CN108805075A - 行车轨迹线获取方法、装置以及电子设备 - Google Patents

Abstract

本发明提供了一种行车轨迹线获取方法、装置以及电子设备，涉及行车辅助技术领域，行车轨迹线获取方法包括：根据阿克曼转向算法得到车前影像运动轨迹的原始图像坐标点；通过奇异值分解SVD算法得到透视变换矩阵；根据所述原始图像坐标点基于所述透视变换矩阵，得到车前影像运动轨迹的采样点坐标；根据所述采样点坐标得到行车轨迹线，解决了现有技术中存在的预测出的行车轨迹精准度较低的技术问题。

Description

行车轨迹线获取方法、装置以及电子设备

技术领域

本发明涉及行车辅助技术领域，尤其是涉及一种行车轨迹线获取方法、装置以及电子设备。

背景技术

行车影像也可以为泊车辅助系统，或称倒车可视系统、车载监控系统等。该系统广泛应用于各类大、中、小车辆倒车或行车安全铺助领域。

目前，行车轨迹的确定是通过计算汽车的运动学方程，求解其运动轨迹方程，根据相对应的运动学模型，对摄像头采集到的数据作处理变换，最终得到可整合在显示屏上的行车轨迹。

但是，通过目前的行车轨迹确定方法预测出的行车轨迹的精准度较低。

发明内容

有鉴于此，本发明的目的在于提供一种行车轨迹线获取方法、装置以及电子设备，以解决现有技术中存在的预测出的行车轨迹精准度较低的技术问题。

第一方面，本发明实施例提供了一种行车轨迹线获取方法，包括：

根据阿克曼转向算法得到车前影像运动轨迹的原始图像坐标点；

通过奇异值分解(Singular Value Decomposition，简称SVD)算法得到透视变换矩阵；

根据所述原始图像坐标点基于所述透视变换矩阵，得到车前影像运动轨迹的采样点坐标；

根据所述采样点坐标得到行车轨迹线。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述根据所述原始图像坐标点基于所述透视变换矩阵，得到车前影像运动轨迹的采样点坐标，具体包括：

根据所述原始图像坐标点通过建立全局坐标系与车辆局部坐标系得到轨迹原始点坐标矩阵；

根据所述透视变换矩阵基于预设参数，通过SVD算法对透视变换参数进行求解，得到目标透视变换矩阵；

将所述目标透视变换矩阵与所述轨迹原始点坐标矩阵相乘，得到车前影像运动轨迹的采样点坐标。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述原始图像坐标点通过建立全局坐标系与车辆局部坐标系得到轨迹原始点坐标矩阵，具体包括：

根据所述原始图像坐标点建立全局坐标系与车辆局部坐标系；

根据预设参数对所述全局坐标系与所述车辆局部坐标系中的参数进行初始化设置，得到全局坐标点与车辆局部坐标点之间的关系式；

根据所述全局坐标点与车辆局部坐标点之间的关系式，通过透视变换得到轨迹采样点坐标；

根据所述轨迹采样点坐标构建轨迹采样点坐标矩阵。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述采样点坐标得到行车轨迹线，具体包括：

根据所述采样点坐标绘制辅助线；

根据所述辅助线得到行车轨迹线。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述采样点坐标绘制辅助线，具体包括：

根据所述采样点坐标绘制静态辅助线与动态辅助线。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述根据所述辅助线得到行车轨迹线，具体包括：

根据陀螺仪采集到的转向数据对所述动态辅助线的轨迹进行改变，得到行车轨迹线。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，还包括：将采集到的图像与所述辅助线进行叠加，得到并显示行车轨迹线图像。

