CN107507131A - 基于单摄像头的360度全景倒车影像生成方法 - Google Patents

基于单摄像头的360度全景倒车影像生成方法 Download PDF

Info

Publication number
CN107507131A
CN107507131A CN201710671231.9A CN201710671231A CN107507131A CN 107507131 A CN107507131 A CN 107507131A CN 201710671231 A CN201710671231 A CN 201710671231A CN 107507131 A CN107507131 A CN 107507131A
Authority
CN
China
Prior art keywords
image
automobile
camera
wheel
calculating
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
CN201710671231.9A
Other languages
English (en)
Other versions
CN107507131B (zh
Inventor
吕子锋
李彦志
吴龙挑
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.)
Guangzhou Anxiao Science And Technology Co Ltd
Original Assignee
Guangzhou Anxiao Science And Technology Co Ltd
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 Guangzhou Anxiao Science And Technology Co Ltd filed Critical Guangzhou Anxiao Science And Technology Co Ltd
Priority to CN201710671231.9A priority Critical patent/CN107507131B/zh
Publication of CN107507131A publication Critical patent/CN107507131A/zh
Application granted granted Critical
Publication of CN107507131B publication Critical patent/CN107507131B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G06T3/047—Fisheye or wide-angle transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于单摄像头的360度全景倒车影像生成方法，通过在汽车尾部安装单个摄像头对车后方实时画面进行接收；利用汽车CAN总线协议获得的汽车实时车速以及方向盘旋转角信息，计算旋转中心以及前一时刻图像相对于当前时刻图像的旋转角度；对前一时刻图像进行旋转并与当前时刻图像进行拼接，生成360度全景倒车影像。在汽车倒车的过程中，不断在显示屏显示生成的360度全景倒车影像，可将汽车倒车过程中的静态环境以及实时拍摄到的车后方动态信息反馈给驾驶员，帮助驾驶员在倒车过程中有效避开不同时刻出现在视野盲区的障碍物，辅助驾驶者安全倒车。本发明在有效节省成本的基础上，既能观察车后方实时画面信息，又能观察车侧盲区静态障碍物信息。

Description

基于单摄像头的360度全景倒车影像生成方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于单摄像头的360度全景倒车影像生成方法。
背景技术
随着我国居民消费能力的提升以及汽车的普及，越来越多人选择购买汽车作为代步工具。由于传统汽车无可避免存在视野盲区的问题，而且许多停车位越来越狭窄，泊车成为许多“有车一族”、特别是驾驶新手最烦恼的事。如果操作不当，在倒车的过程中很容易无法倒进停车位，或者与障碍物发生刮碰，更为严重的是有可能撞伤在视野盲区的小孩。因此，一项能够让驾驶者在倒车过程中实时观察视野盲区情况的技术十分有必要。
针对传统汽车普遍存在视野盲区的问题，目前市场上的应对方式主要有三种：1.在汽车尾部安装多个超声波传感器，通过显示器或蜂鸣器向驾驶者反馈后方是否存在障碍物以及障碍物的距离；2.在汽车尾部安装一个广角摄像头，并将实时拍摄到的图像通过车内显示器反馈给驾驶者；3.在汽车前后左右各安装一个广角摄像头，将四个摄像头拍摄到的实时图像拼接成360度全景图像，并通过车内显示器反馈给驾驶者。
目前，市场上常见的三种辅助驾驶者泊车的系统，都存在一定的技术缺点：1.仅通过超声波传感器无法让驾驶者直观知道后方障碍物的类型以及大小；2.在车后方安装一个摄像头的方案，仅能让驾驶者看到车后方实时画面，驾驶者无法获知汽车侧后方视野盲区中的静态障碍物位置以及汽车在整个倒车环境中的相对位置；3.在汽车前后左右安装四个广角摄像头的方案，虽然能够有效解决上述问题，但与单个摄像头的方案相比，其使用成本更高，内存资源消耗大。
发明内容
有鉴于此，为了解决现有技术中的上述问题，本发明提出一种基于单摄像头的360度全景倒车影像生成方法。
本发明通过以下技术手段解决上述问题：
一种基于单摄像头的360度全景倒车影像生成方法，包括如下步骤：
S1、摄像机标定：
计算摄像机畸变系数；
利用标定板标定摄像机内参矩阵和外参矩阵；
S2、计算图像像素距离与实际距离的比例；
S3、读入汽车模型图片和车轮模型图片；
S4、根据摄像机畸变系数、内参矩阵和外参矩阵，将鱼眼图逐帧矫正为俯视图；
S5、通过汽车CAN总线协议读入汽车实时方向盘旋转角度信息和实时车速信息；
S6、若当前帧为第一帧，填充实时画面外的部分为纯色背景，跳至步骤S16；否则，进入步骤S7；
S7、判断当前车速是否为0，若为0，则进入步骤S8；否则，跳至步骤S9；
S8、静止图像检测；对前一帧图像和当前帧图像重叠区域进行静止图像检测操作，以匹配汽车实际运动情况；
S9、计算旋转中心和旋转角度；
S10、根据旋转中心和旋转角度对前一帧画面进行旋转，得到旋转后图像；
S11、将当前帧俯视图与步骤S10所得旋转后图像进行加权融合拼接；
S12、设定需要警告的距离，根据图像像素距离与实际距离的比例计算出对应的像素坐标，并在输出图像中显示；
S13、根据方向盘旋转角度信息对车轮模型进行旋转，并在输出图像中显示；
S14、根据旋转角度计算轨迹线坐标信息，并在输出图像中显示；
S15、将汽车模型在输出图像中显示，输出效果即为实时360度全景倒车影像；
S16、检测视频拍摄是否结束，若是，停止算法；若否，返回步骤S4。
进一步地，步骤S1中，计算摄像机畸变系数具体包括：
根据摄像机厂家提供的镜头畸变参数表，使用七次多项式
Y＝k1θ7+k2θ6+k3θ5+k4θ4+k5θ3+k6θ2+k7θ+k8对参数表中的画角θ和真实图像高度Y进行拟合，拟合出来的多项式系数作为摄像机畸变参数D＝[k1,k2,k3,k4,k5,k6,k7,k8]；
利用标定板标定摄像机内参矩阵和外参矩阵具体包括：
标定开始前，先将棋盘格铺设在汽车后方地面，标定开始后，先检测中央棋盘格角点并进行第一次标定，得到初步的内参矩阵和外参矩阵；然后根据第一次标定得到的内参矩阵和外参矩阵对摄像机拍摄的原始图像进行矫正；最后检测一次矫正图两侧棋盘格角点，进行第二次标定，得到精确的内参矩阵K和外参矩阵[R,T]；
其中，为摄像头内参矩阵，R为旋转矩阵，T为平移向量，cx和cy表示光学中心坐标，设f是摄像机焦距，那么dx为传感器u轴上单位像素的尺寸大小，dy为传感器v轴上单位像素的尺寸大小。
进一步地，步骤S2具体包括：
提取中央棋盘格中央两列角点坐标(xi,yi)，设N为提取角点的总数，则:
相邻角点像素距离此处“相邻”指同一行或同一列，不包括对角线上相邻；
平均相邻角点像素距离
由于棋盘格由黑白相间、同一大小的正方形组成，设棋盘格正方形边长为a，那么图像像素距离与实际距离的比例
进一步地，步骤S4具体包括：
S41、设鱼眼图像素坐标为[x2,y2,z2]T，则[x',y',z']T＝R·[x2,y2,z2]T；
S42、对z轴进行归一化，得到
S43、计算
S44、对图像进行畸变矫正：
θd＝D·[θ7,θ6,θ5,θ4,θ3,θ2,θ,1]T
＝[k1,k2,k3,k4,k5,k6,k7,k8]·[θ7,θ6,θ5,θ4,θ3,θ2,θ,1]T；
S45、矫正后图像坐标为：
S46、根据步骤S41-S45计算的图像坐标对图像进行插值，得到矫正后俯视图。
进一步地，步骤S8具体包括：
S81、分别提取前一帧图像和当前帧图像的重叠区域，记为Img1range和Img2range；
S82、分别对Img1range和Img2range进行灰度化处理，记为Img1gray和Img2gray；
S83、Img3＝Img1gray-Img2gray；
S84、对Img3进行二值化处理，二值化处理后矩阵记为Ibinary；
S85、若矩阵Ibinary的最大值为0，则认为当前时刻汽车相对于前一时刻静止，跳至步骤S16；否则，赋值车速V为区间(0,1)的任一数值，设V＝0.5，进入步骤S9。
进一步地，步骤S9具体包括：
S91、计算汽车旋转半径其中AxlesDist为汽车实际轴距；
S92、计算汽车旋转角速度
S93、计算汽车旋转角度α＝ω·t，其中t为时间间隔；
S94、计算旋转中心坐标：
ry0＝yc
其中，(xc,yc)为摄像机坐标。
进一步地，步骤S10具体包括：
S101、设旋转前图像坐标为(xbefore,ybefore)，旋转后坐标为(xafter,yafter)，则
S102、根据步骤S101计算的旋转后坐标对图像进行插值，得到旋转后图像。
进一步地，步骤S11具体包括：
S111、将旋转后图像ImgRotate与当前帧俯视图ImgPresent重叠部分进行拷贝，记为ImgROIcopy；
S112、对重叠部分进行加权融合，加权融合后图像记为Img，加权融合公式如下：
Img(i,j)＝(1-weight)·ImgRorate(i,j)+weight·ImgROIcopy(i,j)
其中，(i,j)为图像第i行、第j列坐标，
进一步地，S13具体包括：
S131、对车轮模型图片进行旋转，设车轮模型图片坐标为(xwheel,ywheel)，则旋转后车轮坐标为(x'wheel,y'wheel)，其中，
S132、根据步骤S131计算的旋转后车轮坐标对车轮图像进行插值，并在输出图像指定位置显示，实现动态车轮转动功能。
进一步地，步骤S14具体包括：
S141、根据车身实际信息以及ratio计算出汽车四个车轮在图像中的坐标；
S142、先根据轴距AxlesDist信息计算汽车两前轮中间半径fmR和两后轮中间半径bmR，再根据轮距WheelDist和轴距AxlesDist信息计算汽车左前轮半径flR、右前半径frR、左后半径blR和右后半径brR，计算公式如下：
若θπ>0，则
若θπ<0，则
S143、以步骤S9计算得出的旋转中心(rx0,ry0)为圆心，分别以步骤S142计算得出的数值为半径画圆弧，即为精准轨迹线。
与现有技术相比，本发明的有益效果如下：
1)、摄像头与原厂数据匹配，进行两次标定，矫正更精确；
