CN111223150A - 一种基于双消失点的车载摄像头外参数标定方法 - Google Patents
一种基于双消失点的车载摄像头外参数标定方法 Download PDFInfo
- Publication number
- CN111223150A CN111223150A CN202010044488.3A CN202010044488A CN111223150A CN 111223150 A CN111223150 A CN 111223150A CN 202010044488 A CN202010044488 A CN 202010044488A CN 111223150 A CN111223150 A CN 111223150A
- Authority
- CN
- China
- Prior art keywords
- vanishing point
- vehicle
- camera
- candidate set
- lane
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000001514 detection method Methods 0.000 claims description 30
- 238000007621 cluster analysis Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 14
- 238000013519 translation Methods 0.000 description 12
- 238000009434 installation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000009977 dual effect Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于双消失点的车载摄像头外参数标定方法,涉及车载摄像头标定的技术领域,该方法通过将待标定车辆以不同角度两次停靠在指定车道,获取第一图像序列和第二图像序列,再对第一图像序列和第二图像序列进行消失点检测和聚类分析,分别获取第一最优消失点和第二最优消失点,最后基于第一最优消失点、第二最优消失点和摄像头内参数,计算出摄像头外参数,解决了摄像头外参数的标定效率低、成本高的问题,达到了降低标定成本、提高标定效率的有益效果。
Description
技术领域
本发明涉及车载摄像头标定技术领域,尤其是涉及一种基于双消失点的车载摄像头外参数标定方法。
背景技术
随着车辆行业的发展,越来越多的车辆配备了高级辅助驾驶系统或自动驾驶系统。为了保证辅助驾驶系统的正常工作,在装配车载摄像头时必须对摄像头外参数进行标定。这里所说的车载摄像头一般为安装在车辆前挡风玻璃中间的前视摄像头,用于观察车辆前方的道路情况。摄像头外参数标定主要是寻找摄像机坐标系和世界坐标系之间的旋转、平移关系,摄像头外参数包括旋转矩阵R和平移向量T。
目前,通常采用静态标定法对摄像头外参数进行标定,该方法的原理为:首先建立如图1的(A)部分所示的世界坐标系Ow-XwYwZw,按照如图1的(B)部分所示的方式停靠车辆,使车辆正对标定板,测量标定板上每个角点的世界坐标;然后使用车载摄像头拍摄一幅标定板的图像,得到每个角点的像素坐标,再将每个角点的像素坐标与世界坐标相匹配,并计算旋转矩阵R和平移向量T。其中,标定板通常有图1的(C)部分所示的两种。现有技术中常用的摄像头外参数标定方法由于需要特制的标定工具辅助,导致存在标定效率低、成本高的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于双消失点的车载摄像头外参数标定方法,以缓解现有技术中摄像头外参数的标定效率低、成本高的问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种基于双消失点的车载摄像头外参数标定方法,该方法包括:
将待标定车辆以第一状态停靠在指定车道,获取第一图像序列,所述指定车道包括至少两条平行的车道线,所述待标定车辆停靠在至少两条所述车道线之间,所述第一状态为所述待标定车辆平行于所述车道线;所述第一图像序列包括多张当前道路的图像;
将所述待标定车辆以第二状态停靠在所述指定车道,获取第二图像序列,所述第二状态为所述待标定车辆与所述车道线存在第一夹角;所述第二图像序列包括多张当前道路的图像;
对所述第一图像序列和所述第二图像序列进行消失点检测,分别生成第一消失点候选集和第二消失点候选集;
对所述第一消失点候选集和所述第二消失点候选集进行聚类分析,分别获取第一最优消失点和第二最优消失点;
基于所述第一最优消失点、所述第二最优消失点和摄像头内参数,计算所述摄像头外参数。
在可选的实施方式中,在所述将待标定车辆以第一状态停靠在指定车道,获取第一图像序列的步骤之前,还包括:基于预先确定的摄像头的第一参数和坐标系,计算所述摄像头的第一向量;基于所述摄像头视野中的第一目标地面与车头所在位置的距离,确定第一距离;所述第一目标地面为所述摄像头视野中的最低可见地面;基于所述第一参数、所述第一距离和所述第一向量,计算所述摄像头的外参数估计值。
在可选的实施方式中,基于预先确定的摄像头的第一参数和坐标系,计算所述摄像头的第一向量的步骤,包括:建立坐标系,所述坐标系包括坐标原点、第一坐标轴、第二坐标轴和第三坐标轴;测量所述摄像头的第一参数,所述第一参数用于指示所述摄像头在所述车辆的位置;基于所述坐标系和所述第一参数,计算所述摄像头的第一向量。
在可选的实施方式中,该方法还包括:基于所述外参数估计值和所述摄像头内参数,确定两个车道线斜率阈值,所述两个车道线斜率阈值用于筛选两条所述车道线以及当前道路中与所述车道线平行的直线。
在可选的实施方式中,该方法还包括:基于所述摄像头视野中的第二目标地面与车头所在位置的距离,确定第二距离;所述第二目标地面为所述摄像头视野中的最高可见地面;基于所述第二距离,确定图像信息区域;计算所述图像信息区域在所述图像中的边缘信息。
在可选的实施方式中,对所述第一图像序列和所述第二图像序列进行消失点检测,分别生成第一消失点候选集和第二消失点候选集的步骤,包括:对所述第一图像序列和所述第二图像序列中的图像进行剪裁,保留所述图像信息区域;对所述图像信息区域进行直线检测,并确定在所述两个车道线斜率阈值相应范围内的直线,获得第一直线候选集和第二直线候选集;对所述第一直线候选集和所述第二直线候选集进行消失点检测,生成第一消失点候选集和第二消失点候选集。
在可选的实施方式中,对所述第一消失点候选集和所述第二消失点候选集进行聚类分析,分别获取第一消最优失点和第二最优消失点的步骤,包括:对所述第一消失点候选集和所述第二消失点候选集进行分类;剔除分类后的所述第一消失点候选集和所述第二消失点候选集中的噪声点;基于剔除噪声点后的所述第一消失点候选集和所述第二消失点候选集,确定第一消失点样本和第二消失点样本;对所述第一消失点样本和所述第二消失点样本进行极大似然估计,分别获取第一最优消失点和第二最优消失点。
第二方面,本发明实施例还提供了一种基于双消失点的车载摄像头外参数标定装置,包括:
获取模块,用于将待标定车辆以第一状态停靠在指定车道,获取第一图像序列,所述指定车道包括至少两条平行的车道线,所述待标定车辆停靠在至少两条所述车道线之间,所述第一状态为所述待标定车辆平行于所述车道线;
所述获取模块,还用于将所述待标定车辆以第二状态停靠在所述指定车道,获取第二图像序列,所述第二状态为所述待标定车辆与所述车道线存在第一夹角;
生成模块,用于对所述第一图像序列和所述第二图像序列进行消失点检测,分别生成第一消失点候选集和第二消失点候选集;
分析模块,用于对所述第一消失点候选集和所述第二消失点候选集进行聚类分析,分别获取第一最优消失点和第二最优消失点;
计算模块,用于基于所述第一最优消失点、所述第二最优消失点和摄像头内参数,计算所述摄像头外参数。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述第一方面任一项所述的方法。
本申请实施例带来了以下有益效果:
本申请实施例提供了一种基于双消失点的车载摄像头外参数标定方法,该方法通过将待标定车辆以不同角度两次停靠在指定车道,获取第一图像序列和第二图像序列,再对第一图像序列和第二图像序列进行消失点检测和聚类分析,分别获取第一最优消失点和第二最优消失点,最后基于第一最优消失点、第二最优消失点和摄像头内参数,计算出摄像头外参数,解决了摄像头外参数的标定效率低、成本高的问题,达到了降低标定成本、提高标定效率的有益效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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为一种利用标定板进行静态标定的方法示意图;
图2为一种限制安装角度进行动态标定的方法示意图;
图3为本发明实施例提供的一种基于双消失点的车载摄像头外参数标定方法的流程示意图;
图4为本发明实施例提供的一种世界坐标系构建的示意图;
图5为本发明实施例提供的一种基于双消失点的车载摄像头外参数标定方法中摄像头的第一参数示意图;
图6为本发明实施例提供的一种基于双消失点的车载摄像头外参数标定方法中确定两个车道线斜率阈值的示意图;
图7为本发明实施例提供的一种车辆停靠方式示意图;
图8为本发明实施例提供的一种基于双消失点的车载摄像头外参数标定装置结构示意图;
图9为本发明实施例提供的一种电子设备结构示意图。
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,下面将结合附图对本发明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做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。
本申请实施例中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
摄像头外参数包括旋转矩阵R和平移向量T,旋转矩阵R决定了从世界坐标系变到摄像头坐标系所需要发生的旋转,平移向量T决定了从世界坐标系变到摄像头坐标系所需要发生的平移,旋转矩阵R和平移向量T共同构成了摄像头外参数。摄像头安装在挡风玻璃上时,会存在3个自由度的旋转,即存在俯仰角(pitch)(相对于地平面)、偏航角(yaw)(相对于车辆前进方向)、翻滚角(roll)(相对于地平面)。一般将世界坐标系建立在地面上,所以这3个旋转角集中体现在了旋转矩阵R中。平移向量T的求解一般通过首先解出旋转矩阵R,然后测量出摄像头在世界坐标系下的坐标Oc,最后计算平移向量T=-R·Oc来获得。
目前常用的车载摄像头外参数标定的方法有以下几种:
方法一、利用标定板进行静态标定;首先建立如图1的(A)部分所示的世界坐标系Ow-XwYwZw,按照如图1的(B)部分所示的方式停靠车辆,使车辆正对标定板,测量标定板上每个角点的世界坐标;然后使用车载摄像头拍摄一幅标定板的图像,得到每个角点的像素坐标,再将每个角点的像素坐标与世界坐标相匹配,并计算旋转矩阵R和平移向量T。其中,标定板通常有图1的(C)部分所示的两种。该方法的缺陷是标定过程复杂且采用特制的标定板,导致标定效率低、成本高。
方法二、利用标定板和指定安装角度进行静态标定;原理同方法一,所采用的标定板如图1的(D)部分所示,并且需要限制车载摄像头在安装后只存在仰俯角。
方法三、限制安装角度进行动态标定;首先建立如图1的(A)部分所示的世界坐标系Ow-XwYwZw,限制摄像头只存在俯仰角,不存在偏航角和翻滚角;测量摄像头的安装位置,获得摄像头光心Oc的世界坐标,其计算参数包括摄像头距车辆前挡风玻璃左、右边框的水平距离SL、SR,距车头最前端的水平距离L以及距地面的高度H(参照图2的(A)部分);然后使车辆行驶尽量平行于车道线直线行驶,采集车辆行驶的道路图像序列,参照图2的(B)部分,并对图像序列中的每一张图像进行车道线检测获取两条车道线的交点作为道路消失点集合vy,i,在集合中取最优点vy;基于消失点计算摄像头的仰俯角,进一步计算出旋转矩阵R和平移向量T。上述两种方法的缺陷是摄像头在安装时难以满足偏航角和翻滚角均为0的条件,操作难度大,并且标定获得的旋转矩阵R的完备性和准确性较低。
方法四、不限制安装角度进行动态标定;首先按照方法三中的方式建立世界坐标并计算摄像头光心Oc的世界坐标,然后使车辆尽量平行于车道线直线行驶,采集车辆行驶时的道路图像序列,对道路图像序列进行消失点检测,检测得到3个正交方向的消失点vx、vy、vz,并进一步计算出旋转矩阵R和平移向量T。该方法由于要获得三个正交方向的消失点导致图像处理时计算量大,运算速度慢,且该方法要求在车辆行驶中进行,容易因车辆颠簸导致标定精度低。
基于此,本发明实施例提供了一种基于双消失点的车载摄像头外参数标定方法,通过该方法可以解决上述现有技术中车载摄像头外参数标定中的问题。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种基于双消失点的车载摄像头外参数标定方法进行详细介绍,参见图3所示的一种基于双消失点的车载摄像头外参数标定方法的流程示意图,该方法可以由电子设备执行,主要包括以下步骤S310至步骤S350:
S310,将待标定车辆以第一状态停靠在指定车道,获取第一图像序列。
其中,指定车道包括至少两条平行的车道线,待标定车辆停靠在至少两条车道线之间,第一状态为待标定车辆平行于车道线。指定车道可以在一条平坦的道路上选择,至少包括两条平行且清晰的车道线,并且车道线的长度至少为50米。
在一些实施方式中,在步骤S310之前,该方法还包括:
步骤(1),基于预先确定的摄像头的第一参数和坐标系,计算摄像头的第一向量。
在一些实施方式中,上述步骤(1)包括:
步骤(11),建立坐标系,坐标系包括坐标原点、第一坐标轴、第二坐标轴和第三坐标轴;
其中,坐标原点为车辆前端中心点在地面上的垂直投影点,第一坐标轴为经过坐标原点且与车辆的纵向轴线平行的直线,取车辆的前进方向为第一坐标轴的正方向;第二坐标轴为经过坐标原点且垂直于第一坐标轴的直线,取车辆左前轮指向右前轮方向为第二坐标轴的正方向;第三坐标轴为经过坐标原点且垂直于地面的直线,取自地面竖直向上的方向为第三坐标轴的正方向。
具体示例参见图4,坐标系可以是世界坐标系Ow-XwYwZw,取车头最前端中心点在地面上的垂直投影点为坐标原点Ow;取地面上过原点Ow且平行于车身纵向轴线的直线为Yw轴,取汽车前进方向为其正方向;取地面上过原点Ow且垂直于Yw轴的直线为Xw轴,取自车辆左前轮指向右前轮的方向为其正方向;取过原点Ow且垂直于地面的直线为Zw轴,取自地面竖直向上为其正方向。
步骤(12),测量摄像头的第一参数,第一参数用于指示摄像头在车辆的位置。
其中,第一参数可以包括摄像头距车辆前挡风玻璃左右边框的水平距离、摄像头距车头最前端的水平距离和摄像头距地面的高度。
具体示例参见图5,使用简单的工具(如卷尺等长度测量工具)测量摄像头在车辆上的安装位置,作为摄像头的第一参数,包括摄像头距车辆前挡风玻璃左边框的水平距离SL、摄像头距车辆前挡风玻璃右边框的水平距离SR、摄像头距车头最前端的水平距离L和摄像头距地面的高度H。
步骤(13),基于坐标系和第一参数,计算第一向量。
具体的,根据第一参数指示的摄像头的安装位置,计算摄像头光心Oc的世界坐标,计算公式如下:
其中,SL为摄像头距车辆前挡风玻璃左边框的水平距离,SR为摄像头距车辆前挡风玻璃右边框的水平距离、L为摄像头距车头最前端的水平距离,H为摄像头距地面的高度。
步骤(2),基于摄像头视野中的第一目标地面与车头所在位置的距离,确定第一距离。
第一目标地面为摄像头视野中的最低可见地面,进一步可以是在摄像头所拍摄的画面中,与摄像头在Yw轴的正方向距离最近的地面上的点。例如,确定第一距离的具体方法可以是:将车载摄像头连接到外接显示屏上;从显示屏画面的最底部往上找,找到画面中首次出现的路面区域,记为区域S1;在道路上找到区域S1,测量区域S1距离车头在Yw轴的正方向的最近距离Ymin,即为第一距离。
步骤(3),基于第一参数、第一距离和第一向量,计算摄像头的外参数估计值。
具体的,根据第一参数H和第一距离Ymin计算车载摄像头的俯仰角估计值α0:
其中,角度θ为摄像头的垂直视场角,为摄像头出厂时的已知参数。
然后计算旋转矩阵估计值R0:
在一些实施方式中,上述方法还包括:
步骤(4),基于外参数估计值和摄像头内参数,确定两个车道线斜率阈值。其中,两个车道线斜率阈值用于筛选两条车道线以及当前道路中与车道线平行的直线。
具体的,车道线斜率阈值可以用于在消失点检测中筛选直线,设置两个车道线斜率阈值分别为kL和kR,假设车辆停靠在同向三车道的正中位置,并使用车载摄像头对道路拍摄一幅图像,则记图像中最左边车道线为l0,记图像中最右边车道线为l1,利用上述步骤(3)计算得到的外参数估计值R0和T0,以及摄像头的内参数M,计算直线l0的斜率kL和直线l1的斜率kR。
参见图6所示的具体示例,例如,假设车辆停靠在同向三车道的正中位置,则在世界坐标系下,记在车辆最左边的车道线为L0,车辆最右边的车道线为L1;取直线L0上的2个端点P0(X0,Y0,0)和P1(X1,Y1,0),取直线L1上的2个端点P2(X2,Y2,0)和P3(X3,Y3,0);利用外参数估计值R0和T0,以及摄像头的内参数M,分别计算点P0、P1、P2、P3在图像中的对应点p0(u0,v0)、p1(u1,v1)、p2(u2,v2)、p3(u3,v3);根据点Pi(Xi,Yi,0)计算其在图像中的对应点pi(ui,vi)的公式如下:
其中,s为比例因子,M为已知的摄像头内参数。
最后计算直线l0的斜率kL和直线l1的斜率kR:
在一些实施方式中,上述方法还包括:
步骤(5),基于摄像头视野中的第二目标地面与车头所在位置的距离,确定第二距离。第二目标地面为摄像头视野中的最高可见地面,进一步可以是在摄像头所拍摄的画面中,与摄像头在Yw轴的正方向距离最远的地面上的点。
例如,确定第二距离的具体方法可以是:将车载摄像头连接到外接显示屏上;从显示屏画面的最底部往上找,找到画面中最后出现的路面区域,记为区域S2;在道路上找到区域S2,测量区域S2距离车头在Yw轴的正方向的最远距离Ymax,即为第二距离。
步骤(6),基于第二距离,确定图像信息区域;
步骤(7),计算图像信息区域在图像中的边缘信息。
具体的,区域S2在图像中的对应区域为S2’,计算区域S2’在图像中的上边缘vmin。进一步的,在世界坐标系下取车辆正前方与车头距离为Ymax的点P4(0,Ymax,0);利用外参数估计值R0和T0,以及摄像头的内参数M,计算P4在图像中的对应点p4(u4,v4),最后计算vmin。
对于步骤S310,具体参照图7的(A)部分所示,第一次停靠车辆,以第一状态将待标定车辆停靠在两条车道线之间,即使车身平行于车道线,此时通过车载摄像头采集多张当前道路的图像(图像的数量可以大于500张),组成第一图像序列。
S320,将待标定车辆以第二状态停靠在指定车道,获取第二图像序列。
其中,第二状态为待标定车辆与车道线存在第一夹角,第一夹角可以为一个固定值,如30度。
具体参照图7的(B)部分所示,第二次停靠车辆,以第二状态将待标定车辆停靠在两条车道线之间,即使车身与车道线存在一定的夹角,夹角大小在10度至30度之间,夹角方向任意,此时通过车载摄像头采集多张当前道路的图像(图像的数量可以大于500张),组成第二图像序列。
本实施例提供的基于双消失点的车载摄像头外参数标定方法,在标定摄像头外参数时,无需特制的标定装置,只需要卷尺等长度测量工具和一块显示屏,从而实现了降低成本的有益效果。
S330,对第一图像序列和第二图像序列进行消失点检测,分别生成第一消失点候选集和第二消失点候选集。
在一些实施方式中,步骤S330包括以下步骤:
步骤(a),对第一图像序列和第二图像序列中的图像进行剪裁,保留图像信息区域。
具体的,剪裁图像,保留图像中像素值v≥vmin的区域,获得图像感兴趣区域,即图像信息区域。
步骤(b),对图像信息区域进行直线检测,并确定在两个车道线斜率阈值相应范围内的直线,获得第一直线候选集和第二直线候选集。
具体的,对图像感兴趣区域进行直线检测,获得直线检测结果,并计算直线检测结果中每条直线的斜率ki。其中,直线检测可以使用霍夫直线检测算法、LSD直线检测算法等。
进一步的,保留直线检测结果满足斜率ki≤kL或ki≥kR的直线,组成直线候选集,然后对直线候选集进行消失点检测,得到当前图像对应的唯一的道路消失点。其中,消失点检测可以使用RANSAC算法、高斯球算法等。
步骤(c),对第一直线候选集和第二直线候选集进行消失点检测,生成第一消失点候选集和第二消失点候选集。
上述实施方式提供的基于双消失点的车载摄像头外参数标定方法,可以根据需求(即Ymax的值大小)以及粗略的外参数R0和T0,灵活地计算图像的感兴趣区域并对图像进行剪裁,从而实现了降低计算量、提高标定速度的效果。
S340,对第一消失点候选集和第二消失点候选集进行聚类分析,分别获取第一最优消失点和第二最优消失点。
其中,聚类分析的算法可以是DBSCAN算法、K-means算法等。
在一些实施方式中,步骤S340包括以下步骤:
步骤(d),对第一消失点候选集和第二消失点候选集进行分类;
步骤(e),剔除分类后的第一消失点候选集和第二消失点候选集中的噪声点;
步骤(f),基于剔除噪声点后的第一消失点候选集和第二消失点候选集,确定第一消失点样本和第二消失点样本;
步骤(g),对第一消失点样本和第二消失点样本进行极大似然估计,分别获取第一最优消失点和第二最优消失点。
具体的,可以假设消失点样本的分布是关于随机变量u和v的为二维正态分布:
对第一消失点样本计算参数μu,1和参数μv,1的极大似然估计,并计算出第一最佳消失点vy(uy,vy);对第二消失点样本计算参数μu,2和参数μv,2的极大似然估计,并计算出第二最佳消失点va(ua,va)。
上述实施方式提供的基于双消失点的车载摄像头外参数标定方法,在标定摄像头外参数时,车辆全程保持静止状态,并利用聚类方法以及极大似然估计方法来获得道路消失点,从而提高了标定的准确率。
S350,基于第一最优消失点、第二最优消失点和摄像头内参数,计算摄像头外参数。
最后计算最终的旋转矩阵R和最终的平移向量T:
另外,本实施例提供的基于双消失点的车载摄像头外参数标定方法,在标定摄像头时,所需的人为操作只有如下四步:
(1)使用工具测量摄像头的安装位置;
(2)使用显示屏确定摄像头最近可见地面和最远可见地面两个位置;
(3)使用工具测量摄像头最近可见地面和最远可见地面两个位置与车头所在位置的距离;
(4)分2次按照不同的方式将汽车停靠在道路的车道线之间。
以上步骤操作简单,耗时短,从而实现了提高标定效率的有益效果。
本实施例提供的基于双消失点的车载摄像头外参数标定方法,通过将待标定车辆以不同角度两次停靠在指定车道,获取第一图像序列和第二图像序列,再对第一图像序列和第二图像序列进行消失点检测和聚类分析,分别获取第一最优消失点和第二最优消失点,最后基于第一最优消失点、第二最优消失点和摄像头内参数,计算出摄像头外参数,解决了摄像头外参数的标定效率低、成本高的问题,达到了降低标定成本、提高标定效率的有益效果。
此外,本发明实施例还提供了一种基于双消失点的车载摄像头外参数标定装置,如图8所示,包括:
获取模块810,用于将待标定车辆以第一状态停靠在指定车道,获取第一图像序列,指定车道包括至少两条平行的车道线,待标定车辆停靠在至少两条车道线之间,第一状态为待标定车辆平行于车道线;
获取模块810,还用于将待标定车辆以第二状态停靠在指定车道,获取第二图像序列,第二状态为待标定车辆与车道线存在第一夹角;
生成模块820,用于对第一图像序列和第二图像序列进行消失点检测,分别生成第一消失点候选集和第二消失点候选集;
分析模块830,用于对第一消失点候选集和第二消失点候选集进行聚类分析,分别获取第一最优消失点和第二最优消失点;
计算模块840,用于基于第一最优消失点、第二最优消失点和摄像头内参数,计算摄像头外参数。
在一些实施方式中,上述装置还包括:
计算单元,用于基于预先确定的摄像头的第一参数和坐标系,计算摄像头的第一向量;计算单元还用于基于摄像头视野中的第一目标地面与车头所在位置的距离,确定第一距离;第一目标地面为摄像头视野中的最低可见地面;计算单元,还用于基于第一参数、第一距离和第一向量,计算摄像头的外参数估计值。
在一些实施方式中,计算单元还用于基于外参数估计值和摄像头内参数,确定两个车道线斜率阈值。
可选的,生成模块还可以用于对第一图像序列和第二图像序列中的图像进行剪裁,保留图像信息区域;对图像信息区域进行直线检测,并确定在两个车道线斜率阈值相应范围内的直线,获得第一直线候选集和第二直线候选集;对第一直线候选集和第二直线候选集进行消失点检测,生成第一消失点候选集和第二消失点候选集。
可选的,分析模块还可以用于对第一消失点候选集和第二消失点候选集进行分类;剔除分类后的第一消失点候选集和第二消失点候选集中的噪声点;基于剔除噪声点后的第一消失点候选集和第二消失点候选集,确定第一消失点样本和第二消失点样本;对第一消失点样本和第二消失点样本进行极大似然估计,分别获取第一最优消失点和第二最优消失点。
本申请实施例所提供的基于双消失点的车载摄像头外参数标定装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。本申请实施例提供的基于双消失点的车载摄像头外参数标定装置与上述实施例提供的基于双消失点的车载摄像头外参数标定方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
本申请实施例还提供了一种电子设备,具体的,该电子设备包括处理器和存储装置;存储装置上存储有计算机程序,计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图9为本申请实施例提供的一种电子设备的结构示意图,该电子设备900包括:处理器90,存储器91,总线92和通信接口93,所述处理器90、通信接口93和存储器91通过总线92连接;处理器90用于执行存储器91中存储的可执行模块,例如计算机程序。
其中,存储器91可能包含高速随机存取存储器(RAM,RandomAccessMemory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。通过至少一个通信接口93(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接,可以使用互联网,广域网,本地网,城域网等。
总线92可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
其中,存储器91用于存储程序,所述处理器90在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器90中,或者由处理器90实现。
处理器90可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器90中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器90可以是通用处理器,包括中央处理器(CentralProcessingUnit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器91,处理器90读取存储器91中的信息,结合其硬件完成上述方法的步骤。
对应于上述基于双消失点的车载摄像头外参数标定方法,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述方法的步骤。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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。
应注意到:相似的标号和字母在附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于双消失点的车载摄像头外参数标定方法,其特征在于,包括:
将待标定车辆以第一状态停靠在指定车道,获取第一图像序列,所述指定车道包括至少两条平行的车道线,所述待标定车辆停靠在至少两条所述车道线之间,所述第一状态为所述待标定车辆平行于所述车道线;所述第一图像序列包括多张当前道路的图像;
将所述待标定车辆以第二状态停靠在所述指定车道,获取第二图像序列,所述第二状态为所述待标定车辆与所述车道线存在第一夹角;所述第二图像序列包括多张当前道路的图像;
对所述第一图像序列和所述第二图像序列进行消失点检测,分别生成第一消失点候选集和第二消失点候选集;
对所述第一消失点候选集和所述第二消失点候选集进行聚类分析,分别获取第一最优消失点和第二最优消失点;
基于所述第一最优消失点、所述第二最优消失点和摄像头内参数,计算所述摄像头外参数。
2.根据权利要求1所述的方法,其特征在于,在所述将待标定车辆以第一状态停靠在指定车道,获取第一图像序列的步骤之前,还包括:
基于预先确定的摄像头的第一参数和坐标系,计算所述摄像头的第一向量;
基于所述摄像头视野中的第一目标地面与车头所在位置的距离,确定第一距离;所述第一目标地面为所述摄像头视野中的最低可见地面;
基于所述第一参数、所述第一距离和所述第一向量,计算所述摄像头的外参数估计值。
3.根据权利要求2所述的方法,其特征在于,基于预先确定的摄像头的第一参数和坐标系,计算所述摄像头的第一向量的步骤,包括:
建立坐标系,所述坐标系包括坐标原点、第一坐标轴、第二坐标轴和第三坐标轴;
测量所述摄像头的第一参数,所述第一参数用于指示所述摄像头在所述车辆的位置;
基于所述坐标系和所述第一参数,计算所述摄像头的第一向量。
4.根据权利要求2所述的方法,其特征在于,还包括:
基于所述外参数估计值和所述摄像头内参数,确定两个车道线斜率阈值,所述两个车道线斜率阈值用于筛选两条所述车道线以及当前道路中与所述车道线平行的直线。
5.根据权利要求4所述的方法,其特征在于,还包括:
基于所述摄像头视野中的第二目标地面与车头所在位置的距离,确定第二距离;所述第二目标地面为所述摄像头视野中的最高可见地面;
基于所述第二距离,确定图像信息区域;
计算所述图像信息区域在所述图像中的边缘信息。
6.根据权利要求5所述的方法,其特征在于,对所述第一图像序列和所述第二图像序列进行消失点检测,分别生成第一消失点候选集和第二消失点候选集的步骤,包括:
对所述第一图像序列和所述第二图像序列中的图像进行剪裁,保留所述图像信息区域;
对所述图像信息区域进行直线检测,并确定在所述两个车道线斜率阈值相应范围内的直线,获得第一直线候选集和第二直线候选集;
对所述第一直线候选集和所述第二直线候选集进行消失点检测,生成第一消失点候选集和第二消失点候选集。
7.根据权利要求1所述的方法,其特征在于,对所述第一消失点候选集和所述第二消失点候选集进行聚类分析,分别获取第一消最优失点和第二最优消失点的步骤,包括:
对所述第一消失点候选集和所述第二消失点候选集进行分类;
剔除分类后的所述第一消失点候选集和所述第二消失点候选集中的噪声点;
基于剔除噪声点后的所述第一消失点候选集和所述第二消失点候选集,确定第一消失点样本和第二消失点样本;
对所述第一消失点样本和所述第二消失点样本进行极大似然估计,分别获取第一最优消失点和第二最优消失点。
8.一种基于双消失点的车载摄像头外参数标定装置,其特征在于,包括:
获取模块,用于将待标定车辆以第一状态停靠在指定车道,获取第一图像序列,所述指定车道包括至少两条平行的车道线,所述待标定车辆停靠在至少两条所述车道线之间,所述第一状态为所述待标定车辆平行于所述车道线;
所述获取模块,还用于将所述待标定车辆以第二状态停靠在所述指定车道,获取第二图像序列,所述第二状态为所述待标定车辆与所述车道线存在第一夹角;
生成模块,用于对所述第一图像序列和所述第二图像序列进行消失点检测,分别生成第一消失点候选集和第二消失点候选集;
分析模块,用于对所述第一消失点候选集和所述第二消失点候选集进行聚类分析,分别获取第一最优消失点和第二最优消失点;
计算模块,用于基于所述第一最优消失点、所述第二最优消失点和摄像头内参数,计算所述摄像头外参数。
9.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述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计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010044488.3A CN111223150A (zh) | 2020-01-15 | 2020-01-15 | 一种基于双消失点的车载摄像头外参数标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010044488.3A CN111223150A (zh) | 2020-01-15 | 2020-01-15 | 一种基于双消失点的车载摄像头外参数标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111223150A true CN111223150A (zh) | 2020-06-02 |
Family
ID=70831813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010044488.3A Pending CN111223150A (zh) | 2020-01-15 | 2020-01-15 | 一种基于双消失点的车载摄像头外参数标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111223150A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150560A (zh) * | 2020-09-27 | 2020-12-29 | 上海高德威智能交通系统有限公司 | 确定消失点的方法、装置及计算机存储介质 |
CN112489136A (zh) * | 2020-11-30 | 2021-03-12 | 商汤集团有限公司 | 标定方法、位置确定方法、装置、电子设备及存储介质 |
CN114332248A (zh) * | 2022-03-08 | 2022-04-12 | 深圳安智杰科技有限公司 | 视觉传感器外参数自动标定方法及装置 |
CN115103123A (zh) * | 2022-07-07 | 2022-09-23 | 上海智能交通有限公司 | 基于车道线识别的车载云台相机自动布控方法及系统 |
CN117934556A (zh) * | 2024-03-25 | 2024-04-26 | 杭州海康威视数字技术股份有限公司 | 高空抛物的检测方法、装置、存储介质和电子设备 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1873716A1 (en) * | 2006-06-29 | 2008-01-02 | Hitachi, Ltd. | Calibration apparatus of on-vehicle camera, program, and car navigation system |
US20100295948A1 (en) * | 2009-05-21 | 2010-11-25 | Vimicro Corporation | Method and device for camera calibration |
JP2011185753A (ja) * | 2010-03-09 | 2011-09-22 | Mitsubishi Electric Corp | 車載カメラのカメラキャリブレーション装置 |
JP2011215063A (ja) * | 2010-04-01 | 2011-10-27 | Tottori Univ | カメラ姿勢パラメータ推定装置 |
KR101271639B1 (ko) * | 2011-12-13 | 2013-06-17 | (주)팜비젼 | 휴대 단말 카메라 외부 파라미터 교정 방법 및 시스템 |
JP2015198374A (ja) * | 2014-04-02 | 2015-11-09 | パナソニックIpマネジメント株式会社 | キャリブレーション装置、キャリブレーション方法、キャリブレーション機能を備えたカメラ及びプログラム |
CN105389808A (zh) * | 2015-10-27 | 2016-03-09 | 郑州大学 | 一种基于二消失点的相机自标定方法 |
KR20160095560A (ko) * | 2015-02-03 | 2016-08-11 | 한국전자통신연구원 | 카메라 캘리브레이션 장치 및 방법 |
CN106875448A (zh) * | 2017-02-16 | 2017-06-20 | 武汉极目智能技术有限公司 | 一种车载单目摄像头外部参数自标定方法 |
JP2017139612A (ja) * | 2016-02-03 | 2017-08-10 | パナソニックIpマネジメント株式会社 | 車載カメラ用校正システム |
DE102017206295B3 (de) * | 2017-04-12 | 2018-01-25 | Robert Bosch Gmbh | Verfahren, Vorrichtung und Computerprogramm zum Kalibrieren einer Fahrzeugkamera eines Fahrzeugs |
CN108564629A (zh) * | 2018-03-23 | 2018-09-21 | 广州小鹏汽车科技有限公司 | 一种车载摄像头外部参数的标定方法及系统 |
CN108898638A (zh) * | 2018-06-27 | 2018-11-27 | 江苏大学 | 一种车载摄像头在线自动标定方法 |
US20180365858A1 (en) * | 2017-06-14 | 2018-12-20 | Hyundai Mobis Co., Ltd. | Calibration method and apparatus |
CN109061610A (zh) * | 2018-09-11 | 2018-12-21 | 杭州电子科技大学 | 一种摄像头与雷达的联合标定方法 |
US20190102911A1 (en) * | 2017-09-29 | 2019-04-04 | Intel IP Corporation | Extrinsic calibration of camera systems |
CN109859278A (zh) * | 2019-01-24 | 2019-06-07 | 惠州市德赛西威汽车电子股份有限公司 | 车载相机系统相机外参的标定方法及标定系统 |
CN110033492A (zh) * | 2019-04-17 | 2019-07-19 | 深圳金三立视频科技股份有限公司 | 摄像机标定方法及终端 |
CN110349219A (zh) * | 2018-04-04 | 2019-10-18 | 杭州海康威视数字技术股份有限公司 | 一种相机外参标定方法及装置 |
CN110555886A (zh) * | 2018-05-31 | 2019-12-10 | 杭州海康威视数字技术股份有限公司 | 一种车载相机外参标定方法、装置、电子设备及存储介质 |
-
2020
- 2020-01-15 CN CN202010044488.3A patent/CN111223150A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1873716A1 (en) * | 2006-06-29 | 2008-01-02 | Hitachi, Ltd. | Calibration apparatus of on-vehicle camera, program, and car navigation system |
US20100295948A1 (en) * | 2009-05-21 | 2010-11-25 | Vimicro Corporation | Method and device for camera calibration |
JP2011185753A (ja) * | 2010-03-09 | 2011-09-22 | Mitsubishi Electric Corp | 車載カメラのカメラキャリブレーション装置 |
JP2011215063A (ja) * | 2010-04-01 | 2011-10-27 | Tottori Univ | カメラ姿勢パラメータ推定装置 |
KR101271639B1 (ko) * | 2011-12-13 | 2013-06-17 | (주)팜비젼 | 휴대 단말 카메라 외부 파라미터 교정 방법 및 시스템 |
JP2015198374A (ja) * | 2014-04-02 | 2015-11-09 | パナソニックIpマネジメント株式会社 | キャリブレーション装置、キャリブレーション方法、キャリブレーション機能を備えたカメラ及びプログラム |
KR20160095560A (ko) * | 2015-02-03 | 2016-08-11 | 한국전자통신연구원 | 카메라 캘리브레이션 장치 및 방법 |
CN105389808A (zh) * | 2015-10-27 | 2016-03-09 | 郑州大学 | 一种基于二消失点的相机自标定方法 |
JP2017139612A (ja) * | 2016-02-03 | 2017-08-10 | パナソニックIpマネジメント株式会社 | 車載カメラ用校正システム |
CN106875448A (zh) * | 2017-02-16 | 2017-06-20 | 武汉极目智能技术有限公司 | 一种车载单目摄像头外部参数自标定方法 |
DE102017206295B3 (de) * | 2017-04-12 | 2018-01-25 | Robert Bosch Gmbh | Verfahren, Vorrichtung und Computerprogramm zum Kalibrieren einer Fahrzeugkamera eines Fahrzeugs |
US20180365858A1 (en) * | 2017-06-14 | 2018-12-20 | Hyundai Mobis Co., Ltd. | Calibration method and apparatus |
US20190102911A1 (en) * | 2017-09-29 | 2019-04-04 | Intel IP Corporation | Extrinsic calibration of camera systems |
CN108564629A (zh) * | 2018-03-23 | 2018-09-21 | 广州小鹏汽车科技有限公司 | 一种车载摄像头外部参数的标定方法及系统 |
CN110349219A (zh) * | 2018-04-04 | 2019-10-18 | 杭州海康威视数字技术股份有限公司 | 一种相机外参标定方法及装置 |
CN110555886A (zh) * | 2018-05-31 | 2019-12-10 | 杭州海康威视数字技术股份有限公司 | 一种车载相机外参标定方法、装置、电子设备及存储介质 |
CN108898638A (zh) * | 2018-06-27 | 2018-11-27 | 江苏大学 | 一种车载摄像头在线自动标定方法 |
CN109061610A (zh) * | 2018-09-11 | 2018-12-21 | 杭州电子科技大学 | 一种摄像头与雷达的联合标定方法 |
CN109859278A (zh) * | 2019-01-24 | 2019-06-07 | 惠州市德赛西威汽车电子股份有限公司 | 车载相机系统相机外参的标定方法及标定系统 |
CN110033492A (zh) * | 2019-04-17 | 2019-07-19 | 深圳金三立视频科技股份有限公司 | 摄像机标定方法及终端 |
Non-Patent Citations (5)
Title |
---|
ORGHIDAN RADU: "Camera calibration using two or thiree vanishing points" * |
QING LI: "Triple-lines approach to calibration of a camera mounted in an intelligent vehicle" * |
孙英慧;: "基于公路双平行线组的相机外参数在线标定" * |
胡桂廷: "基于两灭点法的摄像机标定方法研究" * |
高红波: "基于单视图的摄像机标定及其应用" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150560A (zh) * | 2020-09-27 | 2020-12-29 | 上海高德威智能交通系统有限公司 | 确定消失点的方法、装置及计算机存储介质 |
CN112150560B (zh) * | 2020-09-27 | 2024-02-02 | 上海高德威智能交通系统有限公司 | 确定消失点的方法、装置及计算机存储介质 |
CN112489136A (zh) * | 2020-11-30 | 2021-03-12 | 商汤集团有限公司 | 标定方法、位置确定方法、装置、电子设备及存储介质 |
CN112489136B (zh) * | 2020-11-30 | 2024-04-16 | 商汤集团有限公司 | 标定方法、位置确定方法、装置、电子设备及存储介质 |
CN114332248A (zh) * | 2022-03-08 | 2022-04-12 | 深圳安智杰科技有限公司 | 视觉传感器外参数自动标定方法及装置 |
CN115103123A (zh) * | 2022-07-07 | 2022-09-23 | 上海智能交通有限公司 | 基于车道线识别的车载云台相机自动布控方法及系统 |
CN117934556A (zh) * | 2024-03-25 | 2024-04-26 | 杭州海康威视数字技术股份有限公司 | 高空抛物的检测方法、装置、存储介质和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111223150A (zh) | 一种基于双消失点的车载摄像头外参数标定方法 | |
CN109740469B (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
US10424081B2 (en) | Method and apparatus for calibrating a camera system of a motor vehicle | |
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 | |
CN110298307B (zh) | 一种基于深度学习的异常停车实时检测方法 | |
EP3678096B1 (en) | Method for calculating a tow hitch position | |
US9336595B2 (en) | Calibration device, method for implementing calibration, and camera for movable body and storage medium with calibration function | |
CN110472580B (zh) | 基于全景影像的检测车位的方法、装置、存储介质 | |
CN107609483B (zh) | 面向驾驶辅助系统的危险目标检测方法、装置 | |
US9396553B2 (en) | Vehicle dimension estimation from vehicle images | |
US9064157B2 (en) | Pedestrian detection systems and methods | |
CN102706291A (zh) | 一种道路曲率半径自动测量方法 | |
CN113256729A (zh) | 激光雷达与相机的外参标定方法、装置、设备及存储介质 | |
WO2018149539A1 (en) | A method and apparatus for estimating a range of a moving object | |
CN112837384A (zh) | 车辆标记方法、装置和电子设备 | |
CN114724119B (zh) | 车道线提取方法、检测设备及存储介质 | |
CN114037977B (zh) | 道路灭点的检测方法、装置、设备及存储介质 | |
CN107452230B (zh) | 一种障碍物检测方法、装置、终端设备及存储介质 | |
CN106898023B (zh) | 一种基于视频图像的车头间距测量方法及系统 | |
CN114882470A (zh) | 车载防碰撞预警方法、装置、计算机设备及存储介质 | |
CN114494200A (zh) | 挂车旋转角度的测量方法和装置 | |
CN112070839A (zh) | 一种对后方车辆横纵向定位测距方法及设备 | |
JP2012233852A (ja) | ヨーレイト検出装置 | |
WO2024140336A1 (zh) | 车载测距方法、系统、装置、电子装置和存储介质 | |
CN111251994B (zh) | 车辆周边物件检测方法及车辆周边物件检测系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200602 |
|
WD01 | Invention patent application deemed withdrawn after publication |