第二方面，本发明实施例还提供一种车前轨迹线获取装置，包括：

第一获取模块，用于根据阿克曼转向算法得到车前影像运动轨迹的原始坐标点；

计算模块，用于通过奇异值分解SVD算法得到透视变换矩阵；

采样模块，用于根据所述原始图像坐标点基于所述透视变换矩阵，得到车前影像运动轨迹的采样点坐标；

第二获取模块，用于根据所述采样点坐标得到行车轨迹线。

第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述如第一方面所述的方法的步骤。

第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行如第一方面所述的方法。

本发明实施例提供的技术方案带来了以下有益效果：本发明实施例提供的行车轨迹线获取方法、装置以及电子设备中，行车轨迹线获取方法包括：首先，根据阿克曼转向算法得到车前影像运动轨迹的原始图像坐标点，通过奇异值分解SVD算法得到透视变换矩阵，然后，根据车前影像运动轨迹的原始图像坐标点基于透视变换矩阵从而得到车前影像运动轨迹的采样点坐标，之后，根据采样点坐标得到行车轨迹线，通过采用SVD算法求解透视变换矩阵参数，经透视变换得出采样点，从而能够根据采样点得到车前影像轨迹线，使求得的透视变换矩阵的参数正确度提高，实现了较高的计算精确度，以便得出精准度较高的车前影像轨迹线等行车轨迹线，从而解决了现有技术中存在的预测出的行车轨迹精准度较低的技术问题。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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示出了本发明实施例一所提供的行车轨迹线获取方法的流程图；

图2示出了本发明实施例二所提供的行车轨迹线获取方法的流程图；

图3示出了本发明实施例二所提供的通过SVD算法求解对应的透视变换矩阵的步骤的流程图；

图4示出了本发明实施例二所提供的车辆局部坐标系的坐标图；

图5(a)示出了本发明实施例二所提供的车前影像轨迹的示意图；

图5(b)示出了本发明实施例二所提供的车前影像轨迹的另一个示意图；

图6示出了本发明实施例三所提供的车前轨迹线获取装置的结构示意图；

图7示出了本发明实施例四所提供的一种电子设备的结构示意图。

图标：3-车前轨迹线获取装置；31-第一获取模块；32-计算模块；33- 采样模块；34-第二获取模块；4-电子设备；41-存储器；42-处理器；43-总线；44-通信接口。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

目前，行车轨迹确定方法预测出的行车轨迹精准度较低，基于此，本发明实施例提供的一种行车轨迹线获取方法、装置以及电子设备，可以解决现有技术中存在的预测出的行车轨迹精准度较低的技术问题。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种行车轨迹线获取方法、装置以及电子设备进行详细介绍。

实施例一：

本发明实施例提供的一种行车轨迹线获取方法，可以应用于车前影像系，如图1所示，该方法包括：

S11：根据阿克曼转向算法得到车前影像运动轨迹的原始坐标点。

作为本实施例的优选实施方式，按照阿克曼转向定律得出车前影像运动轨迹原始坐标点。

S12：通过奇异值分解SVD算法得到透视变换矩阵。

本步骤中，通过SVD算法求解出透视变化矩阵。

S13：根据原始图像坐标点基于透视变换矩阵，得到车前影像运动轨迹的采样点坐标。

在实际应用中，根据透视变换矩阵将运动轨迹原始坐标点经透视变化后得到车前影像轨迹的采样点。

S14：根据采样点坐标得到行车轨迹线。

具体的，根据得到的采样点坐标，绘制静态和动态辅助线。作为一个优选方案，对陀螺仪转向角进行设置，使动态辅助线能够较为准确的与陀螺仪采集的数据做出相应的轨迹变化，进而预测车辆行驶时的运动轨迹。

作为本实施例的另一种实施方式，判断陀螺仪转向角是否发生变化：如果是，则返回进行步骤S11，即根据阿克曼转向算法得到车前影像运动轨迹；如果否，则通过LCD对辅助线进行显示。

对于现有技术而言，汽车普遍安装倒车影像系统，而车前影像目前尚未运用。行车轨迹的确定是通过计算汽车的运动学方程，求解其运动轨迹方程，根据相对应的运动学模型，对摄像头采集到的数据作处理变换，最终得到可整合在显示屏上的行车轨迹。

需要说明的是，基于最小二乘法的曲线拟合理论实现了对倒车轨迹的预测，但是由于其采样点数少，对标定轨迹的有效信息利用也就越少，拟合的轨迹方程的精确度低。而利用摄像机的标定理论，推导出实时倒车轨迹方程算法，通过读取倒车运动车辆方向盘的旋转角度值，可将在世界坐标系下推导的倒车轨迹算法经过摄像机坐标系、成像坐标系和图像坐标系的坐标变换得到倒车预测轨迹，但是在摄像机标定算法理论上需要一个纯二维标定板，而标定纸的取材不同往往会带来误差，而坐标之间的多次变换，运算速度低。对于在特征点匹配的基础上根据测距原理对特征点进行深度信息恢复的方法，完成测距目的，根据车辆运动模型，推导出倒车运动轨迹方程，并且轨迹方程高度参数化，方便了平台的迁移。而对于实时预测倒车轨迹线的计算，则是通过将CAN总线上的角度传感器的实时信息作为输入，用实时倒车轨迹算法计算出来，这种计算的运算速度较慢。

通过采用SVD算法求解透视变换矩阵参数，经透视变换得出采样点并绘出车前影像轨迹线，不仅使得复杂的透视变换参数求解问题简单化，求得的透视变换矩阵的参数正确度高，还能够抵抗外界噪声的干扰，提高运算速度，且其计算精度也更高，这是SVD算法求解透视变换矩阵的优势。相比于以最小二乘法拟合曲线对行车轨迹进行预测的理论，本实施例提供的算法在预测轨迹时更为精准。

实施例二：

本发明实施例提供的一种行车轨迹线获取方法，可以应用于车前影像系，如图2所示，该方法包括：

S21：根据阿克曼转向算法得到车前影像运动轨迹的原始坐标点。

作为一个优选方案，按照阿克曼转向定律，得出车前影像运动轨迹原始坐标点。具体的，根据阿克曼转向定律得到运动轨迹，通过建立全局坐标系与车辆局部坐标系得到全局坐标点与局部坐标点关系式，提取出轨迹原始点坐标矩阵。

S22：通过奇异值分解SVD算法得到透视变换矩阵。

其中，SVD算法能够将任何形式的矩阵用几个子矩阵相乘表示，而这几个子矩阵皆比原矩阵简单，能起到降低维数的作用，其定义如下：

其中Σ是非负对角矩阵，且∑＝diag(σ₁，σ₂，…，σ_n)，σ₁≥σ₂≥…≥σ_n≥0，是S的非零奇异值。最后，通过SVD算法求解对应的透视变换矩阵。

对于通过SVD算法求解对应的透视变换矩阵的步骤，如图3所示，首先初始化之后构建透视变换矩阵，即任意构建出一个透视变换矩阵作为基本变换。然后，判断所构建出的矩阵是否满足特定功能，如构建出的矩阵能否实现图形变换的功能，即平移、旋转、比例变换，以及实现透视投影变换等，主要是判断独立透视参数的数量，多于或者少于应有的数量，会使绘制的辅助线杂乱无章或者缩成一个点，违背透视变换矩阵的原理，应该重新构建。具体的，判断是否达到预定功能，如果否，则返回构建透视变换矩阵的步骤；如果是，则利用SVD算法求解透视变换矩阵。之后，判断透视参数是否小于零，如果否，则返回构建透视变换矩阵的步骤；如果是，则利用SVD算法求解出透视变换矩阵H，从而结束SVD的计算过程。

本实施例以m×n矩阵为例进行说明，SVD算法步骤为：首先定义一个 m×n实矩阵，U为m×m的左奇异矩阵，V为n×n的右奇异矩阵，S奇异值向量。并规定奇异值在S矩阵的对角线上，其他值为0；然后，对该实矩阵进行奇异值分解，取n个奇异值，并对该n个奇异值分别进行判断，若σn<1.0E-9d将该奇异值舍弃；之后输出U、S、V矩阵；然后判断返回值，其大于0则分解成功，若其返回值小于0，则重复上述步骤；之后，判断求出的透视参数是否小于零，若透视参数小于零，则能够增强其透视感，使绘制的辅助线具有层次感，最后得到透视变换矩阵，结束SVD过程。

S23：根据原始图像坐标点通过建立平面坐标系与车辆坐标系得到轨迹点坐标矩阵。

本步骤中，首先，根据原始图像坐标点建立全局坐标系与车辆局部坐标系，即根据阿克曼转向定律得到的运动轨迹建立全局坐标系与车辆局部坐标系；然后，根据预设参数对全局坐标系与车辆局部坐标系中的参数进行初始化设置，得到全局坐标点与车辆局部坐标点之间的关系式；之后，根据全局坐标点与车辆局部坐标点之间的关系式，得到轨迹原始点坐标矩阵，根据所述轨迹原始点坐标矩阵，通过透视变换得到轨迹采样点坐标；最后，根据轨迹采样点坐标生成轨迹采样点坐标矩阵。

具体的，为确定车前影像运动轨迹在平面中的位置，本实施例构建全局坐标系X_i0Y_i即平面坐标系，以及车辆局部坐标系X_tM_bY_t即车辆坐标系，如图4所示，在坐标系中，M_f为前轴的中点坐标，M_b为局部坐标系原点，θ为局部和全局参考系之间的角度差，0ˊ为瞬时中心点，汽车转向时绕着该点做圆周滚动。且前内轮与前外轮转角应满足定义：ctgβ-ctgɑ＝K/L。式中β表示汽车前外轮转角，ɑ表示汽车前内轮转角，K表示两主销中心距，L表示轴距。在进行轨迹点的采取时，本本实施例将这些参数分别进行初始化设置：内轮最大转角ɑ＝42°，因为一般最大偏转角大约在(34°-42°)，前外轮转角β＝40°，要求其转角最大误差为2°，K/L＝0.43，本本实施例以K＝1420mm， L＝3300mm的汽车为例。全局坐标点与局部坐标点之间应满足关系式：

然后，通过数学软件Matlab R2013a处理后，其采集到的理想轨迹点如下表所示：

之后，分别把理想轨迹点的坐标x和坐标y生成一组9×3的矩阵，即轨迹点坐标矩阵。

S24：根据透视变换矩阵基于预设参数，通过SVD算法对透视变换参数进行求解，得到目标透视变换矩阵。

例如，对SVD算法中参数进行了初始化设置，即m＝n＝3，表示为一个 3×3的实矩阵。则奇异值个数n＝3。调用数学软件Matlab R2013a中的SVD 算法指令求出U、S、V矩阵分别为：

满足σ₁≥σ₂≥…≥σ_n≥0

然后，根据SVD算法原理，即H＝USV'，V'是指V的逆矩阵，得到透视变换矩阵H：

之后将该透视矩阵进行变换后可得：

其中，该透视变换矩阵中的透视参数(-0.3288，-0.0365)小于0，则说明该透视变换矩阵能满足要求。

此外，对于透视变换(Perspective Transformation)的过程，是将一个图像经过投影变换后得到一个新的视平面，透视矩阵的一般表达形式为：

将该透视变换矩阵进行处理后得到透视变换矩阵如下：

其中，表示图像线性变换；

A₂＝(mˊ₂mˊ₅)表示图像的平移，A₃＝(mˊ₆mˊ₇)^T表示对图像进行透视变换。

然后根据该透视变换的原理运用如下公式对运动轨迹点进行透视变换：

u＝u′/z′＝(m′₀*x+m′₁*y+m′₂)/(m₆′*x+m′₇*y+1)

v＝v′/z′＝(m′₃*x+m′₄*y+m′₅)/(m′₆*x+m′₇*y+1)

