CN111024040B - 距离估计方法和设备 - Google Patents

距离估计方法和设备 Download PDF

Info

Publication number
CN111024040B
CN111024040B CN201910953997.5A CN201910953997A CN111024040B CN 111024040 B CN111024040 B CN 111024040B CN 201910953997 A CN201910953997 A CN 201910953997A CN 111024040 B CN111024040 B CN 111024040B
Authority
CN
China
Prior art keywords
image
lane
target length
actual
distance
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
Application number
CN201910953997.5A
Other languages
English (en)
Other versions
CN111024040A (zh
Inventor
李宰雨
具滋厚
李元周
玄伦硕
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN111024040A publication Critical patent/CN111024040A/zh
Application granted granted Critical
Publication of CN111024040B publication Critical patent/CN111024040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/571—Depth or shape recovery from multiple images from focus
    • 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
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/50—Magnetic or electromagnetic sensors
    • B60W2420/506—Inductive sensors, i.e. passive wheel sensors
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of Optical Distance (AREA)

Abstract

提供一种距离估计方法和设备。所述方法包括：获取与对象的目标点对应的实际目标长度；从输入图像计算与实际目标长度对应的图像目标长度；以及基于实际目标长度、图像目标长度和距离估计设备的焦距估计从所述距离估计设备到对象的距离。

