CN110751127B - 距离的确定方法、装置及存储介质 - Google Patents
距离的确定方法、装置及存储介质 Download PDFInfo
- Publication number
- CN110751127B CN110751127B CN201911042664.3A CN201911042664A CN110751127B CN 110751127 B CN110751127 B CN 110751127B CN 201911042664 A CN201911042664 A CN 201911042664A CN 110751127 B CN110751127 B CN 110751127B
- Authority
- CN
- China
- Prior art keywords
- reference point
- distance
- determining
- automobile
- camera
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000000007 visual effect Effects 0.000 claims abstract description 142
- 238000003384 imaging method Methods 0.000 claims abstract description 27
- 238000009434 installation Methods 0.000 claims abstract description 22
- 230000004888 barrier function Effects 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 11
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 15
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本申请公开了一种距离的确定方法、装置及存储介质,属于车辆工程技术领域。所述方法包括:通过汽车安装的摄像头获取所述汽车行驶方向上的视觉数据;从所述视觉数据中确定所述汽车当前所处道路的坡度;基于所述坡度和所述摄像头的成像原理,确定所述汽车与所述目标障碍物之间的距离,所述目标障碍物为位于所述汽车行驶方向上且距离所述汽车最近的障碍物。本申请通过通过汽车安装的摄像头获取视觉数据,确定汽车所处坡道的坡度,并根据该坡度和摄像头的成像原理,可以确定汽车与障碍物之间的距离,由于在确定距离的过程中加入了所处坡道的角度因素,从而消除了坡道对距离的影响,提高了确定距离的准确性。
Description
技术领域
本申请涉及车辆工程技术领域,特别涉及一种距离的确定方法、装置及存储介质。
背景技术
随着科技的发展,汽车越来越智能化,其中,计算机视觉对推动汽车智能化起到的关键的作用。通过计算机视觉可以确定汽车前方障碍物与汽车的距离,从而可以实现物体类型识别、避障、制动等功能。
但是,目前在利用计算机视觉确定距离时,都是在水平路面上研究距离的测量方法,从而导致汽车行驶在具有坡度的路面时,测量的距离并不准确,导致汽车的避障、制动等功能在实施过程中存在风险,降低了行车安全性。
发明内容
本申请提供了一种距离的确定方法、装置及存储介质,可以解决相关技术中在斜坡处确定距离不准确的问题。所述技术方案如下:
一方面,提供了一种距离的确定方法,所述方法包括:
通过汽车安装的摄像头获取所述汽车行驶方向上的视觉数据;
从所述视觉数据中确定所述汽车当前所处道路的坡度;
基于所述坡度和所述摄像头的成像原理,确定所述汽车与所述目标障碍物之间的距离,所述目标障碍物为位于所述汽车行驶方向上且距离所述汽车最近的障碍物。
在一些实施例中,所述从所述视觉数据中确定所述汽车当前所处道路的坡度,包括:
检测所述视觉数据中车道线的位置;
从所述车道线中确定第一参考点的位置,所述第一参考点为所述车道线消失在所述视觉数据中的位置;
基于所述第一参考点的位置确定所述汽车当前所处道路的坡度。
在一些实施例中,所述基于所述第一参考点的位置确定所述汽车当前所处道路的坡度,包括:
基于所述第一参考点的位置,通过下述第一公式确定所述汽车当前所处道路的坡度;
α=arctan(Py*dy/f)
其中,所述α为所述汽车当前所处道路的坡度,所述Py为所述第一参考点P在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述f为所述摄像头的焦距。
在一些实施例中,所述基于所述坡度和所述摄像头的成像原理,确定所述汽车与所述目标障碍物之间的距离,包括:
确定所述摄像头安装高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和横坐标;
基于所述摄像头安装的高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和所述坡度,确定第二参考点与第三参考点的之间的距离,所述第二参考点为第一直线与第二直线之间的交点,所述第一直线为与成像平面平行的所述目标障碍物所在的直线,所述第二直线为所述摄像头光轴所在的垂面与面的交线,所述第三参考点为所述摄像头到地面的垂足;
基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,确定所述目标障碍物与所述第二参考点之间的距离;
基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,确定所述汽车与所述目标障碍物之间的距离。
在一些实施例中,所述基于所述摄像头安装的高度、所述目标障碍物的位置在所述视觉数据上的投影点的纵坐标和所述坡度,确定第二参考点与第三参考点的之间的距离,包括:
基于所述摄像头安装的高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和所述坡度,通过下述第二公式确定第二参考点与第三参考点的之间的距离;
其中,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离,所述CH为所述摄像头安装的高度,所述α为汽车当前所处道路的坡度,所述ay为所述目标障碍物A在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述f为所述摄像头的焦距。
在一些实施例中,所述基于所述目标障碍物在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,确定所述目标障碍物与所述第二参考点之间的距离,包括:
基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,通过下述第三公式确定所述目标障碍物与所述第二参考点之间的距离;
