CN109410284A - 一种参数估计方法、装置、电子设备、车辆及存储介质 - Google Patents

一种参数估计方法、装置、电子设备、车辆及存储介质 Download PDF

Info

Publication number
CN109410284A
CN109410284A CN201811289885.6A CN201811289885A CN109410284A CN 109410284 A CN109410284 A CN 109410284A CN 201811289885 A CN201811289885 A CN 201811289885A CN 109410284 A CN109410284 A CN 109410284A
Authority
CN
China
Prior art keywords
frame image
parameter
lane line
imaging device
angle
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
Application number
CN201811289885.6A
Other languages
English (en)
Inventor
李映辉
周志鹏
张丙林
李冰
胡俊霄
廖瑞华
冯遥
卓先进
刘云峰
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.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811289885.6A priority Critical patent/CN109410284A/zh
Publication of CN109410284A publication Critical patent/CN109410284A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种参数估计方法、装置、电子设备、车辆及存储介质。所述方法包括：若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，计算各帧图像中各个车道线对应的拟合参数；其中，N为大于1的自然数；根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对所述成像设备的外部参数进行估计。可以快速准确地对成像设备的外部参数进行估计，从而可以节约人力成本，提升使用效果。

Description

一种参数估计方法、装置、电子设备、车辆及存储介质
技术领域
本发明实施例涉及互联网技术领域，尤其涉及一种参数估计方法、装置、电子设备、车辆及存储介质。
背景技术
在机器视觉领域，参数标定是一个关键的环节，它决定了机器视觉系统能否有效的定位，能否有效的计算目标物。因此，在现有的成像设备中，需要在系统工作前标定外部参数，或者，需要在系统安装后人工调整成像设备的安装姿态，或者，需要人工输入外部参数。具体地，成像设备的外部参数可以包括：俯仰角pitch、偏航角yaw、翻滚角roll以及高度值；其中，俯仰角pitch是围绕Y轴旋转的角度；偏航角yaw是围绕Z轴旋转的角度；翻滚角roll是围绕X轴旋转的角度。
在现有的参数估计方法中，一般采用人工方式对成像设备的外部参数进行估计；而且如果成像设备在使用过程中姿态发生变化，无法随时调整成像设备的外部参数。
发明内容
有鉴于此，本发明实施例提供一种参数估计方法、装置、电子设备、车辆及存储介质，可以快速准确地对成像设备的外部参数进行估计，从而可以节约人力成本，提升使用效果。
第一方面，本发明实施例提供了一种参数估计方法，所述方法包括：
若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，计算各帧图像中各个车道线对应的拟合参数；其中，N为大于1的自然数；
根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对所述成像设备的外部参数进行估计。
在上述实施例中，所述计算各帧图像中各个车道线对应的拟合参数，包括：
获取各帧图像中各个车道线上左边缘的图像坐标和右边缘的图像坐标；
根据各个车道线上左边缘的图像坐标和右边缘的图像坐标计算各个车道线对应的拟合参数。
在上述实施例中，所述拟合参数包括：第一拟合参数v'0；所述根据各帧图像中各个车道线对应的拟合参数和预先获取的成像设备的内部参数对所述成像设备的外部参数进行估计，包括：
根据各帧图像中各个车道线对应的第一拟合参数v'0计算各帧图像对应的第一拟合参数v0；
根据各帧图像对应的第一拟合参数v0以及预先确定的等效焦距坐标fy和光心坐标cy计算各帧图像对应的pitch角θi；其中，θi表示第i帧图像对应的pitch角；
根据各帧图像对应的pitch角θi计算所述成像设备的pitch角θ。
在上述实施例中，所述拟合参数还包括：第二拟合参数u'0；所述方法还包括：
根据各帧图像中各个车道线对应的第二拟合参数u'0计算各帧图像对应的第二拟合参数u0；
根据各帧图像对应的第二拟合参数u0和pitch角θi以及预先确定的等效焦距坐标fx和光心坐标cx计算各帧图像对应的yaw角αi；其中，αi表示第i帧图像对应的yaw角；
根据各帧图像对应的yaw角αi计算所述成像设备的yaw角α。
在上述实施例中，所述拟合参数还包括：第三拟合参数A；所述根据各帧图像中各个车道线对应的拟合参数和预先获取的成像设备的内部参数对所述成像设备的外部参数进行估计，包括：
根据各帧图像中各个车道线对应的第三拟合参数A计算各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y；
