CN108921772A - 高精度地图采集系统和方法 - Google Patents
高精度地图采集系统和方法 Download PDFInfo
- Publication number
- CN108921772A CN108921772A CN201810721452.7A CN201810721452A CN108921772A CN 108921772 A CN108921772 A CN 108921772A CN 201810721452 A CN201810721452 A CN 201810721452A CN 108921772 A CN108921772 A CN 108921772A
- Authority
- CN
- China
- Prior art keywords
- cam0
- precision
- unit
- cam2
- cam1
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 36
- 238000003860 storage Methods 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 238000011282 treatment Methods 0.000 claims abstract description 8
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 4
- 102100025579 Calmodulin-2 Human genes 0.000 claims description 28
- 101001077352 Homo sapiens Calcium/calmodulin-dependent protein kinase type II subunit beta Proteins 0.000 claims description 28
- 101100118004 Arabidopsis thaliana EBP1 gene Proteins 0.000 claims description 27
- 101150052583 CALM1 gene Proteins 0.000 claims description 27
- 102100025580 Calmodulin-1 Human genes 0.000 claims description 27
- 101100459256 Cyprinus carpio myca gene Proteins 0.000 claims description 27
- 101150091339 cam-1 gene Proteins 0.000 claims description 27
- 230000006870 function Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 101150109517 Camlg gene Proteins 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及地图采集领域,特别涉及一种高精度地图采集系统,包括:由中心点在同一平面且在同一直线上的三个相同的摄像头传感器单元,用于同步捕捉图像信息;FPGA图像处理单元,用于并行处理三路图像信息;GPU算法处理单元,用于对三路图像信息两两合成,进行三对双目运算处理;还用于对三对双目运算结果进行融合处理,得到最优地图精度信息;存储与发送单元,用于将最优地图精度信息存储于本地,并发送至数据处理中心;数据处理中心,用于接收最优地图精度信息生成高精度地图。本发明同时提出高精度地图采集方法。本发明运用三对双目系统进行目标识别,可解决相对运动场景下识别精度低的问题。对比传统方式可在降低硬件成本的同时保证精度。
Description
技术领域
本发明涉及地图采集领域,特别涉及一种高精度地图采集系统和方法。
背景技术
当前用于高精度地图采集的装置配置有单摄像头、双摄像头系统或者多摄像头系统。以采用单目摄像头的技术方案为例,若该摄像头位置发生变化,原先标定的参数要重新进行标定;而且光照环境状况发生变化时单目摄像头识别精度相对较差,生成的高精度地图误差较大。
如若采用双目摄像头的技术方案,深度信息以及识别精度对比单目可以有较大提高,但在被测物以及摄像头有快速相对运动的场景下,算法复杂的前提下识别精度低。
而采用多摄像头系统则存在硬件成本太高的问题。
发明内容
本发明的实施方式旨在至少解决现有技术中存在的技术问题之一。为此,本发明的实施方式需要提供一种高精度地图采集系统和方法。
本发明实施方式的高精度地图采集系统,其特征在于,包括:
由中心点在同一平面且在同一直线上的三个相同的摄像头传感器单元,用于同步捕捉图像信息;
FPGA图像处理单元,用于并行处理三路图像信息;
GPU算法处理单元,用于对三路图像信息两两合成,进行三对双目运算处理:
所述GPU算法处理单元,还用于根据三对双目运算结果进行融合处理,得到最优地图精度信息;
存储与发送单元,用于将最优地图精度信息存储于本地,并发送至数据处理中心;
数据处理中心,用于接收存储与发送单元发送的最优地图精度信息,生成高精度地图。