2)、仅需单个摄像头即可生成360度全景倒车影像，在有效节省成本的基础上，既能观察车后方实时画面信息，又能观察车侧盲区静态障碍物信息；
3)、根据距离警示标识，可在显示屏中反映汽车与后方障碍物的实际距离；
4)、动态精准轨迹线以及车轮实时旋转，能有效反映汽车真实情况。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于单摄像头的360度全景倒车影像生成方法的流程图；
图2是本发明中单摄像头棋盘格设置示意图；
图3是本发明中第一帧图像示意图；
图4是本发明中旋转后图片示意图；
图5是本发明中加权融合拼接后图片示意图；
图6是本发明中360度全景倒车影像示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供一种基于单摄像头的360度全景倒车影像生成方法，包括如下步骤：
步骤S1、摄像机标定。
S11、计算摄像机畸变系数。
根据摄像机厂家提供的镜头畸变参数表，使用七次多项式(式(1))对参数表中的画角θ和真实图像高度(real image height)Y进行拟合，拟合出来的多项式系数作为摄像机畸变参数D＝[k1,k2,k3,k4,k5,k6,k7,k8]。
Y＝k1θ7+k2θ6+k3θ5+k4θ4+k5θ3+k6θ2+k7θ+k8 (1)
S12、利用标定板标定摄像机内参矩阵和外参矩阵。
标定开始前，先将棋盘格铺设在汽车后方地面，棋盘格铺设方式如图2。标定开始后，先检测中央棋盘格角点并进行第一次标定，得到初步的内参矩阵和外参矩阵；然后根据第一次标定得到的内参矩阵和外参矩阵对摄像机拍摄的原始图像进行矫正；最后检测一次矫正图两侧棋盘格角点，进行第二次标定，得到精确的内参矩阵K和外参矩阵[R,T]。
其中，为摄像头内参矩阵，R为旋转矩阵，T为平移向量。cx和cy表示光学中心坐标。设f是摄像机焦距，那么dx为传感器u轴上单位像素的尺寸大小，dy为传感器v轴上单位像素的尺寸大小。
步骤S2、计算图像像素距离与实际距离的比例ratio。
对于摄像机拍摄的图片，特别是广角摄像机，越靠近图像中心的位置，畸变越小，图像效果与实际情况差距越小。因此，本发明提取中央棋盘格中央两列角点坐标(xi,yi)，设N为提取角点的总数，则:
相邻角点像素距离此处“相邻”指同一行或同一列，不包括对角线上相邻；
平均相邻角点像素距离
由于棋盘格由黑白相间、同一大小的正方形组成，设棋盘格正方形边长为a，那么图像像素距离与实际距离的比例
步骤S3、读入汽车模型图片和车轮模型图片。
步骤S4、根据摄像机畸变系数D、内参矩阵K和外参矩阵[R,T]，将鱼眼图逐帧矫正为俯视图。
S41、设鱼眼图像素坐标为[x2,y2,z2]T，则[x',y',z']T＝R·[x2,y2,z2]T；
S42、对z轴进行归一化，得到
S43、计算
S44、对图像进行畸变矫正：
θd＝D·[θ7,θ6,θ5,θ4,θ3,θ2,θ,1]T
＝[k1,k2,k3,k4,k5,k6,k7,k8]·[θ7,θ6,θ5,θ4,θ3,θ2,θ,1]T；
S45、矫正后图像坐标为：
S46、根据步骤S41-S45计算的图像坐标对图像进行插值，得到矫正后俯视图。
步骤S5、通过汽车CAN总线协议读入汽车实时方向盘旋转角度信息θπ和实时车速信息V。
步骤S6、若当前帧为第一帧，填充实时画面外的部分为纯色背景，如图3，跳至步骤S16；否则，进入步骤S7。
步骤S7、判断当前车速是否为0，若为0，则进入步骤S8；否则，跳至步骤S9。
步骤S8、静止图像检测。
由于汽车CAN总线协议读入的车速数据为非负整数，若0<V<1时，存在汽车在移动但V＝0的情况。针对此情况，本发明对前一帧图像和当前帧图像重叠区域进行静止图像检测操作，以匹配汽车实际运动情况。
S81、分别提取前一帧图像和当前帧图像的重叠区域，记为Img1range和Img2range；
S82、分别对Img1range和Img2range进行灰度化处理，记为Img1gray和Img2gray；
S83、Img3＝Img1gray-Img2gray；
S84、对Img3进行二值化处理，二值化处理后矩阵记为Ibinary；
S85、若矩阵Ibinary的最大值为0，则认为当前时刻汽车相对于前一时刻静止，跳至步骤S16；否则，赋值车速V为区间(0,1)的任一数值，本发明设V＝0.5，进入步骤S9。
步骤S9、计算旋转中心(rx0,ry0)和旋转角度α。
S91、计算汽车旋转半径其中AxlesDist为汽车实际轴距；
S92、计算汽车旋转角速度
S93、计算汽车旋转角度α＝ω·t，其中t为时间间隔；
S94、计算旋转中心坐标：
ry0＝yc
其中，(xc,yc)为摄像机坐标。
步骤S10、根据旋转中心(rx0,ry0)和旋转角度α对前一帧画面进行旋转，得到旋转后图像。
S101、设旋转前图像坐标为(xbefore,ybefore)，旋转后坐标为(xafter,yafter)，则
S102、根据步骤S101计算的旋转后坐标对图像进行插值，得到旋转后图像，效果如图4。
步骤S11、将当前帧俯视图与步骤S10所得旋转后图像进行加权融合拼接，如图5。
S111、将旋转后图像ImgRotate与当前帧俯视图ImgPresent重叠部分进行拷贝，记为ImgROIcopy；
S112、对重叠部分进行加权融合，加权融合后图像记为Img。加权融合公式如下：
Img(i,j)＝(1-weight)·ImgRorate(i,j)+weight·ImgROIcopy(i,j) (2)
其中，(i,j)为图像第i行、第j列坐标，
步骤S12、设定需要警告的距离，根据ratio计算出对应的像素坐标，并在输出图像中显示。
步骤S13、根据方向盘旋转角度信息θπ对车轮模型进行旋转，并在输出图像中显示。
S131、对车轮模型图片进行旋转。设车轮模型图片坐标为(xwheel,ywheel)，则旋转后车轮坐标为(x'wheel,y'wheel)。其中，
S132、根据步骤S131计算的旋转后车轮坐标对车轮图像进行插值，并在输出图像指定位置显示，实现动态车轮转动功能。
步骤S14：根据旋转角度α计算轨迹线坐标信息，并在输出图像中显示。
S141、根据车身实际信息以及ratio计算出汽车四个车轮在图像中的坐标；
S142、先根据轴距AxlesDist信息计算汽车两前轮中间半径fmR和两后轮中间半径bmR，再根据轮距WheelDist和轴距AxlesDist信息计算汽车左前轮半径flR、右前半径frR、左后半径blR和右后半径brR。计算公式如下：
若θπ>0，则
若θπ<0，则
S143、以步骤S9计算得出的旋转中心(rx0,ry0)为圆心，分别以步骤S142计算得出的数值为半径画圆弧，即为精准轨迹线。
步骤S15、将汽车模型在输出图像中显示，输出效果如图6，即为实时360度全景倒车影像。
步骤S16、检测视频拍摄是否结束，若是，停止算法；若否，返回步骤S4。
本发明采用单摄像头方案，基于汽车CAN总线协议获取方向盘旋转角度信息和车速信息，通过算法生成360度全景倒车影像，实现辅助倒车功能。基本思路为：通过在汽车尾部安装单个摄像头对车后方实时画面进行接收；利用汽车CAN总线协议获得的汽车实时车速以及方向盘旋转角信息，计算旋转中心以及前一时刻图像相对于当前时刻图像的旋转角度；对前一时刻图像进行旋转并与当前时刻图像进行拼接，生成360度全景倒车影像。在汽车倒车的过程中，不断在显示屏显示生成的360度全景倒车影像，可将汽车倒车过程中的静态环境以及实时拍摄到的车后方动态信息反馈给驾驶员，帮助驾驶员在倒车过程中有效避开不同时刻出现在视野盲区的障碍物，达到辅助驾驶者安全倒车的效果。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于单摄像头的360度全景倒车影像生成方法，其特征在于，包括如下步骤：
