CN110539748B - 基于环视的拥堵跟车系统和终端 - Google Patents
基于环视的拥堵跟车系统和终端 Download PDFInfo
- Publication number
- CN110539748B CN110539748B CN201910800214.XA CN201910800214A CN110539748B CN 110539748 B CN110539748 B CN 110539748B CN 201910800214 A CN201910800214 A CN 201910800214A CN 110539748 B CN110539748 B CN 110539748B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- module
- fitting
- target vehicle
- target
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000012937 correction Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 description 17
- 238000012216 screening Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0953—Predicting travel path or likelihood of collision the prediction being responsive to vehicle dynamic parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于环视的拥堵跟车系统和终端,环视图像采集模块用于利用目标检测算法检测图像中的目标车辆以及目标车辆的车轮;车辆车轮匹配模块用于判断车辆和车轮的从属关系,进而将车辆和车轮进行匹配;车辆编号模块用于给车辆车轮匹配模块匹配好的目标车辆以同一目标车辆在连续时间序列中给出一致的ID;相对位置计算模块根据检测到车轮与地面接触信息获得车轮的接地点在图像坐标系中的位置,获得检测范围内目标车辆相对于本车辆的位置。本发明可以判断加塞车辆的位置及运动信息,从而对自车的行驶轨迹及速度等进行规划和控制,避免发生车辆碰撞,缓解堵车状况,提高行驶效率。
Description
技术领域
本发明涉及汽车电子技术领域,特别是涉及一种基于环视的拥堵跟车系统和终端。
背景技术
车辆与车辆之间距离的测量为公路上车辆间通信或者实现自动/辅助驾驶提供极其重要的信息,几乎所有的车辆预警类型都需要将车辆测距作为一项关键的输入参数,比如最低等级的车道偏离预警,精度要求在10厘米以下计算本车车轮到车道线内外边缘的距离,高级一些的类似车辆碰撞预警功能,就需要实时快速的计算出本车到周边车辆的距离。
因此,我们提出了一种基于环视的拥堵跟车系统和终端。
发明内容
为了解决上述的以及其他潜在的技术问题,本发明提供了一种基于环视的拥堵跟车系统和终端,在高速及城市快速路等堵车工况中的车辆开发的拥堵跟车(Traffic JamPilot,TJP)功能,利用基于前、左、右三路环视系统的视觉感知,判断加塞车辆的位置及运动信息,从而对自车的行驶轨迹及速度等进行规划和控制,避免发生车辆碰撞,缓解堵车状况,提高行驶效率。
一种基于环视的拥堵跟车系统,包括:
环视图像采集模块,所述环视图像采集模块用于利用目标检测算法检测图像中的目标车辆以及目标车辆的车轮;
车辆车轮匹配模块,所述车辆车轮匹配模块用于判断车辆和车轮的从属关系,进而将车辆和车轮进行匹配;
车辆编号模块,所述车辆编号模块用于给车辆车轮匹配模块匹配好的目标车辆以同一目标车辆在连续时间序列中给出一致的ID;
相对位置计算模块,所述相对位置计算模块根据检测到车轮与地面接触信息获得车轮的接地点在图像坐标系中的位置,获得检测范围内目标车辆相对于本车辆的位置。
还包括加塞判断模块,所述加塞判断模块根据相对位置计算模块获得的目标车辆相对于本车辆的在连续时间的位置变化,判断该ID对应的目标车辆的加塞意图。
进一步地,所述环视图像采集模块的输入车辆采集的环视图像为采集至少两个摄像头数据,融合两路摄像头数据形成完整的环视图像,再利用环视图像检测目标车辆和各个目标车辆的车轮。
进一步地,在环视图像采集模块采集至少两个摄像头数据,融合两路摄像头数据形成完整的环视图像时,两路摄像头数据以时间戳标记统一时间点,以使融合的两路摄像头捕获图像在时间点上的一致性。
进一步地,所述车辆车轮匹配模块中,判断目标车辆和车轮的从属关系,利用实例级别的检测方法或其他配准方案对车辆及车轮进行匹配,以下有三种情况:
a目标车辆与前车轮匹配成功;
b目标车辆与后车轮匹配成功;
c目标车辆与前后车轮均匹配成功;
其中,只与单个车轮匹配成功的情况,可后续利用卡尔曼滤波将另一个车轮的位置预测出来。
进一步地,还包括车辆接地点获取模块,所述车辆接地点获取模块用于获取目标车辆接地点信息,将其投影到物理坐标系中,再通过误差修正拟合模块进行误差修正拟合,之后获得加塞目标车辆相对于本车辆的位置。
进一步地,所述误差修正拟合模块的作用是重标定,减小重投影的误差,包括光心偏移、鱼眼图的桶形畸变等造成的误差。
进一步地,所述误差修正拟合模块包括但不限于两种方式:
a输入为图像坐标,输出拟合目标的表达形式为物理真值投到图像上与该输入图像坐标的差。
b输入为图像坐标,输出拟合目标的表达形式为物理真值与输入图像坐标投影到世界坐标的差。
进一步地,所述误差修正拟合模块包括但不限于第一拟合模块、第二拟合模块和验证模块;所述第一拟合模块为粗拟合;第二拟合模块为精拟合,所述验证模块用于验证粗拟合和/或精拟合的拟合精度。
进一步地,所述第一拟合模块以车辆坐标系为原点,以摄像头采集的带有标定特征的图像坐标和物理坐标为参考,寻找车头原点和标定特征之间的坐标关系误差的拟合方法,确定车头原点与标定特征之间的坐标关系误差,以此矫正拟合参数。
进一步地,所述第二拟合模块以车辆从当前位置每移动预设距离,再次使用第一拟合模块拟合。
进一步地,所述第二拟合模块的具体实施方式为驾驶车辆在标定特征的环境下分别向前、左和右移动10cm,移动后采集图像,以摄像头采集的带有标定特征的图像坐标和物理组别为参考,寻找车头原点和标定特征误差的拟合方法,确定车头原点与标定特征之间的坐标关系误差,以此矫正拟合参数,得到预设范围内的拟合数据。
进一步地,所述验证模块包括标注数据的正确性验证和投影误差拟合曲面的正确性验证。
进一步地,所述标注数据的正确性验证包括:在车载系统中生成拟合误差用的文件和误差分析文件,误差分析文件中误差值大于预设值的1~4倍时,要检查对应的标注是否有误。
进一步地,所述验证模块中投影误差拟合曲面的正确性验证包括:
S0501:棋盘格数据验证;
S0502:RTK真值数据验证;
S0503:图像上检测点和人工标注接地点分别经过拟合曲面,再求差,看误差。
作为优选实施例,标注图像中真实点和拟合点的图像坐标,再投到世界坐标,再计算误差。靠车尾的点为拟合点,靠车头的点为真实接地点。
进一步地,还包括感兴趣区域筛选模块,所述感兴趣区域筛选模块对目标车辆接地点信息进行感兴趣区域(ROI)过滤,该ROI范围相对较大,目的是给予后续的卡尔曼滤波过程一定的反应时间。
进一步地,还包括接地点筛选模块,所述接地点筛选模块对于在目标车辆ROI范围之内的接地点,则保留,即得到保留目标车辆的对应的接地点信息,对于在目标车辆ROI范围之外的接地点,进行舍去。
进一步地,还包括数据输出模块,所述数据输出模块根据目标车辆的ReID及接地点信息,对其进行卡尔曼滤波,得到目标车辆的速度、航向角及车轮接地点的位置信息。
进一步地,所述航向角根据目标车辆后车轮的位置计算得到,再对上述信息进行ROI过滤,此时的ROI区域设置约为车辆编号模块中的ROI范围的二分之一;所述ROI范围之内的信息,即为最终的输出结果;对于ROI范围之外的目标,则舍去。
进一步地,还包括目标车辆信息修复模块,所述目标车辆信息修复模块对于数据输出模块中输出目标车辆信息包括但不限于速度、航向角及车轮接地点的位置,根据航向角及前后车轮的接地点位置可将目标车辆的其余信息补全,得到完整目标车辆的位置坐标。
如上所述,本发明的具有以下有益效果:
1)通过检测车轮,得到车轮的接地点信息,可以准确判断出邻车的运动信息。
2)采用实例级别的检测方法对车辆和车轮进行匹配,能够准确判断出车辆和车轮的从属关系,同时便于车辆ReID功能的实现。
3)采用投影误差拟合重标定,减小重投影的误差,包括光心偏移、鱼眼图的桶形畸变等造成的误差。
4)投影误差拟合以粗拟合、精拟合、验证保证拟合准确。
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显示为本发明的流程图。
图2显示为本发明另一实施例的流程图。
图3显示为本发明目标车辆和车辆匹配的流程图。
图4显示为本发明误差修正拟合以及感兴趣区域过滤的流程图。
图5显示为本发明目标车辆下边缘与地面接触点以及误差拟合后接触点的示意图。
图6显示为本发明目标车辆下边缘与地面接触点误差拟合前的示意图。
图7显示为本发明目标车辆下边缘与地面接触点误差拟合后的示意图。
图8显示为本发明另一实施例中目标车辆下边缘与地面接触点误差拟合前的示意图。
图9显示为本发明另一实施例中目标车辆下边缘与地面接触点误差拟合后的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
参见图1~图9,
一种基于环视的拥堵跟车系统,包括:
环视图像采集模块,所述环视图像采集模块用于利用目标检测算法检测图像中的目标车辆以及目标车辆的车轮;
车辆车轮匹配模块,所述车辆车轮匹配模块用于判断车辆和车轮的从属关系,进而将车辆和车轮进行匹配;
车辆编号模块,所述车辆编号模块用于给车辆车轮匹配模块匹配好的目标车辆以同一目标车辆在连续时间序列中给出一致的ID;
相对位置计算模块,所述相对位置计算模块根据检测到车轮与地面接触信息获得车轮的接地点在图像坐标系中的位置,获得检测范围内目标车辆相对于本车辆的位置。
还包括加塞判断模块,所述加塞判断模块根据相对位置计算模块获得的目标车辆相对于本车辆的在连续时间的位置变化,判断该ID对应的目标车辆的加塞意图。
进一步地,所述环视图像采集模块的输入车辆采集的环视图像为采集至少两个摄像头数据,融合两路摄像头数据形成完整的环视图像,再利用环视图像检测目标车辆和各个目标车辆的车轮。
进一步地,在环视图像采集模块采集至少两个摄像头数据,融合两路摄像头数据形成完整的环视图像时,两路摄像头数据以时间戳标记统一时间点,以使融合的两路摄像头捕获图像在时间点上的一致性。
进一步地,所述车辆车轮匹配模块中,判断目标车辆和车轮的从属关系,利用实例级别的检测方法或其他配准方案对车辆及车轮进行匹配,以下有三种情况:
a目标车辆与前车轮匹配成功;
b目标车辆与后车轮匹配成功;
c目标车辆与前后车轮均匹配成功;
其中,只与单个车轮匹配成功的情况,可后续利用卡尔曼滤波将另一个车轮的位置预测出来。
进一步地,还包括车辆接地点获取模块,所述车辆接地点获取模块用于获取目标车辆接地点信息,将其投影到物理坐标系中,再通过误差修正拟合模块进行误差修正拟合,之后获得加塞目标车辆相对于本车辆的位置。
进一步地,所述误差修正拟合模块的作用是重标定,减小重投影的误差,包括光心偏移、鱼眼图的桶形畸变等造成的误差。
进一步地,所述误差修正拟合模块包括但不限于两种方式:
a输入为图像坐标,输出拟合目标的表达形式为物理真值投到图像上与该输入图像坐标的差。
b输入为图像坐标,输出拟合目标的表达形式为物理真值与输入图像坐标投影到世界坐标的差。
进一步地,所述误差修正拟合模块包括但不限于第一拟合模块、第二拟合模块和验证模块;所述第一拟合模块为粗拟合;第二拟合模块为精拟合,所述验证模块用于验证粗拟合和/或精拟合的拟合精度。
进一步地,所述第一拟合模块以车辆坐标系为原点,以摄像头采集的带有标定特征的图像坐标和物理坐标为参考,寻找车头原点和标定特征之间的坐标关系误差的拟合方法,确定车头原点与标定特征之间的坐标关系误差,以此矫正拟合参数。
进一步地,所述第二拟合模块以车辆从当前位置每移动预设距离,再次使用第一拟合模块拟合。
进一步地,所述第二拟合模块的具体实施方式为驾驶车辆在标定特征的环境下分别向前、左和右移动10cm,移动后采集图像,以摄像头采集的带有标定特征的图像坐标和物理组别为参考,寻找车头原点和标定特征误差的拟合方法,确定车头原点与标定特征之间的坐标关系误差,以此矫正拟合参数,得到预设范围内的拟合数据。
进一步地,所述验证模块包括标注数据的正确性验证和投影误差拟合曲面的正确性验证。
进一步地,所述标注数据的正确性验证包括:在车载系统中生成拟合误差用的文件和误差分析文件,误差分析文件中误差值大于预设值的1~4倍时,要检查对应的标注是否有误。
进一步地,所述验证模块中投影误差拟合曲面的正确性验证包括:
S0501:棋盘格数据验证;
S0502:RTK真值数据验证;
S0503:图像上检测点和人工标注接地点分别经过拟合曲面,再求差,看误差。
作为优选实施例,标注图像中真实点和拟合点的图像坐标,再投到世界坐标,再计算误差。靠车尾的点为拟合点,靠车头的点为真实接地点。
进一步地,还包括感兴趣区域筛选模块,所述感兴趣区域筛选模块对目标车辆接地点信息进行感兴趣区域(ROI)过滤,该ROI范围相对较大,目的是给予后续的卡尔曼滤波过程一定的反应时间。
进一步地,还包括接地点筛选模块,所述接地点筛选模块对于在目标车辆ROI范围之内的接地点,则保留,即得到保留目标车辆的对应的接地点信息,对于在目标车辆ROI范围之外的接地点,进行舍去。
进一步地,还包括数据输出模块,所述数据输出模块根据目标车辆的ReID及接地点信息,对其进行卡尔曼滤波,得到目标车辆的速度、航向角及车轮接地点的位置信息。
进一步地,所述航向角根据目标车辆后车轮的位置计算得到,再对上述信息进行ROI过滤,此时的ROI区域设置约为车辆编号模块中的ROI范围的二分之一;所述ROI范围之内的信息,即为最终的输出结果;对于ROI范围之外的目标,则舍去。
进一步地,还包括目标车辆信息修复模块,所述目标车辆信息修复模块对于数据输出模块中输出目标车辆信息包括但不限于速度、航向角及车轮接地点的位置,根据航向角及前后车轮的接地点位置可将目标车辆的其余信息补全,得到完整目标车辆的位置坐标。
作为优选实施例,本实施例还提供一种终端设备,如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式云端、刀片式云端、塔式云端或机柜式云端(包括独立的云端,或者多个云端所组成的云端集群)等。本实施例的终端设备至少包括但不限于:可通过系统总线相互通信连接的存储器、处理器。需要指出的是,具有组件存储器、处理器的终端设备,但是应理解的是,并不要求实施所有示出的组件,可以替代的基于环视的拥堵跟车系统实施更多或者更少的组件。
作为优选实施例,存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储器也可以是计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。当然,存储器还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器通常用于存储安装于计算机设备的操作系统和各类应用软件,例如实施例中的基于环视的拥堵跟车方法程序代码等。此外,存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中包括通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种基于环视的拥堵跟车系统,其特征在于,包括:
环视图像采集模块,所述环视图像采集模块用于利用目标检测算法检测图像中的目标车辆以及目标车辆的车轮;
车辆车轮匹配模块,所述车辆车轮匹配模块用于判断所述目标车辆和所述车轮的从属关系,进而将所述目标车辆和所述车轮进行匹配;
车辆编号模块,所述车辆编号模块用于给所述车辆车轮匹配模块匹配好的目标车辆以同一目标车辆在连续时间序列中给出一致的ID;
相对位置计算模块,所述相对位置计算模块根据检测到车轮与地面接触信息获得车轮的接地点在图像坐标系中的位置,获得检测范围内目标车辆相对于本车辆的位置;
车辆接地点获取模块,所述车辆接地点获取模块用于获取目标车辆接地点信息,将其投影到物理坐标系中,再通过误差修正拟合模块进行误差修正拟合,之后获得所述目标车辆相对于本车辆的位置;所述误差修正拟合模块包括第一拟合模块和第二拟合模块;
其中,所述第一拟合模块以车辆坐标系为原点,以摄像头采集的带有标定特征的图像坐标和物理坐标为参考,寻找车头原点和标定特征之间的坐标关系误差的拟合方法,确定所述车头原点与所述标定特征之间的坐标关系误差,以此矫正拟合参数;
所述第二拟合模块以车辆从当前位置每移动预设距离,再次使用第一拟合模块拟合。
2.根据权利要求1所述的基于环视的拥堵跟车系统,其特征在于,还包括加塞判断模块,所述加塞判断模块根据相对位置计算模块获得的目标车辆相对于本车辆的在连续时间的位置变化,判断该ID对应的目标车辆的加塞意图。