根据各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y计算各帧图像roll角γi；其中，γi表示第i帧图像对应的roll角；
根据各帧图像对应的roll角γi计算所述成像设备的roll角γ。
在上述实施例中，所述根据各帧图像中各个车道线对应的拟合参数和预先获取的成像设备的内部参数对所述成像设备的外部参数进行估计，包括：
计算各帧图像中各个车道线的实际宽度dmark以及各个车道线上左边缘和右边缘的斜率差wmark；
根据各帧图像中各个车道线的实际宽度dmark、各个车道线上左边缘和右边缘的斜率差wmark、所述成像设备的pitch角θ和yaw角α、所述预先确定的等效焦距坐标fx和等效焦距坐标fy计算各帧图像对应的成像设备高度hi；其中，hi表示第i帧图像对应的成像设备高度；
根据各帧图像对应的成像设备高度hi计算所述成像设备的高度h。
第二方面，本发明实施例提供了一种参数估计装置，所述装置包括：计算模块和估计模块；其中，
所述计算模块，用于若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，计算各帧图像中各个车道线对应的拟合参数；其中，N为大于1的自然数；
所述估计模块，用于根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对所述成像设备的外部参数进行估计。
在上述实施例中，所述计算模块包括：获取子模块和计算子模块；其中，
所述获取子模块，用于获取各帧图像中各个车道线上左边缘的图像坐标和右边缘的图像坐标；
所述计算子模块，用于根据各个车道线上左边缘的图像坐标和右边缘的图像坐标计算各个车道线对应的拟合参数。
在上述实施例中，所述估计模块，具体用于根据各帧图像中各个车道线对应的第一拟合参数v'0计算各帧图像对应的第一拟合参数v0；根据各帧图像对应的第一拟合参数v0以及预先确定的等效焦距坐标fy和光心坐标cy计算各帧图像对应的pitch角θi；其中，θi表示第i帧图像对应的pitch角；根据各帧图像对应的pitch角θi计算所述成像设备的pitch角θ；其中，所述拟合参数包括：第一拟合参数v'0。
在上述实施例中，所述估计模块，还用于根据各帧图像中各个车道线对应的第二拟合参数u'0计算各帧图像对应的第二拟合参数u0；根据各帧图像对应的第二拟合参数u0和pitch角θi以及预先确定的等效焦距坐标fx和光心坐标cx计算各帧图像对应的yaw角αi；其中，αi表示第i帧图像对应的yaw角；根据各帧图像对应的yaw角αi计算所述成像设备的yaw角α；其中，所述拟合参数还包括：第二拟合参数u'0。
在上述实施例中，所述估计模块，具体用于根据各帧图像中各个车道线对应的第三拟合参数A计算各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y；根据各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y计算各帧图像roll角γi；其中，γi表示第i帧图像对应的roll角；根据各帧图像对应的roll角γi计算所述成像设备的roll角γ；其中，所述拟合参数还包括：第三拟合参数A。
在上述实施例中，所述估计模块，具体用于计算各帧图像中各个车道线的实际宽度dmark以及各个车道线上左边缘和右边缘的斜率差wmark；根据各帧图像中各个车道线的实际宽度dmark、各个车道线上左边缘和右边缘的斜率差wmark、所述成像设备的pitch角θ和yaw角α、所述预先确定的等效焦距坐标fx和等效焦距坐标fy计算各帧图像对应的成像设备高度hi；其中，hi表示第i帧图像对应的成像设备高度；根据各帧图像对应的成像设备高度hi计算所述成像设备的高度h。
第三方面，本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的参数估计方法。
第四方面，本发明实施例提供了一种车辆，包括车体，还包括如上述实施例所述的电子设备。
第五方面，本发明实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的参数估计方法。
本发明实施例提出了一种参数估计方法、装置、电子设备、车辆及存储介质，若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，先计算各帧图像中各个车道线对应的拟合参数；然后根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。也就是说，在本发明的技术方案中，可以根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。而在现有的参数估计方法中，一般采用人工方式对成像设备的外部参数进行估计；而且如果成像设备在使用过程中姿态发生变化，无法随时调整成像设备的外部参数。因此，和现有技术相比，本发明实施例提出的参数估计方法、装置、电子设备、车辆及存储介质，可以快速准确地对成像设备的外部参数进行估计，从而可以节约人力成本，提升使用效果；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。
附图说明
图1为本发明实施例一提供的参数估计方法的流程示意图；
图2为本发明实施例二提供的参数估计方法的流程示意图；
图3为本发明实施例四提供的参数估计装置的第一结构示意图；
图4为本发明实施例四提供的参数估计装置的第二结构示意图；
图5为本发明实施例五提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1为本发明实施例一提供的参数估计方法的流程示意图，该方法可以由参数估计装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示，参数估计方法可以包括以下步骤：
S101、若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，计算各帧图像中各个车道线对应的拟合参数；其中，N为大于1的自然数。
在本发明的具体实施例中，若电子设备在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，电子设备可以计算各帧图像中各个车道线对应的拟合参数；其中，N为大于1的自然数。具体地，电子设备可以先获取各帧图像中各个车道线上左边缘的图像坐标和右边缘的图像坐标；然后根据各个车道线上左边缘的图像坐标和右边缘的图像坐标计算各个车道线对应的拟合参数；其中，拟合参数包括：第一拟合参数v'0、第二拟合参数u'0和第三拟合参数A。
S102、根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。
在本发明的具体实施例中，电子设备可以根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。具体地，电子设备可以先根据各帧图像中各个车道线对应的第一拟合参数v'0计算各帧图像对应的第一拟合参数v0；然后根据各帧图像对应的第一拟合参数v0以及预先确定的等效焦距坐标fy和光心坐标cy计算各帧图像对应的pitch角θi；其中，θi表示第i帧图像对应的pitch角；再根据各帧图像对应的pitch角θi计算成像设备的pitch角θ。
本发明实施例提出的参数估计方法，若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，先计算各帧图像中各个车道线对应的拟合参数；然后根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。也就是说，在本发明的技术方案中，可以根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。而在现有的参数估计方法中，一般采用人工方式对成像设备的外部参数进行估计；而且如果成像设备在使用过程中姿态发生变化，无法随时调整成像设备的外部参数。因此，和现有技术相比，本发明实施例提出的参数估计方法，可以快速准确地对成像设备的外部参数进行估计，从而可以节约人力成本，提升使用效果；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例二
图2为本发明实施例二提供的参数估计方法的流程示意图。如图2所示，参数估计方法可以包括以下步骤：
S201、若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，获取各帧图像中各个车道线上左边缘的图像坐标和右边缘的图像坐标。
在本发明的具体实施例中，若电子设备在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，电子设备可以获取各帧图像中各个车道线上左边缘的图像坐标和右边缘的图像坐标。具体地，电子设备可以在各帧图像中各个车道线上的左边缘中选择固定位置的像素点；然后通过定位方法确定左边缘中各个固定位置的像素点的图像坐标；同样地，电子设备可以在各帧图像中各个车道线上的右边缘中选择固定位置的像素点；然后通过定位方法确定右边缘中各个固定位置的像素点的图像坐标。
S202、根据各个车道线上左边缘的图像坐标和右边缘的图像坐标计算各个车道线对应的拟合参数。
在本发明的具体实施例中，电子设备可以根据各个车道线上左边缘的图像坐标和右边缘的图像坐标计算各个车道线对应的拟合参数；其中，拟合参数包括：第一拟合参数v'0、第二拟合参数u'0和第三拟合参数A。具体地，电子设备可以按照如下公式计算各个车道线对应的拟合参数：u-u'0＝A(v-v'0)+B/(v-v'0)；其中，(u，v)为各个车道线上左边缘的图像坐标和右边缘的图像坐标；B为预先确定的车道线参数；v'0为各个车道线对应的第一拟合参数；u'0为各个车道线对应的第二拟合参数；A为各个车道线对应的第三拟合参数。
S203、根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。
在本发明的具体实施例中，电子设备可以根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。具体地，电子设备可以先根据各帧图像中各个车道线对应的第一拟合参数v'0计算各帧图像对应的第一拟合参数v0；然后根据各帧图像对应的第一拟合参数v0以及预先确定的等效焦距坐标fy和光心坐标cy计算各帧图像对应的pitch角θi；其中，θi表示第i帧图像对应的pitch角；再根据各帧图像对应的pitch角θi计算成像设备的pitch角θ。具体地，电子设备可以计算各帧图像中各个车道线对应的第一拟合参数v'0的平均值，得到各帧图像对应的第一拟合参数v0；然后按照以下公式计算各帧图像对应的pitch角θi和成像设备的pitch角θ：θi＝tan-1((v0-cy)/fy)；其中，n为当前车辆的图像帧数。
较佳地，在本发明的具体实施例中，电子设备还可以根据各帧图像中各个车道线对应的第二拟合参数u'0计算各帧图像对应的第二拟合参数u0；然后根据各帧图像对应的第二拟合参数u0和pitch角θi以及预先确定的等效焦距坐标fx和光心坐标cx计算各帧图像对应的yaw角αi；其中，αi表示第i帧图像对应的yaw角；再根据各帧图像对应的yaw角αi计算成像设备的yaw角α。具体地，电子设备可以按照以下公式计算各帧图像对应的yaw角αi和成像设备的yaw角α：αi＝tan-1((u0-cx)cosθi/fx)；