S1、摄像机标定：
计算摄像机畸变系数；
利用标定板标定摄像机内参矩阵和外参矩阵；
S2、计算图像像素距离与实际距离的比例；
S3、读入汽车模型图片和车轮模型图片；
S4、根据摄像机畸变系数、内参矩阵和外参矩阵，将鱼眼图逐帧矫正为俯视图；
S5、通过汽车CAN总线协议读入汽车实时方向盘旋转角度信息和实时车速信息；
S6、若当前帧为第一帧，填充实时画面外的部分为纯色背景，跳至步骤S16；否则，进入步骤S7；
S7、判断当前车速是否为0，若为0，则进入步骤S8；否则，跳至步骤S9；
S8、静止图像检测；对前一帧图像和当前帧图像重叠区域进行静止图像检测操作，以匹配汽车实际运动情况；
S9、计算旋转中心和旋转角度；
S10、根据旋转中心和旋转角度对前一帧画面进行旋转，得到旋转后图像；
S11、将当前帧俯视图与步骤S10所得旋转后图像进行加权融合拼接；
S12、设定需要警告的距离，根据图像像素距离与实际距离的比例计算出对应的像素坐标，并在输出图像中显示；
S13、根据方向盘旋转角度信息对车轮模型进行旋转，并在输出图像中显示；
S14、根据旋转角度计算轨迹线坐标信息，并在输出图像中显示；
S15、将汽车模型在输出图像中显示，输出效果即为实时360度全景倒车影像；
S16、检测视频拍摄是否结束，若是，停止算法；若否，返回步骤S4。
2.根据权利要求1所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，步骤S1中，计算摄像机畸变系数具体包括：
根据摄像机厂家提供的镜头畸变参数表，使用七次多项式Y＝k1θ7+k2θ6+k3θ5+k4θ4+k5θ3+k6θ2+k7θ+k8对参数表中的画角θ和真实图像高度Y进行拟合，拟合出来的多项式系数作为摄像机畸变参数D＝[k1,k2,k3,k4,k5,k6,k7,k8]；
利用标定板标定摄像机内参矩阵和外参矩阵具体包括：
标定开始前，先将棋盘格铺设在汽车后方地面，标定开始后，先检测中央棋盘格角点并进行第一次标定，得到初步的内参矩阵和外参矩阵；然后根据第一次标定得到的内参矩阵和外参矩阵对摄像机拍摄的原始图像进行矫正；最后检测一次矫正图两侧棋盘格角点，进行第二次标定，得到精确的内参矩阵K和外参矩阵[R,T]；
其中，为摄像头内参矩阵，R为旋转矩阵，T为平移向量，cx和cy表示光学中心坐标，设f是摄像机焦距，那么dx为传感器u轴上单位像素的尺寸大小，dy为传感器v轴上单位像素的尺寸大小。
3.根据权利要求2所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，步骤S2具体包括：
提取中央棋盘格中央两列角点坐标(xi,yi)，设N为提取角点的总数，则:
相邻角点像素距离此处“相邻”指同一行或同一列，不包括对角线上相邻；
平均相邻角点像素距离
由于棋盘格由黑白相间、同一大小的正方形组成，设棋盘格正方形边长为a，那么图像像素距离与实际距离的比例
4.根据权利要求3所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，步骤S4具体包括：
S41、设鱼眼图像素坐标为[x2,y2,z2]T，则[x',y',z']T＝R·[x2,y2,z2]T；
S42、对z轴进行归一化，得到
S43、计算θ＝atan(r)；
S44、对图像进行畸变矫正：
<mrow> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;theta;</mi> <mi>d</mi> </msub> <mo>=</mo> <mi>D</mi> <mo>&amp;CenterDot;</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msup> <mi>&amp;theta;</mi> <mn>7</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>6</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>5</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>4</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>3</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>2</mn> </msup> <mo>,</mo> <mi>&amp;theta;</mi> <mo>,</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <mo>&amp;lsqb;</mo> <msub> <mi>k</mi> <mn>1</mn> </msub> <mo>,</mo> <msub> <mi>k</mi> <mn>2</mn> </msub> <mo>,</mo> <msub> <mi>k</mi> <mn>4</mn> </msub> <mo>,</mo> <msub> <mi>k</mi> <mn>5</mn> </msub> <mo>,</mo> <msub> <mi>k</mi> <mn>6</mn> </msub> <msub> <mi>k</mi> <mn>7</mn> </msub> <mo>,</mo> <msub> <mi>k</mi> <mn>8</mn> </msub> <mo>&amp;rsqb;</mo> <mo>&amp;CenterDot;</mo> <msup> <mrow> <mo>&amp;lsqb;</mo> <msup> <mi>&amp;theta;</mi> <mn>7</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>6</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>5</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>4</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>3</mn> </msup> <mo>,</mo> <msup> <mi>&amp;theta;</mi> <mn>2</mn> </msup> <mo>,</mo> <mi>&amp;theta;</mi> <mo>,</mo> <mn>1</mn> <mo>&amp;rsqb;</mo> </mrow> <mi>T</mi> </msup> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
S45、矫正后图像坐标为：
<mrow> <mi>u</mi> <mo>=</mo> <msub> <mi>f</mi> <mi>x</mi> </msub> <mo>&amp;CenterDot;</mo> <mi>x</mi> <mo>&amp;CenterDot;</mo> <mfrac> <msub> <mi>&amp;theta;</mi> <mi>d</mi> </msub> <mi>r</mi> </mfrac> <mo>+</mo> <msub> <mi>c</mi> <mi>x</mi> </msub> <mo>;</mo> </mrow>