Description

距离估计方法和设备
本申请要求于2018年10月10日提交到韩国知识产权局的第10-2018-0120158号韩国专利申请的优先权，所述韩国专利申请的公开通过引用全部包含于此。
技术领域
与本公开一致的方法和设备涉及距离估计技术。
背景技术
在自主驾驶(例如，高级驾驶辅助系统(ADAS))中需要主动巡航控制(ACC)技术。ACC技术是用于感测车辆当前行驶的车道中的前方车辆的速度并调节车辆的速度，使得车辆可通过在与前方车辆保持特定距离的同时行驶而不与前方车辆碰撞的技术。
当前市场上的一些车辆包括如下功能：当期望的目标速度输入到车辆时，在没有前方车辆时以目标速度行驶，并且当前方车辆出现时通过相应地降低其速度与前方车辆保持特定距离。为了实现这种技术，需要一种用于稳定地测量距另一车辆的距离的技术。
发明内容
一个方面在于提供一种距离估计方法和设备。
根据实施例的一方面，提供一种距离估计方法，包括：获取与对象的目标点对应的实际目标长度；从输入图像计算与实际目标长度对应的图像目标长度；以及基于实际目标长度、图像目标长度和距离估计设备的焦距估计从所述距离估计设备到对象的距离。
根据实施例的另一方面，提供一种距离估计设备，包括：图像传感器，被配置为获取输入图像；以及处理器，被配置为：获取与对象的目标点对应的实际目标长度；从输入图像计算与实际目标长度对应的图像目标长度；以及基于实际目标长度、图像目标长度和所述距离估计设备的焦距估计从所述距离估计设备到对象的距离。
根据实施例的另一方面，提供一种距离估计设备，包括：图像传感器，包括镜头和图像平面，其中，图像传感器被配置为捕获目标对象的输入图像；以及处理器，被配置为：从输入图像生成投影图像；基于投影图像中的车道线之间的车道距离估计实际车道宽度；从输入图像按照像素计算图像车道宽度和图像目标对象宽度；计算图像车道宽度与图像目标对象宽度之间的第一比率；基于实际车道宽度和第一比率计算实际目标对象宽度；以及基于实际目标对象宽度、图像目标对象宽度以及从镜头的焦点到图像平面的焦距，估计从图像传感器到目标对象的距离。
附图说明
通过下面结合附图进行的详细描述，实施例将被更清楚地理解，其中：
图1是示出根据实施例的前方对象和距离估计设备的示图；
图2是示出根据实施例的距离估计方法的流程图；
图3是详细示出根据实施例的距离估计处理的示图；
图4是示出根据实施例的实际车道宽度的估计的示图；
图5和图6是示出根据实施例的车辆宽度的估计的示图；
图7是示出根据实施例的距离估计的俯视图；
图8是示出根据实施例的距离估计设备的配置的框图。
具体实施方式
图1是示出根据实施例的前方对象和距离估计设备的示图。
根据实施例的距离估计设备110可估计距前方对象190的距离119。距前方对象190的距离119可表示从距离估计设备110到前方对象190的直线距离119。距离估计设备110可通过图像传感器获取输入图像，并基于输入图像估计距前方对象190的距离119。
当消失点由于相机运动(例如，俯仰运动)而改变时，使用消失点的距离估计会存在误差。当车辆越过减速带、经过崎岖的道路或经过倾斜的道路时，可能发生这种消失点改变。不管消失点改变如何，即使地面弯曲，根据实施例的距离估计设备110也可通过使用对象宽度与车道宽度之间的几何关系来稳定地估计距离。
例如，输入图像中出现的对象宽度与车道宽度之间的几何关系可与现实世界中的对象宽度与车道宽度之间的关系相同或相似。因此，距离估计设备110可基于输入图像中出现的对象宽度与车道宽度之间的关系来估计现实世界中的车辆宽度。距离估计设备110可基于现实世界中的车辆宽度估计距前方对象190的距离119。在下文中，参照图2至图8，描述将给出仅通过单个输入图像稳定地估计距前方对象190的距离119的技术。
作为参考，在此，道路101可包括一条或多条车道102。车道线103可表示一条车道102与另一条车道102之间的边界线。然而，本发明构思不限于车道线103必须在道路101或车道102中的情况。行驶车道102可表示车辆当前正在行驶的车道102。作为一种车道线103，中心线(未示出)可表示指示禁止车辆进入的边界线。
图2是示出根据实施例的距离估计方法的流程图。
首先，在操作210中，距离估计设备可获取与对象的目标点对应的实际目标长度。目标点可以是在对象中指定的特定点，并且可表示被指定为用于距离估计的参考的两个点。例如，实际目标长度可以是与对象的物理宽度对应的长度，并且目标点可以是被指定用于设置对象的宽度的两个点，并且可以是对象沿着横轴相对于纵轴的最左边的点以及与最左边的点平行的最右边的点。在具有覆盖物理世界中的对象的真实维度的三维(3D)边界框的情况下，边界框的正面或背面的每个顶点可对应于目标点。然而，本发明构思不限于此，并且作为对象的视觉外观中的特征点之间的距离，例如，在对象是车辆的情况下，与两个后车灯对应的点(例如，中心点)可被设置为目标点，或者与两个前车灯对应的点(例如，中心点)可被设置为目标点。
此外或可选地，可针对高度而不是宽度设置目标点。例如，当对象是车辆时，与车辆底部对应的点和与车辆顶部对应的点可被设置为目标点。在这种情况下，实际目标长度可表示车辆的高度(例如，车辆高度)。
下面将参照图5和图6描述实际目标长度的获取。
在操作220中，距离估计设备可从输入图像计算与实际目标长度对应的图像目标长度。图像目标长度可表示与输入图像中的目标点对应的长度。距离估计设备可从输入图像检测包括对象的边界框，并基于检测到的边界框确定图像目标长度。例如，图像目标长度可表示包括对象的边界框的顶点之间的长度。当边界框是二维(2D)边界框时，图像目标长度可以是边界框的底线(base line)的长度。当边界框是3D边界框时，图像目标长度可以是构成边界框的背面的底线的长度。例如，针对道路的中心轴，边界框的背面可表示面向距离估计设备的表面。换句话说，在边界框的多个面之中，相对于道路的中心轴位于更靠近距离估计设备的面可被称为背面，并且位于距距离估计设备更远的面可被称为正面。道路的中心轴可以是沿着距离估计设备位于的车道的中心点限定的轴，并且可表现为直线道路中的直线和弯曲道路中的曲线。
例如，输入图像可以是彩色图像。彩色图像可包括多个颜色通道图像。例如，颜色通道图像可包括红色通道图像、绿色通道图像和蓝色通道图像。每个颜色通道图像的像素可表示与通过传感器接收的光中的颜色的波长对应的光的强度。然而，输入图像不限于此。
随后，在操作230中，距离估计设备可基于对象的实际目标长度、图像目标长度和距离估计设备的焦距来估计从距离估计设备到对象的距离。例如，距离估计设备可基于实际目标长度与图像目标长度之间的关系从焦距估计距对象的距离。这是因为，实际目标长度和图像目标长度之间的比例关系与距对象的距离和焦距之间的比例关系相同。下面将参照图7描述这种距离估计。
图3是详细示出根据实施例的距离估计处理的示图。
在操作301中，距离估计设备可获取相机图像。例如，距离估计设备可通过一个或多个图像传感器接收相机图像。图像传感器可被安装以捕获在距离估计设备的前侧的图像。图像传感器可拍摄与前侧的视角对应的场景。然而，图像传感器的数量及其安装位置不限于此。
在操作311中，距离估计设备可执行投影图像操作。例如，距离估计设备可通过将输入图像投影在地面上来生成投影图像。距离估计设备可通过单应性生成投影图像。例如，投影图像可对应于鸟瞰图。
在操作312中，距离估计设备可检测距离估计设备周围的车道宽度。根据实施例的距离估计设备可估计对象在输入图像中位于的车道的车道线。距离估计设备可基于估计的车道线确定图像车道宽度。在此，图像车道宽度可以是与从输入图像检测的车道的宽度对应的长度，并且可以是例如一条车道线与另一条车道线之间的像素距离，其中，该像素距离限定输入图像中识别的车道。下面将参照图5描述图像车道宽度的确定。
例如，距离估计设备可通过内插与输入图像中的相同线对应的部分来检测车道线。例如，车道线可以是虚线，其中，与线对应的部分以特定间隔设置。即使当车道线是虚线时，距离估计设备也可通过上述内插将虚线转换为实线来检测车道线。
在操作313中，距离估计设备可检测对象周围的车道线。例如，距离估计设备可基于通过将输入图像投影在地面上获得的投影图像来估计实际车道宽度。例如，实际车道宽度可以以米为单位来估计。距离估计设备可识别投影图像中的车道线并估计车道线之间的水平间隔。车道线之间的水平间隔可对应于实际车道宽度。下面将参照图4描述使用投影图像的车道线识别和实际车道宽度的估计。
然而，实际车道宽度的获取不限于此。响应于高清晰度(HD)地图数据可被访问的情况，距离估计设备可从与当前道路对应的地图数据获取对象位于的车道的实际车道宽度。例如，距离估计设备可从HD地图数据获取与对象位于的地理坐标对应的车道信息，并从车道信息提取实际车道宽度。
在操作314中，距离估计设备可检测目标对象的实际宽度。例如，距离估计设备可基于输入图像中出现的图像目标长度和车道线来计算实际目标长度。距离估计设备可从输入图像计算图像目标长度和与对象位于的车道对应的图像车道宽度之间的比率。距离估计设备可基于该比率从实际车道宽度估计实际目标长度。下面将参照图5描述实际目标长度的估计。
在操作321中，距离估计设备可检测目标对象的边界框。例如，距离估计设备可从输入图像检测覆盖对象的边界框。距离估计设备可通过使用各种算法之一来检测边界框。例如，距离估计设备可使用神经网络来检测包括与输入图像中的对象对应的区域的边界框。神经网络可被训练以从图像输出与将被检测的对象(例如，车辆)对应的边界框区域。边界框可表示包括该对象的2D框或3D框。边界框可具有特定形状(例如，矩形或长方体)，并且可表示包括在2D空间或3D空间中由对象占用的空间的框。
例如，2D边界框的每个边缘可接触对象的一部分，并且2D边界框可以是被定义为使2D边界框的尺寸最小化的最小边界框。2D边界框的顶部边缘可接触输入图像中出现的对象的顶部部分，并且其底部边缘可接触对象的底部部分。3D边界框的每个面可接触对象的一部分，并且3D边界框可以是被定义为使3D边界框的尺寸最小化的最小边界框。当对象是车辆时，车辆的前部可接触3D边界框的正面，并且车辆的后部可接触3D边界框的背面。车辆的上部可接触3D边界框的顶面，并且车辆的下部可接触3D边界框的底面。车辆的侧面可接触3D边界框的侧面。
在操作322中，距离估计设备可跟踪边界框。根据一个实施例，距离估计设备可跟踪在每一帧中获取的输入图像中的对象。距离估计设备可确定针对在先前帧中检测到的边界框在当前帧中的位置。距离估计设备可将跟踪边界框的结果存储在对象信息数据库340中。例如，响应于已经针对与先前帧中的对象对应的边界框估计了实际目标长度(例如，实际车辆宽度)的情况，距离估计设备可从对象信息数据库340将先前帧的实际目标长度加载到当前帧中。距离估计设备可跟踪分配了在先前帧中获取的先前目标长度的对象。距离估计设备可将针对跟踪的对象的当前帧的当前目标长度确定为在先前帧中获取的先前目标长度。因此，即使当难以估计当前帧中的实际目标长度时，距离估计设备也可稳定地获取与对象对应的实际目标长度。在此，帧可表示时间点，并且当假设当前帧是第t时间点时，先前帧可表示第1时间点至第(t-1)时间点中的任何一个。在此，“t”可表示大于或等于2的整数。
距离估计设备可基于附加传感器估计在先前帧中对象的先前目标长度。附加传感器可以是与图像传感器一起使用的另一传感器，并且可包括例如雷达传感器或LiDAR传感器。距离估计设备可将估计的先前目标长度分配给对象。因此，当使用附加传感器的目标长度估计不能在当前帧中执行时，距离估计设备可使用在先前帧中先前获取的实际目标长度。
对象信息数据库340可表示包括与对象相关联的信息的数据库。例如，对象信息数据库340可包括对象的标识(ID)、边界框的尺寸、边界框的数量、以及针对对象在先前帧中估计的实际目标长度。
对象信息数据库340可包括针对每个对象模型(例如，车辆模型)映射的对象尺寸信息。对象尺寸信息可以是与对应于特定模型的对象的尺寸有关的信息，并且可包括例如对象的宽度、高度和长度。根据实施例的距离估计设备可基于输入图像中出现的对象的视觉外观确定与对象对应的对象尺寸信息。距离估计设备可从对象尺寸信息获取实际目标长度。
在操作331中，距离估计设备可提取距离。例如，距离估计设备可基于实际目标长度与图像目标长度之间的比率从焦距计算距离。下面将参照图7详细描述距离计算。
图4是示出根据实施例的实际车道宽度的估计的示图。
根据实施例的距离估计设备491可通过使用在其前侧捕获的输入图像410来估计实际车道宽度421。尽管为了便于描述，图4中示出的输入图像410包括一台车辆作为前方对象492，但是前方对象492的数量和形状不限于此。距离估计设备491可被安装在车辆上，输入图像410可包括车辆的一部分(例如，发动机罩)。然而，本发明构思不限于此，并且根据图像传感器的安装位置和视角，车辆的一部分可出现在输入图像410中。
距离估计设备491可通过投影输入图像410来生成投影图像420。例如，距离估计设备491可生成与鸟瞰图对应的投影图像420。距离估计设备491可通过矩阵运算(例如，单应性矩阵计算)将输入图像410转换为投影图像420，其中，所述矩阵运算将输入图像410的每个像素的坐标转换为投影图像420上的坐标。由于相对于紧邻车辆前方的区域，车辆的移动或地面的高度的影响较小，因此投影图像420中更靠近车辆的区域的坐标可更精确。
距离估计设备491可识别投影图像420中的车道线。距离估计设备491可计算与车道线对应的位置的物理坐标(例如，2D坐标)。距离估计设备491可通过使用车道线的物理坐标来计算两条平行车道线之间的水平间隔。距离估计设备491可基于识别的车道线之间的间隔来估计实际车道宽度421。通过与鸟瞰图对应的投影图像操作产生的投影图像420可表示相对于更靠近传感器的区域的精确坐标。因此，为了更精确地估计车道宽度，距离估计设备491可使用投影图像420中更靠近距离估计设备491的区域的信息。
例如，距离估计设备491可识别与对象492在投影图像420中位于的车道对应的车道线。距离估计设备491可基于识别的车道线之中的距距离估计设备491阈值距离内的边界线之间的水平距离来估计实际车道宽度421。在此，实际车道宽度421可表示物理世界中车道的实际宽度。
根据实施例的距离估计设备491可假设对象492的位置处的车道宽度与距离估计设备491周围的车道宽度相同或相似。因此，如上所述，距离估计设备491可基于距离估计设备491周围的投影图像420估计对象492周围的车道的实际车道宽度421。
如图4中所示，由于图像传感器的视角，投影图像420上的另一条车道的车道线可在与距离估计设备491间隔开的位置处识别。因此，距离估计设备491还可估计位于与距离估计设备491自身不同的车道中的对象的车道的实际车道宽度421。
响应于在当前帧中识别与对象492位于的车道对应的车道线的点比在先前帧中识别的点更近的情况，距离估计设备491可基于在当前帧中识别车道线的点更新实际车道宽度421。因此，由于可通过使用投影图像420中更靠近距离估计设备491的区域的信息来更精确地计算车道宽度，所以距离估计设备491可更精确地更新实际车道宽度421。
根据另一实施例，距离估计设备491可仅在对象492的位置处的车道宽度与设备周围的车道宽度之间的宽度改变不大时估计实际车道宽度421。例如，响应于对象492位于的车道的宽度改变超过阈值改变的情况，距离估计设备491可排除实际车道宽度421的估计。当排除实际车道宽度421的估计时，距离估计设备491可通过另一种方法获取实际车道宽度421或者排除对象的实际目标长度的估计。
图5和图6是示出根据实施例的车辆宽度的估计的示图。
图5是示出在安装有距离估计设备的车辆在一般道路中行驶的状态下估计实际目标长度的处理的示图。
距离估计设备可从输入图像510检测距离估计设备前侧的前方对象592。例如，距离估计设备可检测包括前方对象592的边界框582。图5示出输入图像510，其中，在输入图像510中检测到三个前方对象中的每个的边界框。图5示出以2D形式检测边界框582的示例。放大图像511是包括边界框582的放大的局部图像。
距离估计设备可从输入图像510确定图像目标长度以及车道线503之间的间隔。
例如，距离估计设备可从自输入图像510检测到的边界框582确定图像目标长度。距离估计设备可将与对象的宽度对应的像素距离确定为图像目标长度。与对象的宽度对应的像素距离可对应于边界框582的宽度。距离估计设备可将边界框582中的底线或上边缘的长度确定为与对象的宽度对应的像素距离。
距离估计设备可基于从自输入图像510检测到的边界框582确定图像车道宽度。距离估计设备可基于车道线503与边界框582的底线的延长线之间的交叉点来确定图像车道宽度。当前方对象592是车辆时，假设保持行驶车道的车辆通常沿着车道的中心轴平行于车道线503行驶。在这种情况下，前方车辆的纵轴可与车道线503平行，并且前方车辆的横轴可垂直于车道线503。因此，由于边界框582的底线平行于前方车辆的横轴，所以车道线503与底线的延长线之间的交叉点之间的长度可对应于图像车道宽度。距离估计设备可将车道线503与底线的延长线之间的交叉点之间的像素距离确定为图像车道宽度。
随后，距离估计设备可基于如上所述计算的图像车道宽度和图像目标长度来估计实际目标长度。例如，距离估计设备可从输入图像510计算图像目标长度和与对象592位于的车道对应的图像车道宽度之间的比率。距离估计设备可计算与输入图像510中的车道线503之间的间隔对应的像素距离和与对象592的宽度对应的像素距离之间的比率。距离估计设备可根据下面的等式1和等式2基于上述比率从实际车道宽度估计实际目标长度。
等式1
Ratioimg＝(Wimg，V/Wimg，L)
等式2
Wreal，V＝Ratioimg·Wreal，L
在等式1中，Wimg,V可表示以像素为单位的图像目标长度(例如，在图像中出现的车辆的宽度)，Wimg,L可表示以像素为单位的图像车道宽度。Ratioimg可表示图像目标长度Wimg,V与图像车道宽度Wimg,L之间的比率。在等式2中，Wreal,L可表示实际车道宽度。例如，距离估计设备可通过上面参照图4描述的操作来获取实际车道宽度Wreal,L。Wreal,V可表示实际目标长度(例如，车辆的实际宽度)。
例如，当图像目标长度Wimg,V是与15个像素对应的距离，并且图像车道宽度Wimg,L是与20个像素对应的距离时，比率Ratioimg可以是0.75。当通过图4中的单应性计算的实际车道宽度Wreal,L是4米时，实际目标长度Wreal,V可以是3米。
在已经针对距距离估计设备的近距离处的对象592估计实际目标长度Wreal,V的情况下，距离估计设备可在对象592远离距离估计设备移动时，保持先前估计的实际目标长度Wreal,V，同时继续跟踪对象592。这是因为，在近距离处估计的值可能比在远距离处估计的值更精确。通过保持先前估计的实际目标长度Wreal,V，即使当对象592从距离估计设备远离并且因此对象592周围的车道线503未被识别或者对象592周围的车道宽度不是恒定时，距离估计设备也可稳定地估计距对象592的距离。此外，响应于距对象592的距离小于预先估计实际目标长度Wreal,V的距离的情况，距离估计设备可更新对象592的实际目标长度Wreal,V。这是因为，当对象592位于更近的位置时，实际目标长度Wreal,V可被更精确地估计。
尽管已经参照直线道路描述图5，但是本发明构思不限于此。即使当在弯曲道路上行驶时，距离估计设备也可如参照图5所述检测2D边界框并估计实际目标长度。
图6是示出在安装有距离估计设备的车辆在弯曲道路上行驶的状态下估计实际目标长度的处理的示图。
俯视图图像620示出安装有距离估计设备691的车辆在弯曲道路601上行驶的状态。尽管在俯视图图像620中仅示出弯曲道路601的一个车道，但是这仅是为了便于描述并且本发明构思不限于此。输入图像610可包括在前方对象692在弯曲道路601的弯曲部分行驶时出现失真的前方对象692。因此，距离估计设备691可通过考虑对象692的姿态(pose)来更精确地估计对象的实际目标长度。
根据实施例的距离估计设备691可从输入图像610估计对象692的姿态。距离估计设备691可基于估计的姿态确定图像目标长度671。例如，距离估计设备691可从输入图像610检测与对象692对应的3D边界框682。距离估计设备691可基于3D边界框682确定图像目标长度671。距离估计设备691可将3D边界框682的宽度(例如，框的背面上的上线或底线的长度)确定为图像目标长度671。
距离估计设备691可基于输入图像610中的对象692的姿态来确定图像车道宽度672。例如，距离估计设备691可基于车道线与构成3D边界框682的背面的底线的延长线之间的交叉点来确定图像车道宽度672。
距离估计设备691可基于根据参照图6的描述确定的图像目标长度671和图像车道宽度672，根据等式1和等式2估计实际目标长度。
尽管已经参照弯曲道路601描述图6，但是本发明构思不限于此。即使当在直线道路601上行驶时，距离估计设备691也可如参照图6所述检测3D边界框682并估计实际目标长度。
此外，距离估计设备可识别行驶道路的线性并根据识别的线性确定距离估计方法。例如，响应于当前行驶道路被识别为直线道路(例如，具有小于阈值曲率的曲率的道路)的情况，距离估计设备可如上面参照图5所述从输入图像检测2D边界框并估计实际目标长度。作为另一示例，响应于当前行驶道路被识别为弯曲道路(例如，具有等于或超过阈值曲率的曲率的道路)的情况，距离估计设备可如参照图6所述从输入图像检测3D边界框或对象的姿态并估计实际目标长度。然而，这仅是示例，并且距离估计设备的操作不限于此。
图7是示出根据实施例的距离估计的俯视图。
图7是示出距离估计设备的图像传感器的对象790、焦点711和图像平面710的俯视图。图像平面710可以是与在图像传感器中接收穿过镜头的光的点对应的平面，并且图像平面710的每个点可对应于输入图像的每个像素。从距离估计设备外部的对象790反射和接收的光可经过镜头的焦点711并到达图像平面710。焦距f与距离D之间的位置关系可与在图像平面710上出现的图像目标长度Wimg,V和实际目标长度Wreal,V之间的位置关系相同。
等式3
Figure BDA0002226697270000111
因此，距离估计设备可根据等式3，基于实际目标长度Wreal,V与图像目标长度Wimg,V之间的比率，从焦距f计算距离D。距离D可表示从镜头的焦点711到图像传感器中的对象790的距离。
图8是示出根据实施例的距离估计设备的配置的框图。
根据实施例的距离估计设备800可包括传感器810、处理器820和存储器830。
传感器810可以是用于获取其前侧的输入图像的图像传感器810。图像传感器810可生成彩色图像，并且彩色图像可包括多个颜色通道图像。然而，本发明构思不限于此，图像传感器810可生成单色图像(例如，黑白图像)。
处理器820可获取与对象的目标点对应的实际目标长度。处理器820可从输入图像计算与实际目标长度对应的图像目标长度。处理器820可基于对象的实际目标长度、图像目标长度和距离估计设备800的焦距来估计从距离估计设备800到对象的距离。然而，处理器820的操作不限于此，并且处理器820可执行参照图1至图7描述的操作。
存储器830可临时地或永久地存储用于执行距离估计方法的数据。例如，存储器830可存储在先前帧中估计的实际目标长度、实际车道宽度、距先前帧中的对象的距离等。
上述设备可被实现为硬件组件、软件组件和/或硬件组件和软件组件的组合。例如，实施例中描述的设备和组件可通过使用一个或多个通用计算机或专用计算机(诸如，处理器、控制器、算术逻辑单元(ALU)、数字信号处理器、微型计算机、现场可编程阵列(FPGA)、可编程逻辑单元(PLU)、微处理器或者能够执行和响应指令的任何其他设备)来实现。处理器可执行操作系统(OS)以及在OS上执行的一个或多个软件应用。此外，响应于软件的执行，处理器可访问、存储、操作、处理和生成数据。为了便于理解，处理器可被描述为单独使用，然而，本领域的普通技术人员将理解，处理器可包括多个处理元件和/或多种类型的处理元件。例如，处理器可包括多个处理器或一个处理器和一个控制器。此外，其他处理配置(诸如，并行处理器)也是可行的。
软件可包括计算机程序、代码、指令或它们中的一个或多个的组合，并可将处理器配置为按照期望的那样操作或者可单独地或共同地命令处理器。为了由处理器解释或向处理器提供命令或数据，软件和/或数据可以永久或暂时地被包含在任何类型的机器、组件、物理设备、虚拟装备、计算机存储介质或设备或者传输的信号波中。软件可被分布在联网的计算机系统上，使得以分布式的方式被存储和执行。软件和数据可被存储在一个或多个计算机可读记录介质上。
根据实施例的方法可以以可通过各种计算机装置执行的程序命令的形式实现，其中，程序命令可被记录在计算机可读记录介质上。计算机可读记录介质可单独包括程序命令、数据文件和数据结构，或者可包括它们的组合。记录在计算机可读记录介质上的程序命令可以是为实施例专门设计和配置的程序命令，或者可以是本领域的计算机程序员已知和可用的程序命令。计算机可读记录介质的示例可包括磁记录介质(诸如，硬盘、软盘和磁带)；光学记录介质(诸如，光盘只读存储器(CD-ROM)和数字通用光盘(DVD))；磁光记录介质(诸如，软式光盘)；以及被专门配置为存储和执行程序命令的硬件装置(诸如，ROM、RAM和闪存)。程序命令的示例可包括可由编译器产生的机器语言代码以及可由计算机通过使用解释器执行的高级语言代码。硬件装置可被配置为作为一个或多个软件模块进行操作以执行实施例的操作，反之亦然。
虽然已经参照附图描述了实施例，但是本领域普通技术人员可在不脱离本发明构思的精神和范围的情况下进行各种改变和修改。例如，描述的技术可以以与描述的方法不同的顺序执行，和/或描述的组件(诸如，系统、结构、装置和电路)可以以与描述的方法不同的形式联合或组合，或者可由其他组件或其等同物替换或替代。
因此，其他实施方式、其他实施例和所附权利要求的等同物在所附权利要求的范围内。
虽然已经参照本发明构思的实施例具体示出并描述了本发明构思，但是应理解，在不脱离所附权利要求的精神和范围的情况下，可在形式和细节上进行各种改变。

Claims (18)

1.一种距离估计方法，包括：
获取与对象的目标点对应的实际目标长度；
从输入图像计算与实际目标长度对应的图像目标长度；以及
基于实际目标长度、图像目标长度和距离估计设备的焦距估计从所述距离估计设备到对象的距离，
其中，获取实际目标长度的步骤包括：基于在输入图像中出现的图像目标长度和车道线来计算实际目标长度，
其中，计算实际目标长度的步骤包括：
从输入图像计算图像目标长度和与对象位于的车道对应的图像车道宽度之间的比率；以及
基于所述比率从实际车道宽度估计实际目标长度，
其中，计算所述比率的步骤包括：
估计对象在输入图像中位于的车道的车道线；以及
基于估计的车道线确定图像车道宽度，
其中，计算图像目标长度的步骤包括：
从输入图像检测与对象对应的边界框；以及
从边界框确定图像目标长度，
其中，基于车道线与边界框的底线的延长线之间的交叉点确定图像车道宽度。
2.根据权利要求1所述的距离估计方法，其中，估计车道线的步骤包括：通过内插与输入图像中的相同线对应的部分来检测车道线。
3.根据权利要求1所述的距离估计方法，其中，计算图像目标长度的步骤包括：
从输入图像估计对象的姿态；以及
基于姿态确定图像目标长度，
其中，基于输入图像中的对象的姿态确定图像车道宽度。
4.根据权利要求1所述的距离估计方法，其中，计算图像目标长度的步骤包括：
从输入图像检测与对象对应的三维边界框；以及
基于三维边界框确定图像目标长度，
其中，基于车道线与构成三维边界框的背面的底线的延长线之间的交叉点确定图像车道宽度。
5.根据权利要求1所述的距离估计方法，其中，估计实际目标长度的步骤包括：基于通过将输入图像投影在地面上获得的投影图像来估计实际车道宽度。
6.根据权利要求5所述的距离估计方法，其中，估计实际车道宽度的步骤包括：
识别与对象在投影图像中位于的车道对应的车道线；以及
基于识别的车道线之中的距所述距离估计设备的阈值距离内的边界线之间的水平间隔来估计实际车道宽度。
7.根据权利要求1所述的距离估计方法，其中，估计实际目标长度的步骤包括：从与当前道路对应的地图数据获取对象位于的车道的实际车道宽度。
8.根据权利要求1所述的距离估计方法，其中，计算所述比率的步骤包括：计算与输入图像中的车道线之间的间隔对应的第一像素距离和与对象的宽度对应的第二像素距离之间的像素比率。
9.根据权利要求1所述的距离估计方法，其中，估计实际目标长度的步骤包括：响应于在当前帧中识别与对象位于的车道对应的车道线的第一点比在先前帧中识别的第二点更近的情况，基于第一点更新实际车道宽度。
10.根据权利要求1所述的距离估计方法，其中，计算所述比率的步骤包括：响应于对象位于的车道的宽度改变超过阈值改变的情况，排除估计的对象的实际目标长度。
11.根据权利要求1所述的距离估计方法，其中，获取实际目标长度的步骤包括：
跟踪分配了在先前帧中获取的先前目标长度的对象；以及
将跟踪的对象的当前帧中的当前目标长度确定为在先前帧中获取的先前目标长度。
12.根据权利要求11所述的距离估计方法，其中，跟踪对象的步骤包括：
基于附加传感器估计对象在先前帧中的先前目标长度；以及
将估计的先前目标长度分配给对象。
13.根据权利要求1所述的距离估计方法，其中，获取实际目标长度的步骤包括：
基于输入图像中表示的对象的视觉外观确定与对象对应的对象尺寸信息；以及
从对象尺寸信息获取实际目标长度。
14.根据权利要求1所述的距离估计方法，其中，估计距离的步骤包括：基于实际目标长度与图像目标长度之间的比率从焦距计算所述距离。
15.一种非暂时性计算机可读记录介质，其上记录有至少一个计算机程序，所述计算机程序包括用于执行如权利要求1所述的距离估计方法的至少一个指令。
16.一种距离估计设备，包括：
图像传感器，被配置为获取输入图像；以及
处理器，被配置为：
获取与对象的目标点对应的实际目标长度；
从输入图像计算与实际目标长度对应的图像目标长度；以及
基于实际目标长度、图像目标长度和所述距离估计设备的焦距估计从所述距离估计设备到对象的距离，
其中，获取实际目标长度的处理包括：基于在输入图像中出现的图像目标长度和车道线来计算实际目标长度，
其中，计算实际目标长度的处理包括：
从输入图像计算图像目标长度和与对象位于的车道对应的图像车道宽度之间的比率；以及
基于所述比率从实际车道宽度估计实际目标长度，
其中，计算所述比率的处理包括：
估计对象在输入图像中位于的车道的车道线；以及
基于估计的车道线确定图像车道宽度，
其中，计算图像目标长度的处理包括：
从输入图像检测与对象对应的边界框；以及
从边界框确定图像目标长度，
其中，基于车道线与边界框的底线的延长线之间的交叉点确定图像车道宽度。
17.一种距离估计设备，包括：
图像传感器，包括镜头和图像平面，其中，图像传感器被配置为捕获目标对象的输入图像；以及
处理器，被配置为：
从输入图像生成投影图像；
基于投影图像中的车道线之间的车道距离估计实际车道宽度；
从输入图像按照像素计算图像车道宽度和图像目标对象宽度；
计算图像车道宽度与图像目标对象宽度之间的第一比率；
基于实际车道宽度和第一比率计算实际目标对象宽度；以及
基于实际目标对象宽度、图像目标对象宽度以及从镜头的焦点到图像平面的焦距，估计从图像传感器到目标对象的距离，
其中，计算第一比率的处理包括：
估计目标对象在输入图像中位于的车道的车道线；以及
基于估计的车道线确定图像车道宽度，
其中，计算图像目标对象宽度的处理包括：
从输入图像检测与目标对象对应的边界框；以及
从边界框确定图像目标对象宽度，
其中，基于车道线与边界框的底线的延长线之间的交叉点确定图像车道宽度。
18.根据权利要求17所述的距离估计设备，其中，通过单应性矩阵计算生成投影图像。
CN201910953997.5A 2018-10-10 2019-10-09 距离估计方法和设备 Active CN111024040B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2018-0120158 2018-10-10
KR1020180120158A KR20200040374A (ko) 2018-10-10 2018-10-10 거리 추정 방법 및 장치

Publications (2)

Publication Number Publication Date
CN111024040A CN111024040A (zh) 2020-04-17
CN111024040B true CN111024040B (zh) 2023-05-30

Family

ID=68172105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910953997.5A Active CN111024040B (zh) 2018-10-10 2019-10-09 距离估计方法和设备

Country Status (4)

Country Link
US (1) US11138750B2 (zh)
EP (1) EP3637313A1 (zh)
KR (1) KR20200040374A (zh)
CN (1) CN111024040B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10380440B1 (en) * 2018-10-23 2019-08-13 Capital One Services, Llc Method for determining correct scanning distance using augmented reality and machine learning models
KR102633140B1 (ko) * 2018-10-23 2024-02-05 삼성전자주식회사 주행 정보를 결정하는 방법 및 장치
GB201900839D0 (en) * 2019-01-21 2019-03-13 Or3D Ltd Improvements in and relating to range-finding
US11037002B2 (en) * 2019-02-08 2021-06-15 ANI Technologies Private Limited Calibration of fixed image-capturing device for depth estimation
KR20210017525A (ko) * 2019-08-08 2021-02-17 삼성전자주식회사 거리 추정 장치 및 이의 동작 방법
US11341719B2 (en) * 2020-05-07 2022-05-24 Toyota Research Institute, Inc. System and method for estimating depth uncertainty for self-supervised 3D reconstruction
US11625859B2 (en) 2020-07-22 2023-04-11 Motorola Solutions, Inc. Method and system for calibrating a camera and localizing objects within the camera field of view
CN112884961B (zh) * 2021-01-21 2022-11-29 吉林省吉科软信息技术有限公司 一种用于疫情防控的人脸识别闸机系统
JP7505443B2 (ja) * 2021-05-07 2024-06-25 トヨタ自動車株式会社 遠隔監視装置、遠隔監視システム、遠隔監視方法、及び遠隔監視プログラム
CN113468955B (zh) * 2021-05-21 2024-02-02 香港生产力促进局 用于估计交通场景中两点间距离的方法、设备及存储介质
CN114132325B (zh) * 2021-12-14 2024-03-01 京东鲲鹏(江苏)科技有限公司 车辆的行驶方法和装置
KR102413162B1 (ko) * 2021-12-30 2022-06-24 주식회사 다리소프트 차량에 탑재된 정보 수집 단말과의 연동을 통해 도로 상의 위험물의 실제 크기를 추정할 수 있는 위험물 정보 관리 서버 및 그 동작 방법
US11967159B2 (en) * 2022-01-26 2024-04-23 Motional Ad Llc Semantic annotation of sensor data with overlapping physical features
JP2023131720A (ja) * 2022-03-09 2023-09-22 キヤノン株式会社 電子機器、移動体、距離算出方法、及びコンピュータプログラム
CN114659489A (zh) * 2022-03-11 2022-06-24 苏州清研微视电子科技有限公司 一种基于凸透镜成像原理的前车距离检测方法和装置
CN115861975B (zh) * 2023-02-28 2023-05-12 杭州枕石智能科技有限公司 障碍物车辆位姿估计方法及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002296350A (ja) * 2001-03-30 2002-10-09 Nissan Motor Co Ltd 物体検知装置
CN104185588A (zh) * 2012-03-28 2014-12-03 金泰克斯公司 用于确定道路宽度的车载成像系统及方法
CN105632186A (zh) * 2016-03-11 2016-06-01 博康智能信息技术有限公司 检测车辆加塞行为的方法和装置
CN107105154A (zh) * 2016-02-22 2017-08-29 株式会社万都 驾驶辅助装置和驾驶辅助方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3861781B2 (ja) 2002-09-17 2006-12-20 日産自動車株式会社 前方車両追跡システムおよび前方車両追跡方法
JP4681856B2 (ja) 2004-11-24 2011-05-11 アイシン精機株式会社 カメラの校正方法及びカメラの校正装置
JP5880703B2 (ja) * 2012-06-14 2016-03-09 トヨタ自動車株式会社 車線区分標示検出装置、運転支援システム
US9396553B2 (en) * 2014-04-16 2016-07-19 Xerox Corporation Vehicle dimension estimation from vehicle images
KR101646495B1 (ko) 2014-11-18 2016-08-08 한밭대학교 산학협력단 차량 부착 카메라의 영상 정보를 이용한 도로 거리 예측 방법
JP6450294B2 (ja) 2015-09-30 2019-01-09 株式会社デンソーアイティーラボラトリ 物体検出装置、物体検出方法、及びプログラム
KR20180022277A (ko) 2016-08-24 2018-03-06 김정태 블랙박스영상 기반 차간거리 측정 시스템
KR102371592B1 (ko) 2016-11-02 2022-03-07 현대자동차주식회사 차간 거리 추정 장치 및 방법
US10529083B2 (en) * 2016-12-08 2020-01-07 Lighmetrics Technologies Pvt. Ltd. Methods and systems for estimating distance of an object from a moving vehicle
KR102513185B1 (ko) * 2017-01-12 2023-03-23 모빌아이 비젼 테크놀로지스 엘티디. 규칙 기반 항법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002296350A (ja) * 2001-03-30 2002-10-09 Nissan Motor Co Ltd 物体検知装置
CN104185588A (zh) * 2012-03-28 2014-12-03 金泰克斯公司 用于确定道路宽度的车载成像系统及方法
CN107105154A (zh) * 2016-02-22 2017-08-29 株式会社万都 驾驶辅助装置和驾驶辅助方法
CN105632186A (zh) * 2016-03-11 2016-06-01 博康智能信息技术有限公司 检测车辆加塞行为的方法和装置

Also Published As

Publication number Publication date
US20200118283A1 (en) 2020-04-16
EP3637313A1 (en) 2020-04-15
CN111024040A (zh) 2020-04-17
US11138750B2 (en) 2021-10-05
KR20200040374A (ko) 2020-04-20

Similar Documents

Publication Publication Date Title
CN111024040B (zh) 距离估计方法和设备
US11632536B2 (en) Method and apparatus for generating three-dimensional (3D) road model
JP7349792B2 (ja) 車両走行のための情報を提供する方法
CN112292711B (zh) 关联lidar数据和图像数据
EP3732657B1 (en) Vehicle localization
JP6833630B2 (ja) 物体検出装置、物体検出方法およびプログラム
US11670087B2 (en) Training data generating method for image processing, image processing method, and devices thereof
KR101776622B1 (ko) 다이렉트 트래킹을 이용하여 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
JP5714940B2 (ja) 移動体位置測定装置
KR101776621B1 (ko) 에지 기반 재조정을 이용하여 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
KR101784183B1 (ko) ADoG 기반 특징점을 이용한 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
Shim et al. An autonomous driving system for unknown environments using a unified map
JP6299291B2 (ja) 道路エッジ検出方法及び道路エッジ検出装置
US9424649B1 (en) Moving body position estimation device and moving body position estimation method
CN111086521A (zh) 校准方法、校准装置以及非暂时性计算机记录媒体
KR102519666B1 (ko) 이미지 변환 장치 및 방법
KR102167835B1 (ko) 영상 처리 방법 및 장치
Berriel et al. A particle filter-based lane marker tracking approach using a cubic spline model
Geiger et al. Object flow: A descriptor for classifying traffic motion
JP2018073275A (ja) 画像認識装置
KR102003387B1 (ko) 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체
WO2022133986A1 (en) Accuracy estimation method and system
KR20220151572A (ko) IPM 이미지와 정밀도로지도(HD Map) 피팅을 통해 노면객체의 변화를 자동으로 판단하고 갱신하는 정밀도로지도 자동갱신 방법 및 시스템
Jaspers et al. Fast and robust b-spline terrain estimation for off-road navigation with stereo vision
JP2020027328A (ja) 信号機推定装置、信号機推定方法およびプログラム

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