CN102317954A - 检测对象的方法 - Google Patents

检测对象的方法 Download PDF

Info

Publication number
CN102317954A
CN102317954A CN2010800078379A CN201080007837A CN102317954A CN 102317954 A CN102317954 A CN 102317954A CN 2010800078379 A CN2010800078379 A CN 2010800078379A CN 201080007837 A CN201080007837 A CN 201080007837A CN 102317954 A CN102317954 A CN 102317954A
Authority
CN
China
Prior art keywords
section
described method
free space
depth map
height
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2010800078379A
Other languages
English (en)
Other versions
CN102317954B (zh
Inventor
H·巴迪诺
U·弗兰克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mercedes Benz Group AG
Original Assignee
DaimlerChrysler AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by DaimlerChrysler AG filed Critical DaimlerChrysler AG
Publication of CN102317954A publication Critical patent/CN102317954A/zh
Application granted granted Critical
Publication of CN102317954B publication Critical patent/CN102317954B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads

Abstract

本发明涉及一种检测对象的方法，其中获取周围环境(1)的两个图像并通过立体图像处理确定差异图像，其中从确定的差异确定出周围环境(1)的深度图，其中识别自由空间界定线(2)，其界定周围环境(1)的无障碍区域，其中在自由空间界定线(1)之外并沿着自由空间界定线(1)，用距离一图像平面相等或类似距离的像素形成适当宽度的段(3)，从而将深度图分段，其中每个段(3)的高度被估计为位于无障碍区域以外的对象(4.1到4.6)的一部分，从而每个段(3)通过基点的二维位置(例如到车辆纵轴的距离和角度)以及通过其高度来表征。

Description

检测对象的方法
技术领域
本发明涉及根据权利要求1的前序的检测对象的方法。
背景技术
现代的立体方法以及距离测量传感器(例如PMD、激光雷达或高分辨率雷达)生成周围环境的三维图像。从这些数据，可提取相关对象，例如静态的或移动中的障碍物。在实践性应用中，从原始数据到对象的步骤很多，通常导致许多启发式特殊方案。因此，对于这样的进一步处理，期望涉及小数据量的紧凑提取。
立体图像处理的已知方法操作于非密集的立体图片，并使用认为适合的启发法直接提取对象。通常，不存在支持这个步骤的非抽象水平。
依据US2007/0274566A1，已知一种行人检测的方法，其中记录了在车辆前面的景象的图像。在这个图像中，随后计算表示特征点的像素的速度和方向。将这个处理中获得的像素的坐标转换成平面图。在这个处理中，确定特征点是代表二维还是三维对象。如果对象是三维的，则确定对象是否在移动中。基于对象移动的速度的改变，确定对象是否为行人。在提取特征点时，检测和弱化对象的边缘，因此确定边缘的中部。然后，再一次扩展弱化的边缘，使得边缘具有预定宽度，例如3个像素，从而对象的所有边缘具有等同宽度。
发明内容
本发明基于指定用于检测对象的改进方法的问题。
根据本发明，这个问题通过具有权利要求1的特征的方法来解决。
有利的进一步发展形成从属权利要求的主题。
在根据本发明的检测对象的方法中，通过传感器系统获得水平和垂直角度上的距离图像，其中周围环境的深度图依据所述距离图像来确定。根据本发明，识别界定周围环境的无障碍区域的自由空间界定线，用距离一平面具有相等或类似距离的像素形成适当相等宽度的段，从而在自由空间界定线之外并沿着自由空间界定线将所述深度图分段，其中每个段的高度被估计为位于无障碍区域以外的对象的一部分，从而每个段通过基点的二维位置(例如通过相对于车辆的纵轴的距离和角度来确定)以及通过其高度来表征。
通过距离图像和深度图描述的三维周围环境通过无障碍区域(还称为自由空间区域)来近似。无障碍区域例如可以是可通行区域，但不必是平坦的。无障碍区域通过类似杆状的段来界定，其作为整体模型化了围绕无障碍区域的对象。在最简单的情况下，这些段竖立在地面上，并接近各个段的区域中的对象的平均高度。可变高度的对象(例如从侧面观看的骑车人)在这里通过分段恒定高度功能来描述。
这样获得的段(还称为stixel)形成对象的紧凑和粗略的表示，并且仅需要有限的数据量，而不管用于提供深度图的立体对应性分析的密度。对于每个stixel存储位置和高度。这个表示最佳地适合于任意随后步骤，例如对象形成和景象解释。Stixel表示提供了独立于应用的立体分析和应用专用的估计之间的理想接口。
附图说明
以下参照附图更详细说明本发明的实施例。
在附图中：
图1是周围环境的二维表示，其具有自由空间界定线和多个段，用于模型化周围环境中的对象。
具体实施方式
图1示出周围环境1的二维表示，其具有自由空间界定线2和多个段3，用于模型化周围环境1中的对象4.1至4.6。段3或stixel模型化了由自由空间界定线2界定的自由驾驶空间。
为了生成附图中所示的表示，使用这样一种方法，其中记录两个图像，其每一个表示相应周围环境，并通过立体图像处理获得差异图像。对于立体图像处理，可使用例如[H.Hirschmüiiller：“Accurate and Efficient StereoProcessing by Semi-Global Matching and Mutual Information”，CVPR2005，San Diego，CA，Volume 2(June 2005)，pp.807-814]中所述的方法。
从由此获得的差异，生成周围环境的深度图，例如[H.Badino，U.Franke，R.Mester：Free Space Computation using Stochastic Occupancy Grids andDynamic Programming”in Dynamic Programming Workshop for ICCV07，Rio de Janeiro，Brazil]所述。
识别界定周围环境1的无障碍区域的自由空间界定线2。在自由空间界定线2之外并沿着自由空间界定线2，通过用距离一个或多个相机的图像平面相等或类似距离的像素形成预定宽度的段3来将深度图分段。
例如可通过[H.Badino，U.Franke，R.Mester：Free Space Computationusing Stochastic Occupancy Grids and Dynamic Programming”inDynamic Programming Workshop for ICCV07，Rio de Janeiro，Brazil]中所述的方法来执行分段。
建立的自由空间界定线2到预定宽度(任意可能预设)的段3(杆、stixel)的近似提供了段的距离；如果相机对于周围环境(例如在安装相机的车辆前方的道路)的方位和3D布局已知，则获得图像中段3的各个基点。
然后，对于每个段3估计高度，从而每个段3由基点的二维位置以及由其高度来表征。
在最简单的情况下，可通过段的区域中所有3D点的基于直方图的估计来估计高度。这个步骤可使用动态编程来实现。
不包含任何段3的区域是通过自由空间分析没有发现对象的区域。
可依次记录和处理若干图像，其中可从深度图和差异图像的改变提取移动信息，并分配给段3。这样，也可表示移动景象，并且例如将其用于预测对象4.1至4.6的预期移动。这样类型的移动追踪还称为跟踪。为了确定段3的移动，可检测车辆本身的移动，并用于补偿。段3的紧凑和粗略源自在段3的区域中多个像素的整合，以及-在跟踪变形中-源自随时间的额外整合。
可将对象4.1至4.6之一的每个段3的分配与关于每个段的其他信息一起存储。然而，并非绝对必要。
移动信息例如可通过光流的整合来获得，从而可对于每个段3估计真实移动。适当方法例如从DE102005008131 A1公布的6D视觉的工作已知。这个移动信息还简化了对象的分组，因为他允许检查一致的移动。
段3的基点的位置、高度和移动信息可通过景象流获得。景象流是一种方法，目标为从至少两个连续的立体图像对尽可能地确定出空间中的正确移动以及每个图像点的3D位置-见[Sundar Vedulay，Simon Bakery，Peter Randeryz，Robert Collinsy and Takeo Kanade：“Three-DimensionalScene Flow”，appeared in 7th International Conference on ComputerVision，Corfu，Greece，September1999]。
基于识别的段3，可以为安装相机的车辆中的驾驶员辅助系统生成信息。
例如，可估计在车辆与段3代表的对象4.1至4.6碰撞之前剩余的时间。
此外，驾驶通道5可位于车辆要使用的无障碍区域，其中确定至少一个对象4.1至4.6与驾驶通道5的横向距离。
此外，可识别重要的，特别是移动中的，对象4.1至4.6，以支持转向辅助系统和/或自动驾驶照明电路和/或行人保护系统和/或紧急制动系统。
可以将来自其他传感器的信息与向段3分配的支持驾驶员辅助系统的信息相结合(传感器融合)。这特别地应用于活动传感器，例如LIDAR。
段3的宽度可设置为例如5个图像点。对于具有VGA分辨率的图像，这得到最大640/5＝128个段，这通过距离和高度来清楚地描述。段3具有清楚的近似关系，并且可因此通过非常简单的方式对于对象4.1至4.6分组。在最简单的情况下，对于每个段3仅必须传送距离和高度；如果段3的宽度已知，则从索引获得角度(图片中的圆柱)。
距离图像可在水平和垂直角度上通过任何传感器系统来确定，并且可以从距离图像确定周围环境的深度图。
周围环境1的两个图像可具体地通过每个相机来记录，并且差异图像可通过立体图像处理来获得，距离图像和深度图依据差异来确定。
此外，照片混合检测器和/或三维相机和/或激光雷达和/或雷达可用作传感器系统。
附图标号列表
1         周围环境
2         自由空间界定线
3         段
4.1至4.6  对象
5         驾驶通道

Claims (13)

1.一种检测对象的设备，其中通过传感器系统获得水平和垂直角度上的距离图像，其中周围环境(1)的深度图依据所述距离图像来确定，其特征在于，在所述距离图像中识别界定周围环境(1)的无障碍区域的自由空间界定线(2)，用距离一平面具有相等或类似距离的像素形成相等宽度的段(3)，从而在自由空间界定线(1)之外并沿着自由空间界定线(1)将所述深度图分段，其中每个段(3)的高度被估计为位于无障碍区域以外的对象(4.1到4.6)的一部分，从而每个段(3)通过基点的二维位置以及通过其高度来表征。
2.如权利要求1所述的方法，其特征在于，周围环境(1)的两个图像的每个通过每个相机来记录，并且差异图像通过立体图像处理来获得，距离图像和深度图依据检测的差异来确定。
3.如权利要求1所述的方法，其特征在于，照片混合检测器和/或三维相机和/或激光雷达和/或雷达用作传感器系统。
4.如权利要求1至3中任一项所述的方法，其特征在于，依次获得和处理若干距离图像，其中从深度图的改变提取移动信息，并将其分配给段(3)。
5.如权利要求4所述的方法，其特征在于，移动信息通过光流的整合来获得。
6.如权利要求1至5中任一项所述的方法，其特征在于，确定段(3)到对象(4.1至4.6)之一的分配，以及向段(3)提供关于他们到对象(4.1至4.6)之一的分配的信息。
7.如任一项权利要求所述的方法，其特征在于，段3的基点的位置、高度和移动信息通过景象流获得。
8.如任一项先前权利要求所述的方法，其特征在于，通过段(3)的区域中所有三维点的基于直方图的估计来确定段(3)的高度。
9.如任一项先前权利要求所述的方法，其特征在于，基于识别的段(3)，为安装有用于记录图像的相机的车辆中的驾驶员辅助系统生成信息。
10.如权利要求9所述的方法，其特征在于，估计在车辆与段(3)代表的对象(4.1至4.6)碰撞之前剩余的时间。
11.如权利要求9或10所述的方法，其特征在于，驾驶通道(5)位于无障碍区域，其中确定对象(4.1至4.6)中的至少一个与驾驶通道(5)的横向距离。
12.如权利要求9至11中任一项所述的方法，其特征在于，识别关键对象(4.1至4.6)，以支持转向辅助系统和/或自动驾驶照明电路和/或行人保护系统和/或紧急制动系统，和/或当在车道上驾驶时支持驾驶员。
13.如权利要求9至12中任一项所述的方法，其特征在于，将来自其他传感器的信息与向段(3)分配的支持驾驶员辅助系统的信息相结合。
CN201080007837.9A 2009-02-16 2010-02-04 检测对象的方法 Expired - Fee Related CN102317954B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102009009047A DE102009009047A1 (de) 2009-02-16 2009-02-16 Verfahren zur Objektdetektion
DE102009009047.9 2009-02-16
PCT/EP2010/000671 WO2010091818A2 (de) 2009-02-16 2010-02-04 Verfahren zur objektdetektion

Publications (2)

Publication Number Publication Date
CN102317954A true CN102317954A (zh) 2012-01-11
CN102317954B CN102317954B (zh) 2014-09-24

Family

ID=42338731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080007837.9A Expired - Fee Related CN102317954B (zh) 2009-02-16 2010-02-04 检测对象的方法

Country Status (5)

Country Link
US (1) US8548229B2 (zh)
EP (1) EP2396746A2 (zh)
CN (1) CN102317954B (zh)
DE (1) DE102009009047A1 (zh)
WO (1) WO2010091818A2 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103390164A (zh) * 2012-05-10 2013-11-13 南京理工大学 基于深度图像的对象检测方法及其实现装置
CN105974938A (zh) * 2016-06-16 2016-09-28 零度智控（北京）智能科技有限公司 避障方法、装置、载体及无人机
CN106461402A (zh) * 2014-04-30 2017-02-22 通腾全球信息公司 用于确定相对于数字地图的位置的方法及系统
CN106909141A (zh) * 2015-12-23 2017-06-30 北京机电工程研究所 障碍物探测定位装置及避障系统
CN107727364A (zh) * 2016-08-04 2018-02-23 谷歌有限责任公司 测试3d成像系统
TWI618028B (zh) * 2015-09-18 2018-03-11 高通公司 用於非障礙區偵測之系統及方法
CN107850449A (zh) * 2015-08-03 2018-03-27 通腾全球信息公司 用于生成及使用定位参考数据的方法及系统
CN112106059A (zh) * 2018-02-14 2020-12-18 罗伯特·博世有限公司 对车辆的环境进行成像的方法

