CN102317954B - 检测对象的方法 - Google Patents
检测对象的方法 Download PDFInfo
- Publication number
- CN102317954B CN102317954B CN201080007837.9A CN201080007837A CN102317954B CN 102317954 B CN102317954 B CN 102317954B CN 201080007837 A CN201080007837 A CN 201080007837A CN 102317954 B CN102317954 B CN 102317954B
- Authority
- CN
- China
- Prior art keywords
- section
- free space
- depth map
- height
- surrounding environment
- 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.)
- Expired - Fee Related
Links
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
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
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，用距离一图像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.Hirschmüller:“Accurate and Efficient StereoProcessing by Semi-Global Matching and Mutual Information”,CVPR2005,San Diego,CA,Volume2(June2005),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，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。
在一个实施例中，依次记录和处理若干图像，其中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DE102005008131A1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。
在一个例子中，段3的基点的位置、高度和移动信息通过景象流获得。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,SimonBakery,Peter Randeryz,Robert Collinsy and Takeo Kanade:“Three-Dimensional Scene Flow”,appeared in7th InternationalConference on Computer Vision,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，在一个例子中，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。
在一个例子中，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）。
在一个例子中，距离图像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。
在一个例子中，周围环境1的两个图像具体地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)
1.一种检测对象的方法，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），用距离一图像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（2）之外并沿着自由空间界定线（2）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，所述传感器系统包括照片混合检测器，三维相机，激光雷达和雷达中的一个或多个。
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3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.如权利要求1-3中任一项所述的方法，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.如权利要求1-3中任一项所述的方法，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.如权利要求1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或10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或10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。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102009009047.9 | 2009-02-16 | ||
| DE102009009047A DE102009009047A1 (de) | 2009-02-16 | 2009-02-16 | Verfahren zur Objektdetektion |
| PCT/EP2010/000671 WO2010091818A2 (de) | 2009-02-16 | 2010-02-04 | Verfahren zur objektdetektion |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102317954A CN102317954A (zh) | 2012-01-11 |
| CN102317954B true 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 (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107727364A (zh) * | 2016-08-04 | 2018-02-23 | 谷歌有限责任公司 | 测试3d成像系统 |
Families Citing this family (54)
| 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 |
| WO2013109869A1 (en) | 2012-01-20 | 2013-07-25 | Magna Electronics, Inc. | Vehicle vision system with free positional virtual panoramic view |
| US8824733B2 (en) | 2012-03-26 | 2014-09-02 | Tk Holdings Inc. | Range-cued object segmentation system and method |
| US8768007B2 (en) | 2012-03-26 | 2014-07-01 | Tk Holdings Inc. | Method of filtering an image |
| 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 |
| 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 |
| US9349058B2 (en) | 2012-10-31 | 2016-05-24 | 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 |
| GB201407643D0 (en) * | 2014-04-30 | 2014-06-11 | Tomtom Global Content Bv | Improved positioning relatie to a digital map for assisted and automated driving operations |
| US10024965B2 (en) | 2015-04-01 | 2018-07-17 | Vayavision, Ltd. | Generating 3-dimensional maps of a scene using passive and active measurements |
| US9928430B2 (en) * | 2015-04-10 | 2018-03-27 | GM Global Technology Operations LLC | Dynamic stixel estimation using a single moving camera |
| KR102650541B1 (ko) * | 2015-08-03 | 2024-03-26 | 톰톰 글로벌 콘텐트 비.브이. | 위치파악 참조 데이터를 생성하고 사용하는 방법 및 시스템 |
| EP3324359B1 (en) | 2015-08-21 | 2019-10-02 | Panasonic Intellectual Property Management Co., Ltd. | Image processing device and image processing method |
| US9761000B2 (en) * | 2015-09-18 | 2017-09-12 | Qualcomm Incorporated | Systems and methods for non-obstacle area detection |
