CN104167109A - 车辆位置的检测方法和检测装置 - Google Patents
车辆位置的检测方法和检测装置 Download PDFInfo
- Publication number
- CN104167109A CN104167109A CN201410341066.7A CN201410341066A CN104167109A CN 104167109 A CN104167109 A CN 104167109A CN 201410341066 A CN201410341066 A CN 201410341066A CN 104167109 A CN104167109 A CN 104167109A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- calibration
- detected
- feature point
- information
- 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
Links
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种车辆位置的检测方法和检测装置,该方法包括:识别监控摄像机在全景状态下采集到的全景监控画面中的待检测车辆,记录每台待检测车辆的车牌区域的边框特征点在特写监控画面中的坐标信息,基于坐标信息与经纬度信息的关系,转换得到理论边框特征点的坐标信息,选取满足预设条件的预标定特征点,并利用对应的误差修正值来修正待检测车辆的坐标信息。通过本发明的技术方案,可以准确地实现对监控画面中的车辆的识别,以及对车辆的坐标信息的获取。
Description
技术领域
本发明涉及视频监控技术领域,尤其涉及车辆位置的检测方法和检测装置。
背景技术
智能交通系统(Intelligent Transportation System,简称ITS)是未来交通系统的发展方向,它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。
在智能交通系统的实现中,对车辆位置的检测是十分重要的一部分。具体地,就是通过视频监控设备采集交通画面,对画面中的车辆进行识别和定位,以判断其是否存在违章等行为。
为实现上述目的,相关技术中提出了基于车辆特征分析、前后背景分离、运动分析等的技术方案,但在实际应用中,往往存在车辆检测不准确的问题。
发明内容
有鉴于此,本发明提供一种新的技术方案,可以准确地实现对监控画面中的车辆的识别,以及对车辆的坐标信息的获取。
为实现上述目的,本发明提供技术方案如下:
根据本发明的第一方面,提出了一种车辆位置的检测方法,应用于监控摄像机,包括:
识别监控摄像机在全景状态下采集到的全景监控画面中的待检测车辆,并记录所述监控摄像机处于特写状态时每台待检测车辆的车牌区域的边框特征点在相应的特写监控画面中的坐标信息,其中特写状态下的每台待检测车辆的车牌区域处于相应的特写监控画面的中心,且车牌区域的显示规格满足预设显示规格;
将所述监控摄像机处于特写状态时记录的所述边框特征点的坐标信息转换为所述监控摄像机所处球坐标系中的经纬度信息,并将得到的经纬度信息进一步转换为在所述监控摄像机处于全景状态时的理论边框特征点的坐标信息;
选取满足预设条件的预标定特征点,并计算对应于该预标定特征点的误差修正值,其中预标定特征点为预先获取的预检测车辆的车牌区域内的标定特征点,且误差修正值为所述预标定特征点在全景状态下的全景坐标信息与由所述预标定特征点在特写状态下的特写坐标信息转换得到的全景状态下的理论全景坐标信息之间的差值;其中,所述预标定特征点的特写坐标信息被转换为所述球坐标系中的经纬度信息,且得到的经纬度信息被进一步转换为所述理论全景坐标信息;
根据得到的误差修正值,修正每台待检测车辆的理论边框特征点的坐标信息,并根据修正后的坐标信息确定每台待检测车辆的坐标信息。
根据本发明的第二方面,提出了一种车辆位置的检测装置,应用于监控摄像机,包括:
车辆识别单元,用于识别监控摄像机在全景状态下采集到的全景监控画面中的待检测车辆;
记录单元,用于记录所述监控摄像机处于特写状态时每台待检测车辆的车牌区域的边框特征点在相应的特写监控画面中的坐标信息,其中特写状态下的每台待检测车辆的车牌区域处于相应的特写监控画面的中心,且车牌区域的显示规格满足预设显示规格;
转换单元,用于将所述监控摄像机处于特写状态时记录的所述边框特征 点的坐标信息转换为所述监控摄像机所处球坐标系中的经纬度信息,并将得到的经纬度信息进一步转换为在所述监控摄像机处于全景状态时的理论边框特征点的坐标信息;
选择单元,用于选取满足预设条件的预标定特征点,并计算对应于该预标定特征点的误差修正值,其中预标定特征点为预先获取的预检测车辆的车牌区域内的标定特征点,且误差修正值为所述预标定特征点在全景状态下的全景坐标信息与由所述预标定特征点在特写状态下的特写坐标信息转换得到的全景状态下的理论全景坐标信息之间的差值;其中,所述预标定特征点的特写坐标信息被转换为所述球坐标系中的经纬度信息,且得到的经纬度信息被进一步转换为所述理论全景坐标信息;
修正单元,用于根据得到的误差修正值,修正每台待检测车辆的理论边框特征点的坐标信息;
坐标确定单元,用于根据修正后的理论边框特征点的坐标信息确定每台待检测车辆的坐标信息。
由以上技术方案可见,本发明通过不同方式来计算标定特征点的坐标信息,可以基于相应的差值进行坐标修正,从而准确地实现对监控画面中的车辆的识别,以及对车辆的坐标信息的获取。
附图说明
图1示出了根据本发明的一示例性实施例的车辆位置的检测方法的示意流程图;
图2示出了根据本发明的一示例性实施例的在第一缩放倍率下的监控画面的示意图;
图3示出了根据本发明的一示例性实施例的初步识别出待检测车辆的示意图;
图4示出了根据本发明的一示例性实施例的在第二缩放倍率下的监控画面的示意图;
图5示出了根据本发明的一示例性实施例的特征点的示意图;
图6示出了根据本发明的一示例性实施例的对预检测车辆上的标定特征点的预标定坐标信息进行获取的示意图;
图7示出了根据本发明的一示例性实施例的基于监控摄像机建立的球坐标系的示意图;
图8示出了根据本发明的一示例性实施例的基于时间顺序的车辆位置的检测方法的示意流程图;