其中,所述AA'为所述目标障碍物A与所述第二参考点A'之间的距离,所述ay为所述目标障碍物的位置在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述ax为所述目标障碍物的位置在所述视觉数据上的投影点的横坐标,所述f为所述摄像头的焦距,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离,所述CH为所述摄像头安装的高度。
在一些实施例中,所述基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,确定所述汽车与所述目标障碍物之间的距离,包括:
基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,通过下述第四公式确定所述汽车与所述目标障碍物之间的距离;
AH=(AA'2+A'H2)1/2
其中,所述AH为所述汽车与所述目标障碍物之间的距离,所述AA'为所述目标障碍物A与所述第二参考点A'之间的距离,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离。
另一方面,提供了一种距离的确定装置,所述装置包括:
获取模块,用于通过汽车安装的摄像头获取所述汽车行驶方向上的视觉数据;
第一确定模块,用于从所述视觉数据中确定所述汽车当前所处道路的坡度;
第二确定模块,用于基于所述坡度和所述摄像头的成像原理,确定所述汽车与所述目标障碍物之间的距离,所述目标障碍物为位于所述汽车行驶方向上且距离所述汽车最近的障碍物。
在一些实施例中,所述第一确定模块包括:
检测子模块,用于检测所述视觉数据中车道线的位置;
第一确定子模块,用于从所述车道线中确定第一参考点的位置,所述第一参考点为所述车道线消失在所述视觉数据中的位置;
第二确定子模块,用于基于所述第一参考点的位置确定所述汽车当前所处道路的坡度。
在一些实施例中,所述第二确定子模块用于:
基于所述第一参考点的位置,通过下述第一公式确定所述汽车当前所处道路的坡度;
α=arctan(Py*dy/f)
其中,所述α为所述汽车当前所处道路的坡度,所述Py为所述第一参考点P在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述f为所述摄像头的焦距。
在一些实施例中,所述第二确定模块包括:
第三确定子模块,用于确定所述摄像头安装高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和横坐标;
第四确定子模块,用于基于所述摄像头安装的高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和所述坡度,确定第二参考点与第三参考点的之间的距离,所述第二参考点为第一直线与第二直线之间的交点,所述第一直线为与成像平面平行的所述目标障碍物所在的直线,所述第二直线为所述摄像头光轴所在的垂面与面的交线,所述第三参考点为所述摄像头到地面的垂足;
第五确定子模块,用于基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,确定所述目标障碍物与所述第二参考点之间的距离;
第六确定子模块,用于基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,确定所述汽车与所述目标障碍物之间的距离。
在一些实施例中,所述第四确定子模块用于:
基于所述摄像头安装的高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和所述坡度,通过下述第二公式确定第二参考点与第三参考点的之间的距离;
其中,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离,所述CH为所述摄像头安装的高度,所述α为汽车当前所处道路的坡度,所述ay为所述目标障碍物A在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述f为所述摄像头的焦距。
在一些实施例中,所述第五确定子模块用于:
基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,通过下述第三公式确定所述目标障碍物与所述第二参考点之间的距离;
其中,所述AA'为所述目标障碍物A与所述第二参考点A'之间的距离,所述ay为所述目标障碍物的位置在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述ax为所述目标障碍物的位置在所述视觉数据上的投影点的横坐标,所述f为所述摄像头的焦距,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离,所述CH为所述摄像头安装的高度。
在一些实施例中,所述第六确定子模块用于:
基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,通过下述第四公式确定所述汽车与所述目标障碍物之间的距离;
AH=(AA'2+A'H2)1/2
其中,所述AH为所述汽车与所述目标障碍物之间的距离,所述AA'为所述目标障碍物A与所述第二参考点A'之间的距离,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离。
另一方面,提供了一种汽车,所述汽车包括存储器和处理器,所述存储器用于存放计算机程序,所述处理器用于执行所述存储器上所存放的计算机程序,以实现上述所述的距离的确定方法的步骤。
另一方面,提供了一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述所述距离的确定方法的步骤。
另一方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述所述的距离的确定方法的步骤。
本申请提供的技术方案至少可以带来以下有益效果:
在本申请中,可以通过汽车安装的摄像头获取汽车行驶方向的视觉数据,并从视觉数据中确定汽车所处坡道的坡度,根据该坡度和摄像头的成像原理,可以确定汽车与障碍物之间的距离,由于在确定距离的过程中加入了所处坡道的角度因素,从而消除了坡道对距离的影响,提高了确定距离的准确性。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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是本申请实施例提供的一种距离的确定方法的流程图;
图2是本申请实施例提供的另一种距离的确定方法的流程图;
图3是本申请实施例提供的一种路面坡度计算的模型;
