CN110991264A - 前方车辆检测方法和装置 - Google Patents

前方车辆检测方法和装置 Download PDF

Info

Publication number
CN110991264A
CN110991264A CN201911101438.8A CN201911101438A CN110991264A CN 110991264 A CN110991264 A CN 110991264A CN 201911101438 A CN201911101438 A CN 201911101438A CN 110991264 A CN110991264 A CN 110991264A
Authority
CN
China
Prior art keywords
vehicle
image
camera
coordinate system
coordinates
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
CN201911101438.8A
Other languages
English (en)
Inventor
王亦龙
季华
金丽娟
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.)
Zhejiang Hongquan Electronic Technology Co ltd
Original Assignee
Zhejiang Hongquan Vehicle Network 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 Zhejiang Hongquan Vehicle Network Co ltd filed Critical Zhejiang Hongquan Vehicle Network Co ltd
Priority to CN201911101438.8A priority Critical patent/CN110991264A/zh
Publication of CN110991264A publication Critical patent/CN110991264A/zh
Pending legal-status Critical Current

Links

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
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

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)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提供一种前方车辆检测方法和装置，该方法包括：采集车辆前方图像，通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息；对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点；对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标；根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。本发明实施例提供的方法和装置，能够提高获取前方车辆位置信息的准确性，同时降低计算车距的计算量。

Description

前方车辆检测方法和装置
技术领域
本发明涉及目标检测技术领域，尤其涉及一种前方车辆检测方法和装置。
背景技术
随着世界经济的发展，汽车的保有量急剧增加，尽管道路交通有所改善，但每年仍有约125万人死于交通事故。根据研究表明，若能在发生交通事故前0.5s提醒驾驶者，可避免50％的事故，若能在事故发生前1s提醒驾驶者，可避免30％的事故。由此可见及时检测当前车辆前方的物体并作出预警具有非常重要的意义，而车辆检测是前方物体检测中至关重要的一部分。此外，准确测量当前车辆和前车之间的距离对于行车安全具有重要意义。
目前，常用的视觉车辆检测方法可以分为以下两类：第一类方法是基于先验知识的方法，例如有利用Sobel边缘滤波结合OTSU(大津算法)方法提取前景物体，然后分析后视车辆形状信息利用水平、垂直像素投影法验证车辆，最后利用光流法进行车辆跟踪。还有基于多特征融合的前向车辆检测方法。首先采用直方图分析和自适应双阈值的方法分别实现阴影和边缘特征的分割，然后利用对称性、纹理和轮廓匹配度融合对车辆假设区域进行验证，剔除其中误检区域。还有学者提出的对全局图像利用OTSU法获得路面阈值定位车辆底部阴影，再结合车辆水平边缘检测日间车辆。第一类方法的优点是计算量小、实时性好。但是对环境适应性差、鲁棒性低、误检过多。第二类方法是基于机器学习的方法。例如有学者提出的先应用传统Adaboost分类器学习算法进行车辆数据库训练，然后对测试的道路图像进行验证，将检测出的正、负样本分别加入到原始车辆数据库正、负样本中，对更新后的车辆数据库重新训练得到最终的车辆分类器进行车辆检测。也有学者提出采用车辆边缘和对称性融合算法检测出所有可能的车辆，然后利用多尺度多方向Gabor特征结合概率神经网络进行车辆验证。
单目视觉车辆测距方法可分为以下三类：第一类是基于成像模型的方法，例如利用车辆宽度测量车距，这种方法需要已知车辆的实际宽度，不同车辆宽度在1.4m～2.6m范围内变化。若事先未知车辆的实际宽度会导致很大的测距误差。另一种方法利用车辆在图像中的位置测量车距，这种方法需要准确获得车辆在图像中的位置，否则会产生较大的测距误差。第二类是基于几何推导的方法。例如利用车辆在成像模型中的几何位置关系，推导出图像坐标系和世界坐标系间的对应关系，实现车辆测距。这类方法需要精确测量相机视野角和俯仰角，否则测距精度会大大降低，而对于运动车辆上的相机而言，准确测定俯仰角比较困难。第三类是基于数学回归建模的方法。例如利用不同基准距离与其图像中位置的对应关系，计算回归模型测量车距。这种方法需要大量的前期数据采集、分析并计算数学模型。
因此，如何通过基于视觉的前方车辆检测方法更准确地获取前方车辆的位置信息，降低获取车距的计算量，仍然是本领域技术人员亟待解决的问题。
发明内容
本发明实施例提供一种前方车辆检测方法和装置，用以解决现有的基于视觉的前方车辆检测方法无法准确获取前方车辆的位置信息和获取车距的计算量较大的问题。
第一方面，本发明实施例提供一种前方车辆检测方法，包括：
采集车辆前方图像，通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息；
对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点；
对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标；
根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。
优选地，该方法中，还包括：
基于车辆前方图像检测出车辆左右车道线；
基于所述车辆左右车道线确定虚拟的中间车道线；
基于车辆偏离虚拟的中间车道线的距离，判定是否存在车道偏离。
优选地，所述通过图像检测技术对所述车辆前方图像进行检测，具体包括：
采用基于FCOS图像目标检测算法的图像检测技术对所述车辆前方图像进行检测；
所述基于车辆前方图像检测出车辆左右车道线，具体包括：
采用基于FCOS图像目标检测算法的图像检测技术检测出车辆左右车道线。
优选地，所述对边框内区域的图像进行检测得到车底阴影线段，具体包括：
用3×3Sobel边缘检测算子对直方图均衡化后的边框内区域的图像进行水平边缘检测，得到水平边缘信息图；
对所述水平边缘信息图采用孔洞填充算法对孔洞进行填充，去除孤立噪点和细小线段，得到去噪后的水平边缘信息图；
对所述去噪后的水平边缘信息图进行长度滤波，检测出车底阴影线段。
优选地，所述对所述去噪后的水平边缘信息图进行长度滤波，具体包括：
对边框内区域的底部1/4进行滤波处理，以边框的下边线为基准，从左到右扫描进行长度滤波；
根据滤波后的线段长度L来判断是否为车底阴影线段，基于如下公式：
Figure BDA0002269989080000031
其中，Fs用于指示线段是否为车底阴影线段，当Fs为0时，指示线段不是车底阴影线段，当Fs为1时，指示线段是车底阴影线段，WR为边框的宽度，ks取值为0.8。
优选地，所述对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标，具体包括：
所述实体相机进行定标后，得到的内部参数包括所述相机的横轴焦距fx、纵轴焦距fy、主点坐标(cx,cy)和畸变系数[k1,k2,p1,p2,k3]；
位置点在实际相机中的图像坐标系中的坐标为(u',v')，u'和v'都为常数，位置点在理想相机中的图像坐标系中的坐标为(u,v)，
依据下列公式，
Figure BDA0002269989080000041
u'＝x×(1+k1×r2+k2×r4+k3×r6)+2×p1×x×y+p2×(r2+2x2)
v'＝y×(1+k1×r2+k2×r4+k3×r6)+2×p2×x×y+p2×(r2+2y2)
确定位置点在理想相机中的图像坐标系中的坐标(u,v)。
优选地，所述根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，具体包括：
位置点在理想相机中的图像坐标系中的坐标为(u,v)，u和v都为常数，位置点在物理坐标系中的物理坐标为(x,y)，dx和dy分别表示一个像素在横轴和纵轴方向所占长度，单位为mm/像素，γ为扭曲因子，数值取0，
依据下列公式，
Figure BDA0002269989080000042
确定位置点在物理坐标系中的物理坐标(x,y)；
行人与相机之间的距离为D，行人与相机之间的纵向距离为VD，行人与相机之间的横向距离为HD，所述位置点在物理坐标系中的物理坐标为(x,y)，x和y都为常数，主点在物理坐标系中的物理坐标为(cx'，cy')，H为所述相机的高度，H为常数，f为相机焦距，f为常数，
依据下列公式，
Figure BDA0002269989080000043
确定所述前方车辆与实体相机之间的距离D。
第二方面，本发明实施例提供一种前方车辆检测装置，包括：
第一检测单元，用于通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息；