图9示出了根据本发明的一示例性实施例的监控摄像机的结构示意图;
图10示出了根据本发明的一示例性实施例的车辆位置的检测装置的示意框图。
具体实施方式
本发明通过不同方式来计算标定特征点的坐标信息,可以基于相应的差值进行坐标修正,从而准确地实现对监控画面中的车辆的识别,以及对车辆的坐标信息的获取。
为对本发明进行进一步说明,提供下列实施例:
请参考图1,图1示出了根据本发明的一示例性实施例的车辆位置的检测方法,可以包括:
步骤102,识别监控摄像机在全景状态下采集到的全景监控画面中的待检测车辆;
在本实施例中,假定全景状态对应于第一缩放倍率。在全景状态下,可采用相关技术中存在的识别手段,实现对监控画面中的待检测车辆的识别。具体地,比如基于“车辆”本身的形状或纹理等特征、基于前后背景分离、基于运动分析等,均可以实现对如图2所示的监控画面中的待检测车辆进行有效识别;当然,本领域技术人员应该理解的是,可用于识别图像中车辆的技术还有很多,均可以应用于本发明的技术方案中,此处不再一一列举。
其中,当识别出监控画面中的待检测车辆后,可以在该车辆四周生成图 3所示的检出框,以用于标示出该待检测车辆。当然,本发明在步骤102之后还包括多个步骤,因而既可以从步骤102中的初步识别操作后,就在监控画面上显示出相应的检出框,并随其他步骤的执行而对检出框进行调整,也可以在完成所有的车辆检测操作后,再根据最终的检测结果来显示检出框。当然,图3所示的正方形的检出框只是为了示意,检出框本身是为了能够有效地标示出车辆的轮廓,因而显然也可以采用其他任意形状。另外,需要说明的是,检出框可以直接显示在监控画面中,以便于工作人员的观察,但也可以仅作为后台运算过程中的一个标记,而无需显示在监控画面中。
步骤104,记录所述监控摄像机处于特写状态时每台待检测车辆的车牌区域的边框特征点在相应的特写监控画面中的坐标信息;
在本实施例中,假定特写状态下采用第二缩放倍率,且特写状态下的每台待检测车辆的车牌区域处于相应的特写监控画面的中心,且车牌区域的显示规格满足预设的显示规格。上述步骤104需要分别从下述的多个方面进行处理:
1、建立坐标系
由于需要获取标定特征点和边框特征点在监控画面中的坐标信息,因此需要事先在监控画面中建立坐标系。作为一示例性实施例,比如可以将监控画面的左下角为原点O(图中未标示)、画面水平方向为x轴方向、画面竖直方向为y轴方向,建立基于监控画面的XOY坐标系;或者,作为另一示例性实施例,也可以将监控画面的中心点为原点O’(图中未标示)、画面水平方向为x轴方向、画面竖直方向为y轴方向,建立基于监控画面的XO’Y坐标系;当然,可以根据实际需求而任意建立坐标系,并且在整个处理过程中均采用统一标准,即可确保本发明技术方案的实施。
2、识别车牌区域
在步骤102中,监控摄像机可以在全景状态下,初步识别出全景监控画面中的待检测车辆,并生成图3所示的车辆检出框;而车牌在车辆上的安装位置大致相同,使得对于相同或类似车型而言,车牌区域与车辆本身的位置 关系存在固定关系。比如对于图3所示的小型轿车(可以根据车辆的特征来判断车辆类型,比如根据车辆本身或相应检出框的大小),车身宽度为车牌宽度的3-4倍、车牌中心点在车身高度上将车辆分为5:1(即位于车牌中心点以上的车身部分与位于车牌中心点以下的车身部分之间高度的比例),而车牌本身的长度、宽度比例是确定的,因而可以据此确定待检测车辆的车牌区域。
3、标定特征点
标定特征点是位于相应的车牌区域内的指定位置的特征点,即标定特征点相对于车牌区域的位置是相对固定的,才使得待检测车辆和预检测车辆之间的标定特征点的比较具有实际意义。为了便于计算,比如可以选取车辆区域的中心点为相应的标定特征点。具体地,图5示出了车牌区域的示意图,M点为该车牌区域的中心点,可以作为相应的标定特征点。当然,也可以选择其他任意点来作为标定特征点,比如车牌区域的顶点等。
4、边框特征点
为了能够准确地标示出车牌区域,可以选取车牌区域的边框特征点,即车牌区域的边框上的特征点。具体地,比如图5所示车牌区域内,可以选取左上角的顶点A和右下角的顶点B,即可标示出相应的矩形车牌区域。当然,也可以选取车牌区域的其他顶点或边框上的特征点,以用于作为本发明技术方案中的边框特征点。
5、计算第二缩放倍率
“第一缩放倍率”可以小于“第二缩放倍率”,即“第一缩放倍率”为相对于“第二缩放倍率”的全景倍率,对应于“全景画面”,而“第二缩放倍率”为相对于“第一缩放倍率”的特写倍率,对应于“特写画面”。因此,在第二缩放倍率下,待检测车辆的车牌区域可以在监控摄像机的特写监控画面中具有更大的显示面积,以便于特征点的识别和相应的坐标信息的获取,比如相对于图3所示的全景监控画面,图4所示的特写监控画面中能够清楚地看出待检测车辆的车牌号码为“京A12345”。
由于在监控画面中,待检测车辆与监控摄像机之间的距离越远时,待检测车辆显示得越小,因而需要为每一待检测车辆计算合适的第二缩放倍率,使得相应的车牌区域能够被缩放至合适的显示尺寸,便于执行后续的识别和处理操作。具体地,比如规定车牌区域的显示宽度应当处于预设的宽度范围内。
为了计算出合适的第二缩放倍率,需要借助预处理的数据。具体地,以图5所示的车牌区域为例进行说明:
首先,当监控摄像机处于全景状态时,根据识别出的待检测车辆信息,可计算获取待检测车辆的车牌区域的标定特征点的坐标信息,即M点的坐标信息和车牌中心点坐标(当标定特征点M点与车牌中心点不重合时);
其次,选取与M点距离最近的两个预标定特征点的全景坐标信息,即M1点和M2点在全景状态下的坐标信息,并分别计算M点与两个预标定特征点的全景坐标信息之间的距离D1和D2。其中,预标定特征点是指,预先安排预检测车辆,并通过监控摄像机记录每一预检测车辆上的标定特征点在全景状态下的坐标信息,即预标定特征点的全景坐标信息,比如图6示出了对预检测车辆进行预标定的全景监控画面,则预检测车辆的标定特征点即M1、M2……M9等;然后需要分别针对每一预检测车辆的车牌区域进行缩放处理和监控摄像机的角度调整,当每一车牌区域在监控画面中被放大至符合预设规格(比如宽度处于预设宽度范围内)并且车牌区域显示在画面中心位置时,记录相应的缩放倍率为对应的预标定特征点的缩放倍率(此时的监控画面为特写监控画面)。当然,通过增加预检测车辆,提高预标定坐标信息的数量,有助于进一步提升本发明技术方案的车辆位置的检测精度。