一种实施方式中,三个相同的摄像头传感器单元分别为CAM0、CAM1与CAM2,其中,GPU算法处理单元,具体用于对CAM0、CAM1与CAM2捕捉的三路图像信息两两合成,按照CAM0与CAM1的组合,CAM1与CAM2的组合,CAM2与CAM0的组合分别进行双目运算处理。
一种实施方式中,三个相同的摄像头传感器单元为型号是IMX290的宽动态摄像头传感器单元。
一种实施方式中,CAM0设置于原点,CAM1设置于CAM0同一直线左侧的预定距离,CAM2设置于CAM0同一直线右侧的预定距离。
一种实施方式中,FPGA图像处理单元为型号是XCZU9EG的MPSoC,GPU算法处理单元为型号是TegraTX2的GPU。
本发明实施方式还同时提出一种利用上述任意一项高精度地图采集系统进行高精度地图采集的方法,其特征在于,包括:
一种实施方式中,三个相同的摄像头传感器单元分别为CAM0、CAM1与CAM2,其中,步骤3包括:
GPU算法处理单元对CAM0、CAM1与CAM2捕捉的三路图像信息两两合成,按照CAM0与CAM1的组合,CAMl与CAM2的组合,CAM2与CAM0的组合分别进行双目运算处理。
一种实施方式中,三个相同的摄像头传感器单元为型号是IMX290的宽动态摄像头传感器单元。
一种实施方式中,该方法还包括步骤:
预先将CAM0设置于原点,CAM1设置于CAM0同一直线左侧的预定距离,CAM2设置于CAM0同一直线右侧的预定距离。
一种实施方式中,FPGA图像处理单元为型号是XCZU9EG的MPSoC,GPU算法处理单元为型号是TegraTX2的GPU。
本发明实施方式的高精度地图采集系统和方法,运用了三对双目系统进行目标识别,对比单目系统解决了位置变化重标定的问题以及光照环境状况发生变化时单目摄像头识别精度相对较差从而导致生成的高精度地图误差较大的问题。本发明中三对双目融合优化后,可以解决快速相对运动的场景下识别精度低的问题。对比多摄像头系统,硬件成本明显降低,精度同时可以得到保证,满足高精度地图制作的精度要求。
本发明的附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的实施方式的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解,其中:
图1是本发明实施方式的高精度地图采集系统的组成示意图;
图2是本发明实施方式的高精度地图采集方法的流程示意图。
具体实施方式
下面详细描述本发明的实施方式,实施方式的示例在附图中示出,其中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅可用于解释本发明的实施方式,而不能理解为对本发明的实施方式的限制。
请参阅图1和图2,本发明实施方式提出的高精度地图采集系统,其特征在于,包括:三个相同的摄像头传感器单元、FPGA图像处理单元、GPU算法处理单元、存储与发送单元、数据处理中心。其中,各个单元介绍如下:
由中心点在同一平面且在同一直线上的三个相同的摄像头传感器单元,用于同步捕捉图像信息。
FPGA图像处理单元,用于并行处理三路图像信息。
GPU算法处理单元,用于对三路图像信息两两合成,进行三对双目运算处理。
所述GPU算法处理单元,还用于根据三对双目运算结果进行融合处理,得到最优地图精度信息。
存储与发送单元,用于将最优地图精度信息存储于本地,并发送至数据处理中心。
数据处理中心,用于接收存储与发送单元发送的最优地图精度信息,生成高精度地图。
本发明实施方式提出的利用上述高精度地图采集系统进行高精度地图采集的方法,包括:
步骤1,通过三个相同的摄像头传感器单元同步捕捉图像信息。
步骤2,FPGA图像处理单元并行处理三路图像信息。
步骤3,经过处理后的图像数据进入GPU处理单元,首先进行目标物体的识别;然后对三路图像信息两两合成,经过对所识别目标物体立体匹配。从而计算出目标物体到摄像头的距离。
步骤4,GPU算法处理单元根据三对双目运算结果进行融合处理,通过中值滤波以及平均值滤波计算,得到最优地图精度信息。
步骤5,存储与发送单元将最优地图精度信息存储于本地并发送至数据处理中心。
步骤6,数据处理中心接收存储与发送单元发送的最优地图精度信息,生成高精度地图。
步骤1中,由中心点在同一平面且在同一直线上的三个相同的摄像头传感器单元同步捕捉图像信息。具体地,三个相同的摄像头传感器单元可以为型号是IMX290的宽动态摄像头传感器单元。
对于摄像头的设置,可以采取以下过程,包括:
预先将CAM0设置于原点,CAM1设置于CAM0同一直线左侧的预定距离,CAM2设置于CAM0同一直线右侧的预定距离。在本实施方式中,可以将预定距离定为10cm,即CAM1设置于CAM0同一直线左侧距离CAM0 10cm的位置,CAM2设置于CAM0同一直线右侧距离CAM0 10cm的位置。通过这样的设置,保证了三个相同的摄像头传感器单元IMX290在同一平面且在同一直线上。