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10776635B2 (en) * 2010-09-21 2020-09-15 Mobileye Vision Technologies Ltd. Monocular cued detection of three-dimensional structures from depth images
JP5316572B2 (ja) * 2011-03-28 2013-10-16 トヨタ自動車株式会社 物体認識装置
DE102011111440A1 (de) 2011-08-30 2012-06-28 Daimler Ag Verfahren zur Umgebungsrepräsentation
CN103164851B (zh) * 2011-12-09 2016-04-20 株式会社理光 道路分割物检测方法和装置
DE102012000459A1 (de) 2012-01-13 2012-07-12 Daimler Ag Verfahren zur Objektdetektion
US20150022664A1 (en) 2012-01-20 2015-01-22 Magna Electronics Inc. Vehicle vision system with positionable virtual viewpoint
US8768007B2 (en) 2012-03-26 2014-07-01 Tk Holdings Inc. Method of filtering an image
US8824733B2 (en) 2012-03-26 2014-09-02 Tk Holdings Inc. Range-cued object segmentation system and method
TWI496090B (zh) * 2012-09-05 2015-08-11 Ind Tech Res Inst 使用深度影像的物件定位方法與裝置
WO2014070448A1 (en) 2012-10-31 2014-05-08 Tk Holdings, Inc. Vehicular path sensing system and method
DE102012021617A1 (de) 2012-11-06 2013-05-16 Daimler Ag Verfahren zur Objektdetektion
US20140139632A1 (en) * 2012-11-21 2014-05-22 Lsi Corporation Depth imaging method and apparatus with adaptive illumination of an object of interest
CN103871042B (zh) * 2012-12-12 2016-12-07 株式会社理光 基于视差图的视差方向上连续型物体检测方法和装置
WO2014152470A2 (en) 2013-03-15 2014-09-25 Tk Holdings, Inc. Path sensing using structured lighting
CN104723953A (zh) * 2013-12-18 2015-06-24 青岛盛嘉信息科技有限公司 一种行人检测装置
CN112665556B (zh) 2015-04-01 2023-09-05 瓦亚视觉传感有限公司 使用被动和主动测量生成场景的三维地图
US9928430B2 (en) * 2015-04-10 2018-03-27 GM Global Technology Operations LLC Dynamic stixel estimation using a single moving camera
JP6326641B2 (ja) 2015-08-21 2018-05-23 パナソニックＩｐマネジメント株式会社 画像処理装置および画像処理方法
US10482331B2 (en) * 2015-11-20 2019-11-19 GM Global Technology Operations LLC Stixel estimation methods and systems
KR101795270B1 (ko) 2016-06-09 2017-11-07 현대자동차주식회사 장애물의 지면경계 정보를 이용한 물체 측면 검출 방법 및 장치
EP3293668B1 (en) 2016-09-13 2023-08-30 Arriver Software AB A vision system and method for a motor vehicle
US10535142B2 (en) 2017-01-10 2020-01-14 Electronics And Telecommunication Research Institute Method and apparatus for accelerating foreground and background separation in object detection using stereo camera
US10445928B2 (en) 2017-02-11 2019-10-15 Vayavision Ltd. Method and system for generating multidimensional maps of a scene using a plurality of sensors of various types
US10474908B2 (en) * 2017-07-06 2019-11-12 GM Global Technology Operations LLC Unified deep convolutional neural net for free-space estimation, object detection and object pose estimation
JP6970577B2 (ja) * 2017-09-29 2021-11-24 株式会社デンソー 周辺監視装置および周辺監視方法
DE102017123980A1 (de) 2017-10-16 2017-11-30 FEV Europe GmbH Fahrerassistenzsystem mit einer frequenzgesteuerten Ausrichtung eines Senders zur Erfassung eines Objektes in einem Umfeld eines Fahrzeugs
DE102017123984A1 (de) 2017-10-16 2017-11-30 FEV Europe GmbH Fahrerassistenzsystem mit einem Nanodraht zur Erfassung eines Objektes in einem Umfeld eines Fahrzeugs
DE102018202753A1 (de) 2018-02-23 2019-08-29 Audi Ag Verfahren zur Ermittlung einer Entfernung zwischen einem Kraftfahrzeug und einem Objekt
DE102018114987A1 (de) 2018-06-21 2018-08-09 FEV Europe GmbH Fahrerassistenzsystem zur Bestimmung einer Farbe eines Objektes in einer Fahrzeugumgebung
DE102018005969A1 (de) 2018-07-27 2020-01-30 Daimler Ag Verfahren zum Betreiben eines Fahrerassistenzsvstems mit zwei Erfassungseinrichtungen
DE102018214875A1 (de) * 2018-08-31 2020-03-05 Audi Ag Verfahren und Anordnung zum Erzeugen einer Umgebungsrepräsentation eines Fahrzeugs und Fahrzeug mit einer solchen Anordnung
DE102018128538A1 (de) 2018-11-14 2019-01-24 FEV Europe GmbH Fahrerassistenzsystem mit einem Sender mit einer frequenzgesteuerten Abstrahlrichtung und einem Konverter zur Frequenzangleichung
DE102019107310A1 (de) 2019-03-21 2019-06-19 FEV Europe GmbH Fahrerassistenzsystem zur Erkennung fremder Signale
DE102019211582A1 (de) * 2019-08-01 2021-02-04 Robert Bosch Gmbh Verfahren zum Erstellen einer Höhenkarte
CN110659578A (zh) * 2019-08-26 2020-01-07 中国电子科技集团公司电子科学研究院 基于检测跟踪技术的客流统计方法、系统及设备
US11669092B2 (en) * 2019-08-29 2023-06-06 Rockwell Automation Technologies, Inc. Time of flight system and method for safety-rated collision avoidance
EP3882813A1 (en) 2020-03-20 2021-09-22 Aptiv Technologies Limited Method for generating a dynamic occupancy grid
EP3905106A1 (en) 2020-04-27 2021-11-03 Aptiv Technologies Limited Method for determining a drivable area
EP3905105A1 (en) 2020-04-27 2021-11-03 Aptiv Technologies Limited Method for determining a collision free space
DE102020208066B3 (de) 2020-06-30 2021-12-23 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren Objekterkennung Computerprogramm, Speichermedium und Steuereinrichtung
DE102020208068A1 (de) 2020-06-30 2021-12-30 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Erkennung eines in einem Überwachungsbereich erscheinenden Objekts, Computerprogramm, Speichermedium und Steuereinrichtung
CA3194223A1 (en) 2020-07-21 2021-10-06 Leddartech Inc. Beam-steering device particularly for lidar systems
WO2022016277A1 (en) 2020-07-21 2022-01-27 Leddartech Inc. Systems and methods for wide-angle lidar using non-uniform magnification optics
US11567179B2 (en) 2020-07-21 2023-01-31 Leddartech Inc. Beam-steering device particularly for LIDAR systems
DE102020210816A1 (de) * 2020-08-27 2022-03-03 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Erkennung dreidimensionaler Objekte, Computerprogramm, Maschinenlesbares Speichermedium, Steuergerät, Fahrzeug und Videoüberwachungssystem
EP4009228A1 (en) * 2020-12-02 2022-06-08 Aptiv Technologies Limited Method for determining a semantic free space
DE102022115447A1 (de) 2022-06-21 2023-12-21 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Assistenzsystem zum Unterstützen einer Fahrzeugführung basierend auf einem Fahrschlauch und einer Begrenzungsschätzung und Kraftfahrzeug