第二检测单元，用于对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点；
去畸变单元，用于对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标；
测距单元，用于根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的前方车辆检测方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的前方车辆检测方法的步骤。
本发明实施例提供的一种前方车辆检测方法和装置，通过对边框内区域的图像进行检测得到车底阴影线段，再取阴影线段的最上层边缘的中点作为前方车辆的位置点，比传统的取检测到的前车两后轮胎与地面的交点的中点作为前方车辆的位置点定位更为准确；通过对位置点单点进行去畸变运算，而不是对整个图像进行去畸变运算，大大减小了计算量。因此，本发明实施例提供的前方车辆检测方法和装置，能够提高获取前方车辆位置信息的准确性，同时降低计算车距的计算量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，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为本发明实施例提供的前方车辆检测方法的流程示意图；
图2为本发明实施例提供的前方车辆检测装置的结构示意图；
图3为本发明实施例提供的电子设备的结构示意图。
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，下面将结合本发明实施例中的附图，对本发明实施例中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付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。
现有的基于视觉的前方车辆检测方法，普遍存无法准确获取前方车辆的位置信息的问题，且在计算与前方车辆距离的时候计算量较大。对此，本发明实施例提供了一种前方车辆检测方法。图1为本发明实施例提供的前方车辆检测方法的流程示意图，如图1所示，该方法包括：
步骤110，采集车辆前方图像，通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息。
具体地，采集车辆前方图像的相机安装在汽车前挡风玻璃内侧，安装时，会使其保持水平，并会使用标定杆，将标定杆放置在车辆的正前方并调节标定杆的高度使其与车内安装的相机等高，调节相机镜头的位置，使标定杆的顶点与相机的主点重合，如此安装的相机可以更好地适用于采集车辆前方图像。相机采集车辆前方图像后，通过图像检测技术对车辆前方图像进行检测，图像检测技术可以通过多种图像目标检测算法实现，例如基于FCOS(Fully Convolutional One-Stage，全卷积单阶段)图像目标检测算法、Fast-SCNN(Fast Semantic Segmentation Network，快速语义分割网络)图形目标检测算法等等，此处不作具体限定。经过图像检测技术，得到图像上前方车辆的边框信息，即通过输出的边框的四个角的坐标显示一个刚好框住前方车辆的矩形框。
步骤120，对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点。
具体地，传统的前方车辆的位置点的获取方法是检测前方车辆两后轮与地面的交点，然后取两交点之间的连线的中点作为前方车辆的位置点，由于检测后轮与地面的交点通常会有很大的误差，故本发明实施例采用前方车辆的车底阴影作为前方车辆两后轮与地面的交线，然后取阴影线段的最上层边缘的中点作为前方车辆的位置点。
步骤130，对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标。
具体地，由于相机中光学器件的非理想性，例如相机镜头的畸变，会造成相机采集到的图像存在一定的畸变，对前方车辆的位置点进行去畸变运算，就可以得到位置点在理想相机中的图像坐标系中的坐标。
步骤140，根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。
具体地，当相机对一个现实世界中的物体进行拍摄，现实中的物体在相机中成像可以解析成两个变换，先考虑现实世界中的物体进入相机成像的经过针孔模型，此时认定是理想相机给出的针孔模型，即物体从物理坐标系转换到理想相机中的图像坐标系；再考虑实体相机的镜头畸变问题，物体经过小孔成像的变换还要进过镜头畸变的变换，故物体在实体相机中的图像坐标系中的坐标是由物体在理想相机中的图像坐标系中的坐标经过畸变得到的。此处，可以根据位置点在理想相机中的图像坐标推出位置点在现实世界中的物理坐标，在已知相机的安装高度的情况下，进而根据物理坐标系中的物理坐标可以确定前方车辆与实体相机之间的距离，并进行实时显示。
本发明实施例提供的方法，通过对边框内区域的图像进行检测得到车底阴影线段，再取阴影线段的最上层边缘的中点作为前方车辆的位置点，比传统的取检测到的前车两后轮胎与地面的交点的中点作为前方车辆的位置点定位更为准确；通过对位置点单点进行去畸变运算，而不是对整个图像进行去畸变运算，大大减小了计算量。如此，能够提高获取前方车辆位置信息的准确性，同时降低计算车距的计算量。
基于上述实施例，该方法中，还包括：
基于车辆前方图像检测出车辆左右车道线；
基于所述车辆左右车道线确定虚拟的中间车道线；
基于车辆偏离虚拟的中间车道线的距离，判定是否存在车道偏离。
具体地，使用图像目标检测算法对每一帧图像进行车道线的预测，经过预处理后，将车道线和背景转化成黑白二值图；对每一帧黑白二值图做逆透视变换转换到鸟瞰图视角，得到鸟瞰图中的黑白二值图，对鸟瞰图中的黑白二值图中的车道线区域进行二次曲线拟合，分别得到左右车道线的曲线方程，然后根据左右车道线的方程推出虚拟的中间车道线的方程，将推出的中间车道线经过透视变换还原到图像坐标系中，在判断是否存在车道偏离时，取主点坐标为自身车辆的位置，取虚拟中间车道线中的点，计算两点之间的距离，具体过程如下：
已知实体相机的焦距为f，(u,v)为虚拟中间车道线上的点在图像坐标系中的坐标，u和v都为常数，虚拟中间车道线上的点在摄像坐标系中的坐标为(Xc,Yc,Zc)，dx和dy分别表示一个像素在横轴和纵轴方向所占长度，单位为mm/像素，虚拟中间车道线上的点在世界坐标系中的坐标为(Xw,Yw,Zw)，R是外参旋转矩阵，T是外参平移矩阵，K是内参矩阵，虚拟中间车道线上的点从摄像坐标系到世界坐标系的转换关系如下：
Figure BDA0002269989080000081
虚拟中间车道线上的点从图像坐标系到摄像坐标系的转换关系如下：
Figure BDA0002269989080000082
其中，
Figure BDA0002269989080000083