然后,根据计算出的距离D1、D2和M1、M2点分别对应的缩放倍率,确定所述第二缩放倍率,根据计算得出的车牌中心点坐标和第二缩放倍率,确定监控摄像机的特写状态,其中,当监控摄像机处于特写状态时,待检测车辆的车牌区域处于监控画面的中心,且车牌区域的显示规格满足预设的显示规格。
具体地,可以按照下述方式确定第二缩放倍率:
其中,(Pxj,Pyj)为第j个待检测车辆的标定特征点的坐标信息,(Mxi,Myi)为第i个预标定特征点的全景坐标信息,Di为标定特征点与第i个预标定特征点的全景坐标信息之间的距离,FeatureZoomi为第i个预标定特征点在特写状态下的缩放倍率,ObjFeatureZoomj为第j个待检测车辆对应的特写状态下的缩放倍率。
因此,以根据所述监控摄像机识别的第j个待检测车辆的信息计算得到的车牌区域中心点为所述监控摄像机的显示画面中心点,以ObjFeatureZoomj为所述监控摄像机的缩放倍率,即可将所述监控摄像机调整至第j个待检测车辆对应的特写状态。
步骤106,将所述监控摄像机处于特写状态时记录的所述边框特征点的坐标信息转换为所述监控摄像机所处球坐标系中的经纬度信息;
步骤108,将得到的经纬度信息进一步转换为在所述监控摄像机处于全景状态时的理论边框特征点的坐标信息;
在本实施例中,由于静止物体在球坐标系内的经纬度始终保持不变,因而基于这个不变的经纬度信息,即可实现全景状态(第一缩放倍率)下的坐标信息与特写状态(第二缩放倍率)下的坐标信息之间的转换。具体地,图7示出了基于监控摄像机建立的球坐标系,其中的X点为监控摄像机的机芯、F点为车牌区域内的任一点、ABCD为采集到的监控画面、O点为监控画面的中心点、和分别为F点在球坐标系内的经纬度信息,则将需要进行坐标信息与经纬度信息之间转换的点作为F点,即可实现上述目的。
具体地,结合监控画面的宽度W,监控画面的高度H,监控摄像机的机芯的经纬度信息longtitude和latitude,机芯与监控画面之间的距离XO(其中, FS、FR为中间值,其中FS为所求点到监控画面中心点的水平向量,FR为所求点到监控画面中心点的垂直向量;arctan为反正切函数,arccos为反余弦函数),即可得到坐标信息与经纬度信息之间存在下述关系:
基于上述转换关系,则在步骤106中,转换过程为:基于特写状态下的第二缩放倍率,确定对应的水平视场角HA1,同时结合在步骤104中记录的特征点(边框特征点)在特写状态下的坐标信息(x1,y1),将HA1和(x1,y1)代入上述公式后,转换得到特征点在特写状态下的经纬度信息和。而在步骤108中,转换过程为:基于全景状态下的第一缩放倍率,确定对应的水平视场角HA2,同时结合基于步骤106中得到的经纬度信息和,将HA2、和代入上述公式后,转换得到在全景状态下的理论边框特征点的坐标信息(x2,y2)。
其中,步骤104中记录的边框特征点的坐标信息,是由监控摄像机直接采集到的;而在步骤108中,基于步骤106计算得到的经纬度信息,转换得到的坐标信息对应于理论上的边框特征点,即理论边框特征点的坐标信息。因此,基于步骤106和步骤108的转换过程,坐标信息实际上已经发生了变化,分别对应于实际采集到的特征点和理论上的特征点。
步骤110,选取满足预设条件的预标定特征点,并计算对应于该预标定特征点的误差修正值;
在本实施例中,通过对“预设条件”的设置,可以选用不同的预标定特征点,比如(1)与每台待检测车辆的理论标定特征点距离最近的预标定特征点,或者(2)与每台待检测车辆的在全景状态或特写状态下的标定特征点距 离最近的预标定特征点,或者(3)与每台待检测车辆在全景状态下的车牌中心点最近的预标定特征点等,均可以应用于步骤110。其中,如果采用条件(1),则步骤104中需要获取标定特征点的坐标信息,并且通过步骤106和步骤108得到对应的理论标定特征点的坐标信息;如果采用条件(2),则仅需要相应获取标定特征点的坐标信息,而无需由步骤106和步骤108得到对应的理论标定特征点的坐标信息(“理论标定特征点”的生成过程类似于“理论边框特征点”的生成过程:将标定特征点在特写状态下的坐标信息转换为经纬度信息,然后在全景状态下将经纬度信息转换为坐标信息,即理论标定特征点的坐标信息);如果采用条件(3),则无需获取标定特征点的坐标信息。
其中,预标定特征点为预先获取的预检测车辆的车牌区域内的标定特征点,可以通过图6所示的方式确定预标定特征点的位置信息。具体地,计算误差修正值的过程可以包括:
首先,分别在全景状态和特写状态下获取预标定特征点的坐标信息,即全景坐标信息和特写坐标信息;
其次,类似于步骤106和步骤108的处理过程,先将预标定特征点的特写坐标信息转换为监控摄像机所处球坐标系中的经纬度信息,再将得到的经纬度信息被进一步转换为理论上的预标定特征点在全景状态下的坐标信息,即预标定特征点的理论全景坐标信息;
最后,计算预标定特征点的全景坐标信息与理论全景坐标信息之间的差值,该差值即最终所需的误差修正值。
需要说明的是:作为一示例性实施例,可以预先计算出每个预标定特征点对应的误差修正值,并将误差修正值与预标定特征点相关联地存储在监控摄像机内或云端,则基于步骤110中选定的预标定特征点,即可确定对应的误差修正值,并应用于步骤112的修正过程;作为另一示例性实施例,也可以仅预先计算出预标定特征点的全景坐标信息和特写坐标信息,并在执行至步骤110时,再实时计算出相应的误差修正值,并应用于步骤112的修正过 程。
步骤112,根据得到的误差修正值,修正每台待检测车辆的理论边框特征点的坐标信息,并根据修正后的坐标信息确定每台待检测车辆的坐标信息。
在本实施例中,通过将直接在全景监控画面中检测到的预标定特征点的全景坐标信息与通过理论公式运算得到的预标定特征点的理论全景坐标信息进行差值计算,使得该差值中包含了监控摄像机造成的误差,则基于该差值的修正就可以消除相应的误差。
具体地,比如第i个预检测车辆对应的标定特征点Mi,其全景坐标信息为(MarkpresetXi,MarkpresetYi)、特写坐标信息为(lpMarkpresetXi,lpMarkpresetYi),经过坐标信息与经纬度信息之间的转换,可以根据特写坐标信息(lpMarkpresetXi,lpMarkpresetYi)得到对应的理论全景坐标信息为(lpMarkTheoryPresetXi,lpMarkTheoryPresetYi),则可以计算得到差值lpActualErrorXj和lpActualErrorYj分别为:
上述差值即误差修正值。而在步骤112中,基于上述误差修正值对车牌区域进行修正,并进而修正待检测车辆的位置信息。具体地,假定待检测车辆的理论边框特征点为图5所示的A点(XAj,YAj)和B点(XBj,YBj),则修正后的A点(XAj',YAj')和B点(XBj',YBj')分别为:
进一步地,基于车牌区域与车辆之间的规格比例,可以由修正后的车牌区域的理论边框特征点,推算出待检测车辆的位置信息。具体地,假定车辆宽度为车牌区域宽度的3.5倍、车牌在水平方向位于车辆中间、车牌中心点在竖直方向上的高度为车辆高度的1/6,则当坐标系的原点位于监控画面的左上角、x轴的正方向为左上角至右上角、y轴的正方向为左上角至左下角时,修正方式为:
其中,(LPLeftTopX,LPLeftTopY)为车牌左上顶点的坐标,(LPRightBottomX,LPRightBottomY)为车牌右下角顶点的坐标,(LPMidX,LPMidY)为车牌中心点的坐标,CarWidth为车辆宽度,(CarLeftTopX,CarLeftTopY)为车辆左上角顶点的坐标,(CarRightBottomX,CarRightBottomY)为车辆右下角顶点的坐标。
结合上述处理过程,若按照所有操作的发生时间,其实际执行顺序应当如图8所示,包括:
1)标定操作,即监控摄像机的预处理过程,具体可以包括:
a.在全景状态下,获取预检测车辆的标定特征点(即预标定特征点)的全景坐标信息,用于步骤104中计算第二缩放倍率,以及步骤110中计算差值;
b.记录每一预检测车辆的车牌在特写状态下的缩放倍率,用于步骤104中计算第二缩放倍率;同时,记录预标定特征点在特写状态下的特写坐标信息,此处可以直接存储预标定特征点的全景坐标信息和特写坐标信息,也可以计算和存储对应的误差修正值;
2)特征检测操作,即监控摄像机在实际使用过程中,对监控画面中的车辆进行特征检测的过程,具体可以包括:
a.在全景状态下,初步识别和定位待检测车辆,相当于在步骤102中对待检测车辆进行识别;
b.计算每一待检测车辆对应于特写状态的缩放倍率,相当于步骤104中计算第二缩放倍率;
c.在特写状态下,记录每一待检测车辆的标定特征点和边框特征点的坐标信息(若后续步骤中对预标定特征点的选择条件与“标定特征点”或“理论标定特征点”无关,也可以不记录标定特征点的坐标信息),相当于步骤104;
3)结果修正操作,即对2)特征检测操作中检测到的特征点的坐标信息进行修正的过程,具体可以包括:
a.计算每一待检测车辆在全景状态下的理论标定特征点和理论边框特征点的坐标(若后续步骤中对预标定特征点的选择条件与“理论标定特征点”无关,此处也可以不计算理论标定特征点的坐标信息),具体即步骤106和步骤108中,坐标信息与经纬度信息之间的转换过程;
b.利用理论标定特征点的坐标(或者其他选择条件),查找最近的预标定特征点对应的误差修正值,或者根据存储的最近的预标定特征点的全景坐标信息和特写坐标信息计算误差修正值,即步骤110中的误差修正值;
c.修正理论边框特征点,并进而确定待检测车辆的位置信息,即步骤112;
4)结果更新操作,即根据3)结果修正操作得到的修正后的待检测车辆的位置信息,对监测结果进行更新,具体可以包括:
a.更新待检测车的初步定位信息,即2)特征检测操作中的步骤a获取的待检测车辆的定位信息;当然,也可以不获取初步定位信息,从而直接将修正后的待检测车辆的位置信息,作为最终的车辆定位信息;
b.过滤错检、多检数据,修正车辆框。
其中,过滤错检数据的过程可以包括:
生成对应于识别出的每台待检测车辆的检出框,并根据预设的检出框与车牌区域之间的规格比例,确定每台待检测车辆的车牌区域;
在所述监控摄像机处于全景状态或特写状态时,对每台待检测车辆的车牌区域进行车牌检测,若检测到车牌,则判定相应的检出框内存在待检测车 辆。
在该实施例中,基于初步识别操作,识别出来的“待检测车辆”本身并不一定为真正的车辆,因而可以通过对“车牌”的检测进行判断,若不存在车牌信息,则通过滤除相应的已检出信息,不会对相应的“待检测车辆”进行后续的检测和处理。由于“车牌”具有强烈的特征,比如呈矩形、首个字符为汉字、汉字后面为多个数字或字母、车牌底色为蓝色或黄色等,因而易于识别并消除错检结果。
而过滤多检数据的过程可以包括:在识别所述监控画面中的待检测车辆时,若任意两台待检测车辆的车牌区域之间的距离小于或等于预设距离,则滤除其中的任一台待检测车辆的已检出信息。
在该实施例中,通过检测车牌区域之间的距离,比如标定特征点之间的距离,可以避免同一车辆被多次检出,有助于提升车辆检测的准确度。同样地,对于滤除了相应的已检出信息的“待检测车辆”,将不会对其进行后续的检测和处理。
对应于上述的车辆位置的检测方法,本发明还提出了对应的监控摄像机,请参考图9,在硬件层面,该监控摄像机包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成车辆位置的检测装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说执行主体并不限定于各个逻辑单元,执行主体也可以是硬件或逻辑器件。
请参考图10,在软件实施方式中,车辆位置的检测装置可以包括车辆识别单元、记录单元、转换单元、选择单元、修正单元和坐标确定单元。其中:
识别单元,用于识别监控摄像机在全景状态下采集到的全景监控画面中的待检测车辆;
记录单元,用于记录当所述监控摄像机处于特写状态时,每台待检测车辆的车牌区域的边框特征点在相应的特写监控画面中的坐标信息,其中特写 状态下的每台待检测车辆的车牌区域处于相应的特写监控画面的中心,且车牌区域的显示规格满足预设显示规格;
转换单元,用于将所述监控摄像机处于特写状态时记录的所述边框特征点的坐标信息转换为所述监控摄像机所处球坐标系中的经纬度信息,并将得到的经纬度信息进一步转换为在所述监控摄像机处于全景状态时的理论边框特征点的坐标信息;