3.根据权利要求2所述的基于环视的拥堵跟车系统,其特征在于,所述环视图像采集模块的输入车辆采集的环视图像为采集至少两个摄像头数据,融合两路摄像头数据形成完整的环视图像,再利用环视图像检测目标车辆和各个目标车辆的车轮。
4.根据权利要求1所述的基于环视的拥堵跟车系统,其特征在于,在环视图像采集模块采集至少两个摄像头数据,融合两路摄像头数据形成完整的环视图像时,两路摄像头数据以时间戳标记统一时间点,以使融合的两路摄像头捕获图像在时间点上的一致性。
5.根据权利要求4所述的基于环视的拥堵跟车系统,其特征在于,所述车辆车轮匹配模块中,判断目标车辆和车轮的从属关系,利用实例级别的检测方法或其他配准方案对车辆及车轮进行匹配,以下有三种情况:
a目标车辆与前车轮匹配成功;
b目标车辆与后车轮匹配成功;
c目标车辆与前后车轮均匹配成功;
其中,只与单个车轮匹配成功的情况,可后续利用卡尔曼滤波将另一个车轮的位置预测出来。
6.根据权利要求1所述的基于环视的拥堵跟车系统,其特征在于,所述误差修正拟合模块的作用是重标定,减小重投影的误差,包括光心偏移、鱼眼图的桶形畸变造成的误差。
7.根据权利要求6所述的基于环视的拥堵跟车系统,其特征在于,所述误差修正拟合模块包括两种方式:
a输入为图像坐标,输出拟合目标的表达形式为物理真值投到图像上与输入图像坐标的差;
b输入为图像坐标,输出拟合目标的表达形式为物理真值与输入图像坐标投影到世界坐标的差。
8.一种移动终端,其特征在于:其是车载终端或手机移动终端,其执行上述权利要求1-7任意一项所述的基于环视的拥堵跟车系统的车载终端或手机移动终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910800214.XA CN110539748B (zh) | 2019-08-27 | 2019-08-27 | 基于环视的拥堵跟车系统和终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910800214.XA CN110539748B (zh) | 2019-08-27 | 2019-08-27 | 基于环视的拥堵跟车系统和终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110539748A CN110539748A (zh) | 2019-12-06 |
CN110539748B true CN110539748B (zh) | 2023-05-16 |
Family
ID=68712198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910800214.XA Active CN110539748B (zh) | 2019-08-27 | 2019-08-27 | 基于环视的拥堵跟车系统和终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110539748B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754390A (zh) * | 2020-05-11 | 2020-10-09 | 上海欧菲智能车联科技有限公司 | 环视图显示方法、装置、计算机设备和存储介质 |
CN115817463B (zh) * | 2023-02-23 | 2023-05-26 | 禾多科技(北京)有限公司 | 车辆避障方法、装置、电子设备和计算机可读介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103950410A (zh) * | 2014-04-29 | 2014-07-30 | 深圳前向启创数码技术有限公司 | 全景式辅助驾驶方法及系统 |
JP6587172B2 (ja) * | 2015-03-16 | 2019-10-09 | 国立研究開発法人農業・食品産業技術総合研究機構 | 操舵制御装置および旋回状態推定方法 |
US9599706B2 (en) * | 2015-04-06 | 2017-03-21 | GM Global Technology Operations LLC | Fusion method for cross traffic application using radars and camera |
CN109754434B (zh) * | 2018-12-27 | 2023-08-29 | 歌尔科技有限公司 | 相机标定方法、装置、用户设备及存储介质 |
CN110077399B (zh) * | 2019-04-09 | 2020-11-06 | 魔视智能科技(上海)有限公司 | 一种基于道路标线、车轮检测融合的车辆防碰撞方法 |
CN111256707A (zh) * | 2019-08-27 | 2020-06-09 | 北京纵目安驰智能科技有限公司 | 基于环视的拥堵跟车系统和终端 |
CN111605481A (zh) * | 2019-08-27 | 2020-09-01 | 北京纵目安驰智能科技有限公司 | 基于环视的拥堵跟车系统和终端 |
-
2019
- 2019-08-27 CN CN201910800214.XA patent/CN110539748B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110539748A (zh) | 2019-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110057373B (zh) | 用于生成高精细语义地图的方法、装置和计算机存储介质 | |
US7970529B2 (en) | Vehicle and lane recognizing device | |
CN102208012B (zh) | 风景匹配参考数据生成系统及位置测量系统 | |
US9360332B2 (en) | Method for determining a course of a traffic lane for a vehicle | |
CN110608746B (zh) | 用于确定机动车的位置的方法和装置 | |
CN110632617B (zh) | 一种激光雷达点云数据处理的方法及装置 | |
US20160363647A1 (en) | Vehicle positioning in intersection using visual cues, stationary objects, and gps | |
CN110555402A (zh) | 基于环视的拥堵跟车方法、系统、终端和存储介质 | |
EP2372611A2 (en) | Scene matching reference data generation system and position measurement system | |
CN111507130B (zh) | 车道级定位方法及系统、计算机设备、车辆、存储介质 | |
CN111727437A (zh) | 提供碰撞前预警的多光谱系统 | |
CN111046762A (zh) | 一种对象定位方法、装置电子设备及存储介质 | |
JP6520740B2 (ja) | 物体検出方法、物体検出装置、およびプログラム | |
JP2021117048A (ja) | 変化点検出装置及び地図情報配信システム | |
EP2583217A1 (en) | Method for obtaining drivable road area | |
JP2008065087A (ja) | 静止物地図生成装置 | |
CN110539748B (zh) | 基于环视的拥堵跟车系统和终端 | |
KR20180067199A (ko) | 객체 인식 장치 및 방법 | |
CN110929538A (zh) | 具有基准标记的对象定位器 | |
CN114419098A (zh) | 基于视觉变换的运动目标轨迹预测方法及装置 | |
CN106570487A (zh) | 物体间的碰撞预测方法和装置 | |
CN114820749A (zh) | 无人车井下定位方法、系统、设备及介质 | |
CN111605481A (zh) | 基于环视的拥堵跟车系统和终端 | |
JP2009260475A (ja) | 情報処理装置及び情報処理方法及びプログラム | |
CN111256707A (zh) | 基于环视的拥堵跟车系统和终端 |
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 |