<mrow> <mi>v</mi> <mo>=</mo> <msub> <mi>f</mi> <mi>y</mi> </msub> <mo>&amp;CenterDot;</mo> <mi>y</mi> <mo>&amp;CenterDot;</mo> <mfrac> <msub> <mi>&amp;theta;</mi> <mi>d</mi> </msub> <mi>r</mi> </mfrac> <mo>+</mo> <msub> <mi>c</mi> <mi>y</mi> </msub> <mo>;</mo> </mrow>
S46、根据步骤S41-S45计算的图像坐标对图像进行插值，得到矫正后俯视图。
5.根据权利要求4所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，步骤S8具体包括：
S81、分别提取前一帧图像和当前帧图像的重叠区域，记为Img1range和Img2range；
S82、分别对Img1range和Img2range进行灰度化处理，记为Img1gray和Img2gray；
S83、Img3＝Img1gray-Img2gray；
S84、对Img3进行二值化处理，二值化处理后矩阵记为Ibinary；
S85、若矩阵Ibinary的最大值为0，则认为当前时刻汽车相对于前一时刻静止，跳至步骤S16；否则，赋值车速V为区间(0,1)的任一数值，设V＝0.5，进入步骤S9。
6.根据权利要求5所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，步骤S9具体包括：
S91、计算汽车旋转半径其中AxlesDist为汽车实际轴距；
S92、计算汽车旋转角速度
S93、计算汽车旋转角度α＝ω·t，其中t为时间间隔；
S94、计算旋转中心坐标：
<mrow> <msub> <mi>rx</mi> <mn>0</mn> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>x</mi> <mi>c</mi> </msub> <mn>2</mn> </mfrac> <mo>-</mo> <mi>R</mi> <mi>a</mi> <mi>d</mi> <mi>i</mi> <mi>u</mi> <mi>s</mi> </mrow> </mtd> <mtd> <mrow> <msub> <mi>if&amp;theta;</mi> <mi>&amp;pi;</mi> </msub> <mo>&gt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mfrac> <msub> <mi>x</mi> <mi>c</mi> </msub> <mn>2</mn> </mfrac> <mo>+</mo> <mi>R</mi> <mi>a</mi> <mi>d</mi> <mi>i</mi> <mi>u</mi> <mi>s</mi> </mrow> </mtd> <mtd> <mrow> <msub> <mi>if&amp;theta;</mi> <mi>&amp;pi;</mi> </msub> <mo>&lt;</mo> <mn>0</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mfrac> <msub> <mi>x</mi> <mi>c</mi> </msub> <mn>2</mn> </mfrac> </mtd> <mtd> <mrow> <msub> <mi>if&amp;theta;</mi> <mi>&amp;pi;</mi> </msub> <mo>=</mo> <mn>0</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> </mrow>
ry0＝yc
其中，(xc,yc)为摄像机坐标。
7.根据权利要求6所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，步骤S10具体包括：
S101、设旋转前图像坐标为(xbefore,ybefore)，旋转后坐标为(xafter,yafter)，则
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>x</mi> <mrow> <mi>a</mi> <mi>f</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>f</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>rx</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>f</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>ry</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>rx</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>y</mi> <mrow> <mi>a</mi> <mi>f</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> </mrow> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>f</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>rx</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>+</mo> <mrow> <mo>(</mo> <msub> <mi>y</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>f</mi> <mi>o</mi> <mi>r</mi> <mi>e</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>ry</mi> <mn>0</mn> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>ry</mi> <mn>0</mn> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
S102、根据步骤S101计算的旋转后坐标对图像进行插值，得到旋转后图像。
8.根据权利要求7所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，步骤S11具体包括：
S111、将旋转后图像ImgRotate与当前帧俯视图ImgPresent重叠部分进行拷贝，记为ImgROIcopy；
S112、对重叠部分进行加权融合，加权融合后图像记为Img，加权融合公式如下：
Img(i,j)＝(1-weight)·ImgRorate(i,j)+weight·ImgROIcopy(i,j)
其中，(i,j)为图像第i行、第j列坐标，
9.根据权利要求8所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，S13具体包括：
S131、对车轮模型图片进行旋转，设车轮模型图片坐标为(xwheel,ywheel)，则旋转后车轮坐标为(x'wheel,y'wheel)，其中，
S132、根据步骤S131计算的旋转后车轮坐标对车轮图像进行插值，并在输出图像指定位置显示，实现动态车轮转动功能。
10.根据权利要求9所述的基于单摄像头的360度全景倒车影像生成方法，其特征在于，步骤S14具体包括：
S141、根据车身实际信息以及ratio计算出汽车四个车轮在图像中的坐标；
S142、先根据轴距AxlesDist信息计算汽车两前轮中间半径fmR和两后轮中间半径bmR，再根据轮距WheelDist和轴距AxlesDist信息计算汽车左前轮半径flR、右前半径frR、左后半径blR和右后半径brR，计算公式如下：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>f</mi> <mi>m</mi> <mi>R</mi> <mo>=</mo> <mo>|</mo> <mfrac> <mrow> <mi>A</mi> <mi>x</mi> <mi>l</mi> <mi>e</mi> <mi>s</mi> <mi>D</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> </mrow> <mrow> <mi>tan</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;theta;</mi> <mi>&amp;pi;</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>|</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>b</mi> <mi>m</mi> <mi>R</mi> <mo>=</mo> <mo>|</mo> <mfrac> <mrow> <mi>A</mi> <mi>x</mi> <mi>l</mi> <mi>e</mi> <mi>s</mi> <mi>D</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> </mrow> <mrow> <mi>tan</mi> <mrow> <mo>(</mo> <msub> <mi>&amp;theta;</mi> <mi>&amp;pi;</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>|</mo> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
若θπ>0，则
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mi>b</mi> <mi>l</mi> <mi>R</mi> <mo>=</mo> <mi>b</mi> <mi>m</mi> <mi>R</mi> <mo>-</mo> <mfrac> <mrow> <mi>W</mi> <mi>h</mi> <mi>e</mi> <mi>e</mi> <mi>l</mi> <mi>D</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> </mrow> <mn>2</mn> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>b</mi> <mi>r</mi> <mi>R</mi> <mo>=</mo> <mi>b</mi> <mi>m</mi> <mi>R</mi> <mo>+</mo> <mfrac> <mrow> <mi>W</mi> <mi>h</mi> <mi>e</mi> <mi>e</mi> <mi>l</mi> <mi>D</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> </mrow> <mn>2</mn> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>f</mi> <mi>l</mi> <mi>R</mi> <mo>=</mo> <msqrt> <mrow> <msup> <mi>AxlesDist</mi> <mn>2</mn> </msup> <mo>+</mo> <msup> <mi>blR</mi> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>f</mi> <mi>r</mi> <mi>R</mi> <mo>=</mo> <msqrt> <mrow> <msup> <mi>AxlesDist</mi> <mn>2</mn> </msup> <mo>+</mo> <msup> <mi>brR</mi> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
若θπ<0，则
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>b</mi> <mi>l</mi> <mi>R</mi> <mo>=</mo> <mi>b</mi> <mi>m</mi> <mi>R</mi> <mo>+</mo> <mfrac> <mrow> <mi>W</mi> <mi>h</mi> <mi>e</mi> <mi>e</mi> <mi>l</mi> <mi>D</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> </mrow> <mn>2</mn> </mfrac> </mtd> </mtr> <mtr> <mtd> <mi>b</mi> <mi>r</mi> <mi>R</mi> <mo>=</mo> <mi>b</mi> <mi>m</mi> <mi>R</mi> <mo>-</mo> <mfrac> <mrow> <mi>W</mi> <mi>h</mi> <mi>e</mi> <mi>e</mi> <mi>l</mi> <mi>D</mi> <mi>i</mi> <mi>s</mi> <mi>t</mi> </mrow> <mn>2</mn> </mfrac> </mtd> </mtr> <mtr> <mtd> <mi>f</mi> <mi>l</mi> <mi>R</mi> <mo>=</mo> <msqrt> <mrow> <msup> <mi>AxlesDist</mi> <mn>2</mn> </msup> <mo>+</mo> <msup> <mi>blR</mi> <mn>2</mn> </msup> </mrow> </msqrt> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>f</mi> <mi>r</mi> <mi>R</mi> <mo>=</mo> <msqrt> <mrow> <msup> <mi>AxlesDist</mi> <mn>2</mn> </msup> <mo>+</mo> <msup> <mi>brR</mi> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>
S143、以步骤S9计算得出的旋转中心(rx0,ry0)为圆心，分别以步骤S142计算得出的数值为半径画圆弧，即为精准轨迹线。
CN201710671231.9A 2017-08-08 2017-08-08 基于单摄像头的360度全景倒车影像生成方法 Active CN107507131B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710671231.9A CN107507131B (zh) 2017-08-08 2017-08-08 基于单摄像头的360度全景倒车影像生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710671231.9A CN107507131B (zh) 2017-08-08 2017-08-08 基于单摄像头的360度全景倒车影像生成方法

