CN111222579B - 跨相机的障碍物关联方法、装置、设备、电子系统及介质 - Google Patents

跨相机的障碍物关联方法、装置、设备、电子系统及介质 Download PDF

Info

Publication number
CN111222579B
CN111222579B CN202010022971.1A CN202010022971A CN111222579B CN 111222579 B CN111222579 B CN 111222579B CN 202010022971 A CN202010022971 A CN 202010022971A CN 111222579 B CN111222579 B CN 111222579B
Authority
CN
China
Prior art keywords
camera
obstacle
frame
outline
candidate
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
CN202010022971.1A
Other languages
English (en)
Other versions
CN111222579A (zh
Inventor
李郭
高涵
谢远帆
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010022971.1A priority Critical patent/CN111222579B/zh
Publication of CN111222579A publication Critical patent/CN111222579A/zh
Application granted granted Critical
Publication of CN111222579B publication Critical patent/CN111222579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/752—Contour matching
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种跨相机的障碍物关联方法、装置、设备、电子系统及介质，涉及智能交通技术领域，尤其涉及自动驾驶技术领域。具体实现方案为：在第一相机所拍摄图像中确定目标障碍物的轮廓框；基于所述第一相机和第二相机的成像面几何关系，将所述目标障碍物的轮廓框在所述第二相机的成像面进行投影，以获得目标障碍物的投影轮廓框；将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性，能够提高障碍物关联的准确性。

Description

跨相机的障碍物关联方法、装置、设备、电子系统及介质
技术领域
本申请实施例涉及智能交通技术领域，尤其涉及自动驾驶技术领域，具体涉及跨相机的障碍物关联方法、装置、设备、电子系统及介质。
背景技术
在无人驾驶或者视频监控场景下，往往出现两个相机的拍摄视野有部分重叠，故需要对视野重叠区内两个相机拍摄到的同一个障碍物进行关联，以便后续根据该障碍物的各角度图像进行综合处理和实现跨相机的障碍物连续稳定跟踪。
目前两个相机中的障碍物关联准确性仍然不足。
发明内容
本申请实施例公开了一种跨相机的障碍物关联方法、装置、设备、电子系统及介质，能够提高障碍物关联的准确性。
第一方面，本申请实施例公开了一种跨相机的障碍物关联方法，包括：
在第一相机所拍摄图像中确定目标障碍物的轮廓框；
基于所述第一相机和第二相机的成像面几何关系，将所述目标障碍物的轮廓框在所述第二相机的成像面进行投影，以获得目标障碍物的投影轮廓框；
将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；
根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。
上述申请中的一个实施例具有如下优点或有益效果：先通过第一相机确定目标障碍物的轮廓框，再通过第一相机与第二相机之间的成像几何关系，将第一相机中的轮廓框投影至第二相机的成像面中，获得目标障碍物的投影轮廓框；将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。在多个障碍物的外形轮廓框很相近的情况下，能够识别出两个相机中相同的障碍物，提高障碍物关联的准确度。
可选的，将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算之前，还包括：
根据所述目标障碍物的轮廓框在所述第一相机所拍摄图像中的位置，确定在所述第二相机成像面中的对极线；
以所述对极线为基准，按照预设范围条件确定对极约束框；
将所述第二相机所拍摄图像中落入所述对极约束框内的障碍物，确定为所述候选障碍物。
上述申请中的一个实施例具有如下优点或有益效果：通过对极约束框对障碍物进行初步筛选，能够减少障碍物的比对次数。
可选的，以所述对极线为基准，按照预设范围条件确定对极约束框包括：
以所述对极线为基准，垂直所述对极线平行方向向两侧扩充所述目标障碍物轮廓框高度的第一设定倍数；
将所述第一相机中目标障碍物的3D中心点投影到所述第二相机的成像面，形成投影点，计算所述投影点到所述对极线上的最近距离点；
以所述最近距离点为中心，沿所述对极线平行方向延伸扩充所述目标障碍物轮廓框高度的第二设定倍数，作为所述对极约束框。
上述申请中的一个实施例具有如下优点或有益效果：考虑第一相机和第二相机之间的误差，以确定对极约束框，能够初步确定障碍物。
可选的，基于所述第一相机和第二相机的成像面几何关系，将所述目标障碍物的轮廓框在所述第二相机的成像面进行投影，以获得目标障碍物的投影轮廓框包括：
基于所述第一相机和第二相机的成像面几何关系，确定所述第一相机和第二相机之间的基线长度是否小于设定光心重合距离；
如果是，根据所述第一相机和所述第二相机的拍摄角度，以单应变化方式将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框；
如果否，则根据所述第一相机中目标障碍物的三维数据，基于图像成像原理将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框。
上述申请中的一个实施例具有如下优点或有益效果：根据第一相机与第二相机之间的基线长度，以不同的方式确定投影轮廓框。
可选的，将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算包括：
计算所述投影轮廓框和所述候选障碍物轮廓框的下述至少一项计算：轮廓框重合面积、轮廓框形状相似度、轮廓框之间的中心点距离、障碍物类别以及所述目标障碍物的轮廓框高度与所述候选障碍物的轮廓框高度的比值与两相机焦距比值之比；
对各项计算结果进行加权汇总，以确定总体相似度。
上述申请中的一个实施例具有如下优点或有益效果：通过相似度判断不同障碍物的轮廓框是否是同一个障碍物，能够准确地确定是否是相同的障碍物。
可选的，所述第二相机所拍摄图像，为与所述第一相机所拍摄图像在设定时间间隔之内的或时间间隔最接近的一帧图像；
或所述第二相机所拍摄图像，为与所述第一相机所拍摄图像在设定时间间隔之内的多帧图像。
上述申请中的一个实施例具有如下优点或有益效果：能够对多帧图像进行对比，以准确确定障碍物。
可选的，如果所述候选障碍物来自于所述第二相机拍摄的多帧图像，则根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性包括：
根据所述候选障碍物在多帧图像中各自计算的相似度的平均值或加权值，确定所述目标障碍物和所述候选障碍物的关联性。
上述申请中的一个实施例具有如下优点或有益效果：对多帧图像中各自计算的相似度的值计算平均值或加权值，能够确定一个时间段内是否有相同的障碍物。
可选的，将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算之前，还包括：
通过所述第一相机和所述第二相机的拍摄重叠区域，过滤掉不属于重叠区域的障碍物。
上述申请中的一个实施例具有如下优点或有益效果：通过过滤掉不属于重叠区域的障碍物，能够减少相似度计算的次数，提高处理效率。
可选的，所述轮廓框为所述障碍物实际轮廓的最大外接矩形框。
上述申请中的一个实施例具有如下优点或有益效果：将最大外接矩形框作为轮廓框，能够提高障碍物匹配的准确性。
第二方面，本申请实施例公开了一种跨相机的障碍物关联装置，包括：
轮廓框确定模块，用于在第一相机所拍摄图像中确定目标障碍物的轮廓框；
投影轮廓框确定模块，用于基于所述第一相机和第二相机的成像面几何关系，将所述目标障碍物的轮廓框在所述第二相机的成像面进行投影，以获得目标障碍物的投影轮廓框；
相似度计算模块，用于将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；
关联性计算模块，用于根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。
第三方面，本申请实施例公开了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请任一实施例所述的跨相机的障碍物关联方法。
第四方面，本申请实施例公开了一种电子系统，包括本申请实施例中所述的电子设备和相机，所述电子设备为工控机，所述相机的数量为两个以上，用于采集车辆周边环境图像，所述工控机识别出的关联的障碍物用于进行车辆驾驶控制。
第五方面，本申请实施例公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请任一实施例所述的跨相机的障碍物关联方法。
上述申请中的一个实施例具有如下优点或有益效果：先通过第一相机确定目标障碍物的轮廓框，再通过第一相机与第二相机之间的成像几何关系，将第一相机中的轮廓框投影至第二相机的成像面中，获得目标障碍物的投影轮廓框；将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。在多个障碍物的外形轮廓框很相近的情况下，能够识别出两个相机中相同的障碍物，提高障碍物关联的准确度。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例提供的一种跨相机的障碍物关联方法的流程示意图；
图2是根据本申请第一实施例提供的一种确定目标障碍物的投影轮廓框的示意图；
图3是根据本申请第二实施例提供的一种跨相机的障碍物关联方法的流程示意图；
图4是根据本申请第二实施例提供的一种确定对极约束框方法的示意图；
图5是根据本申请第二实施例提供的一种确定候选障碍物方法的示意图；
图6是根据本申请第三实施例提供的一种跨相机的障碍物关联装置的结构示意图；
图7是用来实现本申请实施例的跨相机的障碍物关联方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本申请实施例适用于提升两个相机中的障碍物的关联准确性。目前两个相机中的障碍物关联的方法一般是通过障碍物特征，而后进行相似度计算和匹配来实现的。但是，在相机中存在多个障碍物时，且多个障碍物的表观特征比较类似时，上述关联方式就会失效。
第一实施例
图1是根据本申请第一实施例提供的一种跨相机的障碍物关联方法的流程示意图，本实施例用于将不同相机中拍摄到的同一个障碍物的图像进行关联的情况，该方法可以由跨相机的障碍物关联装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于车辆的电子设备中。如图1所示，本实施例提供的跨相机的障碍物关联方法可以包括：
S110、在第一相机所拍摄图像中确定目标障碍物的轮廓框。
本实施例中，第一相机是从两个相机中任意选择的一个相机，目标障碍物是指搭载在车辆上的相机采集到周围环境中的目标物体。其中，轮廓框是指目标障碍物的边缘轮廓形成的框图，可选的，所述轮廓框为所述障碍物实际轮廓的最大外接矩形框。
S120、基于所述第一相机和第二相机的成像面几何关系，将所述目标障碍物的轮廓框在所述第二相机的成像面进行投影，以获得目标障碍物的投影轮廓框。
本实施例中，第一相机和第二相机的成像面几何关系是指第一相机和第二相机的极平面、第一相机的光心、第二相机的光心之间的几何关系。其中，第一相机和第二相机的极平面Hπ是由第一相机的光心A、第二相机的光心B和第一相机中目标障碍物的轮廓框s的中心点x确定的，具体的，可参见图2中示出的一种确定目标障碍物的投影轮廓框的示意图。其中e和e’为对极点，A与B之间连线为基线，基线与第一相机的成像面的交点是对极点e，基线与第二相机的成像面的交点是对极点e’。进一步地，e为第二相机光心B在第一相机的成像面的像点，e’为第一相机光心A在第二相机的成像面的像点。目标障碍物的轮廓框在第二相机的成像面中的投影轮廓框为s’。
S130、将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算。
本实施例中，候选轮廓框是指第二相机拍摄的障碍物在第二相机成像面的轮廓框，将图2中所示的投影轮廓框s’与一个或多个候选轮廓框进行比对，并计算两者之间的相似度。相似度越高，两者越可能是同一个障碍物的轮廓框。
可选的，将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算包括：
计算所述投影轮廓框和所述候选障碍物轮廓框的下述至少一项：
轮廓框重合面积、轮廓框形状相似度、轮廓框之间的中心点距离、以及所述目标障碍物的轮廓框高度、障碍物类别与所述候选障碍物的轮廓框高度的比值与两相机焦距比值之比；
对各项计算结果进行加权汇总，以确定总体相似度。
计算两个轮廓框的重合面积可以是通过交并比函数进行计算，即计算两个轮廓框的交集与并集之比。例如，将交并比函数的值设为0.5，大于0.5则认为两个轮廓框的障碍物对应为一个障碍物，其中，交并比函数的值是可以设定的，如果精度要求比较高，则可以将其设置为大于0.5的值。交并比函数可以用于做不可能是相同障碍物的轮廓框过滤，也可以根据交并比函数的排序来认定相同障碍物。通过两个轮廓框的形状也能够判断两个轮廓框是否为同一个轮廓框，具体的，可以通过形状分数进行计算，比较两个轮廓框的长、宽和高。
还可以是通过比较轮廓框之间的中心点的距离。障碍物类别是根据轮廓框的形状和尺寸确定的大致类别，例如，可区分为行人、小车、大车和不明障碍物等。
所述候选障碍物的轮廓框高度的比值与两相机焦距比值之比，可以定义为(h1/f1)/(h2/f2)，其中，h1和h2为两相机中障碍物2d轮廓框的高度，f1和f2为两相机的焦距。
在本申请实施例所提供的技术方案基础上，还可以进一步结合障碍物的三维数据信息进行比对。在采用相机对障碍物进行拍摄时，还可以进一步估测该障碍物的三维尺寸和位置，例如，最大外包立体框的长宽高，障碍物与相机之间的距离等，作为三维数据，可通过比对两个相机估测的三维数据之间的关系，来确定是否为相同障碍物。
由于第一相机和第二相机都在各自按照自身的设置时间规律或图像处理进度来进行视频拍摄，在视频拍摄后的图像由工控机进行障碍物识别，由于两个相机无法做到完全同步的拍摄，会有一定的时间差。因此，在进行两个相机之间的障碍物关联时，工控机对于将哪些帧图像的障碍物识别结果进行关联，可以有多种方案。
可选的，所述第二相机所拍摄图像，为与所述第一相机所拍摄图像在设定时间间隔之内的或时间间隔最接近的一帧图像；或所述第二相机所拍摄图像，为与所述第一相机所拍摄图像在设定时间间隔之内的多帧图像。
本实施例中，如果第一相机所拍摄的帧图像的时刻为12点0分0秒，则第二相机拍摄的帧图像的时刻可以为12点0分0秒，也可以为12点0分2秒。其中，第二相机拍摄的帧图像可以选择预设时间内的多帧，这样设置的目的是使这几帧图像中的目标障碍物均能够进行匹配。参考多帧中的图像，可以使得关联匹配结果更加准确。
可选的，将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算之前，还包括：
通过所述第一相机和所述第二相机的拍摄重叠区域，过滤掉不属于重叠区域的障碍物。
将第一相机和第二相机中拍摄的图像进行重叠，将两者之间没有重叠的区域中的障碍物进行删除。这样设置的原因是，第一相机与第二相机拍摄图像中不在同一个区域的障碍物不会是同一个障碍物，无需计算障碍物的轮廓框之间的相似度。
S140、根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。
通过相似度确定目标障碍物和候选障碍物之间的关联性，相似度越高，目标障碍物和候选障碍物为同一个障碍物的可能性越大，则将两者进行关联。相似度越低，两者之间为同一个障碍物的可能性越小，则不对两者进行关联处理。
可选的，如果所述候选障碍物来自于所述第二相机拍摄的多帧图像，则根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性包括：
根据所述候选障碍物在多帧图像中各自计算的相似度的平均值或加权值，确定所述目标障碍物和所述候选障碍物的关联性。
工控机获取环境图像后，将多帧图像中的候选障碍物与多帧图像中的目标障碍物进行相似度计算，并求其平均值或者加权值。示例性的，候选障碍物在3帧图像中出现，分别记做A帧、B帧、C帧图像，目标障碍物在3帧图像中出现，记做D帧、E帧、F帧图像。将时间距离最近的A帧中的候选障碍物与D帧中的目标障碍物进行相似度计算，再将B帧中的候选障碍物与E帧图像中的目标障碍物进行相似度计算，再将C帧中的候选障碍物与F帧图像中的目标障碍物进行相似度计算。将以上结果进行平均值或者加权值计算，确定最终的相似度，相似度高于阈值的，则对目标障碍物和候选障碍物进行关联。
上述申请中的一个实施例具有如下优点或有益效果：工控机先通过第一相机中的图像确定目标障碍物的轮廓框，再通过第一相机与第二相机之间的成像几何关系，将第一相机中的轮廓框投影至第二相机的成像面中，获得目标障碍物的投影轮廓框；将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。在多个障碍物的外形轮廓框很相近的情况下，能够识别出两个相机中相同的障碍物，提高障碍物关联的准确度。
第二实施例
图3是根据本申请第二实施例提供的一种跨相机的障碍物关联方法的流程示意图，本实施例用于将不同相机中拍摄到的同一个障碍物在工控机中进行关联的情况，该方法可以由跨相机的障碍物关联装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于车辆的电子设备中。如图3所示，本实施例提供的跨相机的障碍物关联方法可以包括：
S310、在第一相机所拍摄图像中确定目标障碍物的轮廓框。
S320、基于所述第一相机和第二相机的成像面几何关系，将所述目标障碍物的轮廓框在所述第二相机的成像面进行投影，以获得目标障碍物的投影轮廓框。
本实施例中，可选的，基于所述第一相机和第二相机的成像面几何关系，将所述目标障碍物的轮廓框在所述第二相机的成像面进行投影，以获得目标障碍物的投影轮廓框包括：
基于所述第一相机和第二相机的成像面几何关系，确定所述第一相机和第二相机之间的基线长度是否小于设定光心重合距离。
本实施例中，基线长度是光心A与光心B之间的长度，设定光心重合距离是指预设的光心之间的距离。
如果是，根据所述第一相机和所述第二相机的拍摄角度，以单应变化方式将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框。
本实施例中，单应变化是将目标障碍物在第一相机的成像面的轮廓框投影到第二相机的成像面上的一种投影方法。具体的，可根据相机的参数确定变换矩阵，从而进行轮廓框的投影变化。
如果否，则根据所述第一相机中目标障碍物的三维数据，基于图像成像原理将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框。
具体是，通过第一相机对目标障碍物所拍摄的二维轮廓框，以及其他相机参数和算法，可估测该目标障碍物的三维数据，从而基于图像成像原理，计算该目标障碍物在第二相机成像面中的轮廓框，作为第一相机中轮廓框的投影轮廓框。
S330、根据所述目标障碍物的轮廓框在所述第一相机所拍摄图像中的位置，确定在所述第二相机成像面中的对极线。
本实施例中，极平面Hπ与第二相机成像面的交线为对极线l'，具体可参见图2，其中，极平面的确定方法可参见前述实施例，此处不再赘述。
S340、以所述对极线为基准，按照预设范围条件确定对极约束框。
其中，对极约束框是用来确定候选障碍物的，具体的，以所述对极线为基准，按照预设范围条件确定对极约束框包括：
以所述对极线为基准，垂直所述对极线平行方向向两侧扩充所述目标障碍物轮廓框高度的第一设定倍数。
本实施例中，可参见图4中示出的一种确定对极约束框方法的示意图，其中，a为目标障碍物轮廓框的高度，在垂直于l'的方向上，扩充a的第一设定倍数，以确定对极约束框的在垂直对极线方向上的高度。
将所述第一相机中目标障碍物的3D中心点投影到所述第二相机的成像面，形成投影点，计算所述投影点到所述对极线上的最近距离点；
以所述最近距离点为中心，沿所述对极线平行方向延伸扩充所述目标障碍物轮廓框高度的第二设定倍数，作为所述对极约束框。
S350、将所述第二相机所拍摄图像中落入所述对极约束框内的障碍物，确定为所述候选障碍物。
本实施例中，可结合图5中示出的一种确定候选障碍物方法的示意图进行详细说明，其中，设定第二相机拍摄的障碍物包括M和N，对极约束框可参见图5中的虚线框，由图5可知，障碍物M在虚线框内，则将障碍物M确定为候选障碍物。障碍物N不在虚线框内，则将N排除在候选障碍物中。
S360、将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算。
S370、根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。
上述申请中的一个实施例具有如下优点或有益效果：通过确定对极约束框确定候选障碍物，能够减少计算障碍物之间相似度的次数，提高障碍物比对的效率。
第三实施例
图6是根据本申请第三实施例提供的一种跨相机的障碍物关联装置的结构示意图，可执行本申请实施例所提供的跨相机的障碍物关联方法，具备执行方法相应的功能模块和有益效果。如图6所示，该装置600可以包括：
轮廓框确定模块601，用于在第一相机所拍摄图像中确定目标障碍物的轮廓框；
投影轮廓框确定模块602，用于基于所述第一相机和第二相机的成像面几何关系，将所述目标障碍物的轮廓框在所述第二相机的成像面进行投影，以获得目标障碍物的投影轮廓框；
相似度计算模块603，用于将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；
关联性计算模块604，用于根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。
所述装置，还包括：
对极线确定模块605，用于根据所述目标障碍物的轮廓框在所述第一相机所拍摄图像中的位置，确定在所述第二相机成像面中的对极线；
对极约束框确定模块606，用于以所述对极线为基准，按照预设范围条件确定对极约束框；
候选障碍物确定模块607，用于将所述第二相机所拍摄图像中落入所述对极约束框内的障碍物，确定为所述候选障碍物。
所述对极约束框确定模块606，具体用于以所述对极线为基准，垂直所述对极线平行方向向两侧扩充所述目标障碍物轮廓框高度的第一设定倍数；
将所述第一相机中目标障碍物的3D中心点投影到所述第二相机的成像面，形成投影点，计算所述投影点到所述对极线上的最近距离点；
以所述最近距离点为中心，沿所述对极线平行方向延伸扩充所述目标障碍物轮廓框高度的第二设定倍数，作为所述对极约束框。
所述投影轮廓框确定模块602，具体用于基于所述第一相机和第二相机的成像面几何关系，确定所述第一相机和第二相机之间的基线长度是否小于设定光心重合距离；
如果是，根据所述第一相机和所述第二相机的拍摄角度，以单应变化方式将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框；
如果否，则根据所述第一相机中目标障碍物的三维数据，基于图像成像原理将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框。
所述相似度计算模块603，具体用于计算所述投影轮廓框和所述候选障碍物轮廓框的下述至少一项计算：轮廓框重合面积、轮廓框形状相似度、轮廓框之间的中心点距离、障碍物类别以及所述目标障碍物的轮廓框高度与所述候选障碍物的轮廓框高度的比值与两相机焦距比值之比；
对各项计算结果进行加权汇总，以确定总体相似度。
所述装置，还包括：
所述第二相机所拍摄图像，为与所述第一相机所拍摄图像在设定时间间隔之内的或时间间隔最接近的一帧图像；
或所述第二相机所拍摄图像，为与所述第一相机所拍摄图像在设定时间间隔之内的多帧图像。
关联性计算模块604，具体用于如果所述候选障碍物来自于所述第二相机拍摄的多帧图像，根据所述候选障碍物在多帧图像中各自计算的相似度的平均值或加权值，确定所述目标障碍物和所述候选障碍物的关联性。
所述装置，还包括：
障碍物过滤模块608，用于通过所述第一相机和所述第二相机的拍摄重叠区域，过滤掉不属于重叠区域的障碍物。
所述装置，还包括：所述轮廓框为所述障碍物实际轮廓的最大外接矩形框。
上述申请中的一个实施例具有如下优点或有益效果：先通过第一相机确定目标障碍物的轮廓框，再通过第一相机与第二相机之间的成像几何关系，将第一相机中的轮廓框投影至第二相机的成像面中，获得目标障碍物的投影轮廓框；将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。在多个障碍物的外形轮廓框很相近的情况下，工控机能够识别出两个相机中相同的障碍物，提高障碍物关联的准确度。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。本申请实施例还提供了一种电子系统，包括本申请实施例中所述的电子设备和相机，所述电子设备为工控机，所述相机的数量为两个以上，用于采集车辆周边环境图像，所述工控机识别出的关联的障碍物用于进行车辆驾驶控制。
如图7所示，是根据本申请实施例的跨相机的障碍物关联方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的跨相机的障碍物关联方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的跨相机的障碍物关联方法。
存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的跨相机的障碍物关联方法对应的程序指令/模块(例如，附图6所示的模块)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的跨相机的障碍物关联方法。
存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据跨相机的障碍物关联方法电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至跨相机的障碍物关联方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
跨相机的障碍物关联方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与跨相机的障碍物关联方法电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括视觉输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，工控机先通过第一相机所拍摄的图像在第一相机中确定目标障碍物的轮廓框，再通过第一相机与第二相机之间的成像几何关系，将第一相机中的轮廓框投影至第二相机的成像面中，获得目标障碍物的投影轮廓框；将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。在多个障碍物的外形轮廓框很相近的情况下，能够识别出两个相机中相同的障碍物，提高障碍物关联的准确度。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种跨相机的障碍物关联方法，其特征在于，包括：
在第一相机所拍摄图像中确定目标障碍物的轮廓框；
基于第一相机和第二相机的成像面几何关系，确定所述第一相机和第二相机之间的基线长度是否小于设定光心重合距离；其中，所述第一相机和第二相机的成像面几何关系是第一相机和第二相机的极平面、第一相机的光心、第二相机的光心之间的几何关系；
如果是，根据所述第一相机和所述第二相机的拍摄角度，以单应变化方式将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框；
如果否，则根据所述第一相机中目标障碍物的三维数据，基于图像成像原理将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框；
将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；
根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。
2.根据权利要求1所述的方法，其特征在于，将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算之前，还包括：
根据所述目标障碍物的轮廓框在所述第一相机所拍摄图像中的位置，确定在所述第二相机成像面中的对极线；
以所述对极线为基准，按照预设范围条件确定对极约束框；
将所述第二相机所拍摄图像中落入所述对极约束框内的障碍物，确定为所述候选障碍物。
3.根据权利要求2所述的方法，其特征在于，以所述对极线为基准，按照预设范围条件确定对极约束框包括：
以所述对极线为基准，垂直所述对极线平行方向向两侧扩充所述目标障碍物轮廓框高度的第一设定倍数；
将所述第一相机中目标障碍物的3D中心点投影到所述第二相机的成像面，形成投影点，计算所述投影点到所述对极线上的最近距离点；
以所述最近距离点为中心，沿所述对极线平行方向延伸扩充所述目标障碍物轮廓框高度的第二设定倍数，作为所述对极约束框。
4.根据权利要求1所述的方法，其特征在于，将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算包括：
计算所述投影轮廓框和所述候选障碍物轮廓框的下述至少一项计算：轮廓框重合面积、轮廓框形状相似度、轮廓框之间的中心点距离、障碍物类别以及所述目标障碍物的轮廓框高度与所述候选障碍物的轮廓框高度的比值与两相机焦距比值之比；
对各项计算结果进行加权汇总，以确定总体相似度。
5.根据权利要求1所述的方法，其特征在于：
所述第二相机所拍摄图像，为与所述第一相机所拍摄图像在设定时间间隔之内的或时间间隔最接近的一帧图像；
或
所述第二相机所拍摄图像，为与所述第一相机所拍摄图像在设定时间间隔之内的多帧图像。
6.根据权利要求5所述的方法，其特征在于，如果所述候选障碍物来自于所述第二相机拍摄的多帧图像，则根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性包括：
根据所述候选障碍物在多帧图像中各自计算的相似度的平均值或加权值，确定所述目标障碍物和所述候选障碍物的关联性。
7.根据权利要求1所述的方法，其特征在于，将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算之前，还包括：
通过所述第一相机和所述第二相机的拍摄重叠区域，过滤掉不属于重叠区域的障碍物。
8.根据权利要求1-7任一所述的方法，其特征在于，所述轮廓框为所述障碍物实际轮廓的最大外接矩形框。
9.一种跨相机的障碍物关联装置，其特征在于，包括：
轮廓框确定模块，用于在第一相机所拍摄图像中确定目标障碍物的轮廓框；
投影轮廓框确定模块，具体用于基于第一相机和第二相机的成像面几何关系，确定所述第一相机和第二相机之间的基线长度是否小于设定光心重合距离；其中，所述第一相机和第二相机的成像面几何关系是第一相机和第二相机的极平面、第一相机的光心、第二相机的光心之间的几何关系；如果是，根据所述第一相机和所述第二相机的拍摄角度，以单应变化方式将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框；如果否，则根据所述第一相机中目标障碍物的三维数据，基于图像成像原理将所述目标障碍物的轮廓框转换至所述第二相机的成像面中，以获得目标障碍物的投影轮廓框；相似度计算模块，用于将所述投影轮廓框与所述第二相机所拍摄图像中至少一个候选障碍物的轮廓框，进行相似度计算；
关联性计算模块，用于根据计算的相似度确定所述目标障碍物和所述候选障碍物的关联性。
10.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的跨相机的障碍物关联方法。
11.一种电子系统，其特征在于，包括权利要求10所述的电子设备和相机，所述电子设备为工控机，所述相机的数量为两个以上，用于采集车辆周边环境图像，所述工控机识别出的关联的障碍物用于进行车辆驾驶控制。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述跨相机的障碍物关联的方法。
CN202010022971.1A 2020-01-09 2020-01-09 跨相机的障碍物关联方法、装置、设备、电子系统及介质 Active CN111222579B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010022971.1A CN111222579B (zh) 2020-01-09 2020-01-09 跨相机的障碍物关联方法、装置、设备、电子系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010022971.1A CN111222579B (zh) 2020-01-09 2020-01-09 跨相机的障碍物关联方法、装置、设备、电子系统及介质

Publications (2)

Publication Number Publication Date
CN111222579A CN111222579A (zh) 2020-06-02
CN111222579B true CN111222579B (zh) 2023-10-03

Family

ID=70806524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010022971.1A Active CN111222579B (zh) 2020-01-09 2020-01-09 跨相机的障碍物关联方法、装置、设备、电子系统及介质

Country Status (1)

Country Link
CN (1) CN111222579B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112464812B (zh) * 2020-11-27 2023-11-24 西北工业大学 一种基于车辆的凹陷类障碍物检测方法
CN112541464A (zh) * 2020-12-21 2021-03-23 北京百度网讯科技有限公司 关联道路对象的确定方法、装置、路侧设备和云控平台
CN113869422B (zh) * 2021-09-29 2022-07-12 北京易航远智科技有限公司 多相机目标匹配方法、系统、电子设备及可读存储介质
CN114419580A (zh) * 2021-12-27 2022-04-29 北京百度网讯科技有限公司 障碍物关联方法、装置、电子设备及存储介质
CN116563818B (zh) * 2023-04-14 2024-02-06 禾多科技（北京）有限公司 障碍物信息生成方法、装置、电子设备和计算机可读介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8917317B1 (en) * 2010-01-18 2014-12-23 Disney Enterprises, Inc. System and method for camera calibration
CN105814875A (zh) * 2013-12-06 2016-07-27 谷歌公司 选择用于立体成像的相机对
WO2018202464A1 (en) * 2017-05-03 2018-11-08 Connaught Electronics Ltd. Calibration of a vehicle camera system in vehicle longitudinal direction or vehicle trans-verse direction
CN109163707A (zh) * 2018-09-06 2019-01-08 百度在线网络技术（北京）有限公司 障碍物感知方法、系统、计算机设备、计算机存储介质
CN109165629A (zh) * 2018-09-13 2019-01-08 百度在线网络技术（北京）有限公司 多焦距视觉障碍物感知方法、装置、设备及存储介质
CN109690649A (zh) * 2016-09-05 2019-04-26 日产自动车株式会社 车辆行驶控制方法及车辆行驶控制装置
CN109740443A (zh) * 2018-12-12 2019-05-10 歌尔股份有限公司 检测障碍物的方法、装置及运动设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5959073B2 (ja) * 2014-09-30 2016-08-02 インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ 検出装置、検出方法、及び、プログラム
EP3043289B1 (en) * 2015-01-07 2023-04-19 Honda Research Institute Europe GmbH Control system for an autonomous vehicle and a method for generating a control signal and autonomous vehicle equipped with such control system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8917317B1 (en) * 2010-01-18 2014-12-23 Disney Enterprises, Inc. System and method for camera calibration
CN105814875A (zh) * 2013-12-06 2016-07-27 谷歌公司 选择用于立体成像的相机对
CN109690649A (zh) * 2016-09-05 2019-04-26 日产自动车株式会社 车辆行驶控制方法及车辆行驶控制装置
WO2018202464A1 (en) * 2017-05-03 2018-11-08 Connaught Electronics Ltd. Calibration of a vehicle camera system in vehicle longitudinal direction or vehicle trans-verse direction
CN109163707A (zh) * 2018-09-06 2019-01-08 百度在线网络技术（北京）有限公司 障碍物感知方法、系统、计算机设备、计算机存储介质
CN109165629A (zh) * 2018-09-13 2019-01-08 百度在线网络技术（北京）有限公司 多焦距视觉障碍物感知方法、装置、设备及存储介质
CN109740443A (zh) * 2018-12-12 2019-05-10 歌尔股份有限公司 检测障碍物的方法、装置及运动设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Reactive Obstacle Avoidance for Highly Maneuverable Vehicles Based on a Two-Stage Optical Flow Clustering;Alexander Schaub 等;《IEEE Transactions on Intelligent Transportation Systems》;第18卷(第8期);第2137 - 2152页 *
Tian-Ding Chen.Fast Computing Scheme for AGV Obstacle Distance Measure and Road Recognition.Advanced Materials Research.2010,第108–111卷500-506. *
张晶晶.基于多层次特征提取与匹配视差图像拼接算法研究.中国优秀硕士学位论文全文数据库 (信息科技辑).2017,(第07期),正文第12页. *
越野无人驾驶车辆超声测障技术研究;崔慧海;《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》(第01期);第C035-10页 *

Also Published As

Publication number Publication date
CN111222579A (zh) 2020-06-02

Similar Documents

Publication Publication Date Title
CN111222579B (zh) 跨相机的障碍物关联方法、装置、设备、电子系统及介质
CN112652016B (zh) 点云预测模型的生成方法、位姿估计方法及其装置
CN110827325B (zh) 目标跟踪方法、装置、电子设备及存储介质
CN111968229A (zh) 高精度地图制图方法及装置
JP7422105B2 (ja) 路側計算装置に用いる障害物３次元位置の取得方法、装置、電子デバイス、コンピュータ可読記憶媒体、及びコンピュータプログラム
CN111784836B (zh) 高精地图生成方法、装置、设备及可读存储介质
CN111612753B (zh) 三维物体检测方法、装置、电子设备和可读存储介质
CN110675635B (zh) 相机外参的获取方法、装置、电子设备及存储介质
CN112509126B (zh) 三维物体检测的方法、装置、设备及存储介质
CN112487979B (zh) 目标检测方法和模型训练方法、装置、电子设备和介质
CN111402161B (zh) 点云障碍物的去噪方法、装置、设备和存储介质
EP3879446A2 (en) Method for detecting vehicle lane change, roadside device, cloud control platform and program product
CN111402160B (zh) 一种点云数据去噪方法、装置、设备和存储介质
CN110659600A (zh) 物体检测方法、装置及设备
CN112241718A (zh) 车辆信息的检测方法、检测模型的训练方法和装置
CN111652113A (zh) 障碍物检测方法、装置、设备以及存储介质
CN111753739A (zh) 物体检测方法、装置、设备以及存储介质
KR20210089107A (ko) 크로스 카메라 장애물 추적 방법, 장치, 설비, 시스템 및 매체
Jang et al. Camera orientation estimation using motion-based vanishing point detection for advanced driver-assistance systems
CN112528932B (zh) 用于优化位置信息的方法、装置、路侧设备和云控平台
CN111967481B (zh) 视觉定位方法、装置、电子设备及存储介质
CN112085842A (zh) 深度值确定方法及装置、电子设备和存储介质
CN111784579B (zh) 制图方法及装置
CN111968071B (zh) 车辆的空间位置生成方法、装置、设备及存储介质
CN112381877B (zh) 定位融合、室内定位方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant