CN111243021A - 基于多组合相机的车载视觉定位方法、系统及存储介质 - Google Patents

基于多组合相机的车载视觉定位方法、系统及存储介质 Download PDF

Info

Publication number
CN111243021A
CN111243021A CN202010010478.8A CN202010010478A CN111243021A CN 111243021 A CN111243021 A CN 111243021A CN 202010010478 A CN202010010478 A CN 202010010478A CN 111243021 A CN111243021 A CN 111243021A
Authority
CN
China
Prior art keywords
vehicle
cameras
visual
multiple combined
positioning method
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
CN202010010478.8A
Other languages
English (en)
Inventor
肖长诗
陈芊芊
文元桥
周春辉
张帆
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.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
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 Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202010010478.8A priority Critical patent/CN111243021A/zh
Publication of CN111243021A publication Critical patent/CN111243021A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Studio Devices (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于多组合相机的车载视觉定位方法及系统。所述一种基于多组合相机的车载视觉定位方法包括如下步骤：利用多组合相机拍摄车辆行驶过程中的图像；对所述拍摄的图像采取数据融合处理，并根据数据融合后的图像数据构建完整的视觉地图；根据所述视觉地图进行实时定位并指导车辆行驶。本发明提供的基于多组合相机的车载视觉定位方法及系统通过不同视角的多目相机实现全方位定位，且通过调整各个相机之间的距离，调整两组相机之间的基线，双目相机之间的基线越长测量距离越远，最终实现全方位与不同远距离定位，从而实现精确度定位。

