CN106153000A - 一种前方车辆距离检测方法 - Google Patents
一种前方车辆距离检测方法 Download PDFInfo
- Publication number
- CN106153000A CN106153000A CN201610444263.0A CN201610444263A CN106153000A CN 106153000 A CN106153000 A CN 106153000A CN 201610444263 A CN201610444263 A CN 201610444263A CN 106153000 A CN106153000 A CN 106153000A
- Authority
- CN
- China
- Prior art keywords
- front vehicles
- image information
- detection method
- pixel
- video camera
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种前方测量距离检测方法,包括以下步骤:S1、利用视觉传感器采集自车辆行进方向上的图像信息,并利用机器视觉对上述采集的图像信息进行检测以获取图像信息中的目标区域;S2、在机器视觉获取的图像信息中的目标区域中,利用边缘特征提取前方车辆在图像信息中的具体位置,再利用角点检测方法确定前方车辆在图像信息中像素点的位置;S3、采用单目视觉测距几何模型计算出前方车辆与自车辆的实际距离;本发明可用于结构化道路上不同行驶速度、不同的光照条件环境下对前方车辆距离进行检测,且本发明通用性高、鲁棒性好、计算速度快、实施简单。
Description
技术领域
本发明涉及汽车距离检测技术领域,尤其涉及一种前方车辆距离检测方法。
背景技术
基于单目视觉的前方车辆距离检测是智能车辆的关键技术之一,对于保持车辆间距和车道变换以及车辆碰撞预警具有重要意义。相对于其他车辆距离测量方法,基于单目视觉的前方车辆距离检测具有成本低、信息丰富等优势。这些年对于单目视觉检测前方车辆距离的研究有很多,可以通过图像中像素距离与实际距离之间的统计关系估算前方车辆的距离,但没有确切的计算模型来保证其通用性;可以利用车辆位置和车辆宽度估计前方车辆的距离,但不能计算出前方车辆的确切距离;可以利用前方车辆模型,将图像中的前方车辆与主车在道路中的行驶位置联系起来,进而估算前方车辆距离,但没有实际路况下的实车实验验证其有效性;可以基于前方车辆阴影特征进行车辆距离的计算,但此方法并没有确定前方车辆的具体位置,不能满足精度要求。
发明内容
基于背景技术存在的技术问题,本发明提出了一种前方车辆距离检测方法。本发明提出的前方车辆距离检测方法,包括以下步骤:
S1、采集自车辆行进方向上的图像信息,并对上述采集的图像信息进行检测,以获取采集的图像信息中的目标区域;
S2、在获取的目标区域中,提取出前方车辆在图像信息中的具体位置,再计算出前方车辆在图像信息中像素点的位置;
S3、通过前方车辆在图像信息中像素点的位置,计算出前方车辆与自车辆的实际距离。
优选地,S1中利用视觉传感器采集自车辆行进方向上的图像信息,且该视觉传感器为CCD摄像机。
优选地,令CCD摄像机采集的图像信息中前方车辆的具体位置以世界坐标系表示,计算出的前方车辆在图像信息中像素点的位置以像素坐标系表示,则CCD摄像机内部参数标定公式,即世界坐标系转化为像素坐标系的公式为:
其中:
dx,dy为单位像素的物理大小;
u0,v0为像素坐标原点;
f为CCD摄像机焦距;
R是一个3×3的单位正交矩阵;
T是3×1的平移向量;
ax=f/dx,ay=f/dy;
为CCD摄像机内部参数矩阵。
优选地,S3中采用单目视觉测距几何模型计算出前方车辆与自车辆的实际距离,计算公式为:
d=h/tan{α+arctan[(y0-y)/f]}
其中:
f为CCD摄像机的有效焦距;
α为CCD摄像机的俯仰角度;
h为CCD摄像机的安装高度,即CCD摄像机的镜头中心与地面的距离;
y0为光轴与像平面交点的y轴坐标;
y为路面上一点p在像平面上的投影坐标;上述点p即为机器视觉检测出的前方车辆的角点位置在像平面中的像素点。
优选地,S1中利用机器视觉对采集的图像信息进行检测,以获取采集的图像信息中的目标区域。
优选地,S2中利用边缘特征提取方法在获取的目标区域中提取出前方车辆在图像信息中的具体位置,并利用角点检测方法计算出前方车辆在图像信息中像素点的位置。
优选地,角点检测方法的角点判定公式为:
令窗口W发生位置偏移(u,v),比较偏移前后窗口中每一个像素点的灰度变化值,使用误差平方和定义误差函数E(u,v):
其中:
ω(x,y)为窗口函数;
I(x+u,y+v)为平移后的图像灰度;
I(x,y)为图像灰度;
将I(x+u,y+v)进行Taylor展开:
舍去高阶小量得:
令
H为自相关矩阵,λ1和λ2是H的2个特征值;当λ1和λ2均很小时,图像窗口在所有方向上移动均没有明显灰度变化,此时判别此区域为平面;当λ1>>λ2或λ2>>λ1时,图像窗口沿着边缘移动,没有灰度变化;当λ1和λ2均较大且数值相当λ1~λ2时,此时图像窗口沿任意方向移动均有明显灰度变化,则判别此时检测到的为角点;角点应满足的基本性质:最小特征值应尽量大,角点响应为R=λmin,即对应特征值为λmin的点为角点。
本发明通过采用角点检测方法确定前方车辆在图像信息中像素点的具体位置,再利用单目视觉测距几何模型计算出前方车辆与自车辆的实际距离,采用本发明提出的方法,在计算出前方车辆与自车辆间的确切距离的同时,保证了该计算模型的通用性;本发明提出的方法适用于结构化道路上不同行驶速度、不同的光照条件下对前方车辆进行距离检测,在实际路况下保证了本方法有效性的同时,满足了对前方车辆具体位置测量的精度要求。本发明通用性高、鲁棒性好、计算速度快、实施简单,适合广泛推广以测量前方车辆距离,对于车辆在行驶过程中保持车距、变换车道、以及车辆碰撞预警等方面具有重要意义。
附图说明
图1为一种前方车辆距离检测方法的步骤示意图;
图2为一种前方车辆距离检测方法的单目视觉测距几何模型;
图3为一种前方车辆距离检测方法的点特征检测窗口图;
图4为一种前方车辆距离检测方法的CCD摄像机内部参数标定模型;
图5为光照充足、车速为30km/h时检测距离与实际距离对比图;
图6为光照充足、车速为60km/h时检测距离与实际距离对比图;
图7为光照不足、车速为30km/h时检测距离与实际距离对比图;
图8为光照不足、车速为60km/h时检测距离与实际距离对比图。
具体实施方式
如图1-图8所示,图1-图8为本发明提出的一种前方车辆距离检测方法。
参照图1-图8,本发明提出的前方车辆距离检测方法,包括以下步骤:
S1、采集自车辆行进方向上的图像信息,并对上述采集的图像信息进行检测,以获取采集的图像信息中的目标区域;
S2、在获取的目标区域中,提取出前方车辆在图像信息中的具体位置,再计算出前方车辆在图像信息中像素点的位置;
S3、通过前方车辆在图像信息中像素点的位置,计算出前方车辆与自车辆的实际距离。
在结构化道路中利用视觉传感器采集自车辆行进方向上的图像信息,且利用机器视觉检测图像信息中可能存在目标区域,上述目标区域指的是图像信息中有车辆的区域,该目标区域表明自身车辆前方有车辆,再通过边缘特征确定目标车辆的具体位置;对于确定位置的前方车辆进行角点检测确定前方车辆在图像信息中的像素点位置;在视觉传感器参数确定的基础上根据透视几何投影关系的单目视觉测距几何模型计算出前方车辆在现实三维世界中的距离。
本实施方式中,视觉传感器采用CCD摄像机。令CCD摄像机采集的图像信息中前方车辆的具体位置以世界坐标系表示,计算出的前方车辆在图像信息中像素点的位置以像素坐标系表示,则CCD摄像机内部参数标定公式,即世界坐标系转化为像素坐标系的公式为:
其中:
dx,dy为单位像素的物理大小;
u0,v0为像素坐标原点;
f为CCD摄像机焦距;
R是一个3×3的单位正交矩阵;
T是3×1的平移向量;
ax=f/dx,ay=f/dy;
为CCD摄像机内部参数矩阵。
采用单目视觉测距几何模型计算出前方车辆与自车辆的实际距离,计算公式为:
d=h/tan{α+arctan[(y0-y)/f]}
其中:
f为CCD摄像机的有效焦距;
α为CCD摄像机的俯仰角度;
h为CCD摄像机的安装高度,即CCD摄像机的镜头中心与地面的距离;
y0为光轴与像平面交点的y轴坐标;
y为路面上一点p在像平面上的投影坐标;上述点p即为机器视觉检测出的前方车辆的角点位置在像平面中的像素点。
角点检测方法的角点判定公式为:
令窗口W发生位置偏移(u,v),比较偏移前后窗口中每一个像素点的灰度变化值,使用误差平方和定义误差函数E(u,v):
其中:
ω(x,y)为窗口函数;
I(x+u,y+v)为平移后的图像灰度;
I(x,y)为图像灰度;
将I(x+u,y+v)进行Taylor展开:
舍去高阶小量得:
令
H为自相关矩阵,λ1和λ2是H的2个特征值;当λ1和λ2均很小时,图像窗口在所有方向上移动均没有明显灰度变化,此时判别此区域为平面;当λ1>>λ2或λ2>>λ1时,图像窗口沿着边缘移动,没有灰度变化;当λ1和λ2均较大且数值相当λ1~λ2时,此时图像窗口沿任意方向移动均有明显灰度变化,则判别此时检测到的为角点;角点应满足的基本性质:最小特征值应尽量大,角点响应为R=λmin,即对应特征值为λmin的点为角点。