步骤2中,FPGA图像处理单元并行处理三路图像信息。具体地,FPGA图像处理单元可以为型号是XCZU9EG的MPSoC。FPGA可以通过编程方便地修改其内部的逻辑功能,从而实现高速的硬件计算和并行运算,是高性能嵌入式视觉系统的一种更加方便的解决方案。基于FPGA的嵌入式视觉系统的功耗远远低于基于CPU和GPU的视觉系统,FPGA的功耗通常不到1W,而高性能CPU和GPU的功耗通常都在100W以上。随着技术的不断进步,FPGA的集成度越来越高,可以实现的设计规模越来越大,而功耗则越来越低。因此,基于FPGA的嵌入式视觉系统将是计算机视觉系统的重要发展方向。使用FPGA进行图像处理时,又需要对图像处理的算法很熟悉。即使如此,如果打算使用HDL语言去实现图像处理的算法,依然有很大的难度。而MathWorks公司和Xilinx公司联合推出的System Generator则刚好可以解决这个问题。在System Generator和Matlab安装之后,会在Simulink中添加一些Xilinx公司提供的模块,使用类似Simulinlk的方式搭建图像处理算法,可以进行仿真、硬件协仿真、直接生成HDL代码、生成TestBench,极大的提高开发的效率。
例如,本实施例中使用Xilinx公司的Zynq UltraScale+系列的FPGA在IO bank中有专用的D-PHY用于MIPI接口通讯,因此IMX290的MIPI接口可以同XCZU9EG直接相连。XCZU9EG可分配出3组IO,每组带4lanes MIPI的接口。控制接口采用I2C,分辨率为1920×1080,帧率为60FPS的RAW12图像数据进入XCZU9EG的逻辑单元后进行畸变校正、降噪、对比度调整、色彩校正等图像处理。其中畸变校正、降噪、对比度调整、色彩校正等常规图像处理方式在其他文献已有记载,在本申请中不再赘述。其中D-PHY模块,图像算法处理的模块都可以以Simulinlk的方式搭建。
在步骤3中,GPU算法处理单元对三路图像信息两两合成,进行三对双目运算处理。本实施方式中,GPU算法处理单元可以为型号是TegraTX2的GPU。具体地,三个相同的摄像头传感器单元分别为CAM0、CAM1与CAM2,其中,步骤3包括:
GPU算法处理单元对CAM0、CAM1与CAM2捕捉的三路图像信息两两合成,按照CAM0与CAM1的组合,CAM1与CAM2的组合,CAM2与CAM0的组合分别进行双目运算处理。
例如,从三个CAM同步发出的带有车道线的图片进行识别,对CAM0以及CAM1,CAM1以及CAM2,CAM0以及CAM2获得的三组图片数据分别进行双目立体匹配,从而计算出三组车道线到摄像头的距离信息。
在步骤4中,GPU算法处理单元根据三对双目运算结果进行融合处理,得到最优地图精度信息。
例如,上一步骤得出的三组车道线在不同的时间点获得的距离数据经过中值以及平均值滤波计算,从而得出准确的车道线距离位置数据。
在步骤5和步骤6中,存储与发送单元将最优地图精度信息存储于本地并发送至数据处理中心;然后由数据处理中心接收存储与发送单元发送的最优地图精度信息,生成高精度地图。
具体地,数据处理中心接收存储与发送单元发送的最优地图精度信息,结合RTK定位信息,将图像获得的识别结果信息数据以及将相对座标值转换成绝对座标值等数据按高精度地图定义的数据格式写入数据库,最终生成高精度地图。
本发明实施方式的高精度地图采集系统和方法,运用了三对双目系统进行目标识别,对比单目系统解决了位置变化重标定的问题以及光照环境状况发生变化时单目摄像头识别精度相对较差从而导致生成的高精度地图误差较大的问题。本发明中三对双目融合优化后,可以解决快速相对运动的场景下识别精度低的问题。对比多摄像头系统,硬件成本明显降低,精度同时可以得到保证,满足高精度地图制作的精度要求。
在本发明的实施方式的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”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的实施方式和简化描述,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实施方式的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的实施方式的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明的实施方式的描述中,需要说明的是,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,也可以是电连接或可以相互通讯;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或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明的实施方式中的具体含义。
在本发明的实施方式中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本发明的实施方式的不同结构。为了简化本发明的实施方式的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明的实施方式可以在不同例子中重复参考数字和/或参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和/或设置之间的关系。此外,本发明的实施方式提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
在本说明书的描述中,参考术语“一个实施方式”、“一些实施方式”、“示意性实施方式”、“示例”、“具体示例”或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,″计算机可读介质″可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的实施方式的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明的各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种高精度地图采集系统,其特征在于,包括:
由中心点在同一平面且在同一直线上的三个相同的摄像头传感器单元,用于同步捕捉图像信息;
FPGA图像处理单元,用于并行处理三路图像信息;
GPU算法处理单元,用于对三路图像信息两两合成,进行三对双目运算处理;
所述GPU算法处理单元,还用于根据三对双目运算结果进行融合处理,得到最优地图精度信息;
存储与发送单元,用于将最优地图精度信息存储于本地,并发送至数据处理中心;
数据处理中心,用于接收存储与发送单元发送的最优地图精度信息,生成高精度地图。
2.如权利要求1所述高精度地图采集系统,其特征在于,三个相同的摄像头传感器单元分别为CAM0、CAM1与CAM2,其中,GPU算法处理单元,具体用于对CAM0、CAM1与CAM2捕捉的三路图像信息两两合成,按照CAM0与CAM1的组合,CAM1与CAM2的组合,CAM2与CAM0的组合分别进行双目运算处理。
3.如权利要求2所述高精度地图采集系统,其特征在于,三个相同的摄像头传感器单元为型号是IMX290的宽动态摄像头传感器单元。
4.如权利要求3所述高精度地图采集系统,其特征在于,CAM0设置于原点,CAM1设置于CAM0同一直线左侧的预定距离,CAM2设置于CAM0同一直线右侧的预定距离。
5.如权利要求1所述高精度地图采集系统,其特征在于,FPGA图像处理单元为型号是XCZU9EG的MPSoC,GPU算法处理单元为型号是TegraTX2的GPU。
6.一种利用权利要求1至5中任意一项高精度地图采集系统进行高精度地图采集的方法,其特征在于,包括:
步骤1,通过三个相同的摄像头传感器单元同步捕捉图像信息;
步骤2,FPGA图像处理单元并行处理三路图像信息;
步骤3,GPU算法处理单元对三路图像信息两两合成,进行三对双目运算处理;
步骤4,GPU算法处理单元根据三对双目运算结果进行融合处理,得到最优地图精度信息;
步骤5,存储与发送单元将最优地图精度信息存储于本地并发送至数据处理中心;
步骤6,数据处理中心接收存储与发送单元发送的最优地图精度信息,生成高精度地图。
7.如权利要求6所述高精度地图采集的方法,其特征在于,三个相同的摄像头传感器单元分别为CAM0、CAM1与CAM2,其中,步骤3包括:
GPU算法处理单元对CAM0、CAM1与CAM2捕捉的三路图像信息两两合成,按照CAM0与CAM1的组合,CAM1与CAM2的组合,CAM2与CAM0的组合分别进行双目运算处理。
8.如权利要求7所述高精度地图采集的方法,其特征在于,三个相同的摄像头传感器单元为型号是IMX290的宽动态摄像头传感器单元。
9.如权利要求8所述高精度地图采集的方法,其特征在于,该方法还包括步骤:预先将CAM0设置于原点,CAM1设置于CAM0同一直线左侧的预定距离,CAM2设置于CAM0同一直线右侧的预定距离。
10.如权利要求6所述高精度地图采集的方法,其特征在于,FPGA图像处理单元为型号是XCZU9EG的MPSoC,GPU算法处理单元为型号是TegraTX2的GPU。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810721452.7A CN108921772A (zh) | 2018-06-29 | 2018-06-29 | 高精度地图采集系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810721452.7A CN108921772A (zh) | 2018-06-29 | 2018-06-29 | 高精度地图采集系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921772A true CN108921772A (zh) | 2018-11-30 |
Family
ID=64424248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810721452.7A Pending CN108921772A (zh) | 2018-06-29 | 2018-06-29 | 高精度地图采集系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921772A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040168148A1 (en) * | 2002-12-17 | 2004-08-26 | Goncalves Luis Filipe Domingues | Systems and methods for landmark generation for visual simultaneous localization and mapping |
US20140241612A1 (en) * | 2013-02-23 | 2014-08-28 | Microsoft Corporation | Real time stereo matching |