Publications (2)

Publication Number Publication Date
CN107507131A true CN107507131A (zh) 2017-12-22
CN107507131B CN107507131B (zh) 2021-02-23

Family

ID=60689959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710671231.9A Active CN107507131B (zh) 2017-08-08 2017-08-08 基于单摄像头的360度全景倒车影像生成方法

Country Status (1)

Country Link
CN (1) CN107507131B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108174089A (zh) * 2017-12-27 2018-06-15 深圳普思英察科技有限公司 基于双目摄像头的倒车影像拼接方法和装置
CN109249859A (zh) * 2018-09-21 2019-01-22 奇瑞新能源汽车技术有限公司 一种汽车单摄像头投影全景显示系统及电动汽车
CN109523489A (zh) * 2018-11-28 2019-03-26 广州大学 一种生成俯视无畸变倒车影像的方法
CN110126733A (zh) * 2019-05-07 2019-08-16 奇瑞新能源汽车技术有限公司 一种基于单目摄像头的全景系统及其工作方法
CN110341597A (zh) * 2018-04-02 2019-10-18 杭州海康威视数字技术股份有限公司 一种车载全景视频显示系统、方法及车载控制器
CN110874135A (zh) * 2018-09-03 2020-03-10 广东虚拟现实科技有限公司 光学畸变的校正方法、装置、终端设备及存储介质
CN111372055A (zh) * 2020-03-25 2020-07-03 东风汽车集团有限公司 一种车底图像显示系统及方法
CN111402132A (zh) * 2020-03-11 2020-07-10 黑芝麻智能科技(上海)有限公司 倒车辅助方法及系统、图像处理器及相应的辅助驾驶系统
CN111800618A (zh) * 2020-07-28 2020-10-20 深圳市巨鑫智能有限公司 倒车图像处理方法和倒车图像处理系统
CN111861891A (zh) * 2020-07-13 2020-10-30 一汽奔腾轿车有限公司 基于棋盘格标定以实现全景影像系统画面拼接显示的方法
CN112801874A (zh) * 2021-02-03 2021-05-14 广州六环信息科技有限公司 一种车辆图像拼接方法、装置和车辆
CN113147746A (zh) * 2021-05-20 2021-07-23 宝能(广州)汽车研究院有限公司 坡道车位的探测方法及装置
CN113221833A (zh) * 2021-06-01 2021-08-06 深圳市天双科技有限公司 一种后视摄像头实现全景泊车的方法
CN115187529A (zh) * 2022-06-24 2022-10-14 长春理工大学 一种使用连续全景图像测量车辆转向角度的方法及系统
CN117372472A (zh) * 2023-09-05 2024-01-09 苏州智华汽车电子有限公司 目标全景图像的生成方法、装置、计算机系统及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202847561U (zh) * 2012-07-23 2013-04-03 北京智华驭新汽车电子技术开发有限公司 一种倒车影像系统
CN104240236A (zh) * 2014-08-26 2014-12-24 中山大学 一种鱼眼镜头标定后鱼眼图像校正的方法
CN105763854A (zh) * 2016-04-18 2016-07-13 扬州航盛科技有限公司 一种基于单目摄像头的全景成像系统及其成像方法
CN105825475A (zh) * 2016-04-01 2016-08-03 西安电子科技大学 基于单摄像头的360度全景影像生成方法
CN106060427A (zh) * 2016-08-25 2016-10-26 刘开剑 基于单摄像头的全景成像方法及其装置
CN106373091A (zh) * 2016-09-05 2017-02-01 山东省科学院自动化研究所 全景泊车中鸟瞰图像的自动拼接方法、系统及车辆

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202847561U (zh) * 2012-07-23 2013-04-03 北京智华驭新汽车电子技术开发有限公司 一种倒车影像系统
CN104240236A (zh) * 2014-08-26 2014-12-24 中山大学 一种鱼眼镜头标定后鱼眼图像校正的方法
CN105825475A (zh) * 2016-04-01 2016-08-03 西安电子科技大学 基于单摄像头的360度全景影像生成方法
CN105763854A (zh) * 2016-04-18 2016-07-13 扬州航盛科技有限公司 一种基于单目摄像头的全景成像系统及其成像方法
CN106060427A (zh) * 2016-08-25 2016-10-26 刘开剑 基于单摄像头的全景成像方法及其装置
CN106373091A (zh) * 2016-09-05 2017-02-01 山东省科学院自动化研究所 全景泊车中鸟瞰图像的自动拼接方法、系统及车辆