选择单元,用于选取满足预设条件的预标定特征点,并计算对应于该预标定特征点的误差修正值,其中预标定特征点为预先获取的预检测车辆的车牌区域内的标定特征点,且误差修正值为所述预标定特征点在全景状态下的全景坐标信息与由所述预标定特征点在特写状态下的特写坐标信息转换得到的全景状态下的理论全景坐标信息之间的差值;其中,所述预标定特征点的特写坐标信息被转换为所述球坐标系中的经纬度信息,且得到的经纬度信息被进一步转换为所述理论全景坐标信息;
修正单元,用于根据得到的误差修正值,修正每台待检测车辆的理论边框特征点的坐标信息;
坐标确定单元,用于根据修正后的理论边框特征点的坐标信息确定每台待检测车辆的坐标信息。
可选的,还可以包括:
获取单元,用于当所述监控摄像机处于全景状态时,根据所述监控摄像机识别出的每台待检测车辆的信息,获取每台待检测车辆的车牌区域的标定特征点的坐标信息;
选取单元,用于选取与每台待检测车辆的标定特征点距离最近的两个预标定特征点的全景坐标信息;
计算单元,用于分别计算标定特征点与两个预标定特征点之间的坐标距离,并根据计算出的坐标距离和最近的两个预标定特征点在预标定特写状态下的缩放倍率,按照下述公式确定每台待检测车辆在特写状态下的缩放倍率,其中当所述监控摄像机处于预标定特写状态时,预标定特征点对应的预检测 车辆的车牌区域处于特写监控画面的中心,且车牌区域的显示规格满足预设显示规格:
其中,(Pxj,Pyj)为第j个待检测车辆的标定特征点的坐标信息,(Mxi,Myi)为第i个预标定特征点的全景坐标信息,Di为标定特征点与第i个预标定特征点的全景坐标信息之间的距离,FeatureZoomi为第i个预标定特征点在特写状态下的缩放倍率,ObjFeatureZoomj为第j个待检测车辆对应的特写状态下的缩放倍率;
调整单元,用于以根据所述监控摄像机识别的第j个待检测车辆的信息计算得到的车牌区域中心点为所述监控摄像机的显示画面中心点,以ObjFeatureZoomj为所述监控摄像机的缩放倍率,将所述监控摄像机调整至第j个待检测车辆对应的特写状态。
可选的,所述转换单元通过下述公式对同一点的坐标信息与经纬度信息进行转换:
其中,(x,y)为任一点在全景状态或特写状态下的坐标信息,和为该任一点的经纬度信息,W为监控摄像机采集到的监控画面的宽度,H为监控摄像机采集到的监控画面的高度,longtitude和latitude为所述监控摄像机的机芯的经纬度信息,XO为机芯与监控画面之间的距离,FS、FR为中间值, 当需要将该任一点在特写状态下的坐标信息转换为经纬度信息时,HA为特写状态对应的缩放倍率下的水平视场角,当需要将该任一点的经纬度信息转换为全景状态下的坐标信息时,HA为全景状态对应的缩放倍率下的水平视场角。
可选的,标定特征点为相应的车牌区域的中心点,所述边框特征点为所述车牌区域的顶点。
可选的,还可以包括:
生成单元,用于生成对应于识别出的每台待检测车辆的检出框;
区域确定单元,用于根据预设的检出框与车牌区域之间的规格比例,确定每台待检测车辆的车牌区域;
车牌识别单元,用于在所述监控摄像机处于全景状态或特写状态时,对每台待检测车辆的车牌区域进行车牌检测,若检测到车牌,则判定相应的检出框内存在待检测车辆,否则滤除对应的待检测车辆的已检出信息。
可选的,还可以包括:
滤除单元,用于在识别所述全景监控画面中的待检测车辆时,若任意两台待检测车辆的车牌区域之间的距离小于或等于预设距离,则滤除其中的任一台待检测车辆的已检出信息。
因此,本发明通过不同方式来计算标定特征点的坐标信息,可以基于相应的差值进行坐标修正,从而准确地实现对监控画面中的车辆的识别,以及对车辆的坐标信息的获取。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种车辆位置的检测方法,其特征在于,应用于监控摄像机,包括:
识别监控摄像机在全景状态下采集到的全景监控画面中的待检测车辆,并记录所述监控摄像机处于特写状态时每台待检测车辆的车牌区域的边框特征点在相应的特写监控画面中的坐标信息,其中特写状态下的每台待检测车辆的车牌区域处于相应的特写监控画面的中心,且车牌区域的显示规格满足预设显示规格;
将所述监控摄像机处于特写状态时记录的所述边框特征点的坐标信息转换为所述监控摄像机所处球坐标系中的经纬度信息,并将得到的经纬度信息进一步转换为在所述监控摄像机处于全景状态时的理论边框特征点的坐标信息;
选取满足预设条件的预标定特征点,并计算对应于该预标定特征点的误差修正值,其中预标定特征点为预先获取的预检测车辆的车牌区域内的标定特征点,且误差修正值为所述预标定特征点在全景状态下的全景坐标信息与由所述预标定特征点在特写状态下的特写坐标信息转换得到的全景状态下的理论全景坐标信息之间的差值;其中,所述预标定特征点的特写坐标信息被转换为所述球坐标系中的经纬度信息,且得到的经纬度信息被进一步转换为所述理论全景坐标信息;
根据得到的误差修正值,修正每台待检测车辆的理论边框特征点的坐标信息,并根据修正后的坐标信息确定每台待检测车辆的坐标信息。
2.根据权利要求1所述的方法,其特征在于,还包括:
当所述监控摄像机处于全景状态时,根据所述监控摄像机识别出的每台待检测车辆的信息,获取每台待检测车辆的车牌区域的标定特征点的坐标信息;
选取与每台待检测车辆的标定特征点距离最近的两个预标定特征点的全景坐标信息,并分别计算标定特征点与两个预标定特征点之间的坐标距离;
根据计算出的坐标距离和最近的两个预标定特征点在预标定特写状态下的缩放倍率,按照下述公式确定每台待检测车辆在特写状态下的缩放倍率,其中当所述监控摄像机处于预标定特写状态时,预标定特征点对应的预检测车辆的车牌区域处于相应的特写监控画面的中心,且车牌区域的显示规格满足预设显示规格:
其中,(Pxj,Pyj)为第j个待检测车辆的标定特征点的坐标信息,(Mxi,Myi)为第i个预标定特征点的全景坐标信息,Di为标定特征点与第i个预标定特征点的全景坐标信息之间的距离,FeatureZoomi为第i个预标定特征点在特写状态下的缩放倍率,ObjFeatureZoomj为第j个待检测车辆对应的特写状态下的缩放倍率;
以根据所述监控摄像机识别的第j个待检测车辆的信息计算得到的车牌区域中心点为所述监控摄像机的显示画面中心点,以ObjFeatureZoomj为所述监控摄像机的缩放倍率,将所述监控摄像机调整至第j个待检测车辆对应的特写状态。
