范林坤 陈涛 李旭川 郭丛帅

（长安大学，西安 710065）

主题词：双目测距 深度学习 实时性 移动终端 圆检测 智能驾驶

1 前言

基于超声波、雷达、红外的测距方式很早便应用在移动机器人领域，虽然可以达到不错的测距精度，但其成本居高不下，阻碍了产品的商业化[1-2]。视觉传感器采集到的信息丰富，不但满足测距需求，而且可以基于视觉信息进行车辆、行人的识别。视觉方案是同时考虑成本、稳定性、精度和使用复杂度时的最佳方案。

传统的双目测距算法得到目标点的视差后利用三角测量原理得到目标点的距离。而计算视差的前提是两幅图像像素的匹配，在光照恶劣的情况下很难做到点与点间的精确匹配，并且场景中出现若干相似物体时，很容易出现误匹配，从而造成较大误差[3-4]。另外，这种测量方法的误差会随着测量距离的增加而增加。另一种思路是首先根据双目图像恢复场景的视差图，在视差图上选取目标点得到该点的视差，从而避免了双目图像匹配的问题，可达到更高的精度，获得更好的鲁棒性。如何基于双目图像得到视差图一直是计算机视觉领域的研究热点，近年来，很多学者将深度学习引入该领域。

Mayer 等人[5]引入神经网络层间的关联函数定义损失函数，通过训练2个卷积神经网络来预测双目图像间的视差，但是该网络参数量巨大，难以部署在算力较低的移动终端上。很多工作旨在提高算法的实时性，其中多数算法是基于决策树的[6-9]，此类算法容易过拟合，从而降低模型的泛化能力。……