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1343551A (zh) * 2000-09-21 2002-04-10 上海大学 机器视觉分层模块结构模型
US20060262966A1 (en) * 2003-08-21 2006-11-23 Kai Eck Device and method for combining two images
US20070057209A1 (en) * 2004-09-17 2007-03-15 Matsushita Electric Works, Ltd. Range image sensor
CN1950722A (zh) * 2004-07-30 2007-04-18 松下电工株式会社 个体检测器和共入检测设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9913687D0 (en) * 1999-06-11 1999-08-11 Canon Kk Image processing apparatus
DE102005008131A1 (de) 2005-01-31 2006-08-03 Daimlerchrysler Ag Objektdetektion auf Bildpunktebene in digitalen Bildsequenzen
JP4797794B2 (ja) 2006-05-24 2011-10-19 日産自動車株式会社 歩行者検出装置および歩行者検出方法
US8385599B2 (en) * 2008-10-10 2013-02-26 Sri International System and method of detecting objects

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1343551A (zh) * 2000-09-21 2002-04-10 上海大学 机器视觉分层模块结构模型
US20060262966A1 (en) * 2003-08-21 2006-11-23 Kai Eck Device and method for combining two images
CN1950722A (zh) * 2004-07-30 2007-04-18 松下电工株式会社 个体检测器和共入检测设备
US20070057209A1 (en) * 2004-09-17 2007-03-15 Matsushita Electric Works, Ltd. Range image sensor

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103390164B (zh) * 2012-05-10 2017-03-29 南京理工大学 基于深度图像的对象检测方法及其实现装置
CN103390164A (zh) * 2012-05-10 2013-11-13 南京理工大学 基于深度图像的对象检测方法及其实现装置
US10240934B2 (en) 2014-04-30 2019-03-26 Tomtom Global Content B.V. Method and system for determining a position relative to a digital map
CN106461402A (zh) * 2014-04-30 2017-02-22 通腾全球信息公司 用于确定相对于数字地图的位置的方法及系统
CN107850449A (zh) * 2015-08-03 2018-03-27 通腾全球信息公司 用于生成及使用定位参考数据的方法及系统
CN108027877B (zh) * 2015-09-18 2022-10-18 高通股份有限公司 用于非障碍区检测的系统和方法
US10395377B2 (en) 2015-09-18 2019-08-27 Qualcomm Incorporated Systems and methods for non-obstacle area detection
TWI618028B (zh) * 2015-09-18 2018-03-11 高通公司 用於非障礙區偵測之系統及方法
CN108027877A (zh) * 2015-09-18 2018-05-11 高通股份有限公司 用于非障碍区检测的系统和方法
CN106909141A (zh) * 2015-12-23 2017-06-30 北京机电工程研究所 障碍物探测定位装置及避障系统
CN105974938A (zh) * 2016-06-16 2016-09-28 零度智控（北京）智能科技有限公司 避障方法、装置、载体及无人机
CN105974938B (zh) * 2016-06-16 2023-10-03 零度智控（北京）智能科技有限公司 避障方法、装置、载体及无人机
US10321114B2 (en) 2016-08-04 2019-06-11 Google Llc Testing 3D imaging systems
CN107727364A (zh) * 2016-08-04 2018-02-23 谷歌有限责任公司 测试3d成像系统
CN107727364B (zh) * 2016-08-04 2019-10-01 谷歌有限责任公司 测试3d成像系统
CN112106059A (zh) * 2018-02-14 2020-12-18 罗伯特·博世有限公司 对车辆的环境进行成像的方法

Also Published As

Publication number Publication date
WO2010091818A2 (de) 2010-08-19
CN102317954B (zh) 2014-09-24
EP2396746A2 (de) 2011-12-21
DE102009009047A1 (de) 2010-08-19
WO2010091818A3 (de) 2011-10-20
US8548229B2 (en) 2013-10-01
US20110311108A1 (en) 2011-12-22

Similar Documents

Publication Publication Date Title
CN102317954B (zh) 检测对象的方法
CN109844762B (zh) 车载用图像处理装置
EP2713309B1 (en) Method and device for detecting drivable region of road
US9042639B2 (en) Method for representing surroundings
Wedel et al. B-spline modeling of road surfaces with an application to free-space estimation
CN106463064B (zh) 物体识别装置和使用该物体识别装置的车辆行驶控制装置
EP1394761B1 (en) Obstacle detection device and method therefor
JP4363295B2 (ja) ステレオ画像による平面推定方法
US20080253606A1 (en) Plane Detector and Detecting Method
CN109410264B (zh) 一种基于激光点云与图像融合的前方车辆距离测量方法
JP5982298B2 (ja) 障害物検出装置および障害物検出方法
JP2014138420A (ja) 自律車両用の奥行き検知方法及びシステム
KR102491527B1 (ko) 카메라 영상에서 대상의 감지
CN103473757A (zh) 在视差图中的对象跟踪方法和系统
CN103679120A (zh) 不平道路的检测方法和系统
JP2007280132A (ja) 走行誘導障害物検出装置および車両用制御装置
JP4956099B2 (ja) 壁検出装置
Kellner et al. Multi-cue, model-based detection and mapping of road curb features using stereo vision
CN107886729A (zh) 车辆识别方法、装置及车辆
CN108197590A (zh) 一种路面检测方法、装置、终端及存储介质
CN103185571A (zh) 可行驶空间的检测系统及其检测方法
JP5981284B2 (ja) 対象物検出装置、及び対象物検出方法
KR102003387B1 (ko) 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체
US20190095693A1 (en) Method and device for controlling a driver assistance system by using a stereo camera system including a first and a second camera
JP4106163B2 (ja) 障害物検出装置及びその方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140924

Termination date: 20160204

CF01 Termination of patent right due to non-payment of annual fee