3.根据权利要求1所述的方法,其特征在于,通过下述公式对同一点的坐标信息与经纬度信息进行转换:
其中,(x,y)为任一点在全景状态或特写状态下的坐标信息,和为该任一点的经纬度信息,W为监控摄像机采集到的监控画面的宽度,H为监控摄像机采集到的监控画面的高度,longtitude和latitude为所述监控摄像机的机芯的经纬度信息,XO为机芯与监控画面之间的距离,FS、FR为中间值,当需要将该任一点在特写状态下的坐标信息转换为经纬度信息时,HA为特写状态对应的缩放倍率下的水平视场角,当需要将该任一点的经纬度信息转换为全景状态下的坐标信息时,HA为全景状态对应的缩放倍率下的水平视场角。
4.根据权利要求1所述的方法,其特征在于,还包括:
生成对应于识别出的每台待检测车辆的检出框,并根据预设的检出框与车牌区域之间的规格比例,确定每台待检测车辆的车牌区域;
在所述监控摄像机处于全景状态或特写状态时,对每台待检测车辆的车牌区域进行车牌检测,若检测到车牌,则判定相应的检出框内存在待检测车辆。
5.根据权利要求1所述的方法,其特征在于,还包括:
在识别所述全景监控画面中的待检测车辆时,若任意两台待检测车辆的车牌区域之间的距离小于或等于预设距离,则滤除其中的任一台待检测车辆的已检出信息。
6.一种车辆位置的检测装置,其特征在于,应用于监控摄像机,包括:
车辆识别单元,用于识别监控摄像机在全景状态下采集到的全景监控画面中的待检测车辆;
记录单元,用于记录所述监控摄像机处于特写状态时每台待检测车辆的车牌区域的边框特征点在相应的特写监控画面中的坐标信息,其中特写状态下的每台待检测车辆的车牌区域处于相应的特写监控画面的中心,且车牌区域的显示规格满足预设显示规格;
转换单元,用于将所述监控摄像机处于特写状态时记录的所述边框特征点的坐标信息转换为所述监控摄像机所处球坐标系中的经纬度信息,并将得到的经纬度信息进一步转换为在所述监控摄像机处于全景状态时的理论边框特征点的坐标信息;
选择单元,用于选取满足预设条件的预标定特征点,并计算对应于该预标定特征点的误差修正值,其中预标定特征点为预先获取的预检测车辆的车牌区域内的标定特征点,且误差修正值为所述预标定特征点在全景状态下的全景坐标信息与由所述预标定特征点在特写状态下的特写坐标信息转换得到的全景状态下的理论全景坐标信息之间的差值;其中,所述预标定特征点的特写坐标信息被转换为所述球坐标系中的经纬度信息,且得到的经纬度信息被进一步转换为所述理论全景坐标信息;
修正单元,用于根据得到的误差修正值,修正每台待检测车辆的理论边框特征点的坐标信息;
坐标确定单元,用于根据修正后的理论边框特征点的坐标信息确定每台待检测车辆的坐标信息。
7.根据权利要求6所述的装置,其特征在于,还包括:
获取单元,用于当所述监控摄像机处于全景状态时,根据所述监控摄像机识别出的每台待检测车辆的信息,获取每台待检测车辆的车牌区域的标定特征点的坐标信息;
选取单元,用于选取与每台待检测车辆的标定特征点距离最近的两个预标定特征点的全景坐标信息;
计算单元,用于分别计算标定特征点与两个预标定特征点之间的坐标距离,并根据计算出的坐标距离和最近的两个预标定特征点在预标定特写状态下的缩放倍率,按照下述公式确定每台待检测车辆在特写状态下的缩放倍率,其中当所述监控摄像机处于预标定特写状态时,预标定特征点对应的预检测车辆的车牌区域处于特写监控画面的中心,且车牌区域的显示规格满足预设显示规格:
其中,(Pxj,Pyj)为第j个待检测车辆的标定特征点的坐标信息,(Mxi,Myi)为第i个预标定特征点的全景坐标信息,Di为标定特征点与第i个预标定特征点的全景坐标信息之间的距离,FeatureZoomi为第i个预标定特征点在特写状态下的缩放倍率,ObjFeatureZoomj为第j个待检测车辆对应的特写状态下的缩放倍率;
调整单元,用于以根据所述监控摄像机识别的第j个待检测车辆的信息计算得到的车牌区域中心点为所述监控摄像机的显示画面中心点,以ObjFeatureZoomj为所述监控摄像机的缩放倍率,将所述监控摄像机调整至第j个待检测车辆对应的特写状态。
8.根据权利要求6所述的装置,其特征在于,所述转换单元通过下述公式对同一点的坐标信息与经纬度信息进行转换:
其中,(x,y)为任一点在全景状态或特写状态下的坐标信息,和为该任一点的经纬度信息,W为监控摄像机采集到的监控画面的宽度,H为监控摄像机采集到的监控画面的高度,longtitude和latitude为所述监控摄像机的机芯的经纬度信息,XO为机芯与监控画面之间的距离,FS、FR为中间值,当需要将该任一点在特写状态下的坐标信息转换为经纬度信息时,HA为特写状态对应的缩放倍率下的水平视场角,当需要将该任一点的经纬度信息转换为全景状态下的坐标信息时,HA为全景状态对应的缩放倍率下的水平视场角。
9.根据权利要求6所述的装置,其特征在于,还包括:
生成单元,用于生成对应于识别出的每台待检测车辆的检出框;
区域确定单元,用于根据预设的检出框与车牌区域之间的规格比例,确定每台待检测车辆的车牌区域;
车牌识别单元,用于在所述监控摄像机处于全景状态或特写状态时,对每台待检测车辆的车牌区域进行车牌检测,若检测到车牌,则判定相应的检出框内存在待检测车辆。
10.根据权利要求6所述的装置,其特征在于,还包括:
滤除单元,用于在识别所述全景监控画面中的待检测车辆时,若任意两台待检测车辆的车牌区域之间的距离小于或等于预设距离,则滤除其中的任一台待检测车辆的已检出信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410341066.7A CN104167109B (zh) | 2014-07-17 | 2014-07-17 | 车辆位置的检测方法和检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410341066.7A CN104167109B (zh) | 2014-07-17 | 2014-07-17 | 车辆位置的检测方法和检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104167109A true CN104167109A (zh) | 2014-11-26 |