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周培义: "自动泊车系统的控制算法研究", 《汽车工程学报》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108174089A (zh) * 2017-12-27 2018-06-15 深圳普思英察科技有限公司 基于双目摄像头的倒车影像拼接方法和装置
CN108174089B (zh) * 2017-12-27 2020-07-17 深圳普思英察科技有限公司 基于双目摄像头的倒车影像拼接方法和装置
CN110341597A (zh) * 2018-04-02 2019-10-18 杭州海康威视数字技术股份有限公司 一种车载全景视频显示系统、方法及车载控制器
CN110341597B (zh) * 2018-04-02 2020-11-27 杭州海康威视数字技术股份有限公司 一种车载全景视频显示系统、方法及车载控制器
CN110874135A (zh) * 2018-09-03 2020-03-10 广东虚拟现实科技有限公司 光学畸变的校正方法、装置、终端设备及存储介质
CN109249859A (zh) * 2018-09-21 2019-01-22 奇瑞新能源汽车技术有限公司 一种汽车单摄像头投影全景显示系统及电动汽车
CN109523489A (zh) * 2018-11-28 2019-03-26 广州大学 一种生成俯视无畸变倒车影像的方法
CN110126733A (zh) * 2019-05-07 2019-08-16 奇瑞新能源汽车技术有限公司 一种基于单目摄像头的全景系统及其工作方法
CN111402132A (zh) * 2020-03-11 2020-07-10 黑芝麻智能科技(上海)有限公司 倒车辅助方法及系统、图像处理器及相应的辅助驾驶系统
CN111402132B (zh) * 2020-03-11 2024-02-02 黑芝麻智能科技(上海)有限公司 倒车辅助方法及系统、图像处理器及相应的辅助驾驶系统
CN111372055A (zh) * 2020-03-25 2020-07-03 东风汽车集团有限公司 一种车底图像显示系统及方法
CN111861891A (zh) * 2020-07-13 2020-10-30 一汽奔腾轿车有限公司 基于棋盘格标定以实现全景影像系统画面拼接显示的方法
CN111800618A (zh) * 2020-07-28 2020-10-20 深圳市巨鑫智能有限公司 倒车图像处理方法和倒车图像处理系统
CN112801874A (zh) * 2021-02-03 2021-05-14 广州六环信息科技有限公司 一种车辆图像拼接方法、装置和车辆
CN112801874B (zh) * 2021-02-03 2024-04-05 广州六环信息科技有限公司 一种车辆图像拼接方法、装置和车辆
CN113147746A (zh) * 2021-05-20 2021-07-23 宝能(广州)汽车研究院有限公司 坡道车位的探测方法及装置
CN113221833A (zh) * 2021-06-01 2021-08-06 深圳市天双科技有限公司 一种后视摄像头实现全景泊车的方法
CN115187529A (zh) * 2022-06-24 2022-10-14 长春理工大学 一种使用连续全景图像测量车辆转向角度的方法及系统
CN117372472A (zh) * 2023-09-05 2024-01-09 苏州智华汽车电子有限公司 目标全景图像的生成方法、装置、计算机系统及存储介质

Also Published As

Publication number Publication date
CN107507131B (zh) 2021-02-23

Similar Documents

Publication Publication Date Title
CN107507131B (zh) 基于单摄像头的360度全景倒车影像生成方法
CN109435852B (zh) 一种针对大型卡车的全景式辅助驾驶系统及方法
CN107577988B (zh) 实现侧方车辆定位的方法、装置及存储介质、程序产品
CN112639821B (zh) 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆
CN109446909B (zh) 一种单目测距辅助泊车系统及方法
US9858639B2 (en) Imaging surface modeling for camera modeling and virtual view synthesis
CN103763517B (zh) 一种车载环视显示方法及系统
JP4695167B2 (ja) 車両の後方視認システムの歪みを補正し且つ像を強調する方法及び装置
JP5132249B2 (ja) 車載用撮像装置
CN104641405B (zh) 车辆用警报装置和车辆用车外后视镜装置
CN109087251B (zh) 一种车载全景图像显示方法及系统
CN202035096U (zh) 移动机械的移动操作监控系统
JP5090126B2 (ja) 車載用撮像装置
CN102163331A (zh) 采用标定方法的图像辅助系统
WO2011082620A1 (zh) 一种确定车道偏离的方法、装置和系统
JP2011500407A (ja) 少なくとも１つの全方位カメラ及び光学的表示ユニットを備えた装置のキャリブレーション方法
CN113320474A (zh) 基于全景图像及人机交互的自动泊车方法及装置
CN111160070A (zh) 车辆全景图像盲区消除方法、装置、存储介质及终端设备
WO2022257569A1 (zh) 图像采集装置的标定
CN108376384A (zh) 视差图的矫正方法、装置及存储介质
CN109895697B (zh) 一种行车辅助提示系统及方法
CN113362232A (zh) 车辆全景环视图像生成方法和系统
CN116740192A (zh) 一种车载环视系统的标定方法、标定系统及智能汽车
CN111845713A (zh) 一种基于车载3d全景环视的泊车路线规划方法
CN112270311B (zh) 一种基于车载环视逆投影的近目标快速检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant