模型参数的组数小于所述预设阈值，则将预设模型参数添加到所述模型参数集合中。

根据本申请实施例的第三方面，提供一种测距系统，所述系统包括：计算机设备、雷达、摄像机；

所述雷达，用于采集雷达信号集合；

所述摄像机，用于采集视频图像；

所述计算机设备，包括处理器和存储器；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例提供的任一测距方法的步骤。

根据本申请实施例的第四方面，提供一种计算机设备，包括处理器、通信接口、存储器和通信总线；

其中，所述处理器、通信接口、存储器通过所述通信总线进行相互间的通信；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例提供的任一测距方法的步骤。

根据本申请实施例的第五方面，提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的任一测距方法的步骤。

由上述实施例可见，通过获取摄像机、雷达在同一时刻分别采集到的视频图像、雷达信号集合，在该视频图像中确定各目标对象对应的位置信息，利用视频图像中匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号确定测距算法，那么，针对未匹配到雷达信号的目标对象，则可以根据该测距算法，该未匹配到雷达信号的目标对象对应的位置信息，计算出该未匹配到雷达信号的目标对象与指定车辆之间的距离，由于上述测距算法是通过已知的相互匹配的雷达信号与目标对象对应的位置信息动态计算得出的，从而该测距算法可以适应道路的变化，具有较高的测距精度，那么，针对未匹配到雷达信号的目标对象，则可以利用该测距算法对其与指定车辆之间进行测距，由此可见，通过该种处理可以实现更全面、更准确地测量出车辆前方障碍物与车辆之间的距离。

附图说明

图1为本申请一示例性实施例示出的一种用于实现测距方法的应用场景示意图；

图2为标定后的雷达坐标系的一种示例；

图3为摄像机坐标系的一种示例；

图4为本申请一示例性实施例示出的一种测距方法的实施例流程图；

图5为视频图像的一种示例；

图6为本申请一示例性实施例示出的另一种测距方法的实施例流程图；

图7为本申请一示例性实施例示出的一种测距装置的实施例框图；

图8为本申请提供的一种计算机设备的硬件结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

请参见图1，为本申请一示例性实施例示出的一种用于实现测距方法的应用场景示意图。如图1所示，包括车辆110、摄像机120、雷达130、障碍物1#、障碍物2#，以及障碍物3#，其中，摄像机120可以为单目摄像机，布设于车辆110的前挡风玻璃处，雷达130可以为毫米波雷达，布设于车辆110的前保险盖处，障碍物1#～3#位于车辆110的前方，可以为车辆或其他可能妨碍车辆110行驶的障碍物。

雷达130通过其内部的发射机(图1中未示出)产生足够的电磁能量，并将这些电磁能量经收发转换开关(图1中未示出)传送给天线(图1中未示出)，天线将这些电磁能量辐射至大气中，集中在某一探测范围(如图1中的稀疏虚线所表示的范围)上形成波束，向前传播。电磁波遇到该方向范围内的雷达目标后，将沿着各个方向产生反射，其中的一部分电磁能量反射回雷达130所在方向，被天线获取。天线获取到的电磁能量经过收发转换开关传送至雷达130内部的接收机(图1中未示出)，形成雷达信号，进一步，由雷达130内部的信号处理机(图1中未示出)对该雷达信号进行放大、去噪等处理，提取出该雷达目标的距离、方向、速度等信息。

摄像机120可以采集一定视角范围(如图1中的稠密虚线所表示的范围)内的视频图像，通过机器视觉技术，例如单目测距技术对该视频图像进行前景分析、特征提取、深度计算等一系列处理，可以获取车辆110前方的目标对象，例如图1中所示例的障碍物1#～3#各自与车辆110之间的距离。

由上述描述可知，仅仅通过雷达130，虽然可以实现测距，但由于雷达130的探测范围有限，从而，很容易造成车辆110前方障碍物的漏测，例如，图1中所示例的障碍物2#未落入雷达130的探测范围内，从而无法探测到障碍物2#的雷达信号，同时，由于雷达信号容易受到干扰，从而容易造成车辆110与前方障碍物之间距离的误测；若仅仅通过摄像机120进行测距，将很可能出现测距精度较低，原因在于：现有的距离计算模型，例如单目测距模型大多基于假设的理想情况实现，例如，假设道路两侧的路沿相互平行、假设车体走向与路沿平行、假设道路平坦车辆行驶过程中无颠簸、假设不存在摄像机透镜畸变等等，而在实际场景中，道路情况复杂多样，车辆行驶过程中发生颠簸在所难免，摄像机透镜畸变时有存在，等等。