Description

基于多组合相机的车载视觉定位方法、系统及存储介质
技术领域
本发明涉及车载识别领域，特别涉及一种基于多组合相机的车载视觉定位方法、系统及存储介质。
背景技术
目前，一般的车载视觉定位系统产品主要为双目结构，主要依靠目标在两幅同步图像之间的视差来判断目标的相对距离、方位，即三角定位法。
但是目前的定位方法仅依靠单个相机进行拍摄定位，但是在车辆行驶的真实环境中会存在无角点、障碍物多等情况，而且一般无法识别出路口(如直角转弯路口、丁字路口或者十字路口)的真实路况信息。
因而现有技术还有待改进和提高。
发明内容
鉴于上述现有技术的不足之处，本发明的目的在于提供一种基于多组合相机的车载视觉定位方法、设备及存储介质，解决现有技术中车载视觉定位对真实环境定位精度不够的技术问题。
为了达到上述目的，本发明采取了以下技术方案：
一种基于多组合相机的车载视觉定位方法，包括如下步骤：
利用多组合相机拍摄车辆行驶过程中的图像；
对所述拍摄的图像采取数据融合处理，并根据数据融合后的图像数据构建完整的视觉地图；
根据所述视觉地图进行实时定位并指导车辆行驶。
一种基于多组合相机的车载视觉定位系统，包括处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如上所述的基于多组合相机的车载视觉定位方法中的步骤。
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一个或者多个程序，所述一个多个程序可被一个或者多个处理器执行，以实现如上所述的基于多组合相机的车载视觉定位方法中的步骤。
相较于现有技术，本发明提供的基于多组合相机的车载视觉定位方法、设备及存储介质通过不同视角的多目相机实现全方位定位，且通过调整各个相机之间的距离，调整两组相机之间的基线，双目相机之间的基线越长测量距离越远，最终实现全方位与不同远距离定位，从而实现精确度定位。
附图说明
图1为本发明提供的基于多组合相机的车载视觉定位方法的一较佳实施例的流程图。
具体实施方式
本发明提供一种基于多组合相机的车载视觉定位方法、设备及存储介质，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
实施例1
请参阅图1，图1为本发明提供的基于多组合相机的车载视觉定位方法的一较佳实施例的流程图。本发明提供的基于多组合相机的车载视觉定位方法的流程图，包括如下步骤：
S1、利用多组合相机拍摄车辆行驶过程中的图像；
S2、对所述拍摄的图像采取数据融合处理，并根据数据融合后的图像数据构建完整的视觉地图；
S3、根据所述视觉地图进行实时定位并指导车辆行驶。
具体来说，所述多组合相机可以是广视角相机、近景相机、中景相机及远景相机，即通过广视角相机拍摄广角视频和图像，能够看到较大范围内的景物，而通过近景相机侧重拍摄离汽车较近区域的图像和视频，如10米范围内，中景相机相对于近景相机而言距离稍远，如距离汽车10-50米范围内，而远景相机则会远些，如50米以外。总体来说，本发明实施例通过多种不同相机组成一个能够同时拍摄不同距离视频和图像的多焦距相机，并在车辆行驶过程中实时进行拍摄，以采集实时图像信号和视频信号信息。
作为优选的实施例，步骤S2具体包括：
由所述多组合相机分别拍摄并采集车辆行驶过程中的图像数据，建立局部三维场景；
在所述局部三维场景内建立视觉标志点，并根据所述视觉标志点将所述采集到的图像数据映射到同一坐标系下，并构建全局三维场景模型；
对所述全局三维场景模型进行全局方位的元素估计；
对所述不同相机远、近方位元素进行解算，并用时空滤波算法对所述远、近方位元素进行优化，得到所述视觉地图。
具体来说，通过采集不同相机拍摄的图像或者视频数据，然后再结合GPS三维定位以及三维场景建模方法来实现视觉地图的实时展示。
作为优选的实施例，所述由所述多种不同相机分别拍摄并采集车辆行驶过程中的图像数据，建立局部三维场景，具体包括：
通过所述多组合相机分别标定得到内参数；
提取汽车行驶过程中任一两个不同时刻的图像，并由车载GPS获取所述两个时刻汽车的位置，以所述两个时刻汽车之间的距离作为所述两幅图像的基线；
对所述两幅图像进行特征点提取与匹配，并基于所述基线得到匹配点对集；
基于RANSAC的八点法求解所述匹配点对集对应的基本矩阵；
根据所述基本矩阵求得本质矩阵；
由所述本质矩阵确定所述多组合相机的外参数；
根据所述多组合相机的内参数和外参数得到投影矩阵；
根据所述投影矩阵求得空间稀疏点云。
具体来说，RANSAC是指RANdom Sample Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。
本发明实施例通过采用RANSAC的八点法能够对匹配点(不同相机所拍摄的图像在三维实景地图上的特征点)进行求解，进而得到其基本矩阵，然后通过矩阵计算得到多组合相机的外参数，并结合内参数(内参数可以通过标定获得)得到投影矩阵，然后根据投影矩阵得到空间稀疏点云。
更进一步的是，在所述局部三维场景内建立视觉标志点，并根据所述视觉标志点将所述采集到的图像数据映射到同一坐标系下，并构建全局三维场景模型，具体包括：
获取所述空间稀疏点云；
根据所述空间稀疏点云确定所述多组合相机对应的视觉标志点；
根据所述视觉标志点将所述采集到的图像数据映射到同一坐标系下；
将背景三维模型叠加到所述同一坐标系下，得到所述全局三维场景模型。
具体来说，所述根据所述空间稀疏点云确定所述多组合相机对应的视觉标志点，具体包括：
将所述空间稀疏点云与之前预设数量的空间稀疏点云进行一一对比，并将空间稀疏点云与之前预设数量一致的空间稀疏点云存储为视觉标志点。
作为优选的实施例，所述同一坐标系为GPS三维坐标系。因此，更为具体的是：所述背景三维模型为根据实景地图建立的三维模型。
进一步需要说明的是，本发明实施例通过不同在传统的双目车载视觉定位系统的基础上增加了不同视角的多目相机，使车辆在行驶过程中能对周围环境进行全方位定位，并设计信息融合器，实现多目组合相机的视觉数据融合，然后根据车辆的行驶速度和环境的复杂程度自动调整各个相机之间的距离，即调整每组双目相机的基线长度，来调整多目车载视觉定位系统的测量距离。
本发明提供的基于多组合相机的车载视觉定位方法通过不同视角的多目相机实现全方位定位，且通过调整各个相机之间的距离，调整两组相机之间的基线，双目相机之间的基线越长测量距离越远，最终实现全方位与不同远距离定位，从而实现精确度定位。
实施例2
本发明还提供了基于多组合相机的车载视觉定位系统，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的基于多组合相机的车载视觉定位方法，具体包括如下步骤：
利用多组合相机拍摄车辆行驶过程中的图像；
对所述拍摄的图像采取数据融合处理，并根据数据融合后的图像数据构建完整的视觉地图；
根据所述视觉地图进行实时定位并指导车辆行驶。
本实施例提供的基于多组合相机的车载视觉定位系统，用于实现基于多组合相机的车载视觉定位方法，因此，上述基于多组合相机的车载视觉定位方法所具备的技术效果，基于多组合相机的车载视觉定位系统同样具备，在此不再赘述。
实施例3
本发明的实施例3提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1基于多组合相机的车载视觉定位方法，具体包括如下步骤：
利用多组合相机拍摄车辆行驶过程中的图像；
对所述拍摄的图像采取数据融合处理，并根据数据融合后的图像数据构建完整的视觉地图；
根据所述视觉地图进行实时定位并指导车辆行驶。
本实施例提供的计算机存储介质，用于实现基于多组合相机的车载视觉定位方法，因此，上述基于多组合相机的车载视觉定位方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。
综上所述，本发明提供的基于多组合相机的车载视觉定位方法、设备及存储介质中通过不同视角的多目相机实现全方位定位，且通过调整各个相机之间的距离，调整两组相机之间的基线，双目相机之间的基线越长测量距离越远，最终实现全方位与不同远距离定位，从而实现精确度定位。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的存储介质中，该程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种基于多组合相机的车载视觉定位方法，其特征在于，包括如下步骤：
利用多组合相机拍摄车辆行驶过程中的图像；
对所述拍摄的图像采取数据融合处理，并根据数据融合后的图像数据构建完整的视觉地图；
根据所述视觉地图进行实时定位并指导车辆行驶。
2.根据权利要求1所述的基于多组合相机的车载视觉定位方法，其特征在于，所述多组合相机包括广视角相机、近景相机、中景相机及远景相机。
3.根据权利要求1所述的基于多组合相机的车载视觉定位方法，其特征在于，所述对所述拍摄的图像采取数据融合处理，并根据数据融合后的图像数据构建完整的视觉地图，具体包括：
由所述多组合相机分别拍摄并采集车辆行驶过程中的图像数据，建立局部三维场景；
在所述局部三维场景内建立视觉标志点，并根据所述视觉标志点将所述采集到的图像数据映射到同一坐标系下，并构建全局三维场景模型；
对所述全局三维场景模型进行全局方位的元素估计；
对所述多组合相机中不同相机远、近方位元素进行解算，并用时空滤波算法对所述远、近方位元素进行优化，得到所述视觉地图。
4.根据权利要求3所述的基于多组合相机的车载视觉定位方法，其特征在于，所述由所述多组合相机分别拍摄并采集车辆行驶过程中的图像数据，建立局部三维场景，具体包括：
通过所述多组合相机分别标定得到内参数；
提取汽车行驶过程中任意两个不同时刻的图像，并由车载GPS获取所述两个时刻汽车的位置，以所述两个时刻汽车之间的距离作为所述两幅图像的基线；
对所述两幅图像进行特征点提取与匹配，并基于所述基线得到匹配点对集；
基于RANSAC的八点法求解所述匹配点对集对应的基本矩阵；
根据所述基本矩阵求得本质矩阵；
由所述本质矩阵确定所述多组合相机的外参数；
根据所述多组合相机的内参数和外参数得到投影矩阵；
根据所述投影矩阵求得空间稀疏点云。
5.根据权利要求4所述的基于多组合相机的车载视觉定位方法，其特征在于，所述在所述局部三维场景内建立视觉标志点，并根据所述视觉标志点将所述采集到的图像数据映射到同一坐标系下，并构建全局三维场景模型，具体包括：
获取所述空间稀疏点云；
根据所述空间稀疏点云确定所述多组合相机对应的视觉标志点；
根据所述视觉标志点将所述采集到的图像数据映射到同一坐标系下；
将背景三维模型叠加到所述同一坐标系下，得到所述全局三维场景模型。
6.根据权利要求5所述的基于多组合相机的车载视觉定位方法，其特征在于，所述根据所述空间稀疏点云确定所述多组合相机对应的视觉标志点，具体包括：
将所述空间稀疏点云与之前预设数量的空间稀疏点云进行一一对比，并将空间稀疏点云与之前预设数量一致的空间稀疏点云存储为视觉标志点。
7.根据权利要求5所述的基于多组合相机的车载视觉定位方法，其特征在于，所述同一坐标系为GPS三维坐标系。
8.根据权利要求5所述的基于多组合相机的车载视觉定位方法，其特征在于，所述背景三维模型为根据实景地图建立的三维模型。
9.一种基于多组合相机的车载视觉定位系统，其特征在于，包括处理器和存储器；
所述存储器上存储有可被所述处理器执行的计算机可读程序；
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的基于多组合相机的车载视觉定位方法中的步骤。
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一个或者多个程序，所述一个多个程序可被一个或者多个处理器执行，以实现如权利要求1-8任意一项所述的基于多组合相机的车载视觉定位方法中的步骤。
CN202010010478.8A 2020-01-06 2020-01-06 基于多组合相机的车载视觉定位方法、系统及存储介质 Pending CN111243021A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010010478.8A CN111243021A (zh) 2020-01-06 2020-01-06 基于多组合相机的车载视觉定位方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010010478.8A CN111243021A (zh) 2020-01-06 2020-01-06 基于多组合相机的车载视觉定位方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN111243021A true CN111243021A (zh) 2020-06-05

Family

ID=70872316

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010010478.8A Pending CN111243021A (zh) 2020-01-06 2020-01-06 基于多组合相机的车载视觉定位方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN111243021A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419420A (zh) * 2020-09-17 2021-02-26 腾讯科技（深圳）有限公司 一种相机标定方法、装置、电子设备及存储介质
CN113611143A (zh) * 2021-07-29 2021-11-05 同致电子科技（厦门）有限公司 一种新型记忆泊车系统及其建图系统

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034238A (zh) * 2010-12-13 2011-04-27 西安交通大学 基于光学成像测头和视觉图结构的多摄像机系统标定方法
CN103914821A (zh) * 2012-12-31 2014-07-09 株式会社理光 多角度图像对象融合方法及系统
CN106228603A (zh) * 2016-07-25 2016-12-14 武汉中观自动化科技有限公司 一种基于欧式距离统计拼接的三维模型重构系统及方法
CN106327573A (zh) * 2016-08-25 2017-01-11 成都慧途科技有限公司 一种针对城市建筑的实景三维建模方法
CN107656301A (zh) * 2017-09-20 2018-02-02 北京航天发射技术研究所 一种基于多源信息融合的车载定位方法
CN107883870A (zh) * 2017-10-24 2018-04-06 四川雷得兴业信息科技有限公司 基于双目视觉系统和激光跟踪仪测量系统的全局标定方法
CN108323238A (zh) * 2018-01-23 2018-07-24 深圳前海达闼云端智能科技有限公司 多目摄像系统、终端设备及机器人
US20180249144A1 (en) * 2017-02-28 2018-08-30 Mitsubishi Electric Research Laboratories, Inc. System and Method for Virtually-Augmented Visual Simultaneous Localization and Mapping
CN108564617A (zh) * 2018-03-22 2018-09-21 深圳岚锋创视网络科技有限公司 多目相机的三维重建方法、装置、vr相机和全景相机
CN109116397A (zh) * 2018-07-25 2019-01-01 吉林大学 一种车载多相机视觉定位方法、装置、设备及存储介质
WO2019000417A1 (en) * 2017-06-30 2019-01-03 SZ DJI Technology Co., Ltd. SYSTEMS AND METHODS OF GENERATING CARDS
CN109341703A (zh) * 2018-09-18 2019-02-15 北京航空航天大学 一种全周期采用CNNs特征检测的视觉SLAM算法
CN109509230A (zh) * 2018-11-13 2019-03-22 武汉大学 一种应用于多镜头组合式全景相机的slam方法
CN110070615A (zh) * 2019-04-12 2019-07-30 北京理工大学 一种基于多相机协同的全景视觉slam方法
US20190287297A1 (en) * 2018-03-13 2019-09-19 Recogni Inc. Three-dimensional environment modeling based on a multi-camera convolver system
CN110517216A (zh) * 2019-08-30 2019-11-29 的卢技术有限公司 一种基于多类型相机的slam融合方法及其系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102034238A (zh) * 2010-12-13 2011-04-27 西安交通大学 基于光学成像测头和视觉图结构的多摄像机系统标定方法
CN103914821A (zh) * 2012-12-31 2014-07-09 株式会社理光 多角度图像对象融合方法及系统
CN106228603A (zh) * 2016-07-25 2016-12-14 武汉中观自动化科技有限公司 一种基于欧式距离统计拼接的三维模型重构系统及方法
CN106327573A (zh) * 2016-08-25 2017-01-11 成都慧途科技有限公司 一种针对城市建筑的实景三维建模方法
US20180249144A1 (en) * 2017-02-28 2018-08-30 Mitsubishi Electric Research Laboratories, Inc. System and Method for Virtually-Augmented Visual Simultaneous Localization and Mapping
WO2019000417A1 (en) * 2017-06-30 2019-01-03 SZ DJI Technology Co., Ltd. SYSTEMS AND METHODS OF GENERATING CARDS
CN107656301A (zh) * 2017-09-20 2018-02-02 北京航天发射技术研究所 一种基于多源信息融合的车载定位方法
CN107883870A (zh) * 2017-10-24 2018-04-06 四川雷得兴业信息科技有限公司 基于双目视觉系统和激光跟踪仪测量系统的全局标定方法
CN108323238A (zh) * 2018-01-23 2018-07-24 深圳前海达闼云端智能科技有限公司 多目摄像系统、终端设备及机器人
US20190287297A1 (en) * 2018-03-13 2019-09-19 Recogni Inc. Three-dimensional environment modeling based on a multi-camera convolver system
CN108564617A (zh) * 2018-03-22 2018-09-21 深圳岚锋创视网络科技有限公司 多目相机的三维重建方法、装置、vr相机和全景相机
CN109116397A (zh) * 2018-07-25 2019-01-01 吉林大学 一种车载多相机视觉定位方法、装置、设备及存储介质
CN109341703A (zh) * 2018-09-18 2019-02-15 北京航空航天大学 一种全周期采用CNNs特征检测的视觉SLAM算法
CN109509230A (zh) * 2018-11-13 2019-03-22 武汉大学 一种应用于多镜头组合式全景相机的slam方法
CN110070615A (zh) * 2019-04-12 2019-07-30 北京理工大学 一种基于多相机协同的全景视觉slam方法
CN110517216A (zh) * 2019-08-30 2019-11-29 的卢技术有限公司 一种基于多类型相机的slam融合方法及其系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
蒋华强等: "基于改进的SFM的三维重建算法研究", pages 88 - 92 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112419420A (zh) * 2020-09-17 2021-02-26 腾讯科技（深圳）有限公司 一种相机标定方法、装置、电子设备及存储介质
CN113611143A (zh) * 2021-07-29 2021-11-05 同致电子科技（厦门）有限公司 一种新型记忆泊车系统及其建图系统
CN113611143B (zh) * 2021-07-29 2022-10-18 同致电子科技（厦门）有限公司 一种记忆泊车系统及其建图系统

Similar Documents

Publication Publication Date Title
CN110322702B (zh) 一种基于双目立体视觉系统的车辆智能测速方法
CN110832275B (zh) 基于双目图像更新高分辨率地图的系统和方法
CN111436216B (zh) 用于彩色点云生成的方法和系统
CN106529495B (zh) 一种飞行器的障碍物检测方法和装置
CN110567469B (zh) 视觉定位方法、装置、电子设备及系统
US10630962B2 (en) Systems and methods for object location
CN110859044B (zh) 自然场景中的集成传感器校准
Li et al. Easy calibration of a blind-spot-free fisheye camera system using a scene of a parking space
US20130300870A1 (en) Method for monitoring a traffic stream and a traffic monitoring device
JP2014520337A (ja) 車両周辺視角化のための３次元映像合成装置およびその方法
CN109741241B (zh) 鱼眼图像的处理方法、装置、设备和存储介质
CN112419385A (zh) 一种3d深度信息估计方法、装置及计算机设备
CN111932627B (zh) 一种标识物绘制方法及系统
CN113029128B (zh) 视觉导航方法及相关装置、移动终端、存储介质
CN111640062A (zh) 一种车载环视图像的自动拼接方法
CN112837207A (zh) 全景深度测量方法、四目鱼眼相机及双目鱼眼相机
WO2018149539A1 (en) A method and apparatus for estimating a range of a moving object
CN111243021A (zh) 基于多组合相机的车载视觉定位方法、系统及存储介质
CN113034605B (zh) 目标对象的位置确定方法、装置、电子设备及存储介质
CN110148173B (zh) 车路协同中目标定位的方法和装置、电子设备、介质
CN109658451B (zh) 一种深度感知方法，装置和深度感知设备
CN111382591A (zh) 一种双目相机测距校正方法及车载设备
KR102065337B1 (ko) 비조화비를 이용하여 대상체의 이동 정보를 측정하는 장치 및 방법
CN210986289U (zh) 四目鱼眼相机及双目鱼眼相机
CN114754779B (zh) 一种定位与建图方法、装置及电子设备

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