结合上述方法,且根据不同的天气情况、不同的光照条件以及自车辆不同的行驶速度,本实施方式给出了4个实施例及4个实验结果检验上述方法的可行性和准确性:
实施例1:
在结构化道路上,天气晴朗、光照充足的情况下,自车以30km/h时速行进时对前方不同距离车辆进行检测。前方车辆的实际距离分别为10m、20m、30m、40m、50m;根据本方法测得的距离与实际距离进行对比,如图5;图中距离测量值分别为9.50m、19.25m、31.45m、41.80m、52.00m;根据上述实验结果可知,利用本方法获得的测量值与实际值之间的误差均控制在5%之内。
实施例2:
在结构化道路上,天气晴朗、光照充足的情况下,自车以60km/h时速行进时对前方不同距离车辆进行检测。前方车辆的实际距离分别为10m、20m、30m、40m、50m;根据本方法测得的距离与实际距离进行对比,如图6;图中距离测量值分别为10.25m、20.85m、31.30m、42.00m、52.50m;根据上述实验结果可知,利用本方法获取的测量值与实际值之间的误差均控制在5%之内。
实施例3:
在结构化道路上,天气有雾、光照不足的情况下,自车以30km/h时速行进时对前方不同距离车辆进行检测。前方车辆的实际距离分别为10m、20m、30m、40m、50m;根据本方法测得的距离与实际距离进行对比,如图7;图中距离测量值分别为9.65m、20.50m、31.35m、38.85m、51.50m;根据上述实验结果可知,利用本方法获得的测量值与实际值之间的误差均控制在5%之内。
实施例4:
在结构化道路上,天气有雾、光照不足的情况下,自车以60km/h时速行进时对前方不同距离车辆进行检测。前方车辆的实际距离分别为10m、20m、30m、40m、50m;根据本方法测得的距离与实际距离进行对比,如图8;图中距离测量值分别为10.50m、21.00m、31.50m、42.00m、49.50m;根据上述实验结果可知,利用本方法获得的测量值与实际值之间的误差均控制在5%之内。
结合实施例1、2、3、4的实验结果,表明利用本方法测量的前方车辆与自车辆的距离值与实际距离值的误差小,满足实际需求,在实际的使用过程中,能准确的测量出前方车辆与自车辆的实际距离,为车辆采取应急措施等举措提供有力的数据,进一步保证车辆在行驶过程中的安全性,避免危险事故的发生。
本实施方式中,采用角点检测方法确定前方车辆在图像信息中像素点具体位置来检测前方车辆的距离,与传统方法相比,具有通用性高、鲁棒性好、计算速度快、实施简单等优点;采用单目视觉测距几何模型对前方车辆与自车辆间的距离进行计算,其算法简单稳定,不需要进行任何的算法转换;且该方法可用于结构化道路上不同行驶速度、不同的光照条件环境下的前方车辆距离检测,保证了该方法的有效性和广泛实用性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种前方车辆距离检测方法,其特征在于,包括以下步骤:
S1、采集自车辆行进方向上的图像信息,并对上述采集的图像信息进行检测,以获取采集的图像信息中的目标区域;
S2、在获取的目标区域中,提取出前方车辆在图像信息中的具体位置,再计算出前方车辆在图像信息中像素点的位置;
S3、通过前方车辆在图像信息中像素点的位置,计算出前方车辆与自车辆的实际距离。
2.根据权利要求1所述的前方车辆距离检测方法,其特征在于,S1中利用视觉传感器采集自车辆行进方向上的图像信息,且该视觉传感器为CCD摄像机。
3.根据权利要求2所述的前方车辆距离检测方法,其特征在于,令CCD摄像机采集的图像信息中前方车辆的具体位置以世界坐标系表示,计算出的前方车辆在图像信息中像素点的位置以像素坐标系表示,则CCD摄像机内部参数标定公式,即世界坐标系转化为像素坐标系的公式为:
其中:
dx,dy为单位像素的物理大小;
u0,v0为像素坐标原点;
f为CCD摄像机焦距;
R是一个3×3的单位正交矩阵;
T是3×1的平移向量;
ax=f/dx,ay=f/dy;
为CCD摄像机内部参数矩阵。
4.根据权利要求2所述的前方车辆距离检测方法,其特征在于,S3中采用单目视觉测距几何模型计算出前方车辆与自车辆的实际距离,计算公式为:
d=h/tan{α+arctan[(y0-y)/f]}
其中:
f为CCD摄像机的有效焦距;
α为CCD摄像机的俯仰角度;
h为CCD摄像机的安装高度,即CCD摄像机的镜头中心与地面的距离;
y0为光轴与像平面交点的y轴坐标;
y为路面上一点p在像平面上的投影坐标;上述点p即为机器视觉检测出的前方车辆的角点位置在像平面中的像素点。
