基于Yolov5的快速双目立体视觉测距研究

张仲楠 霍炜 廉明 杨磊

摘要：  針对传统双目测距方法存在的需要对摄像头进行标定、立体匹配算法时间复杂度高等问题，本文主要对快速双目立体视觉测距进行研究。给出了双目测距原理，提出了一种基于Yolov5的目标检测算法和径向基函数神经网络相结合的双目测距方法，建立了基于径向基函数神经网络的距离预测模型，并采用神经网络中的径向基函数神经网络进行距离预测。实验结果表明，经过训练的优化模型，能实时目标检测、快速计算出目标距离，实时性大幅增加，预测距离的精度可达977%。同时，径向基函数神经网络与卷积神经网络相结合的方法，在双目测距中具有速度快、精度高的特点。该方法无需对摄像头进行标定，充分利用目标检测得到的信息，简化图像匹配算法。该研究对自主移动机器人和无人驾驶汽车具有重要意义。

关键词：  目标检测; 双目立体视觉; 深度学习; Yolov5

中图分类号： TP391.41  文献标识码： A

2.2 Yolov5目标检测与特征提取

Yolov5[16]相比于Yolov3[1718]和Yolov4[1920]具有更快的速度，占用更小的内存空间和更高的准确率。使用配置环境更简单的PyTorch生态系统，在Colab notebook上运行Tesla P100，速度可达140 帧/s。本实验选取灭差、面积比和类别标签作为Yolov5模型的输出特征。

将双目摄像头获得的图像进行Yolov5处理，得到可视化图像，并以图片左上角为原点，水平向右为x轴正方向，竖直向下为y轴正方向，以像素为单位建立图像坐标系。Yolov5目标检测输出示意图如图5所示。

3 基于径向基函数神经网络的距离预测模型