基于此，本申请实施例提出一种测距方法，以实现更全面、更准确地测量出车辆与其前方障碍物之间的距离。

如下，对本申请实施例所提出的方法进行说明：

首先说明，本申请实施例所提出的方法可以应用于图1所示例的应用场景，基于图1所示例的应用场景，在该方法中，可以首先基于“张正友标定(又称张氏标定)”方法标定出摄像机120的内参，包括：摄像机120在图像坐标系的u轴方向上的尺度因子f_x，在v轴方向上的尺度因子f_y，摄像机120的主点在图像坐标系的u轴方向上的坐标值c_x，在v轴方向上的坐标值c_y

同时，在该方法中，还可以利用测角仪对雷达130的安装位置进行标定，标定结果为，雷达坐标系的ZOX平面与路面平行，ZOY平面与车辆110的纵剖面平行，例如，如图2所示，为标定后的雷达坐标系的一种示例，该图2所示例的雷达坐标系以雷达130的质点为坐标原点，以指向车头朝向为Z轴正方向，以垂直于地面指向地面下方为Y轴正方向，以指向驾驶员右侧为X轴正方向。

在该方法中，还可以标定出摄像机120的外参，包括：雷达130在摄像机坐标系下相对于摄像机120的基准俯仰角θ_rcc，在摄像机坐标系的Y轴方向上相对于摄像机120的位移y_rcc，在摄像机坐标系的Z轴方向上相对于摄像机120的位移z_rcc，以及路面在摄像机坐标系的Y轴方向上相对于雷达130的位移y_prc。

上述摄像机坐标系以摄像机120的焦点为坐标原点，以指向车头朝向为Z轴正方向，以垂直于地面指向地面下方为Y轴正方向，以指向驾驶员右侧为X轴正方向，例如，如图3所示，为摄像机坐标系的一种示例。

在本申请实施例中，为了描述方便，将上述内参、外参统称为摄像机120的配置参数，至于上述标定得出摄像机120的内参与外参的具体过程，本领域技术人员可以参见相关技术中的相关描述，本申请实施例对此不再详述。

如下，示出下述实施例对本申请实施例提出的测距方法进行说明。

实施例一：

请参见图4，为本申请一示例性实施例示出的一种测距方法的实施例流程图，该方法可以包括以下步骤：

步骤401：获取摄像机、雷达在同一时刻采集到的视频图像、雷达信号集合。

在本申请实施例中，基于图1所示例的应用场景，可以将车辆110称为指定车辆，那么，在本步骤中，则可以获取雷达130、摄像机120在同一时刻采集到的雷达信号集合与视频图像，该雷达信号集合中包括至少一个雷达目标的雷达信号。

步骤402：在视频图像中确定各目标对象对应的位置信息。

在本申请实施例中，可以利用机器学习算法，在步骤401所采集到的视频图像中检测出目标对象，并得到该目标对象在视频图像中的外接矩形框，例如，如图5所示，为视频图像的一种示例，在图5所示例的视频图像中，目标对象的类型为车辆，图5中的两个黑色实线矩形框则表示目标对象在视频图像中的外接矩形框。

基于图1所示例的应用场景，障碍物1#～3#均位于摄像机120的视角范围内，从而，在本步骤中，可以在步骤401所采集到的视频图像中检测出3个目标对象，以及该3个目标对象各自在视频图像中的外接矩形框。

在一实施例中，针对每一个目标对象的外接矩形框，可以确定该外接矩形框的下边框在图像坐标系(图像坐标系以视频图像的左上顶点为坐标原点，以水平向右为X轴正方向，以竖直向下为Y轴正方向，例如，如图5所示)中的Y轴坐标值，可以将该Y轴坐标值作为目标对象在视频图像中对应的位置信息，记为p。

本领域技术人员可以理解的是，上述所描述的将目标对象的外接矩形框的下边框，在图像坐标系中的Y轴坐标值作为该目标对象在视频图像中对应的位置信息仅仅作为举例，在实际应用中，还可以将其他参数，例如目标对象的外接矩形框的上边框，在图像坐标值的Y轴坐标值，或者是该外接矩形框的左边框(或右边框)在图像坐标系中的X轴坐标值作为目标对象在视频图像中对应的位置信息，本申请实施例对此不作限制。

至于利用机器学习算法，在视频图像中检测出目标对象，并得到该目标对象在视频图像中的外接矩形框的具体过程，本领域技术人员可以参见相关技术中的相关描述，本申请实施例对此不再详述。

步骤403：确定视频图像中匹配到雷达信号的目标对象，并利用该匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号确定测距算法。

在本申请实施例中，可以针对视频图像中的各个目标对象，在步骤401中所描述的雷达信号集合中查找与该目标对象匹配的雷达信号，这里所说的匹配是指，若雷达信号所属的雷达目标即为该目标对象，则该目标对象与该雷达信号相匹配，匹配的具体表现形式可以为：目标对象在视频图像中的视频区域与其匹配的雷达信号对应的雷达目标投影至视频图像上的投影区域相交。