较佳地，在本发明的具体实施例中，电子设备还可以根据各帧图像中各个车道线对应的第三拟合参数A计算各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y；然后根据各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y计算各帧图像roll角γi；其中，γi表示第i帧图像对应的roll角；再根据各帧图像对应的roll角γi计算成像设备的roll角γ。具体地，电子设备可以按照如下公式计算各帧图像roll角γi和成像设备的roll角γ：γ＝(XTX)-1XTY；其中，X＝[xm-2，...，x0]T；Y＝[ym-2，...，y0]T；yk＝Ak+2-2Ak+1+Ak；其中，Ak表示第k条车道线的斜率。
较佳地，在本发明的具体实施例中，电子设备还可以计算各帧图像中各个车道线的实际宽度dmark以及各个车道线上左边缘和右边缘的斜率差wmark；然后根据各帧图像中各个车道线的实际宽度dmark、各个车道线上左边缘和右边缘的斜率差wmark、成像设备的pitch角θ和yaw角α、预先确定的等效焦距坐标fx和等效焦距坐标fy计算各帧图像对应的成像设备高度hi；其中，hi表示第i帧图像对应的成像设备高度；再根据各帧图像对应的成像设备高度hi计算成像设备的高度h。具体地，电子设备可以按照以下公式计算各帧图像对应的成像设备高度hi和成像设备的高度h：hi＝dmarkcosθfx/(wmarkfycosα)；
本发明实施例提出的参数估计方法，若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，先计算各帧图像中各个车道线对应的拟合参数；然后根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。也就是说，在本发明的技术方案中，可以根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对成像设备的外部参数进行估计。而在现有的参数估计方法中，一般采用人工方式对成像设备的外部参数进行估计；而且如果成像设备在使用过程中姿态发生变化，无法随时调整成像设备的外部参数。因此，和现有技术相比，本发明实施例提出的参数估计方法，可以快速准确地对成像设备的外部参数进行估计，从而可以节约人力成本，提升使用效果；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例三
图3为本发明实施例三提供的参数估计装置的第一结构示意图。如图3所示，本发明实施例所述的参数估计装置可以包括：计算模块301和估计模块302；其中，
所述计算模块301，用于若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，计算各帧图像中各个车道线对应的拟合参数；其中，N为大于1的自然数；
所述估计模块302，用于根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对所述成像设备的外部参数进行估计。
图4为本发明实施例四提供的参数估计装置的第二结构示意图。如图4所示，所述计算模块301包括：获取子模块3011和计算子模块3012；其中，
所述获取子模块3011，用于获取各帧图像中各个车道线上左边缘的图像坐标和右边缘的图像坐标；
所述计算子模块3012，用于根据各个车道线上左边缘的图像坐标和右边缘的图像坐标计算各个车道线对应的拟合参数；其中，所述拟合参数包括：第一拟合参数v'0、第二拟合参数u'0和第三拟合参数A。
进一步的，所述估计模块302，具体用于根据各帧图像中各个车道线对应的第一拟合参数v'0计算各帧图像对应的第一拟合参数v0；根据各帧图像对应的第一拟合参数v0以及预先确定的等效焦距坐标fy和光心坐标cy计算各帧图像对应的pitch角θi；其中，θi表示第i帧图像对应的pitch角；根据各帧图像对应的pitch角θi计算所述成像设备的pitch角θ。
进一步的，所述估计模块302，还用于根据各帧图像中各个车道线对应的第二拟合参数u'0计算各帧图像对应的第二拟合参数u0；根据各帧图像对应的第二拟合参数u0和pitch角θi以及预先确定的等效焦距坐标fx和光心坐标cx计算各帧图像对应的yaw角αi；其中，αi表示第i帧图像对应的yaw角；根据各帧图像对应的yaw角αi计算所述成像设备的yaw角α。
进一步的，所述估计模块302，具体用于根据各帧图像中各个车道线对应的第三拟合参数A计算各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y；根据各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y计算各帧图像roll角γi；其中，γi表示第i帧图像对应的roll角；根据各帧图像对应的roll角γi计算所述成像设备的roll角γ。
进一步的，所述估计模块302，具体用于计算各帧图像中各个车道线的实际宽度dmark以及各个车道线上左边缘和右边缘的斜率差wmark；根据各帧图像中各个车道线的实际宽度dmark、各个车道线上左边缘和右边缘的斜率差wmark、所述成像设备的pitch角θ和yaw角α、所述预先确定的等效焦距坐标fx和等效焦距坐标fy计算各帧图像对应的成像设备高度hi；其中，hi表示第i帧图像对应的成像设备高度；根据各帧图像对应的成像设备高度hi计算所述成像设备的高度h。
上述参数估计装置可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的参数估计方法。
实施例四
图5为本发明实施例四提供的电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的参数估计方法。
实施例五
本发明实施例五提供了一种计算机存储介质。
本发明实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (15)