图4是本申请实施例提供的一种汽车与目标障碍物之间距离的几何计算模型;
图5是本申请实施例提供的一种距离的确定装置的结构示意图;
图6是本申请实施例提供的一种第一确定模块的结构示意图;
图7是本申请实施例提供的一种第二确定模块的结构示意图;
图8是本申请实施例提供的一种汽车的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提供的距离的确定方法进行详细的解释说明之前,先对本申请实施例提供的应用场景进行介绍。
目前,汽车的自动巡航功能、自动驾驶功能等均依赖于计算机视觉,通过计算机视觉可以确定汽车前方障碍物与汽车的距离。但是,目前在利用计算机视觉确定距离时,都是在水平路面上研究距离的测量方法,从而导致汽车行驶在具有坡度的路面时,测量的距离并不准确,导致汽车的避障、制动等功能在实施过程中存在风险,降低了行车安全性。
基于这样的应用场景,本申请实施例提供了一种能够提高距离测试准确性的距离确定方法。
接下来将结合附图对本申请实施例提供的距离的确定方法进行详细的解释说明。
图1是本申请实施例提供的一种距离的确定方法的流程图,该方法应用于汽车。请参考图1,该方法包括如下步骤。
步骤101:通过汽车安装的摄像头获取该汽车行驶方向上的视觉数据。
步骤102:从该视觉数据中确定该汽车当前所处道路的坡度。
步骤103:基于该坡度和该摄像头的成像原理,确定该汽车与该目标障碍物之间的距离,该目标障碍物为位于该汽车行驶方向上且距离该汽车最近的障碍物。
在本申请中,可以通过汽车安装的摄像头获取汽车行驶方向的视觉数据,并从视觉数据中确定汽车所处坡道的坡度,根据该坡度和摄像头的成像原理,可以确定汽车与障碍物之间的距离,由于在确定距离的过程中加入了所处坡道的角度因素,从而消除了坡道对距离的影响,提高了确定距离的准确性。
在一些实施例中,从该视觉数据中确定该汽车当前所处道路的坡度,包括:
检测该视觉数据中车道线的位置;
从该车道线中确定第一参考点的位置,该第一参考点为该车道线消失在该视觉数据中的位置;
基于该第一参考点的位置确定该汽车当前所处道路的坡度。
在一些实施例中,基于该第一参考点的位置确定该汽车当前所处道路的坡度,包括:
基于该第一参考点的位置,通过下述第一公式确定该汽车当前所处道路的坡度;
α=arctan(Py*dy/f)
其中,该α为该汽车当前所处道路的坡度,该Py为该第一参考点P在该视觉数据上的投影点的纵坐标,该dy为该视觉数据中单个像素所代表的实际距离,该f为该摄像头的焦距。
在一些实施例中,基于该坡度和该摄像头的成像原理,确定该汽车与该目标障碍物之间的距离,包括:
确定该摄像头安装高度、该目标障碍物在该视觉数据上的投影点的纵坐标和横坐标;
基于该摄像头安装的高度、该目标障碍物在该视觉数据上的投影点的纵坐标和该坡度,确定第二参考点与第三参考点的之间的距离,该第二参考点为第一直线与第二直线之间的交点,该第一直线为与成像平面平行的该目标障碍物所在的直线,该第二直线为该摄像头光轴所在的垂面与面的交线,该第三参考点为该摄像头到地面的垂足;
基于该目标障碍物的位置在该视觉数据上的投影点的横坐标和纵坐标、该第二参考点与该第三参考点的之间的距离和该摄像头安装的高度,确定该目标障碍物与该第二参考点之间的距离;
基于该第二参考点与该第三参考点之间距离,以及该目标障碍物与该第二参考点之间的距离,确定该汽车与该目标障碍物之间的距离。
在一些实施例中,基于该摄像头安装的高度、该目标障碍物的位置在该视觉数据上的投影点的纵坐标和该坡度,确定第二参考点与第三参考点的之间的距离,包括:
基于该摄像头安装的高度、该目标障碍物在该视觉数据上的投影点的纵坐标和该坡度,通过下述第二公式确定第二参考点与第三参考点的之间的距离;
其中,该A'H为该第二参考点A'与该第三参考点H的之间的距离,该CH为该摄像头安装的高度,该α为汽车当前所处道路的坡度,该ay为该目标障碍物A在该视觉数据上的投影点的纵坐标,该dy为该视觉数据中单个像素所代表的实际距离,该f为该摄像头的焦距。
在一些实施例中,基于该目标障碍物在该视觉数据上的投影点的横坐标和纵坐标、该第二参考点与该第三参考点的之间的距离和该摄像头安装的高度,确定该目标障碍物与该第二参考点之间的距离,包括:
基于该目标障碍物的位置在该视觉数据上的投影点的横坐标和纵坐标、该第二参考点与该第三参考点的之间的距离和该摄像头安装的高度,通过下述第三公式确定该目标障碍物与该第二参考点之间的距离;
其中,该AA'为该目标障碍物A与该第二参考点A'之间的距离,该ay为该目标障碍物的位置在该视觉数据上的投影点的纵坐标,该dy为该视觉数据中单个像素所代表的实际距离,该ax为该目标障碍物的位置在该视觉数据上的投影点的横坐标,该f为该摄像头的焦距,该A'H为该第二参考点A'与该第三参考点H的之间的距离,该CH为该摄像头安装的高度。
在一些实施例中,基于该第二参考点与该第三参考点之间距离,以及该目标障碍物与该第二参考点之间的距离,确定该汽车与该目标障碍物之间的距离,包括:
基于该第二参考点与该第三参考点之间距离,以及该目标障碍物与该第二参考点之间的距离,通过下述第四公式确定该汽车与该目标障碍物之间的距离;
AH=(AA'2+A'H2)1/2
其中,该AH为该汽车与该目标障碍物之间的距离,该AA'为该目标障碍物A与该第二参考点A'之间的距离,该A'H为该第二参考点A'与该第三参考点H的之间的距离。
上述所有可选技术方案,均可按照任意结合形成本申请的可选实施例,本申请实施例对此不再一一赘述。
图2为本申请实施例提供的一种距离的确定方法的流程图,参见图2,该方法包括如下步骤。
步骤201:汽车通过安装的摄像头获取该汽车行驶方向上的视觉数据。
为了通过计算机视觉实现汽车部分智能化功能,汽车上通常可以安装有摄像头。比如,汽车的驾驶室内可以安装有摄像头,且该摄像头可以位于挡风玻璃上边缘的正中位置。汽车在行驶过程中,可以通过安装的摄像头获取该汽车行驶方向上的视觉数据。
需要说明的是,该视觉数据可以为视频数据,也可以为图像数据。
还需要说明的是,汽车可以实时通过摄像头获取视觉数据,也可以每隔预设时间间隔获取视觉数据,和/或在接收到采集指令时,获取视觉数据。该预设时间间隔可以事先根据需求进行设置,比如,该预设时间间隔可以为5分钟、10分钟等等。该采集指令可以是在汽车开启一些功能后自动触发,比如,汽车开启自动巡航功能时,自动触发采集指令;该采集指令还可以是汽车检测到用户的指定操作作用在采集启动按钮、车载显示屏等位置时触发。该指定操作可以为点击操作、滑动操作、语音操作、拨动操作等等。
步骤202:汽车从该视觉数据中确定汽车当前所处道路的坡度。
由于汽车在行驶过程中可能会遇到各种各样的路况,比如,直线水平路况、弯道路况、坡道路况等等。因此,为了准确的确定汽车与行驶方向上障碍物之间的距离,汽车需要从视觉数据中确定汽车当前所处道路的坡度。
作为一种示例,汽车从视觉数据中确定汽车当前所处道路的坡度的操作可以为:检测视觉数据中车道线的位置;从车道线中确定第一参考点的位置,该第一参考点为车道线消失在视觉数据中的位置;基于该第一参考点的位置确定汽车当前所处道路的坡度。
需要说明的是,汽车可以通过图像识别、概率霍夫算法等方法从视觉数据中确定车道线的位置以及第一参考点的位置。
由于在拍摄视觉数据时,拍摄范围有限,因此,车道线的某个位置开始该车道线将会消失在视觉帧图像或视觉图像中,且不同坡度下,车道线消失的位置将会不同,因此,汽车可以基于该第一参考点的位置确定汽车当前所处道路的坡度。
作为一种示例,汽车可以基于第一参考点的位置,通过下述第一公式确定汽车当前所处道路的坡度;
α=arctan(Py*dy/f) (1)
需要说明的是,在上述第一公式(1)中,α为汽车当前所处道路的坡度,Py为第一参考点P在视觉数据上的投影点的纵坐标,dy为视觉数据中单个像素所代表的实际距离,f为摄像头的焦距。为了便于对该计算过程的理解,参见图3,本申请实施例提供了一种路面坡度计算的模型。在该模型中,C点为摄像头安装位置。
还需要说明的是,dy可以根据需求事先设置,比如,dy可以为0.1米、0.2米等等。
作为一种示例,汽车基于第一参考点的位置确定汽车当前所处道路的坡度的方式不仅可以包括上述方式,还可以包括其他方式,比如,由于汽车处于不同坡度时,在摄像头相同的设置参数下,车道线在视觉数据中所占的像素宽度不相同,其中,坡度越大宽度越窄。因此,汽车还可以基于第一参考点的位置所占的像素宽度,从像素宽度与坡度之间的对应关系中,获取当前所处道路的坡度。
作为一种示例,汽车还可以根据安装的坡度传感器获取当前所处道路的坡度。
步骤203:汽车基于该坡度和摄像头的成像原理,确定汽车与目标障碍物之间的距离,该目标障碍物为位于该汽车行驶方向上且距离该汽车最近的障碍物。
由于汽车所处坡度以及摄像头设置参数均会影响汽车确定与目标障碍物之间的距离,因此,汽车需要基于该坡度和摄像头的成像原理,确定汽车与目标障碍物之间的距离。
作为一种示例,汽车基于坡度和摄像头的成像原理,确定汽车与目标障碍物之间的距离的操作可以为:确定摄像头安装高度、目标障碍物在视觉数据上的投影点的纵坐标和横坐标;基于摄像头安装的高度、该目标障碍物在视觉数据上的投影点的纵坐标和坡度,确定第二参考点与第三参考点的之间的距离,第二参考点为第一直线与第二直线之间的交点,第一直线为与成像平面平行的目标障碍物所在的直线,第二直线为摄像头光轴所在的垂面与面的交线,第三参考点为摄像头到地面的垂足;基于目标障碍物的位置在视觉数据上的投影点的横坐标和纵坐标、第二参考点与第三参考点的之间的距离和摄像头安装的高度,确定目标障碍物与第二参考点之间的距离;基于第二参考点与第三参考点之间距离,以及目标障碍物与第二参考点之间的距离,确定汽车与目标障碍物之间的距离。
为了便于对该确定过程的理解,参见图4的(a)和(b),本申请实施例提供了一种汽车与目标障碍物之间距离的几何计算模型。
作为一种示例,汽车可以基于摄像头安装的高度、目标障碍物在视觉数据上的投影点的纵坐标和坡度,通过下述第二公式确定第二参考点与第三参考点的之间的距离。
需要说明的是,在上述第二公式(2)中,A'H为第二参考点A'与第三参考点H的之间的距离,CH为摄像头安装的高度,α为汽车当前所处道路的坡度,ay为目标障碍物A在视觉数据上的投影点的纵坐标,dy为视觉数据中单个像素所代表的实际距离,f为摄像头的焦距。
由上述图4可知,AA'与成像平面平行,因此,A与A'在成像平面上的投影点具有相同的纵坐标,因此,根据图4所建立的距离计算模型,可以通过上述第二公式确定第二参考点与第三参考点的之间的距离A'H。
由图4建立的距离计算模型可知,第二参考点与第三参考点的之间的距离还可以满足其他几何关系,因此,终端还可以基于摄像头安装的高度、目标障碍物在视觉数据上的投影点的纵坐标和坡度,通过其他几何关系确定第二参考点与第三参考点的之间的距离。
作为一种示例,汽车可以基于目标障碍物的位置在视觉数据上的投影点的横坐标和纵坐标、第二参考点与第三参考点的之间的距离和摄像头安装的高度,通过下述第三公式确定目标障碍物与第二参考点之间的距离。
需要说明的是,在上述第三公式(3)中,AA'为目标障碍物A与第二参考点A'之间的距离,ay为目标障碍物的位置在视觉数据上的投影点的纵坐标,dy为视觉数据中单个像素所代表的实际距离,ax为目标障碍物的位置在视觉数据上的投影点的横坐标,f为摄像头的焦距,A'H为第二参考点A'与第三参考点H的之间的距离,CH为摄像头安装的高度。
由上述图4所示的距离计算模型可知得到,ΔAA'C与Δaa'c相似,因此,可以按照相似三角形的几何计算方式,通过上述第三公式确定目标障碍物与第二参考点之间的距离。
需要说明的是,由图4建立的距离计算模型可知,目标障碍物与第二参考点之间的距离还可以满足其他几何关系,因此,终端还可以基于目标障碍物的位置在视觉数据上的投影点的横坐标和纵坐标、第二参考点与第三参考点的之间的距离和摄像头安装的高度,通过其他几何关系确定目标障碍物与第二参考点之间的距离。
作为一种示例,汽车可以基于第二参考点与第三参考点之间距离,以及目标障碍物与第二参考点之间的距离,通过下述第四公式确定汽车与目标障碍物之间的距离。
AH=(AA'2+A'H2)1/2 (4)
需要说明的是,在上述第四公式(4)中,AH为汽车与目标障碍物之间的距离,AA'为目标障碍物A与第二参考点A'之间的距离,A'H为第二参考点A'与第三参考点H的之间的距离。
在一些实施例中,终端基于坡度和摄像头的成像原理,确定汽车与目标障碍物之间的距离的操作不仅可以包括上述方式,还可以包括其他方式。比如,终端可以确定摄像头安装高度、目标障碍物在视觉数据上的投影点的纵坐标和横坐标;基于摄像头安装的高度、该目标障碍物在视觉数据上的投影点的横坐标和纵坐标,以及坡度,确定汽车与目标障碍物之间的距离。
作为一种示例,终端可以基于摄像头安装的高度、该目标障碍物在视觉数据上的投影点的横坐标和纵坐标,以及坡度,通过下述第五公式确定汽车与目标障碍物之间的距离。
需要说明的是,在上述第五公式(5)中,AH为汽车与目标障碍物之间的距离,ay为目标障碍物的位置在视觉数据上的投影点的纵坐标,dy为视觉数据中单个像素所代表的实际距离,ax为目标障碍物的位置在视觉数据上的投影点的横坐标,f为摄像头的焦距,CH为摄像头安装的高度,α为汽车当前所处道路的坡度。
步骤204:汽车根据获取的距离对汽车进行控制。
由于汽车获取与障碍物之间距离可能是为了实现汽车的各种智能化功能,因此,汽车可以根据获取的距离对汽车进行控制,比如,控制汽车的自适应巡航、自动避让等等。
作为一种示例,汽车还可以将获取的距离与安全距离阈值进行比较,当该距离大于安全距离阈值时,不进行任何操作,或者,通过显示方式或语音播放方式提示驾驶员与障碍物之间的距离。当该距离小于或等于安全距离阈值时,通过显示方式或语音播放方式提示驾驶员与障碍物之间的距离小于安全距离阈值,以提示驾驶员进行避让操作,和/或,控制汽车进行减速,直至汽车与障碍物之间的距离大于安全距离阈值。