| US10482331B2 (en) * | 2015-11-20 | 2019-11-19 | GM Global Technology Operations LLC | Stixel estimation methods and systems |
| 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 |
| KR101795270B1 (ko) | 2016-06-09 | 2017-11-07 | 현대자동차주식회사 | 장애물의 지면경계 정보를 이용한 물체 측면 검출 방법 및 장치 |
| 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 |
| 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 |
| DE102017123984A1 (de) | 2017-10-16 | 2017-11-30 | FEV Europe GmbH | Fahrerassistenzsystem mit einem Nanodraht zur Erfassung eines Objektes in einem Umfeld eines Fahrzeugs |
| 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 |
| DE102018202244A1 (de) | 2018-02-14 | 2019-08-14 | Robert Bosch Gmbh | Verfahren zur Abbildung der Umgebung 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 |
| EP3905105A1 (en) | 2020-04-27 | 2021-11-03 | Aptiv Technologies Limited | Method for determining a collision free space |
| EP3905106A1 (en) | 2020-04-27 | 2021-11-03 | Aptiv Technologies Limited | Method for determining a drivable area |
| 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 |
| CA3125716C (en) | 2020-07-21 | 2024-04-09 | Leddartech Inc. | Systems and methods for wide-angle lidar using non-uniform magnification optics |
| EP4185888A1 (en) | 2020-07-21 | 2023-05-31 | Leddartech Inc. | Beam-steering device particularly for lidar systems |
| EP4185924A1 (en) | 2020-07-21 | 2023-05-31 | 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 (2)
| 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 |
| 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 (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9913687D0 (en) * | 1999-06-11 | 1999-08-11 | Canon Kk | Image processing apparatus |
| US7822241B2 (en) * | 2003-08-21 | 2010-10-26 | Koninklijke Philips Electronics N.V. | Device and method for combining two images |
| KR100778904B1 (ko) * | 2004-09-17 | 2007-11-22 | 마츠시다 덴코 가부시키가이샤 | 레인지 이미지 센서 |
| 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 |
-
2009
- 2009-02-16 DE DE102009009047A patent/DE102009009047A1/de not_active Withdrawn
-
2010
- 2010-02-04 US US13/201,241 patent/US8548229B2/en not_active Expired - Fee Related
- 2010-02-04 EP EP10703018A patent/EP2396746A2/de not_active Withdrawn
- 2010-02-04 WO PCT/EP2010/000671 patent/WO2010091818A2/de active Application Filing
- 2010-02-04 CN CN201080007837.9A patent/CN102317954B/zh not_active Expired - Fee Related
Patent Citations (2)
| 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 |
| 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 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2396746A2 (de) | 2011-12-21 |
| US20110311108A1 (en) | 2011-12-22 |
| US8548229B2 (en) | 2013-10-01 |
| CN102317954A (zh) | 2012-01-11 |
| WO2010091818A2 (de) | 2010-08-19 |
| DE102009009047A1 (de) | 2010-08-19 |
| WO2010091818A3 (de) | 2011-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102317954B (zh) | 检测对象的方法 | |
| CN107272021B (zh) | 使用雷达和视觉定义的图像检测区域的对象检测 | |
| CN109844762B (zh) | 车载用图像处理装置 | |
| US9042639B2 (en) | Method for representing surroundings | |
| US7046822B1 (en) | Method of detecting objects within a wide range of a road vehicle | |
| EP2713309B1 (en) | Method and device for detecting drivable region of road | |
| EP0747870B1 (en) | An object observing method and device with two or more cameras | |
| US8867790B2 (en) | Object detection device, object detection method, and program | |
| 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 | |
| WO2011027564A1 (ja) | 視差算出方法、および視差算出装置 | |
| JP2014138420A (ja) | 自律車両用の奥行き検知方法及びシステム | |
| JP2009176087A (ja) | 車両用環境認識装置 | |
| KR102491527B1 (ko) | 카메라 영상에서 대상의 감지 | |
| JP6552448B2 (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
| CN103473757A (zh) | 在视差图中的对象跟踪方法和系统 | |
| JP2011134207A (ja) | 運転記録装置および地図作成システム | |
| Petrovai et al. | A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices | |
| JP4956099B2 (ja) | 壁検出装置 | |
| US11485373B2 (en) | Method for a position determination of a vehicle, control unit, and vehicle | |
| US11443619B2 (en) | Vehicle recognition apparatus and vehicle recognition method | |
| KR102003387B1 (ko) | 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체 | |
| JP3503543B2 (ja) | 道路構造認識方法、距離測定方法及び距離測定装置 | |
| JP5472928B2 (ja) | 対象物検出装置及び方法 | |
| KR102119641B1 (ko) | 보행자 검출 장치 및 방법 |
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 |