1.一种参数估计方法，其特征在于，所述方法包括：
若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，计算各帧图像中各个车道线对应的拟合参数；其中，N为大于1的自然数；
根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对所述成像设备的外部参数进行估计。
2.根据权利要求1所述的方法，其特征在于，所述计算各帧图像中各个车道线对应的拟合参数，包括：
获取各帧图像中各个车道线上左边缘的图像坐标和右边缘的图像坐标；
根据各个车道线上左边缘的图像坐标和右边缘的图像坐标计算各个车道线对应的拟合参数。
3.根据权利要求2所述的方法，其特征在于，所述拟合参数包括：第一拟合参数v'0；所述根据各帧图像中各个车道线对应的拟合参数和预先获取的成像设备的内部参数对所述成像设备的外部参数进行估计，包括：
根据各帧图像中各个车道线对应的第一拟合参数v'0计算各帧图像对应的第一拟合参数v0；
根据各帧图像对应的第一拟合参数v0以及预先确定的等效焦距坐标fy和光心坐标cy计算各帧图像对应的pitch角θi；其中，θi表示第i帧图像对应的pitch角；
根据各帧图像对应的pitch角θi计算所述成像设备的pitch角θ。
4.根据权利要求3所述的方法，其特征在于，所述拟合参数还包括：第二拟合参数u'0；所述方法还包括：
根据各帧图像中各个车道线对应的第二拟合参数u'0计算各帧图像对应的第二拟合参数u0；
根据各帧图像对应的第二拟合参数u0和pitch角θi以及预先确定的等效焦距坐标fx和光心坐标cx计算各帧图像对应的yaw角αi；其中，αi表示第i帧图像对应的yaw角；
根据各帧图像对应的yaw角αi计算所述成像设备的yaw角α。
5.根据权利要求2所述的方法，其特征在于，所述拟合参数还包括：第三拟合参数A；所述根据各帧图像中各个车道线对应的拟合参数和预先获取的成像设备的内部参数对所述成像设备的外部参数进行估计，包括：
根据各帧图像中各个车道线对应的第三拟合参数A计算各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y；
根据各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y计算各帧图像roll角γi；其中，γi表示第i帧图像对应的roll角；
根据各帧图像对应的roll角γi计算所述成像设备的roll角γ。
6.根据权利要求4所述的方法，其特征在于，所述根据各帧图像中各个车道线对应的拟合参数和预先获取的成像设备的内部参数对所述成像设备的外部参数进行估计，包括：
计算各帧图像中各个车道线的实际宽度dmark以及各个车道线上左边缘和右边缘的斜率差wmark；
根据各帧图像中各个车道线的实际宽度dmark、各个车道线上左边缘和右边缘的斜率差wmark、所述成像设备的pitch角θ和yaw角α、所述预先确定的等效焦距坐标fx和等效焦距坐标fy计算各帧图像对应的成像设备高度hi；其中，hi表示第i帧图像对应的成像设备高度；
根据各帧图像对应的成像设备高度hi计算所述成像设备的高度h。
7.一种参数估计装置，其特征在于，所述装置包括：计算模块和估计模块；其中，
所述计算模块，用于若在当前车辆的连续N帧图像中检测到相邻的预设数量的车道线，计算各帧图像中各个车道线对应的拟合参数；其中，N为大于1的自然数；
所述估计模块，用于根据各帧图像中各个车道线对应的拟合参数和预先确定的成像设备的内部参数对所述成像设备的外部参数进行估计。
8.根据权利要求7所述的装置，其特征在于，所述计算模块包括：获取子模块和计算子模块；其中，
所述获取子模块，用于获取各帧图像中各个车道线上左边缘的图像坐标和右边缘的图像坐标；
所述计算子模块，用于根据各个车道线上左边缘的图像坐标和右边缘的图像坐标计算各个车道线对应的拟合参数。
9.根据权利要求8所述的装置，其特征在于：
所述估计模块，具体用于根据各帧图像中各个车道线对应的第一拟合参数v'0计算各帧图像对应的第一拟合参数v0；根据各帧图像对应的第一拟合参数v0以及预先确定的等效焦距坐标fy和光心坐标cy计算各帧图像对应的pitch角θi；其中，θi表示第i帧图像对应的pitch角；根据各帧图像对应的pitch角θi计算所述成像设备的pitch角θ；其中，所述拟合参数包括：第一拟合参数v'0。
10.根据权利要求9所述的装置，其特征在于，所述估计模块，还用于根据各帧图像中各个车道线对应的第二拟合参数u'0计算各帧图像对应的第二拟合参数u0；根据各帧图像对应的第二拟合参数u0和pitch角θi以及预先确定的等效焦距坐标fx和光心坐标cx计算各帧图像对应的yaw角αi；其中，αi表示第i帧图像对应的yaw角；根据各帧图像对应的yaw角αi计算所述成像设备的yaw角α；其中，所述拟合参数还包括：第二拟合参数u'0。
11.根据权利要求8所述的装置，其特征在于，所述估计模块，具体用于根据各帧图像中各个车道线对应的第三拟合参数A计算各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y；根据各帧图像对应的第一坐标矩阵X和第二坐标矩阵Y计算各帧图像roll角γi；其中，γi表示第i帧图像对应的roll角；根据各帧图像对应的roll角γi计算所述成像设备的roll角γ；其中，所述拟合参数还包括：第三拟合参数A。
12.根据权利要求10所述的装置，其特征在于：
所述估计模块，具体用于计算各帧图像中各个车道线的实际宽度dmark以及各个车道线上左边缘和右边缘的斜率差wmark；根据各帧图像中各个车道线的实际宽度dmark、各个车道线上左边缘和右边缘的斜率差wmark、所述成像设备的pitch角θ和yaw角α、所述预先确定的等效焦距坐标fx和等效焦距坐标fy计算各帧图像对应的成像设备高度hi；其中，hi表示第i帧图像对应的成像设备高度；根据各帧图像对应的成像设备高度hi计算所述成像设备的高度h。
13.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一项所述的参数估计方法。
14.一种车辆，包括车体，其特征在于，还包括如权利要求11所述的电子设备。
15.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一项所述的参数估计方法。
CN201811289885.6A 2018-10-31 2018-10-31 一种参数估计方法、装置、电子设备、车辆及存储介质 Pending CN109410284A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811289885.6A CN109410284A (zh) 2018-10-31 2018-10-31 一种参数估计方法、装置、电子设备、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811289885.6A CN109410284A (zh) 2018-10-31 2018-10-31 一种参数估计方法、装置、电子设备、车辆及存储介质

Publications (1)

Publication Number Publication Date
CN109410284A true CN109410284A (zh) 2019-03-01

Family

ID=65470736

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811289885.6A Pending CN109410284A (zh) 2018-10-31 2018-10-31 一种参数估计方法、装置、电子设备、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN109410284A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560680A (zh) * 2020-12-16 2021-03-26 北京百度网讯科技有限公司 车道线处理方法、装置、电子设备及存储介质
CN114332241A (zh) * 2021-12-29 2022-04-12 元橡科技(苏州)有限公司 一种基于过程标定的rgbd相机的外参标定方法、三维重建方法、存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015178542A1 (ko) * 2014-05-23 2015-11-26 경북대학교 산학협력단 카메라 파라미터 측정 장치 및 그 방법
CN105447892A (zh) * 2015-11-05 2016-03-30 奇瑞汽车股份有限公司 车辆偏航角的确定方法及装置
CN106384085A (zh) * 2016-08-31 2017-02-08 浙江众泰汽车制造有限公司 一种无人车偏航角计算方法
CN106447730A (zh) * 2016-09-14 2017-02-22 深圳地平线机器人科技有限公司 参数估计方法、装置和电子设备
CN106558080A (zh) * 2016-11-14 2017-04-05 天津津航技术物理研究所 一种单目相机外参在线标定系统及方法
CN106875448A (zh) * 2017-02-16 2017-06-20 武汉极目智能技术有限公司 一种车载单目摄像头外部参数自标定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015178542A1 (ko) * 2014-05-23 2015-11-26 경북대학교 산학협력단 카메라 파라미터 측정 장치 및 그 방법
CN105447892A (zh) * 2015-11-05 2016-03-30 奇瑞汽车股份有限公司 车辆偏航角的确定方法及装置
CN106384085A (zh) * 2016-08-31 2017-02-08 浙江众泰汽车制造有限公司 一种无人车偏航角计算方法
CN106447730A (zh) * 2016-09-14 2017-02-22 深圳地平线机器人科技有限公司 参数估计方法、装置和电子设备
CN106558080A (zh) * 2016-11-14 2017-04-05 天津津航技术物理研究所 一种单目相机外参在线标定系统及方法
CN106875448A (zh) * 2017-02-16 2017-06-20 武汉极目智能技术有限公司 一种车载单目摄像头外部参数自标定方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560680A (zh) * 2020-12-16 2021-03-26 北京百度网讯科技有限公司 车道线处理方法、装置、电子设备及存储介质
CN114332241A (zh) * 2021-12-29 2022-04-12 元橡科技(苏州)有限公司 一种基于过程标定的rgbd相机的外参标定方法、三维重建方法、存储介质

Similar Documents

Publication Publication Date Title
CN109300159A (zh) 位置检测方法、装置、设备、存储介质及车辆
CN109214980B (zh) 一种三维姿态估计方法、装置、设备和计算机存储介质
US20190130605A1 (en) Method and device for verification
CN107395958B (zh) 一种图像处理方法、装置、电子设备及存储介质
CN110458122A (zh) 一种视线标校方法、显示装置的播放方法和视线标校系统
US20240090868A1 (en) Ultrasound scanning control method, ultrasound scanning device, and storage medium
CN109615664B (zh) 一种用于光学透视增强现实显示器的标定方法与设备
CN109040736A (zh) 一种人眼空间位置的标定方法、装置、设备和存储介质
WO2007138510A1 (en) Controlling a viewing parameter
US20210133469A1 (en) Neural network training method and apparatus, gaze tracking method and apparatus, and electronic device
US20150104084A1 (en) Scanning system and image display method
CN111163303B (zh) 一种图像显示方法、装置、终端及存储介质
CN109410284A (zh) 一种参数估计方法、装置、电子设备、车辆及存储介质
CN110555426A (zh) 视线检测方法、装置、设备及存储介质
CN107958446A (zh) 信息处理设备和信息处理方法
CN110222703A (zh) 图像轮廓识别方法、装置、设备和介质
CN109089015A (zh) 视频防抖显示方法及装置
CN110473269A (zh) 一种图像重建方法、系统、设备及存储介质
CN113470112A (zh) 图像处理方法、装置、存储介质以及终端
CN108090212A (zh) 兴趣点的展示方法、装置、设备及存储介质
CN116863078A (zh) 三维人体模型重建方法、装置、电子设备和可读介质
CN111161330A (zh) 非刚性图像配准方法、装置、系统、电子设备、存储介质
EP4261661A1 (en) Handle correction method, electronic device, chip, and readable storage medium
EP4059443A1 (en) Super-resolution reconstruction method and apparatus for three-dimensional contrast-enhanced ultrasound image
CN109284002A (zh) 一种用户距离估算方法、装置、设备及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211021

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.