举例来说，通过上述步骤401与步骤402的描述可知，在图1所示例的应用场景中，雷达130可以采集到2个雷达目标的雷达信号，假设分别为雷达信号A、雷达信号B，在摄像机120所采集到的视频图像中可以检测到3个目标对象，分别为障碍物1#、障碍物2#、障碍物3#，从而，在本步骤中，可以针对该3个目标对象中的每一个目标对象，在该2个雷达信号中查找与其匹配的雷达信号，最终得到的匹配结果可以如下述表1所示：

表1

雷达信号	目标对象
		信号A	障碍物1#
信号B	障碍物3#

由上述表1可知，针对障碍物1#与障碍物3#该两个目标对象，已确定出其匹配的雷达信号，针对障碍物2#这一目标对象，并未确定出其匹配的雷达信号。

至于在步骤401中所描述的雷达信号集合中查找与目标对象匹配的雷达信号的具体过程，本领域技术人员可以参见相关技术中的相关描述，本申请实施例对此不再详述。

后续，在本申请实施例中，可以利用已匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号确定测距算法，在一实施例中，该测距算法可以以单目测距模型的形式体现，例如，如下述式(一)所示，为单目测距模型的一种示例：

在上述式(一)中，θ_pp为道路俯仰角，可通过如下式(二)计算得出：

在上述式(二)中，n表示已匹配到雷达信号的目标对象的个数，D_y，i表示第i个已匹配到雷达信号的目标对象与指定车辆之间的距离信息，本领域技术人员可以理解的是，该距离信息可以从该第i个已匹配到雷达信号的目标对象所匹配的雷达信号中获取，u_dis，i表示第i个已匹配到雷达信号的目标对象所匹配的雷达信号的置信度，其中，u_dis，i可以通过如下式(三)计算得出：

u_dis，i＝k_disE_target，i 式(三)

在上述式(三)中，k_dis表示置信度系数，E_target，i表示第i个已匹配到雷达信号的目标对象所匹的雷达信号的信号强度。

由上述式(一)可知，本申请实施例中的单目测距模型以目标对象在视频图像中的位置信息为自变量，即输入，以目标对象与指定车辆之间的距离为因变量，即输出。

至于根据已匹配到雷达信号的目标对象对应的位置信息、其匹配的雷达信号确定上述式(一)所示例的单目测距模型的具体过程，可以参见下述实施例二中的详细描述，本申请实施例在此先不作详述。

步骤404：根据测距算法、视频图像中未匹配到雷达信号的目标对象对应的位置信息，计算视频图像中未匹配到雷达信号的目标对象与指定车辆之间的距离。

在本申请实施例中，针对视频图像中未匹配到雷达信号的目标对象，则可以根据其对应的位置信息与上述式(一)所示例的单目测距模型，即测距算法，计算出其与车辆110之间的距离。

由上述实施例可见，通过获取摄像机、雷达在同一时刻分别采集到的视频图像、雷达信号集合，在该视频图像中确定各目标对象对应的位置信息，利用视频图像中匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号确定测距算法，那么，针对未匹配到雷达信号的目标对象，则可以根据该测距算法，该未匹配到雷达信号的目标对象对应的位置信息，计算出该未匹配到雷达信号的目标对象与指定车辆之间的距离，由于上述测距算法是通过已知的相互匹配的雷达信号与目标对象对应的位置信息动态计算得出的，从而该测距算法可以适应道路的变化，具有较高的测距精度，那么，针对未匹配到雷达信号的目标对象，则可以利用该测距算法对其与指定车辆之间进行测距，由此可见，通过该种处理可以实现更全面、更准确地测量出车辆前方障碍物与车辆之间的距离。

至此，完成实施例一的相关描述。

实施例二：

请参见图6，为本申请一示例性实施例示出的另一种测距方法的实施例流程图，该方法可以包括以下步骤：

步骤601：利用视频图像中匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号建立模型参数集。

在本步骤中，可以根据上述实施例一中的式(三)，确定出视频图像中每一个匹配到雷达信号的目标对象所匹配的雷达信号的置信度。

在本申请实施例中，可以针对视频图像中每一个匹配到雷达信号的目标对象建立一组模型参数，该模型参数包括：目标对象的位置信息、匹配的雷达信号中的距离信息，匹配的雷达信号的置信度。

将每一组模型参数添加到模型参数集合中。

步骤602：判断模型参数集合中模型参数的组数是否小于预设阈值；若是，则执行步骤603，否则，执行步骤604。

步骤603：将预设模型参数添加到模型参数集合中。

在本申请实施例中，为了防止在确定单目测距模型的过程中产生过拟合现象，降低单目测距模型的精度，可以判断模型参数集合中模型参数的组数是否小于预设阈值，若是，则可以在模型参数集合中增加一组预设的模型参数，该预设的模型参数包括：预设置信度，预设距离值，预设位置信息，其中，该预设位置信息可以通过在上述式(一)中，设道路俯仰角为0，并利用该预设距离值计算得出。