即

其中为(u',v',z')齐次坐标，原始图像坐标为(x，y)，其齐次坐标为(x，y， 1)。变换后图像的图像坐标为(u,v)，(m'₆，m'₇)^T表示透视变换矩阵的透视参数，m'₀-m'₅为该透视变换矩阵的畸变参数。这里所述的原始图像坐标指的是经过阿克曼转向定律得到的车前影像运动轨迹点，而变换后的图像坐标即为所求的车前影像轨迹采样点。

S25：将目标透视变换矩阵与轨迹原始点坐标矩阵相乘，得到车前影像运动轨迹的采样点坐标。

本步骤中，将轨迹点坐标矩阵乘以透视变换矩阵H，即可得一组采样点坐标，如下表所示：

S26：根据采样点坐标绘制辅助线。

具体的，根据采样点坐标绘制静态辅助线与动态辅助线。

在一种实现方式中，根据透视变换求解得到的采样点绘制车前影像轨迹，如图5(a)所示，通过逐点绘制静态辅助直线，虚线绘制动态轨迹线。在另一种实现方式中，也可采用部分采样点绘制静态辅助直线，如图5(b)所示，用实线绘制动态轨迹线。

在实际应用中，逐点绘制存在一定的锯齿效应。

作为本实施例的优选实施方式，可以同时利用不同颜色区分不同的辅助线，例如，最外侧的两条对称直线为安全线，它向车辆两侧各延伸一定的相同的距离，当前方的障碍物落在此线以外，车辆处于绝对安全的行驶状态，车辆可以无障碍行驶；内侧的两条对称直线是根据车辆自身的宽度所绘制的静态辅助线，当障碍物出现在该线之内，车辆不能自由通过前方的道路，此时司机应该做出相应的调整。两条曲线是动态辅助线，它与车轮的转向角保持一致，能较准确的预测车辆行驶轨迹。

S27：根据辅助线得到行车轨迹线。

作为本实施例的另一种实施方式，根据动态辅助线得到行车轨迹线。具体的，根据陀螺仪采集到的转向数据对动态辅助线的轨迹进行改变，得到行车轨迹线。

S28：将采集到的图像与辅助线进行叠加，得到并显示行车轨迹线图像。

作为一个优选方案，微处理器把摄像头实时传输的视频经过处理后，将静态辅助线和动态辅助线与摄像头实时视频叠加后在人机界面中呈现。

因此，本实施例提供的行车轨迹线获取方法与传统的行车影像不同，本实施例方法中的车前影像能够帮助司机在行驶中对前方路况做出更好的判断，在狭窄路段，通过该方法可以提供给司机一个本车车宽是否适合通过前方路况的清晰认识，以更加直观的方式减少司机对车辆能否通过狭窄路况的误判。在夜间行驶时，该车前影像系统能更清晰的显示出前方的路况，这将大大提高行驶安全性，降低交通隐患。

本实施例中，基于SVD算法通过本实施例的行车轨迹线获取方法，能够提供一种车前影像轨迹系统，该系统轨迹由动态辅助线和静态辅助线构成。其中动态辅助线与车辆行车轨迹保持一致，辅助司机判断车辆在道路中的行驶情况。静态辅助线为安全预警线，它反映车辆在道路中的位置，以便反馈给司机直观的图像显示，避免车辆剐蹭并减少在狭窄路况行驶时司机的误判几率，因此车前影像轨迹可靠性较高且效果良好。

实施例三：

本发明实施例提供的一种车前轨迹线获取装置，如图6所示，车前轨迹线获取装置3包括：第一获取模块31、计算模块32、采样模块33以及第二获取模块34。

作为本实施例的优选实施方式，第一获取模块用于根据阿克曼转向算法得到车前影像运动轨迹的原始坐标点。计算模块用于通过奇异值分解 SVD算法得到透视变换矩阵。

进一步的是，采样模块用于根据原始图像坐标点基于透视变换矩阵，得到车前影像运动轨迹的采样点坐标。第二获取模块用于根据采样点坐标得到行车轨迹线。

实施例四：

本发明实施例提供的一种电子设备，如图7所示，电子设备4包括存储器41、处理器42，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例一或实施例二提供的方法的步骤。

