基于多阶段CNN的双目行人检测测距算法

提出了一种基于多阶段CNN的双目行人检测测距算法。该算法首先使用神经网络检测出双目图像中人体的核心点,再根据左右图像核心点的坐标大小进行排序并匹配,进一步计算得到视差,最终使用三角法计算出行人的距离。神经网络采用多阶段多分支结构,每阶段输出人体核心点热图和关节对中心点的关系向量图,经过3个阶段的计算得到核心点坐标,用于之后的双目测距算法,神经网络检测出的核心点在水平方向的相对误差小于0.67%。测距算法在KITTI数据集中的结果表明:能够较为准确地估计3.75～22.5 m之间的行人,检测速度100ms左右,相对误差小于7.27%。使用zed mini双目相机进行测距实验,结果表明:在0.5～6.2 m之间相对误差小于2.5%,fps为30,能够实现实时测量。