步骤604：利用模型参数集与预先标定出的摄像机的配置参数确定单目测距模型。

在本步骤中，可以利用模型参数集中的各组模型参数，以及上述实施例一中的式(二)拟合出道路俯仰角。

后续，利用道路俯仰角与预先标定出的摄像机的配置参数确定出上述实施例一中的式(一)所示例的单目测距模型。

需要说明的是，本说明书实施例所提到的单目测距模型实质上是指仅根据一幅视频图像实现测距，并非是指严格意义上的仅根据一个特定摄像头所采集到的视频图像实现测距，例如，车辆上可以安装两种类型的摄像头，分别为红外摄像头与普通监控摄像头，当在白天行驶的场景下，则可以启用普通监控摄像头采集视频图像，当在夜晚行驶的场景下，则可以启用红外摄像头采集视频图像，以提高视频图像的清晰度。

由上述实施例可见，通过利用视频图像中匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号建立模型参数集，利用该模型参数集与预先标定出的摄像机的配置参数确定单目测距模型，可以使得确定出的单目测距模型具有较高的测距精度。

至此，完成实施例二的相关描述。

与前述测距方法的实施例相对应，本申请实施例还提供了测距装置的实施例。

请参考图7，为本申请一示例性实施例示出的一种测距装置的实施例框图，该装置可以包括：获取模块71、位置确定模块72、算法确定模块73、计算模块74。

其中，获取模块71，可以用于获取摄像机、雷达在同一时刻分别采集到的视频图像、雷达信号；

位置确定模块72，可以用于在所述视频图像中确定各目标对象对应的位置信息；

算法确定模块73，可以用于确定所述视频图像中未匹配到雷达信号的目标对象，并利用所述匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号确定测距算法；

计算模块74，可以用于根据所述测距算法、所述视频图像中未匹配到雷达信号的目标对象对应的位置信息，计算所述视频图像中未匹配到雷达信号的目标对象与指定车辆之间的距离。

在一实施例中，所述目标对象对应的位置信息为：所述目标对象在所述视频图像中所属外接矩形框的下边框在图像坐标系中的Y轴坐标值。

在一实施例中，所述目标对象在所述视频图像中的视频区域与其匹配的雷达信号对应的雷达目标投影至所述视频图像上的投影区域相交。

在一实施例中，所述算法确定模块73可以包括(图7中未示出)：

建立子模块，可以用于利用所述视频图像中匹配到雷达信号的目标对象对应的位置信息，以及其匹配的雷达信号建立模型参数集；

处理子模块，可以用于利用所述模型参数集与预先标定出的所述摄像机的配置参数确定单目测距模型，所述单目测距模型以目标对象对应的位置信息为输入，以目标对象与所述指定车辆之间的距离为输出。

在一实施例中，所述建立子模块可以包括(图7中未示出)：

置信度确定子模块，可以用于确定所述视频图像中每一匹配到雷达信号的目标对象所匹配的雷达信号的置信度；

添加子模块，可以用于将所述每一匹配到雷达信号的目标对象对应的位置信息、其匹配的雷达信号中的距离信息，以及其匹配的雷达信号的置信度作为一组模型参数添加到模型参数集中。

在一实施例中，所述处理子模块，可以包括(图7中未示出)：

俯仰角拟合子模块，用于利用所述模型参数集中的各组模型参数拟合出道路俯仰角；

模型拟合子模块，用于利用所述道路俯仰角与预先标定出的所述摄像机的配置参数确定单目测距模型。

在一实施例中，所述装置还可以包括(图7中未示出)：

判断模块，可以用于判断所述模型参数集合中模型参数的组数是否小于预设阈值；

增补模块，可以用于若所述模型参数集合中模型参数的组数小于所述预设阈值，则将预设模型参数添加到所述模型参数集合中。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

请继续参见图8，本申请实施例还提供一种计算机设备，包括处理器801、通信接口802、存储器803，以及通信总线804。

其中，处理器801、通信接口802、存储器803通过通信总线804进行相互间的通信；

存储器803，用于存放计算机程序；

处理器801，用于执行存储器803上所存放的计算机程序，处理器801执行所述计算机程序时实现本申请提供的任一测距方法的步骤。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请提供的任一测距方法的步骤。

本申请实施例还提供一种测距系统，该测距系统包括：计算机设备、雷达、摄像机。

其中，雷达，可用于采集雷达信号集合；

摄像机，可用于采集视频图像；

计算机设备的具体结构及作用则可以如上述关于图8的相关描述所示，在此不再详述。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。