由上述公式(1)和公式(2)可得：
Figure BDA0002269989080000091
由p-1*p＝E可反推图像坐标系转换到世界坐标系的过程，
Figure BDA0002269989080000092
由
Figure BDA0002269989080000093
第三行为1，可知
Figure BDA0002269989080000094
此处，Zw取值为0。
此时，虚拟中间车道线上的点从图像坐标系转换到世界坐标系过程中的所有未知数已知，便可以求出世界坐标系。同理也可以将相机主点从图像坐标系转换到世界坐标系，通过两点的世界坐标系下的坐标确定两点实际距离，当两者之间的实际距离大于预设值时，判定为车道偏离。
基于上述任一实施例，该方法中，所述通过图像检测技术对所述车辆前方图像进行检测，具体包括：
采用基于FCOS图像目标检测算法的图像检测技术对所述车辆前方图像进行检测；
所述基于车辆前方图像检测出车辆左右车道线，具体包括：
采用基于FCOS图像目标检测算法的图像检测技术检测出车辆左右车道线。
具体地，采用基于FCOS图像目标检测算法的图像检测技术对所述车辆前方图像进行检测，同时，采用基于FCOS图像目标检测算法的图像检测技术检测出车辆左右车道线。由于FCOS算法可以将目标检测与分割算法结合，对每一个像素点进行预测，车辆检测的效果更佳。
FCOS算法整体分为主干网络为FPN(feature pyramid networks)特征金字塔和三分支的头检测网络。FPN(feature pyramid networks)特征金字塔在提出之后，已经得到了广泛的使用，在多个领域中都可以看到它的身影，如语义分割、细粒度分类等等，它的主要思路是结合了网络的浅层特征和深层特征，然后在多个分支同时输出不同大小的目标。充分的使用了网络的浅层特征和深层特征，浅层特征更关注一些细节信息，适合用来定位；而深层特征更关注于语义信息，适合用来分类等。
整个算法的实现步骤如下所示：
(1)对输入的图片进行预处理操作；
(2)搭建如图所示的网络架构，将输入数据送入主干网络中获取输入数据的特征图，在特征图的每一点上面进行回归操作，进行网络训练获取网络模型；
(3)将预训练的网络模型应用到测试图片中，从特征金字塔的多个Head(顶端)中获得预测的结果；
(4)使用NMS(non maximum suppression非极大值抑制)等后处理操作获得最终的结果。
基于上述任一实施例，该方法中，所述对边框内区域的图像进行检测得到车底阴影线段，具体包括：
用3×3Sobel边缘检测算子对直方图均衡化后的边框内区域的图像进行水平边缘检测，得到水平边缘信息图；
对所述水平边缘信息图采用孔洞填充算法对孔洞进行填充，去除孤立噪点和细小线段，得到去噪后的水平边缘信息图；
对所述去噪后的水平边缘信息图进行长度滤波，检测出车底阴影线段。
具体地，采用3×3Sobel边缘检测算子对直方图均衡化后的边框内区域的图像进行水平边缘检测，得到只显示水平边缘信息的黑白二值图，然后基于孔洞填充算法对所述黑白二值图进行去噪，去除孤立噪点和细小线段，再对去噪后的水平边缘信息图进行长度滤波，筛选出满足长度要求的水平边缘作为车底阴影线段。
基于上述任一实施例，该方法中，所述对所述去噪后的水平边缘信息图进行长度滤波，具体包括：
对边框内区域的底部1/4进行滤波处理，以边框的下边线为基准，从左到右扫描进行长度滤波；
根据滤波后的线段长度L来判断是否为车底阴影线段，基于如下公式：
Figure BDA0002269989080000111
其中，Fs用于指示线段是否为车底阴影线段，当Fs为0时，指示线段不是车底阴影线段，当Fs为1时，指示线段是车底阴影线段，WR为边框的宽度，ks取值为0.8。
具体地，对去噪后的水平边缘信息图进行长度滤波，采用一个与边框等宽，高度为边框高度1/4的矩形框以边框的下边线为基准，从左到右扫描进行长度滤波。经过大量统计得到，车底阴影的宽度约为边框的宽度的0.8倍，故设置一个判定依据，若滤波检测的水平线段的长度L≥ks×WR时，则该水平线段为车底阴影。
基于上述任一实施例，该方法中，所述对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标，具体包括：
所述实体相机进行定标后，得到的内部参数包括所述相机的横轴焦距fx、纵轴焦距fy、主点坐标(cx,cy)和畸变系数[k1,k2,p1,p2,k3]；
位置点在实际相机中的图像坐标系中的坐标为(u',v')，u'和v'都为常数，位置点在理想相机中的图像坐标系中的坐标为(u,v)，
依据下列公式，
Figure BDA0002269989080000112
u'＝x×(1+k1×r2+k2×r4+k3×r6)+2×p1×x×y+p2×(r2+2x2)
v'＝y×(1+k1×r2+k2×r4+k3×r6)+2×p2×x×y+p2×(r2+2y2)
确定位置点在理想相机中的图像坐标系中的坐标(u,v)。
具体地，实体相机进行定标后，得到的内部参数包括所述实体相机的横轴焦距fx、纵轴焦距fy、主点坐标(cx,cy)和畸变系数[k1,k2,p1,p2,k3]；fx和fy为像素坐标系下的实体相机的横轴焦距和纵轴焦距；
已知位置点在实际相机中的图像坐标系中的坐标为(u',v')，u'和v'都为常数，设位置点在理想相机中的图像坐标系中的坐标为(u,v)，u和v都为未知数；
理想相机中的位置点通过实体相机的畸变后位置点在实体相机中的图像坐标系中的坐标如下列公式得到：
Figure BDA0002269989080000121
u'＝x×(1+k1×r2+k2×r4+k3×r6)+2×p1×x×y+p2×(r2+2x2)
v'＝y×(1+k1×r2+k2×r4+k3×r6)+2×p2×x×y+p2×(r2+2y2)
通过上述过程的逆过程，就能从畸变的实体相机中的图像坐标系中的坐标推出对应的理想相机中的图像坐标系中的坐标，达到位置点单点去畸变及修正测距误差的目的。
基于上述任一实施例，该方法中，所述根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，具体包括：
位置点在理想相机中的图像坐标系中的坐标为(u,v)，u和v都为常数，位置点在物理坐标系中的物理坐标为(x,y)，dx和dy分别表示一个像素在横轴和纵轴方向所占长度，单位为mm/像素，γ为扭曲因子，数值取0，
依据下列公式，
Figure BDA0002269989080000122
确定位置点在物理坐标系中的物理坐标(x,y)；
行人与相机之间的距离为D，行人与相机之间的纵向距离为VD，行人与相机之间的横向距离为HD，所述位置点在物理坐标系中的物理坐标为(x,y)，x和y都为常数，主点在物理坐标系中的物理坐标为(cx'，cy')，H为所述相机的高度，H为常数，f为相机焦距，f为常数，
依据下列公式，
Figure BDA0002269989080000131
确定所述前方车辆与实体相机之间的距离D。