参见图7，电子设备还包括：总线43和通信接口44，处理器42、通信接口44和存储器41通过总线43连接；处理器42用于执行存储器41中存储的可执行模块，例如计算机程序。

其中，存储器41可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口44(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线43可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器41用于存储程序，所述处理器42在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器42中，或者由处理器42实现。

处理器42可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器42中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器42可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器42读取存储器41中的信息，结合其硬件完成上述方法的步骤。

实施例五：

本发明实施例提供的一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述实施例一或实施例二提提供的方法。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/ 或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本发明实施例提供的具有处理器可执行的非易失的程序代码的计算机可读介质，与上述实施例提供的行车轨迹线获取方法、装置以及电子设备具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明实施例所提供的进行行车轨迹线获取方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种行车轨迹线获取方法，其特征在于，包括：

根据阿克曼转向算法得到车前影像运动轨迹的原始图像坐标点；

通过奇异值分解SVD算法得到透视变换矩阵；

根据所述原始图像坐标点基于所述透视变换矩阵，得到车前影像运动轨迹的采样点坐标；

根据所述采样点坐标得到行车轨迹线。

2.根据权利要求1所述的行车轨迹线获取方法，其特征在于，所述根据所述原始图像坐标点基于所述透视变换矩阵，得到车前影像运动轨迹的采样点坐标，具体包括：

根据所述原始图像坐标点通过建立全局坐标系与车辆局部坐标系得到轨迹原始点坐标矩阵；

根据所述透视变换矩阵基于预设参数，通过SVD算法对透视变换参数进行求解，得到目标透视变换矩阵；

将所述目标透视变换矩阵与所述轨迹原始点坐标矩阵相乘，得到车前影像运动轨迹的采样点坐标。

3.根据权利要求2所述的行车轨迹线获取方法，其特征在于，所述根据所述原始图像坐标点通过建立全局坐标系与车辆局部坐标系得到轨迹原始点坐标矩阵，具体包括：

根据所述原始图像坐标点建立全局坐标系与车辆局部坐标系；

根据预设参数对所述全局坐标系与所述车辆局部坐标系中的参数进行初始化设置，得到全局坐标点与车辆局部坐标点之间的关系式；

根据所述全局坐标点与车辆局部坐标点之间的关系式，通过透视变换得到轨迹采样点坐标；

根据所述轨迹采样点坐标构建轨迹采样点坐标矩阵。

4.根据权利要求1所述的行车轨迹线获取方法，其特征在于，所述根据所述采样点坐标得到行车轨迹线，具体包括：

根据所述采样点坐标绘制辅助线；

根据所述辅助线得到行车轨迹线。

5.根据权利要求4所述的行车轨迹线获取方法，其特征在于，所述根据所述采样点坐标绘制辅助线，具体包括：

根据所述采样点坐标绘制静态辅助线与动态辅助线。

6.根据权利要求4所述的行车轨迹线获取方法，其特征在于，所述根据所述辅助线得到行车轨迹线，具体包括：

根据陀螺仪采集到的转向数据对所述动态辅助线的轨迹进行改变，得到行车轨迹线。

7.根据权利要求4所述的行车轨迹线获取方法，其特征在于，还包括：将采集到的图像与所述辅助线进行叠加，得到并显示行车轨迹线图像。

8.一种车前轨迹线获取装置，其特征在于，包括：

第一获取模块，用于根据阿克曼转向算法得到车前影像运动轨迹的原始坐标点；

计算模块，用于通过奇异值分解SVD算法得到透视变换矩阵；

采样模块，用于根据所述原始图像坐标点基于所述透视变换矩阵，得到车前影像运动轨迹的采样点坐标；

第二获取模块，用于根据所述采样点坐标得到行车轨迹线。

9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至7任一所述方法。