5.根据权利要求1所述的前方车辆距离检测方法,其特征在于,S1中利用机器视觉对采集的图像信息进行检测,以获取采集的图像信息中的目标区域。
6.根据权利要求1所述的前方车辆距离检测方法,其特征在于,S2中利用边缘特征提取方法在获取的目标区域中提取出前方车辆在图像信息中的具体位置,并利用角点检测方法计算出前方车辆在图像信息中像素点的位置。
7.根据权利要求6所述的前方车辆距离检测方法,其特征在于,角点检测方法的角点判定公式为:
令窗口W发生位置偏移(u,v),比较偏移前后窗口中每一个像素点的灰度变化值,使用误差平方和定义误差函数E(u,v):
其中:
ω(x,y)为窗口函数;
I(x+u,y+v)为平移后的图像灰度;
I(x,y)为图像灰度;
将I(x+u,y+v)进行Taylor展开:
舍去高阶小量得:
令
H为自相关矩阵,λ1和λ2是H的2个特征值;当λ1和λ2均很小时,图像窗口在所有方向上移动均没有明显灰度变化,此时判别此区域为平面;当λ1>>λ2或λ2>>λ1时,图像窗口沿着边缘移动,没有灰度变化;当λ1和λ2均较大且数值相当λ1~λ2时,此时图像窗口沿任意方向移动均有明显灰度变化,则判别此时检测到的为角点;角点应满足的基本性质:最小特征值应尽量大,角点响应为R=λmin,即对应特征值为λmin的点为角点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610444263.0A CN106153000A (zh) | 2016-06-17 | 2016-06-17 | 一种前方车辆距离检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610444263.0A CN106153000A (zh) | 2016-06-17 | 2016-06-17 | 一种前方车辆距离检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106153000A true CN106153000A (zh) | 2016-11-23 |
Family
ID=57353496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610444263.0A Pending CN106153000A (zh) | 2016-06-17 | 2016-06-17 | 一种前方车辆距离检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106153000A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952308A (zh) * | 2017-04-01 | 2017-07-14 | 上海蔚来汽车有限公司 | 运动物体的位置确定方法及系统 |
CN107290738A (zh) * | 2017-06-27 | 2017-10-24 | 清华大学苏州汽车研究院(吴江) | 一种测量前方车辆距离的方法和装置 |
CN107305632A (zh) * | 2017-02-16 | 2017-10-31 | 武汉极目智能技术有限公司 | 基于单目计算机视觉技术的目标对象距离测量方法与系统 |
CN107688174A (zh) * | 2017-08-02 | 2018-02-13 | 北京纵目安驰智能科技有限公司 | 一种图像测距方法、系统、存储介质和车载视觉感知设备 |
WO2018032860A1 (zh) * | 2016-08-15 | 2018-02-22 | 杭州海康威视数字技术股份有限公司 | 一种测量方法及装置 |
CN108230393A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 一种智能车前方运动车辆的测距方法 |
CN109959919A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 汽车及单目摄像头测距方法、装置 |
CN110031829A (zh) * | 2019-04-18 | 2019-07-19 | 北京联合大学 | 一种基于单目视觉的目标精准测距方法 |
CN110174088A (zh) * | 2019-04-30 | 2019-08-27 | 上海海事大学 | 一种基于单目视觉的目标测距方法 |
CN110412982A (zh) * | 2019-07-31 | 2019-11-05 | 长沙理工大学 | 基于单目相机测距不确定的机器人路径稳健性规划方法 |
CN110706271A (zh) * | 2019-09-30 | 2020-01-17 | 清华大学 | 一种车载视觉实时多车载目标横纵向距离估计方法 |
CN110836656A (zh) * | 2018-08-15 | 2020-02-25 | 深圳地平线机器人科技有限公司 | 用于单目adas的防抖测距方法、装置和电子设备 |
CN110966984A (zh) * | 2018-09-29 | 2020-04-07 | 宝钢新日铁汽车板有限公司 | 一种基于视觉图像的炉鼻子水平监测系统及方法 |
CN111141252A (zh) * | 2018-12-14 | 2020-05-12 | 广东星舆科技有限公司 | 一种单目标定测距的方法及系统 |
CN111256651A (zh) * | 2018-12-03 | 2020-06-09 | 北京京东尚科信息技术有限公司 | 一种基于单目车载摄像头的周车测距方法和装置 |
CN111982072A (zh) * | 2020-07-29 | 2020-11-24 | 西北工业大学 | 一种基于单目视觉的目标测距方法 |
CN111998780A (zh) * | 2019-05-27 | 2020-11-27 | 杭州海康威视数字技术股份有限公司 | 目标测距方法、装置及系统 |
CN113870363A (zh) * | 2021-09-30 | 2021-12-31 | 重庆长安汽车股份有限公司 | 一种多目测距设备参数标定方法 |
US11226200B2 (en) | 2017-06-28 | 2022-01-18 | Boe Technology Group Co., Ltd. | Method and apparatus for measuring distance using vehicle-mounted camera, storage medium, and electronic device |
CN113870363B (zh) * | 2021-09-30 | 2024-09-24 | 重庆长安汽车股份有限公司 | 一种多目测距设备参数标定方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1806595A1 (en) * | 2006-01-04 | 2007-07-11 | Mobileye Technologies Limited | Estimating distance to an object using a sequence of images recorded by a monocular camera |
CN103196418A (zh) * | 2013-03-06 | 2013-07-10 | 山东理工大学 | 一种弯道车距测量方法 |
-
2016
- 2016-06-17 CN CN201610444263.0A patent/CN106153000A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1806595A1 (en) * | 2006-01-04 | 2007-07-11 | Mobileye Technologies Limited | Estimating distance to an object using a sequence of images recorded by a monocular camera |
CN103196418A (zh) * | 2013-03-06 | 2013-07-10 | 山东理工大学 | 一种弯道车距测量方法 |
Non-Patent Citations (2)
Title |
---|
佟卓远: "基于机器视觉的前方车辆检测与测距系统设计", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
岳洪伟: "基于双目立体视觉的汽车制动性能检测系统研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018032860A1 (zh) * | 2016-08-15 | 2018-02-22 | 杭州海康威视数字技术股份有限公司 | 一种测量方法及装置 |
US11017552B2 (en) | 2016-08-15 | 2021-05-25 | Hangzhou Hikvision Digital Technology Co., Ltd | Measurement method and apparatus |
CN108230393A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 一种智能车前方运动车辆的测距方法 |
CN107305632A (zh) * | 2017-02-16 | 2017-10-31 | 武汉极目智能技术有限公司 | 基于单目计算机视觉技术的目标对象距离测量方法与系统 |
CN107305632B (zh) * | 2017-02-16 | 2020-06-12 | 武汉极目智能技术有限公司 | 基于单目计算机视觉技术的目标对象距离测量方法与系统 |
CN106952308B (zh) * | 2017-04-01 | 2020-02-28 | 上海蔚来汽车有限公司 | 运动物体的位置确定方法及系统 |
WO2018177159A1 (zh) * | 2017-04-01 | 2018-10-04 | 上海蔚来汽车有限公司 | 运动物体的位置确定方法及系统 |
CN106952308A (zh) * | 2017-04-01 | 2017-07-14 | 上海蔚来汽车有限公司 | 运动物体的位置确定方法及系统 |
CN107290738A (zh) * | 2017-06-27 | 2017-10-24 | 清华大学苏州汽车研究院(吴江) | 一种测量前方车辆距离的方法和装置 |
US11226200B2 (en) | 2017-06-28 | 2022-01-18 | Boe Technology Group Co., Ltd. | Method and apparatus for measuring distance using vehicle-mounted camera, storage medium, and electronic device |
CN107688174A (zh) * | 2017-08-02 | 2018-02-13 | 北京纵目安驰智能科技有限公司 | 一种图像测距方法、系统、存储介质和车载视觉感知设备 |
CN109959919A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 汽车及单目摄像头测距方法、装置 |
CN109959919B (zh) * | 2017-12-22 | 2021-03-26 | 比亚迪股份有限公司 | 汽车及单目摄像头测距方法、装置 |
CN110836656A (zh) * | 2018-08-15 | 2020-02-25 | 深圳地平线机器人科技有限公司 | 用于单目adas的防抖测距方法、装置和电子设备 |
CN110966984A (zh) * | 2018-09-29 | 2020-04-07 | 宝钢新日铁汽车板有限公司 | 一种基于视觉图像的炉鼻子水平监测系统及方法 |
CN111256651A (zh) * | 2018-12-03 | 2020-06-09 | 北京京东尚科信息技术有限公司 | 一种基于单目车载摄像头的周车测距方法和装置 |
CN111256651B (zh) * | 2018-12-03 | 2022-06-07 | 北京京东乾石科技有限公司 | 一种基于单目车载摄像头的周车测距方法和装置 |
CN111141252A (zh) * | 2018-12-14 | 2020-05-12 | 广东星舆科技有限公司 | 一种单目标定测距的方法及系统 |
CN110031829A (zh) * | 2019-04-18 | 2019-07-19 | 北京联合大学 | 一种基于单目视觉的目标精准测距方法 |
CN110031829B (zh) * | 2019-04-18 | 2021-07-09 | 北京联合大学 | 一种基于单目视觉的目标精准测距方法 |
CN110174088A (zh) * | 2019-04-30 | 2019-08-27 | 上海海事大学 | 一种基于单目视觉的目标测距方法 |
CN111998780A (zh) * | 2019-05-27 | 2020-11-27 | 杭州海康威视数字技术股份有限公司 | 目标测距方法、装置及系统 |
CN110412982A (zh) * | 2019-07-31 | 2019-11-05 | 长沙理工大学 | 基于单目相机测距不确定的机器人路径稳健性规划方法 |
CN110412982B (zh) * | 2019-07-31 | 2022-07-15 | 长沙理工大学 | 基于单目相机测距不确定的机器人路径稳健性规划方法 |
CN110706271A (zh) * | 2019-09-30 | 2020-01-17 | 清华大学 | 一种车载视觉实时多车载目标横纵向距离估计方法 |
CN110706271B (zh) * | 2019-09-30 | 2022-02-15 | 清华大学 | 一种车载视觉实时多车载目标横纵向距离估计方法 |
CN111982072A (zh) * | 2020-07-29 | 2020-11-24 | 西北工业大学 | 一种基于单目视觉的目标测距方法 |
CN113870363A (zh) * | 2021-09-30 | 2021-12-31 | 重庆长安汽车股份有限公司 | 一种多目测距设备参数标定方法 |
CN113870363B (zh) * | 2021-09-30 | 2024-09-24 | 重庆长安汽车股份有限公司 | 一种多目测距设备参数标定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106153000A (zh) | 一种前方车辆距离检测方法 | |
CN101549683B (zh) | 自动识别道路深坑与障碍物的车辆智能方法 | |
CN107615201B (zh) | 自身位置估计装置及自身位置估计方法 | |
CN103559791B (zh) | 一种融合雷达和ccd摄像机信号的车辆检测方法 | |
WO2018105179A1 (ja) | 車載用画像処理装置 | |
US9064418B2 (en) | Vehicle-mounted environment recognition apparatus and vehicle-mounted environment recognition system | |
Guo et al. | A multimodal ADAS system for unmarked urban scenarios based on road context understanding | |
CN106289159B (zh) | 基于测距补偿的车辆测距方法及装置 | |
CN106324618B (zh) | 实现基于激光雷达检测车道线系统的方法 | |
US20090169052A1 (en) | Object Detector | |
CN104950313A (zh) | 一种路面提取及道路坡度识别方法 | |
CN104648403A (zh) | 用于探测窄路的方法、装置和系统 | |
Suzuki et al. | Measurement of vehicle motion and orientation using optical flow | |
JP6547785B2 (ja) | 物標検出装置 | |
KR102441075B1 (ko) | 노면표시기반 차량의 위치추정 방법 및 장치 | |
CN103499337A (zh) | 一种基于立式标靶的车载单目摄像头测距测高装置 | |
CN107290738A (zh) | 一种测量前方车辆距离的方法和装置 | |
US8031908B2 (en) | Object recognizing apparatus including profile shape determining section | |
CN112674646A (zh) | 基于多算法融合的自适应贴边作业方法及机器人 | |
Hara et al. | Vehicle localization based on the detection of line segments from multi-camera images | |
CN207611140U (zh) | 一种测量前方车辆距离的装置 | |
CN113869203A (zh) | 车辆定位方法和系统 | |
Yu et al. | Measuring algorithm for the distance to a preceding vehicle on curve road using on-board monocular camera | |
Choi et al. | Applications of moving windows technique to autonomous vehicle navigation | |
Zhenhai et al. | Study lane curvature estimation algorithm based on radar |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161123 |