CN104167109B CN104167109B (zh) | 2016-08-24 |
Family
ID=51910895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410341066.7A Active CN104167109B (zh) | 2014-07-17 | 2014-07-17 | 车辆位置的检测方法和检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104167109B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108022429A (zh) * | 2016-11-04 | 2018-05-11 | 浙江大华技术股份有限公司 | 一种车辆检测的方法及装置 |
CN110070724A (zh) * | 2018-01-24 | 2019-07-30 | 北京英泰智科技股份有限公司 | 一种视频监控方法、装置、摄像机及图像信息监管系统 |
CN110164135A (zh) * | 2019-01-14 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN110308470A (zh) * | 2018-03-27 | 2019-10-08 | 上海汽车集团股份有限公司 | 车辆定位方法及车辆定位系统 |
CN111368639A (zh) * | 2020-02-10 | 2020-07-03 | 浙江大华技术股份有限公司 | 车辆越线判定方法、装置、计算机设备和存储介质 |
CN111667404A (zh) * | 2019-03-05 | 2020-09-15 | 杭州海康威视数字技术股份有限公司 | 目标信息采集方法、装置、系统、电子设备及存储介质 |
US10861177B2 (en) | 2015-11-11 | 2020-12-08 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for binocular stereo vision |
CN112289069A (zh) * | 2020-10-20 | 2021-01-29 | 上海汽车电器总厂有限公司 | 一种车位引导系统及方法 |
CN112785653A (zh) * | 2020-12-30 | 2021-05-11 | 中山联合汽车技术有限公司 | 车载相机姿态角标定方法 |
CN113255632A (zh) * | 2021-07-16 | 2021-08-13 | 深圳市赛菲姆科技有限公司 | 基于车牌识别的摄像头参数调整方法、装置、设备和介质 |
CN117893989A (zh) * | 2024-03-14 | 2024-04-16 | 盯盯拍(深圳)技术股份有限公司 | 一种基于全景行车记录仪的时序画面追溯方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000155839A (ja) * | 1998-11-18 | 2000-06-06 | Nippon Telegr & Teleph Corp <Ntt> | 標識領域画像抽出方法、装置、標識領域画像抽出プログラムを記録した記録媒体 |
KR100918837B1 (ko) * | 2009-07-10 | 2009-09-28 | 완전정보통신(주) | 하이브리드 방식의 차량 검지시스템 및 그 검지방법 |
CN103035005A (zh) * | 2012-12-13 | 2013-04-10 | 广州致远电子股份有限公司 | 一种全景泊车的标定方法,及装置,一种自动标定方法 |
CN103716594A (zh) * | 2014-01-08 | 2014-04-09 | 深圳英飞拓科技股份有限公司 | 基于运动目标检测的全景拼接联动方法及装置 |
CN103716595A (zh) * | 2014-01-08 | 2014-04-09 | 深圳英飞拓科技股份有限公司 | 全景拼接摄像机和球机联动控制方法及装置 |
-
2014
- 2014-07-17 CN CN201410341066.7A patent/CN104167109B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000155839A (ja) * | 1998-11-18 | 2000-06-06 | Nippon Telegr & Teleph Corp <Ntt> | 標識領域画像抽出方法、装置、標識領域画像抽出プログラムを記録した記録媒体 |
KR100918837B1 (ko) * | 2009-07-10 | 2009-09-28 | 완전정보통신(주) | 하이브리드 방식의 차량 검지시스템 및 그 검지방법 |
CN103035005A (zh) * | 2012-12-13 | 2013-04-10 | 广州致远电子股份有限公司 | 一种全景泊车的标定方法,及装置,一种自动标定方法 |
CN103716594A (zh) * | 2014-01-08 | 2014-04-09 | 深圳英飞拓科技股份有限公司 | 基于运动目标检测的全景拼接联动方法及装置 |
CN103716595A (zh) * | 2014-01-08 | 2014-04-09 | 深圳英飞拓科技股份有限公司 | 全景拼接摄像机和球机联动控制方法及装置 |
Non-Patent Citations (2)
Title |
---|
ELHAM KORDI GHASRODASHTI ET AL.: "Recognizing Persian license plates in digital zoom condition", 《201O 2ND INTERNATIONAL CONFERENCE ON EDUCATION TECHNOLOGY AND COMPUTER (ICETC)》 * |
朱睿爽: "全景视觉系统标定技术研究", 《中国优秀硕士学位论文信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10861177B2 (en) | 2015-11-11 | 2020-12-08 | Zhejiang Dahua Technology Co., Ltd. | Methods and systems for binocular stereo vision |
CN108022429A (zh) * | 2016-11-04 | 2018-05-11 | 浙江大华技术股份有限公司 | 一种车辆检测的方法及装置 |
CN110070724A (zh) * | 2018-01-24 | 2019-07-30 | 北京英泰智科技股份有限公司 | 一种视频监控方法、装置、摄像机及图像信息监管系统 |
CN110308470A (zh) * | 2018-03-27 | 2019-10-08 | 上海汽车集团股份有限公司 | 车辆定位方法及车辆定位系统 |
CN110164135A (zh) * | 2019-01-14 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN110164135B (zh) * | 2019-01-14 | 2022-08-02 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN111667404A (zh) * | 2019-03-05 | 2020-09-15 | 杭州海康威视数字技术股份有限公司 | 目标信息采集方法、装置、系统、电子设备及存储介质 |
CN111368639A (zh) * | 2020-02-10 | 2020-07-03 | 浙江大华技术股份有限公司 | 车辆越线判定方法、装置、计算机设备和存储介质 |
CN112289069A (zh) * | 2020-10-20 | 2021-01-29 | 上海汽车电器总厂有限公司 | 一种车位引导系统及方法 |
CN112785653A (zh) * | 2020-12-30 | 2021-05-11 | 中山联合汽车技术有限公司 | 车载相机姿态角标定方法 |
CN113255632A (zh) * | 2021-07-16 | 2021-08-13 | 深圳市赛菲姆科技有限公司 | 基于车牌识别的摄像头参数调整方法、装置、设备和介质 |
CN117893989A (zh) * | 2024-03-14 | 2024-04-16 | 盯盯拍(深圳)技术股份有限公司 | 一种基于全景行车记录仪的时序画面追溯方法及系统 |
CN117893989B (zh) * | 2024-03-14 | 2024-06-04 | 盯盯拍(深圳)技术股份有限公司 | 一种基于全景行车记录仪的时序画面追溯方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104167109B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104167109A (zh) | 车辆位置的检测方法和检测装置 | |
CN109901139B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
US11226200B2 (en) | Method and apparatus for measuring distance using vehicle-mounted camera, storage medium, and electronic device | |
CN109901138B (zh) | 激光雷达标定方法、装置、设备和存储介质 | |
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN111191487A (zh) | 车道线的检测及驾驶控制方法、装置和电子设备 | |
WO2021253245A1 (zh) | 识别车辆变道趋势的方法和装置 | |
US11625860B1 (en) | Camera calibration method | |
CN113030990B (zh) | 车辆的融合测距方法、装置、测距设备及介质 | |
CN114004882A (zh) | 一种二维地图生成方法、装置、终端设备及存储介质 | |
CN111340877A (zh) | 一种车辆定位方法及装置 | |
CN114755662A (zh) | 一种路车融合感知的激光雷达和gps的标定方法和装置 | |
CN114782548B (zh) | 基于全局图像的雷视数据标定方法、装置、设备及介质 | |
CN110111018B (zh) | 评估车辆感测能力的方法、装置、电子设备及存储介质 | |
CN117152265A (zh) | 一种基于区域提取的交通图像标定方法及装置 | |
CN115830073A (zh) | 地图要素重建方法、装置、计算机设备和存储介质 | |
CN115618602A (zh) | 一种车道级场景仿真方法及系统 | |
WO2021226852A1 (zh) | 车位检测方法、装置、计算机设备和存储介质 | |
CN114755663A (zh) | 车辆传感器的外参校准方法、装置及计算机可读存储介质 | |
CN114093155A (zh) | 交通事故责任溯源方法、装置、计算机设备和存储介质 | |
CN111383268A (zh) | 车辆间距状态获取方法、装置、计算机设备和存储介质 | |
CN112613370A (zh) | 目标缺损的检测方法、设备及计算机存储介质 | |
CN114063024A (zh) | 传感器的标定方法、装置、电子设备和存储介质 | |
CN116007637B (zh) | 定位装置、方法、车载设备、车辆、及计算机程序产品 | |
CN115950474B (zh) | 传感器的外参标定方法、装置、设备、介质和程序产品 |
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 |