在本申请实施例中,汽车可以通过汽车安装的摄像头获取汽车行驶方向的视觉数据,并从视觉数据中确定汽车所处坡道的坡度,根据该坡度和摄像头的成像原理,可以确定汽车与障碍物之间的距离。由于在确定距离的过程中加入了所处坡道的角度因素,从而消除了坡道对距离的影响,提高了确定距离的准确性。由于确定汽车与障碍物之间的距离较为准确,从而汽车能够准确的进行智能化控制,提高行车的安全性。
在对本申请实施例提供的距离的确定方法进行解释说明之后,接下来,对本申请实施例提供的距离的确定装置装置进行介绍。
图5是本申请实施例提供的一种距离的确定装置的结构示意图,该距离的确定装置可以由软件、硬件或者两者的结合实现成为汽车的部分或者全部。请参考图5,该装置包括:获取模块501、第一确定模块502和第二确定模块503。
获取模块501,用于通过汽车安装的摄像头获取所述汽车行驶方向上的视觉数据;
第一确定模块502,用于从所述视觉数据中确定所述汽车当前所处道路的坡度;
第二确定模块503,用于基于所述坡度和所述摄像头的成像原理,确定所述汽车与所述目标障碍物之间的距离,所述目标障碍物为位于所述汽车行驶方向上且距离所述汽车最近的障碍物。
在一些实施例中,参见图6,所述第一确定模块502包括:
检测子模块5021,用于检测所述视觉数据中车道线的位置;
第一确定子模块5022,用于从所述车道线中确定第一参考点的位置,所述第一参考点为所述车道线消失在所述视觉数据中的位置;
第二确定子模块5023,用于基于所述第一参考点的位置确定所述汽车当前所处道路的坡度。
在一些实施例中,所述第二确定子模块5023用于:
基于所述第一参考点的位置,通过下述第一公式确定所述汽车当前所处道路的坡度;
α=arctan(Py*dy/f)
其中,所述α为所述汽车当前所处道路的坡度,所述Py为所述第一参考点P在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述f为所述摄像头的焦距。
在一些实施例中,参见图7,所述第二确定模块503包括:
第三确定子模块5031,用于确定所述摄像头安装高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和横坐标;
第四确定子模块5032,用于基于所述摄像头安装的高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和所述坡度,确定第二参考点与第三参考点的之间的距离,所述第二参考点为第一直线与第二直线之间的交点,所述第一直线为与成像平面平行的所述目标障碍物所在的直线,所述第二直线为所述摄像头光轴所在的垂面与面的交线,所述第三参考点为所述摄像头到地面的垂足;
第五确定子模块5033,用于基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,确定所述目标障碍物与所述第二参考点之间的距离;
第六确定子模块5034,用于基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,确定所述汽车与所述目标障碍物之间的距离。
在一些实施例中,所述第四确定子模块5032用于:
基于所述摄像头安装的高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和所述坡度,通过下述第二公式确定第二参考点与第三参考点的之间的距离;
其中,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离,所述CH为所述摄像头安装的高度,所述α为汽车当前所处道路的坡度,所述ay为所述目标障碍物A在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述f为所述摄像头的焦距。
在一些实施例中,所述第五确定子模块5033用于:
基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,通过下述第三公式确定所述目标障碍物与所述第二参考点之间的距离;
其中,所述AA'为所述目标障碍物A与所述第二参考点A'之间的距离,所述ay为所述目标障碍物的位置在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述ax为所述目标障碍物的位置在所述视觉数据上的投影点的横坐标,所述f为所述摄像头的焦距,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离,所述CH为所述摄像头安装的高度。
在一些实施例中,所述第六确定子模块5034用于:
基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,通过下述第四公式确定所述汽车与所述目标障碍物之间的距离;
AH=(AA'2+A'H2)1/2
其中,所述AH为所述汽车与所述目标障碍物之间的距离,所述AA'为所述目标障碍物A与所述第二参考点A'之间的距离,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离。
在本申请实施例中,汽车可以通过汽车安装的摄像头获取汽车行驶方向的视觉数据,并从视觉数据中确定汽车所处坡道的坡度,根据该坡度和摄像头的成像原理,可以确定汽车与障碍物之间的距离。由于在确定距离的过程中加入了所处坡道的角度因素,从而消除了坡道对距离的影响,提高了确定距离的准确性。由于确定汽车与障碍物之间的距离较为准确,从而汽车能够准确的进行智能化控制,提高行车的安全性。
需要说明的是:上述实施例提供的距离的确定装置在确定距离时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的距离的确定装置与距离的确定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图8是本申请实施例提供的一种汽车800的结构框图。
通常,汽车800包括有:处理器801和存储器802。
处理器801可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器801可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器801也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器801可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器801还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器802可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器802还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器802中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的距离的确定方法。