具体地，得到位置点在理想相机中的图像坐标系中的坐标无法直接计算前方车辆与实体相机之间的距离，需要将理想相机中的坐标系中的坐标转换成物理坐标系下的物理坐标以便后续求现实世界中前方车辆与相机之间的距离。
位置点在物理坐标系的坐标到理想相机中的图像坐标系中的坐标的转换关系如下：
Figure BDA0002269989080000132
其中，已知位置点在理想相机中的图像坐标系中的坐标为(u,v)，u和v都为常数，设位置点在物理坐标系中的物理坐标为(x,y)，x和y都为未知数，dx和dy分别表示一个像素在横轴和纵轴方向所占长度，单位为mm/像素，γ为扭曲因子，数值取0。根据上述公式，可以推到出位置点在物理坐标系中的横纵坐标为：
Figure BDA0002269989080000133
然后，计算前方车辆与相机之间的距离，距离由两部分组成：纵向距离VD和横向距离HD，通俗来说，纵向距离就是前方车辆与本车辆的前后距离，横向距离就是前方车辆与本车辆的左右距离。相机焦距为f，f的单位为mm，H为相机高度，H的高度为m，θ为相机安装时镜头与水平方向的俯仰角，
Figure BDA0002269989080000134
当θ较小时，公式化简为
Figure BDA0002269989080000135
横向距离
Figure BDA0002269989080000136
则实际距离通过
Figure BDA0002269989080000137
计算得到。
基于上述任一实施例，本发明实施例提供一种前方车辆检测装置。图2为本发明实施例提供的前方车辆检测装置，如图2所示，所示前方车辆检测装置包括第一检测单元210、第二检测单元220、去畸变单元和测距单元，其中，
所述第一检测单元210，用于通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息；
所述第二检测单元220，用于对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点；
所述去畸变单元230，用于对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标；
所述测距单元240，用于根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。
本发明实施例提供的装置，通过对边框内区域的图像进行检测得到车底阴影线段，再取阴影线段的最上层边缘的中点作为前方车辆的位置点，比传统的取检测到的前车两后轮胎与地面的交点的中点作为前方车辆的位置点定位更为准确；通过对位置点单点进行去畸变运算，而不是对整个图像进行去畸变运算，大大减小了计算量。如此，能够提高获取前方车辆位置信息的准确性，同时降低计算车距的计算量。
基于上述任一实施例，该装置中，还包括：
车道偏离判定单元，用于基于车辆前方图像检测出车辆左右车道线；基于所述车辆左右车道线确定虚拟的中间车道线；基于车辆偏离虚拟的中间车道线的距离，判定是否存在车道偏离。
基于上述任一实施例，该装置中，所述通过图像检测技术对所述车辆前方图像进行检测，具体包括：
采用基于FCOS图像目标检测算法的图像检测技术对所述车辆前方图像进行检测；
所述基于车辆前方图像检测出车辆左右车道线，具体包括：
采用基于FCOS图像目标检测算法的图像检测技术检测出车辆左右车道线。
基于上述任一实施例，该装置中，所述对边框内区域的图像进行检测得到车底阴影线段，具体包括：
用3×3Sobel边缘检测算子对直方图均衡化后的边框内区域的图像进行水平边缘检测，得到水平边缘信息图；
对所述水平边缘信息图采用孔洞填充算法对孔洞进行填充，去除孤立噪点和细小线段，得到去噪后的水平边缘信息图；
对所述去噪后的水平边缘信息图进行长度滤波，检测出车底阴影线段。
基于上述任一实施例，该装置中，所述对所述去噪后的水平边缘信息图进行长度滤波，具体包括：
对边框内区域的底部1/4进行滤波处理，以边框的下边线为基准，从左到右扫描进行长度滤波；
根据滤波后的线段长度L来判断是否为车底阴影线段，基于如下公式：
Figure BDA0002269989080000151
其中，Fs用于指示线段是否为车底阴影线段，当Fs为0时，指示线段不是车底阴影线段，当Fs为1时，指示线段是车底阴影线段，WR为边框的宽度，ks取值为0.8。
基于上述任一实施例，该装置中，所述去畸变单元，具体用于：
所述实体相机进行定标后，得到的内部参数包括所述相机的横轴焦距fx、纵轴焦距fy、主点坐标(cx,cy)和畸变系数[k1,k2,p1,p2,k3]；
位置点在实际相机中的图像坐标系中的坐标为(u',v')，u'和v'都为常数，位置点在理想相机中的图像坐标系中的坐标为(u,v)，
依据下列公式，
Figure BDA0002269989080000152
u'＝x×(1+k1×r2+k2×r4+k3×r6)+2×p1×x×y+p2×(r2+2x2)
v'＝y×(1+k1×r2+k2×r4+k3×r6)+2×p2×x×y+p2×(r2+2y2)
确定位置点在理想相机中的图像坐标系中的坐标(u,v)。
基于上述任一实施例，该装置中，所述根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，具体包括：
位置点在理想相机中的图像坐标系中的坐标为(u,v)，u和v都为常数，位置点在物理坐标系中的物理坐标为(x,y)，dx和dy分别表示一个像素在横轴和纵轴方向所占长度，单位为mm/像素，γ为扭曲因子，数值取0，
依据下列公式，
Figure BDA0002269989080000161
确定位置点在物理坐标系中的物理坐标(x,y)；
行人与相机之间的距离为D，行人与相机之间的纵向距离为VD，行人与相机之间的横向距离为HD，所述位置点在物理坐标系中的物理坐标为(x,y)，x和y都为常数，主点在物理坐标系中的物理坐标为(cx'，cy')，H为所述相机的高度，H为常数，f为相机焦距，f为常数，
依据下列公式，
Figure BDA0002269989080000162
确定所述前方车辆与实体相机之间的距离D。
图3为本发明实施例提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304，其中，处理器301，通信接口302，存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储在存储器303上并可在处理器301上运行的计算机程序，以执行上述各实施例提供的前方车辆检测方法，例如包括：采集车辆前方图像，通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息；对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点；对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标；根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。