CN105674993A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭科技有限公司 | 基于双目相机的高精度视觉定位地图生成系统及方法 |
US9674504B1 (en) * | 2015-12-22 | 2017-06-06 | Aquifi, Inc. | Depth perceptive trinocular camera system |
CN107084727A (zh) * | 2017-04-12 | 2017-08-22 | 武汉理工大学 | 一种基于高精度三维地图的视觉定位系统及方法 |
-
2018
- 2018-06-29 CN CN201810721452.7A patent/CN108921772A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040168148A1 (en) * | 2002-12-17 | 2004-08-26 | Goncalves Luis Filipe Domingues | Systems and methods for landmark generation for visual simultaneous localization and mapping |
US20140241612A1 (en) * | 2013-02-23 | 2014-08-28 | Microsoft Corporation | Real time stereo matching |
US9674504B1 (en) * | 2015-12-22 | 2017-06-06 | Aquifi, Inc. | Depth perceptive trinocular camera system |
CN105674993A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭科技有限公司 | 基于双目相机的高精度视觉定位地图生成系统及方法 |
CN107084727A (zh) * | 2017-04-12 | 2017-08-22 | 武汉理工大学 | 一种基于高精度三维地图的视觉定位系统及方法 |
Non-Patent Citations (2)
Title |
---|
于乃功等: "立体匹配算法进展", 《计算机测量与控制》 * |
薛广顺: "基于立体视觉的牛体点云获取方法研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021004548A1 (zh) | 一种基于双目立体视觉系统的车辆智能测速方法 | |
WO2021004312A1 (zh) | 一种基于双目立体视觉系统的车辆智能测轨迹方法 | |
EP3469306B1 (en) | Geometric matching in visual navigation systems | |
CN111436216B (zh) | 用于彩色点云生成的方法和系统 | |
CN107554425B (zh) | 一种增强现实车载平视显示器ar-hud | |
CN110073362A (zh) | 用于车道标记检测的系统及方法 | |
CN107465906B (zh) | 场景的全景拍摄方法、装置及终端设备 | |
CN106705964A (zh) | 全景相机融合imu、激光扫描仪定位与导航系统及方法 | |
CN109816704A (zh) | 物体的三维信息获取方法和装置 | |
CN108413975A (zh) | 地图获取方法、系统、云处理器及车辆 | |
CN109917419B (zh) | 一种基于激光雷达与图像的深度填充密集系统及方法 | |
CN103407407A (zh) | 基于双目立体视觉的汽车安全车距警示装置及方法 | |
CN108769649B (zh) | 深度处理器和三维图像设备 | |
CN111652072A (zh) | 轨迹获取方法、轨迹获取装置、存储介质和电子设备 | |
CN107977654B (zh) | 一种道路区域检测方法、装置及终端 | |
CN105608417A (zh) | 交通信号灯检测方法及装置 | |
CN114299464A (zh) | 车道定位方法、装置及设备 | |
CN110517284A (zh) | 一种基于激光雷达和ptz摄像机的目标追踪方法 | |
JPH10269362A (ja) | 物体認識方法およびその装置 | |
CN113947134A (zh) | 一种复杂地形下多传感器配准融合系统及方法 | |
CN108401551B (zh) | 双镜头微光立体全景成像装置及其超大视场测距方法 | |
WO2022199195A1 (zh) | 地图更新方法、系统、车载终端、服务器及存储介质 | |
CN111179309A (zh) | 一种跟踪方法及设备 | |
CN108921772A (zh) | 高精度地图采集系统和方法 | |
CN108090930A (zh) | 基于双目立体相机的障碍物视觉检测系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181130 |