在一些实施例中,汽车800还可选包括有:外围设备接口803和至少一个外围设备。处理器801、存储器802和外围设备接口803之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口803相连。具体地,外围设备包括:射频电路804、触摸显示屏805、摄像头806、音频电路807、定位组件808和电源809中的至少一种。
外围设备接口803可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器801和存储器802。在一些实施例中,处理器801、存储器802和外围设备接口803被集成在同一芯片或电路板上;在一些其他实施例中,处理器801、存储器802和外围设备接口803中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路804用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路804通过电磁信号与通信网络以及其他通信设备进行通信。射频电路804将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路804包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路804可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路804还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏805用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏805是触摸显示屏时,显示屏805还具有采集在显示屏805的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器801进行处理。此时,显示屏805还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏805可以为一个,设置汽车800的前面板;在另一些实施例中,显示屏805可以为至少两个,分别设置在汽车800的不同表面或呈折叠设计;在再一些实施例中,显示屏805可以是柔性显示屏,设置在汽车800的弯曲表面上或折叠面上。甚至,显示屏805还可以设置成非矩形的不规则图形,也即异形屏。显示屏805可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件806用于采集图像或视频。可选地,摄像头组件806包括主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件806还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路807可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器801进行处理,或者输入至射频电路804以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在汽车800的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器801或射频电路804的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路807还可以包括耳机插孔。
定位组件808用于定位汽车800的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件808可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源809用于为汽车800中的各个组件进行供电。电源809可以是交流电、直流电、一次性电池或可充电电池。当电源809包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,汽车800还包括有一个或多个传感器810。
本领域技术人员可以理解,图8中示出的结构并不构成对汽车800的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在一些实施例中,还提供了一种计算机可读存储介质,该存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中距离的确定方法的步骤。例如,所述计算机可读存储介质可以是ROM、RAM、CD-ROM、磁带、软盘和光数据存储设备等。
值得注意的是,本申请提到的计算机可读存储介质可以为非易失性存储介质,换句话说,可以是非瞬时性存储介质。
应当理解的是,实现上述实施例的全部或部分步骤可以通过软件、硬件、固件或者其任意结合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。所述计算机指令可以存储在上述计算机可读存储介质中。
也即是,在一些实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述所述的距离的确定方法的步骤。
以上所述为本申请提供的实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.一种距离的确定方法,其特征在于,所述方法包括:
通过汽车安装的摄像头获取所述汽车行驶方向上的视觉数据;
从所述视觉数据中确定所述汽车当前所处道路的坡度;
基于所述坡度和所述摄像头的成像原理,确定所述汽车与目标障碍物之间的距离,所述目标障碍物为位于所述汽车行驶方向上且距离所述汽车最近的障碍物;
其中,所述基于所述坡度和所述摄像头的成像原理,确定所述汽车与所述目标障碍物之间的距离,包括:
确定所述摄像头安装高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和横坐标;
基于所述摄像头安装的高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和所述坡度,确定第二参考点与第三参考点的之间的距离,所述第二参考点为第一直线与第二直线之间的交点,所述第一直线为与成像平面平行的所述目标障碍物所在的直线,所述第二直线为所述摄像头光轴所在的垂面与面的交线,所述第三参考点为所述摄像头到地面的垂足;
基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,确定所述目标障碍物与所述第二参考点之间的距离;
基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,确定所述汽车与所述目标障碍物之间的距离。
2.如权利要求1所述的方法,其特征在于,所述从所述视觉数据中确定所述汽车当前所处道路的坡度,包括:
检测所述视觉数据中车道线的位置;
从所述车道线中确定第一参考点的位置,所述第一参考点为所述车道线消失在所述视觉数据中的位置;
基于所述第一参考点的位置确定所述汽车当前所处道路的坡度。
3.如权利要求2所述的方法,其特征在于,所述基于所述第一参考点的位置确定所述汽车当前所处道路的坡度,包括:
基于所述第一参考点的位置,通过下述第一公式确定所述汽车当前所处道路的坡度;
α=arctan(Py*dy/f)
其中,所述α为所述汽车当前所处道路的坡度,所述Py为所述第一参考点P在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述f为所述摄像头的焦距。
5.如权利要求1所述的方法,其特征在于,所述基于所述目标障碍物在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,确定所述目标障碍物与所述第二参考点之间的距离,包括:
基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,通过下述第三公式确定所述目标障碍物与所述第二参考点之间的距离;
其中,所述AA'为所述目标障碍物A与所述第二参考点A'之间的距离,所述ay为所述目标障碍物的位置在所述视觉数据上的投影点的纵坐标,所述dy为所述视觉数据中单个像素所代表的实际距离,所述ax为所述目标障碍物的位置在所述视觉数据上的投影点的横坐标,所述f为所述摄像头的焦距,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离,所述CH为所述摄像头安装的高度。
6.如权利要求1所述的方法,其特征在于,所述基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,确定所述汽车与所述目标障碍物之间的距离,包括:
基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,通过下述第四公式确定所述汽车与所述目标障碍物之间的距离;
AH=(AA'2+A'H2)1/2
其中,所述AH为所述汽车与所述目标障碍物之间的距离,所述AA'为所述目标障碍物A与所述第二参考点A'之间的距离,所述A'H为所述第二参考点A'与所述第三参考点H的之间的距离。
7.一种距离的确定装置,其特征在于,所述装置包括:
获取模块,用于通过汽车安装的摄像头获取所述汽车行驶方向上的视觉数据;
第一确定模块,用于从所述视觉数据中确定所述汽车当前所处道路的坡度;
第二确定模块,用于基于所述坡度和所述摄像头的成像原理,确定所述汽车与目标障碍物之间的距离,所述目标障碍物为位于所述汽车行驶方向上且距离所述汽车最近的障碍物;
所述第二确定模块包括:
第三确定子模块,用于确定所述摄像头安装高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和横坐标;
第四确定子模块,用于基于所述摄像头安装的高度、所述目标障碍物在所述视觉数据上的投影点的纵坐标和所述坡度,确定第二参考点与第三参考点的之间的距离,所述第二参考点为第一直线与第二直线之间的交点,所述第一直线为与成像平面平行的所述目标障碍物所在的直线,所述第二直线为所述摄像头光轴所在的垂面与面的交线,所述第三参考点为所述摄像头到地面的垂足;
第五确定子模块,用于基于所述目标障碍物的位置在所述视觉数据上的投影点的横坐标和纵坐标、所述第二参考点与所述第三参考点的之间的距离和所述摄像头安装的高度,确定所述目标障碍物与所述第二参考点之间的距离;
第六确定子模块,用于基于所述第二参考点与所述第三参考点之间距离,以及所述目标障碍物与所述第二参考点之间的距离,确定所述汽车与所述目标障碍物之间的距离。
8.如权利要求7所述的装置,其特征在于,所述第一确定模块包括:
检测子模块,用于检测所述视觉数据中车道线的位置;
第一确定子模块,用于从所述车道线中确定第一参考点的位置,所述第一参考点为所述车道线消失在所述视觉数据中的位置;
第二确定子模块,用于基于所述第一参考点的位置确定所述汽车当前所处道路的坡度。
9.一种计算机可读存储介质,其特征在于,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911042664.3A CN110751127B (zh) | 2019-10-30 | 2019-10-30 | 距离的确定方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911042664.3A CN110751127B (zh) | 2019-10-30 | 2019-10-30 | 距离的确定方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751127A CN110751127A (zh) | 2020-02-04 |
CN110751127B true CN110751127B (zh) | 2022-07-12 |
Family
ID=69281077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911042664.3A Active CN110751127B (zh) | 2019-10-30 | 2019-10-30 | 距离的确定方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751127B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021212297A1 (en) * | 2020-04-21 | 2021-10-28 | Beijing Voyager Technology Co., Ltd. | Systems and methods for distance measurement |
CN113291301B (zh) * | 2021-05-28 | 2023-03-31 | 东风汽车有限公司东风日产乘用车公司 | 汽车低速紧急制动功能控制方法、电子设备及存储介质 |
CN113486836B (zh) * | 2021-07-19 | 2023-06-06 | 安徽江淮汽车集团股份有限公司 | 针对低通度障碍物的自动驾驶操控方法 |
CN116883478B (zh) * | 2023-07-28 | 2024-01-23 | 广州瀚臣电子科技有限公司 | 一种基于汽车摄像头的障碍物距离确认系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106443650A (zh) * | 2016-09-12 | 2017-02-22 | 电子科技大学成都研究院 | 一种基于几何关系的单目视觉测距方法 |
CN106503636A (zh) * | 2016-10-12 | 2017-03-15 | 同济大学 | 一种基于视觉图像的道路视距检测方法及装置 |
KR20180025593A (ko) * | 2016-09-01 | 2018-03-09 | 삼성전자주식회사 | 자율 주행 방법 및 장치 |
CN109900254A (zh) * | 2019-03-28 | 2019-06-18 | 合肥工业大学 | 一种单目视觉的路面坡度计算方法及其计算装置 |
CN110044333A (zh) * | 2019-05-14 | 2019-07-23 | 芜湖汽车前瞻技术研究院有限公司 | 一种基于单目视觉的坡度检测方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10436582B2 (en) * | 2015-04-02 | 2019-10-08 | Here Global B.V. | Device orientation detection |
CN110077402B (zh) * | 2019-05-13 | 2021-09-28 | 奇瑞汽车股份有限公司 | 目标物体的追踪方法、装置及存储介质 |
CN110341621B (zh) * | 2019-07-10 | 2021-02-19 | 北京百度网讯科技有限公司 | 一种障碍物检测方法及装置 |
-
2019
- 2019-10-30 CN CN201911042664.3A patent/CN110751127B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180025593A (ko) * | 2016-09-01 | 2018-03-09 | 삼성전자주식회사 | 자율 주행 방법 및 장치 |
CN106443650A (zh) * | 2016-09-12 | 2017-02-22 | 电子科技大学成都研究院 | 一种基于几何关系的单目视觉测距方法 |
CN106503636A (zh) * | 2016-10-12 | 2017-03-15 | 同济大学 | 一种基于视觉图像的道路视距检测方法及装置 |
CN109900254A (zh) * | 2019-03-28 | 2019-06-18 | 合肥工业大学 | 一种单目视觉的路面坡度计算方法及其计算装置 |
CN110044333A (zh) * | 2019-05-14 | 2019-07-23 | 芜湖汽车前瞻技术研究院有限公司 | 一种基于单目视觉的坡度检测方法和装置 |
Non-Patent Citations (2)
Title |
---|
"Vehicle Dynamics and Road Slope Estimation based on Cascade Extended Kalman Filter";Moon-sik Kim 等;《2018 International Conference on Information and Communication Technology Robotics (ICT-ROBOT)》;20181129;全文 * |
"基于汽车动力学与加速度传感信息的纵向坡度实时识别算法";冉旭 等;《机械工程学报》;20160930;第52卷(第18期);98-104 * |
Also Published As
Publication number | Publication date |
---|---|
CN110751127A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751127B (zh) | 距离的确定方法、装置及存储介质 | |
CN110967011B (zh) | 一种定位方法、装置、设备及存储介质 | |
CN110077402B (zh) | 目标物体的追踪方法、装置及存储介质 | |
CN111126182B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
CN108860141B (zh) | 泊车方法、装置及存储介质 | |
CN109492566B (zh) | 车道位置信息获取方法、装置及存储介质 | |
CN109445425B (zh) | 自动驾驶系统的性能检测方法、装置及存储介质 | |
CN109532845B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN110979332B (zh) | 智能汽车的控制方法、装置及存储介质 | |
CN111016888A (zh) | 汽车的泊车控制方法、装置及存储介质 | |
CN109409301B (zh) | 交通信号灯的信息获取方法、装置及存储介质 | |
CN110044638B (zh) | 车道保持功能的测试方法、装置及存储介质 | |
CN110956847B (zh) | 车位的识别方法、装置及存储介质 | |
CN109130854B (zh) | 限速提醒方法、装置及存储介质 | |
CN109581358B (zh) | 障碍物的识别方法、装置及存储介质 | |
CN110962596B (zh) | 汽车的车速控制方法、装置及存储介质 | |
CN110329247B (zh) | 汽车的泊车提示方法、装置及存储介质 | |
CN111126276A (zh) | 车道线检测方法、装置、计算机设备及存储介质 | |
CN110775056B (zh) | 基于雷达探测的车辆行驶方法、装置、终端及介质 | |
CN109484480B (zh) | 汽车的控制方法、装置及存储介质 | |
CN109189068B (zh) | 泊车控制方法、装置及存储介质 | |
CN111010537A (zh) | 车辆控制方法、装置、终端及存储介质 | |
CN110550045A (zh) | 速度的规划和跟踪方法、装置及存储介质 | |
CN111619556B (zh) | 汽车的避障控制方法、装置及存储介质 | |
CN114789734A (zh) | 感知信息补偿方法、装置、车辆、存储介质及程序 |
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 |