此外，上述的存储器303中的逻辑指令可以通过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，本发明实施例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。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的前方车辆检测方法，例如包括：采集车辆前方图像，通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息；对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点；对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标；根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。
以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种前方车辆检测方法，其特征在于，包括：
采集车辆前方图像，通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息；
对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点；
对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标；
根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。
2.根据权利要求1所述的前方车辆检测方法，其特征在于，还包括：
基于车辆前方图像检测出车辆左右车道线；
基于所述车辆左右车道线确定虚拟的中间车道线；
基于车辆偏离虚拟的中间车道线的距离，判定是否存在车道偏离。
3.根据权利要求2所述的前方车辆检测方法，其特征在于，所述通过图像检测技术对所述车辆前方图像进行检测，具体包括：
采用基于FCOS图像目标检测算法的图像检测技术对所述车辆前方图像进行检测；
所述基于车辆前方图像检测出车辆左右车道线，具体包括：
采用基于FCOS图像目标检测算法的图像检测技术检测出车辆左右车道线。
4.根据权利要求1-3中任一项所述的前方车辆检测方法，其特征在于，所述对边框内区域的图像进行检测得到车底阴影线段，具体包括：
用3×3Sobel边缘检测算子对直方图均衡化后的边框内区域的图像进行水平边缘检测，得到水平边缘信息图；
对所述水平边缘信息图采用孔洞填充算法对孔洞进行填充，去除孤立噪点和细小线段，得到去噪后的水平边缘信息图；
对所述去噪后的水平边缘信息图进行长度滤波，检测出车底阴影线段。
5.根据权利要求4所述的前方车辆检测方法，其特征在于，所述对所述去噪后的水平边缘信息图进行长度滤波，具体包括：
对边框内区域的底部1/4进行滤波处理，以边框的下边线为基准，从左到右扫描进行长度滤波；
根据滤波后的线段长度L来判断是否为车底阴影线段，基于如下公式：
Figure FDA0002269989070000021
其中，Fs用于指示线段是否为车底阴影线段，当Fs为0时，指示线段不是车底阴影线段，当Fs为1时，指示线段是车底阴影线段，WR为边框的宽度，ks取值为0.8。
6.根据权利要求1-3中任一项所述的前方车辆检测方法，其特征在于，所述对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标，具体包括：
所述实体相机进行定标后，得到的内部参数包括所述相机的横轴焦距fx、纵轴焦距fy、主点坐标(cx,cy)和畸变系数[k1,k2,p1,p2,k3]；
位置点在实际相机中的图像坐标系中的坐标为(u',v')，u'和v'都为常数，位置点在理想相机中的图像坐标系中的坐标为(u,v)，
依据下列公式，
Figure FDA0002269989070000022
u'＝x×(1+k1×r2+k2×r4+k3×r6)+2×p1×x×y+p2×(r2+2x2)
v'＝y×(1+k1×r2+k2×r4+k3×r6)+2×p2×x×y+p2×(r2+2y2)
确定位置点在理想相机中的图像坐标系中的坐标(u,v)。
7.根据权利要求6所述的前方车辆检测方法，其特征在于，所述根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，具体包括：
位置点在理想相机中的图像坐标系中的坐标为(u,v)，u和v都为常数，位置点在物理坐标系中的物理坐标为(x,y)，dx和dy分别表示一个像素在横轴和纵轴方向所占长度，单位为mm/像素，γ为扭曲因子，数值取0，
依据下列公式，
Figure FDA0002269989070000031
确定位置点在物理坐标系中的物理坐标(x,y)；
行人与相机之间的距离为D，行人与相机之间的纵向距离为VD，行人与相机之间的横向距离为HD，所述位置点在物理坐标系中的物理坐标为(x,y)，x和y都为常数，主点在物理坐标系中的物理坐标为(cx'，cy')，H为所述相机的高度，H为常数，f为相机焦距，f为常数，
依据下列公式，
Figure FDA0002269989070000032
确定所述前方车辆与实体相机之间的距离D。
8.一种前方车辆检测装置，其特征在于，包括：
第一检测单元，用于通过图像检测技术对所述车辆前方图像进行检测，得到前方车辆的边框信息；
第二检测单元，用于对边框内区域的图像进行检测得到车底阴影线段，取所述阴影线段的最上层边缘的中点作为所述前方车辆的位置点；
去畸变单元，用于对所述位置点进行去畸变运算，得到所述位置点在理想相机中的图像坐标系中的坐标；
测距单元，用于根据位置点在理想相机中的图像坐标系中的坐标确定位置点在物理坐标系中的物理坐标，进而确定所述前方车辆与实体相机之间的距离，显示所述距离。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至7中任一项所述的前方车辆检测方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的前方车辆检测方法的步骤。
CN201911101438.8A 2019-11-12 2019-11-12 前方车辆检测方法和装置 Pending CN110991264A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911101438.8A CN110991264A (zh) 2019-11-12 2019-11-12 前方车辆检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911101438.8A CN110991264A (zh) 2019-11-12 2019-11-12 前方车辆检测方法和装置

Publications (1)

Publication Number Publication Date
CN110991264A true CN110991264A (zh) 2020-04-10

Family

ID=70083876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911101438.8A Pending CN110991264A (zh) 2019-11-12 2019-11-12 前方车辆检测方法和装置

Country Status (1)

Country Link
CN (1) CN110991264A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111380503A (zh) * 2020-05-29 2020-07-07 电子科技大学 一种采用激光辅助标定的单目相机测距方法
CN111695493A (zh) * 2020-06-10 2020-09-22 国网山东省电力公司电力科学研究院 一种输电线路隐患的检测方法及系统
CN112365741A (zh) * 2020-10-23 2021-02-12 淮阴工学院 一种基于多车道车距检测的安全预警方法及系统
CN114475498A (zh) * 2022-01-18 2022-05-13 三一电动车科技有限公司 防护装置的调控方法、调控装置、介质、防护装置及车辆

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069859A (zh) * 2015-07-24 2015-11-18 深圳市佳信捷技术股份有限公司 车辆行驶状态监测方法和装置
CN105488454A (zh) * 2015-11-17 2016-04-13 天津工业大学 基于单目视觉的前方车辆检测与测距
CN108230393A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种智能车前方运动车辆的测距方法
CN108437893A (zh) * 2018-05-16 2018-08-24 奇瑞汽车股份有限公司 一种汽车偏离车道的预警方法及装置
CN110203210A (zh) * 2019-06-19 2019-09-06 厦门金龙联合汽车工业有限公司 一种车道偏离预警方法、终端设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105069859A (zh) * 2015-07-24 2015-11-18 深圳市佳信捷技术股份有限公司 车辆行驶状态监测方法和装置
CN105488454A (zh) * 2015-11-17 2016-04-13 天津工业大学 基于单目视觉的前方车辆检测与测距
CN108230393A (zh) * 2016-12-14 2018-06-29 贵港市瑞成科技有限公司 一种智能车前方运动车辆的测距方法
CN108437893A (zh) * 2018-05-16 2018-08-24 奇瑞汽车股份有限公司 一种汽车偏离车道的预警方法及装置
CN110203210A (zh) * 2019-06-19 2019-09-06 厦门金龙联合汽车工业有限公司 一种车道偏离预警方法、终端设备及存储介质

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
OSC_320IUULZ: "FCOS 单阶段anchor-free 算法阅读总结", pages 1, Retrieved from the Internet <URL:https://my.oschina.net/u/4335884/blog/3368063> *
OSC_BQUC1GTR: "论文阅读|FCOS: Fully Convolutional One-Stage Object Detection", pages 1, Retrieved from the Internet <URL:https://my.oschina.net/u/4287650/blog/3553697> *
OSC_ZT8A0QX3: "FCOS及其和Faster R-CNN的区别", pages 1, Retrieved from the Internet <URL:https://my.oschina.net/u/4313749/blog/3358228> *
ZHI TIAN等: "FCOS: Fully Convolutional One-Stage Object Detection", 2019 IEEE/CVF INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV), pages 9626 - 9635 *
吴骏等: "基于单目视觉的前方车辆检测与测距", vol. 43, no. 2, pages 26 - 32 *
赵文明;张海文;: "基于机器视觉的车道保持辅助系统研究", vol. 3, no. 11, pages 241 - 242 *
韩广飞: "基于视觉的智能车前方运动车辆检测与测距方法的研究", vol. 2015, no. 9, pages 138 - 1485 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111380503A (zh) * 2020-05-29 2020-07-07 电子科技大学 一种采用激光辅助标定的单目相机测距方法
CN111695493A (zh) * 2020-06-10 2020-09-22 国网山东省电力公司电力科学研究院 一种输电线路隐患的检测方法及系统
CN111695493B (zh) * 2020-06-10 2023-12-08 国网山东省电力公司电力科学研究院 一种输电线路隐患的检测方法及系统
CN112365741A (zh) * 2020-10-23 2021-02-12 淮阴工学院 一种基于多车道车距检测的安全预警方法及系统
CN112365741B (zh) * 2020-10-23 2021-09-28 淮阴工学院 一种基于多车道车距检测的安全预警方法及系统
CN114475498A (zh) * 2022-01-18 2022-05-13 三一电动车科技有限公司 防护装置的调控方法、调控装置、介质、防护装置及车辆
CN114475498B (zh) * 2022-01-18 2023-07-07 三一电动车科技有限公司 防护装置的调控方法、调控装置、介质、防护装置及车辆

Similar Documents

Publication Publication Date Title
CN105206109B (zh) 一种基于红外ccd的车辆雾天识别预警系统及方法
CN110991264A (zh) 前方车辆检测方法和装置
CN110443225B (zh) 一种基于特征像素统计的虚实车道线识别方法及其装置
CN109334563B (zh) 一种基于道路前方行人和骑行者的防碰撞预警方法
CN107463890B (zh) 一种基于单目前视相机的前车检测与跟踪方法
CN104899554A (zh) 一种基于单目视觉的车辆测距方法
CN111563412B (zh) 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法
US9626599B2 (en) Reconfigurable clear path detection system
CN110956069B (zh) 一种行人3d位置的检测方法及装置、车载终端
CN102629326A (zh) 一种基于单目视觉的车道线检测方法
CN108399403B (zh) 一种基于车牌尺寸计算的车距检测方法
KR101483742B1 (ko) 지능형 차량의 차선 검출방법
WO2022151664A1 (zh) 一种基于单目摄像头的3d物体检测方法
CN108052904A (zh) 车道线的获取方法及装置
Chang et al. An efficient method for lane-mark extraction in complex conditions
CN106407951A (zh) 一种基于单目视觉的夜间前方车辆检测方法
CN115327572A (zh) 一种车辆前方障碍物检测方法
CN107220632B (zh) 一种基于法向特征的路面图像分割方法
CN114663859A (zh) 灵敏准确的复杂路况车道偏移实时预警系统
CN110349415B (zh) 一种基于多尺度变换的行车速度测量方法
CN115240170A (zh) 一种基于事件相机的道路行人检测跟踪方法及系统
Álvarez et al. Perception advances in outdoor vehicle detection for automatic cruise control
CN116311136A (zh) 用于辅助驾驶的车道线参数计算方法
CN106023270A (zh) 一种基于局部对称特征的视频车辆检测方法
CN105740801A (zh) 一种基于摄像头的汽车并道辅助驾驶方法

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
TA01 Transfer of patent application right

Effective date of registration: 20230731

Address after: No.508, tianzihu Avenue, tianzihu Town, Anji County, Huzhou City, Zhejiang Province

Applicant after: ZHEJIANG HONGQUAN ELECTRONIC TECHNOLOGY Co.,Ltd.

Address before: 310030 4th floor, building 2, No.3 Xiyuan 6th Road, Sandun Town, Xihu District, Hangzhou City, Zhejiang Province

Applicant before: ZHEJIANG HONGQUAN VEHICLE NETWORK CO.,LTD.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20200410

RJ01 Rejection of invention patent application after publication