CN111256651A - 一种基于单目车载摄像头的周车测距方法和装置 - Google Patents

一种基于单目车载摄像头的周车测距方法和装置 Download PDF

Info

Publication number
CN111256651A
CN111256651A CN201811466070.0A CN201811466070A CN111256651A CN 111256651 A CN111256651 A CN 111256651A CN 201811466070 A CN201811466070 A CN 201811466070A CN 111256651 A CN111256651 A CN 111256651A
Authority
CN
China
Prior art keywords
vehicle
monocular
mounted camera
image
position information
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.)
Granted
Application number
CN201811466070.0A
Other languages
English (en)
Other versions
CN111256651B (zh
Inventor
曹正江
李梅
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 Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information 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 Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201811466070.0A priority Critical patent/CN111256651B/zh
Publication of CN111256651A publication Critical patent/CN111256651A/zh
Application granted granted Critical
Publication of CN111256651B publication Critical patent/CN111256651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C3/00—Measuring distances in line of sight; Optical rangefinders

Landscapes

  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of Optical Distance (AREA)

Abstract

本发明提供了一种基于单目车载摄像头的周车测距方法和装置，该方法包括：对所述单目车载摄像头采集的周边图像进行车辆检测；当在周边图像中检测到车辆时，确定该车辆的类别以及该车辆在周边图像中的位置信息；根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离。本发明能够以较低的成本定位周边车辆，并且保证定位结果准确性。

Description

一种基于单目车载摄像头的周车测距方法和装置
技术领域
本发明涉及车载视觉定位技术领域，特别涉及一种基于单目车载摄像头的周车测距方法和装置。
背景技术
基于车载视觉定位周边车辆的方案有很多，其中，在无人驾驶中，多采用双目摄像头或者单目摄像头与毫米波/激光雷达融合的方式定位周边车辆。
使用双目摄像头或者单目摄像头与毫米波/激光雷达融合的方式定位周边车辆，可以较好的获取目标的深度信息，但是也增加了传感器和雷达测距应用的成本，另外使用双目摄像头时需要计算双目摄像头的两路图像，耗费双倍的计算资源，且双目摄像头的标定精度也会影响定位结果。
发明内容
有鉴于此，本发明的目的在于提供一种基于单目车载摄像头的周车测距方法和装置，能够以较低的成本定位周边车辆，并且保证定位结果准确性。
为了达到上述目的，本发明提供了如下技术方案：
一种基于单目车载摄像头的周车测距方法，包括：
对所述单目车载摄像头采集的周边图像进行车辆检测；
当在周边图像中检测到车辆时，确定该车辆的类别以及该车辆在周边图像中的位置信息；
根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离。
一种基于单目车载摄像头的周车测距装置，包括：
检测单元，用于对所述单目车载摄像头采集的周边图像进行车辆检测；
确定单元，用于当检测单元在周边图像中检测到车辆时，确定该车辆的类别以及该车辆在周边图像中的位置信息；
测距单元，用于根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离。
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过总线相连的存储器；所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序；所述至少一个处理器执行所述一个或多个计算机程序时实现上述基于单目车载摄像头的周车测距方法步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个计算机程序，所述一个或多个计算机程序被处理器执行时实现上述基于单目车载摄像头的周车测距方法。
由上面的技术方案可知，本发明中，对单目车载摄像头采集的周边图像进行车辆检测，当检测到车辆时，确定该车辆的类别以及该车辆在周边图像中的位置信息，并据此确定该车辆与单目车载摄像头的距离，该距离即为检测到的车辆与当前车辆的距离。应用本发明的方法，只需要使用单目车载摄像头就可以定位周边车辆，不需要传感器和雷达测距，因此成本较低，另外，本申请中的距离测算与摄像头的标定精度无关，因此不会因标定精度影响定位结果，可以保证定位结果的准确性。
附图说明
图1是本发明实施例基于单目车载摄像头的周车测距方法流程图；
图2是本发明实施例单目车载摄像头的距离测算关系示意图；
图3是本发明实施例基于单目车载摄像头的周车测距装置结构示意图；
图4是本发明实施例电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图并据实施例，对本发明的技术方案进行详细说明。
参见图1，图1是本发明实施例基于单目车载摄像头的周车测距方法流程图，如图1所示，该方法包括主要包括以下步骤：
步骤101、对单目车载摄像头采集的周边图像进行车辆检测。
本发明中，在车辆上部署单目摄像头，也即单目车载摄像头。使用单目车载摄像头对周边进行拍摄，对拍摄得到的周边图像进行车辆检测，如果该周边图像中没有车辆出现，则继续对单目车载摄像头拍摄的下一帧周边图像进行车辆检测，如果周边图像中有车辆出现，则可以检测出周边图像中的所有车辆。对周边图像的车辆检测，采用现有图像分析方法即可。
步骤102、当在周边图像中检测到车辆时，确定该车辆在周边图像中的位置信息以及该车辆的类别。
车辆有多种类别，每个车辆都有确定的分类。当在周边图像中检测到车辆时，需要对该车辆进行分析，确定车辆类别和在周边图像中的位置信息，以用于后续的距离测算。
本发明实施例中，预先生成用于检测车辆类别的检测模型。当在周边图像中检测到车辆时，确定该车辆在周边图像中的包围框(bounding box)，将该包围框区域作为该车辆图像，使用该检测模型对该车辆图像进行检测，确定该车辆类别。确定该车辆在周边图像中的包围框的方法可以采用现有图像处理方法确定。
需要说明的是，车辆的bounding box为一矩形区域，可以用该矩形区域在以周边图像的左上角为原点的二维坐标系中的左上角坐标和右下角坐标限定bounding box的位置信息。本发明中，将车辆在周边图像中的bounding box的位置信息作为该车辆在周边图像中的位置信息。
这里，以周边图像的左上角为原点的二维坐标系(U，V)如图2所示，为以周边图像的水平方向U和垂直方向V作为二维图像的坐标轴，车辆的bounding box的左上角坐标为(u1，v1)，右下角坐标为(u2，v2)，另外，周边图像的中心点坐标为(u0，v0)。其中，周边图像的中心点坐标为(u0，v0)是确定的，另外，该车辆在周边图像中的包围框确定之后，其左上角坐标(u1，v1)和右下角坐标(u2，v2)均已确定，因此，三个坐标点(u0，v0)、(u1，v1)、(u2，v2)均作为已知数据参与后续提到的公式一至公式六的计算。
另外，图2中还有以单目车载摄像头为原点的三维坐标系(X，Y，Z)，此三维坐标系(X，Y，Z)中的三个维度与上述二维坐标系(U，V)的2个维度是不同的，后续会进行说明。
为了生成上述用于检测车辆类别的检测模型，需要针对每种类型的车辆，收集标注有该车辆类别的多个车辆图像。收集大量标注有车辆类别的大量车辆图像之后，可以对收集的所有类型的车辆图像进行深度学习，从而生成可用于检测车辆类别的检测模型。
步骤103、根据该车辆在周边图像中的位置信息和该车辆的类别，确定该车辆与所述单目车载摄像头的距离。
在实际应用中，每种类别的车辆，其高度是行业标准或国家标准限定的，确定了车辆的类别之后，就可以根据车辆的类别确定车辆的高度。
确定了车辆的高度之后，可以根据该车辆的高度和该车辆在周边图像中的位置信息，确定该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置信息，进而根据该车辆在在以所述单目车载摄像头为原点的三维空间坐标系中的中心位置信息确定该车辆与所述单目车载摄像头的距离。
这里，以所述单目车载摄像头为原点的三维坐标系(X，Y，Z)如图2所示，该三维坐标系中的坐标(xi、yi，zi)与以单目车载摄像头拍摄的周边图像的左上角为原点的二维坐标系中的坐标(ui，vi)具有以下关系公式：
Figure BDA0001889840050000041
上述关系公式中，f是单目车载摄像头拍摄周边图像时的焦距；dx是周边图像中x轴方向上的相邻像素之间的距离在所述单目车载摄像头的成像器件中对应的物理尺寸，使用公式
Figure BDA0001889840050000042
计算得到，其中fx是所述单目车载摄像头在x轴方向上的像素焦距；dy是周边图像中y轴方向上的相邻像素之间的距离在所述单目车载摄像头的成像器件中对应的物理尺寸，使用公式
Figure BDA0001889840050000051
计算得到，其中fy是所述单目车载摄像头在y轴方向上的像素焦距。
根据上述关系公式，可以推算出该车辆在周边图像中的包围框的左上角坐标(u1，v1)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x1、y1，z1)的相关计算公式，以及该车辆在周边图像中的包围框的右上角坐标(u2，v2)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x2、y2，z2)的相关计算公式。
其中，
该车辆在周边图像中的包围框的左上角坐标(u1，v1)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x1、y1，z1)的相关计算公式如下：
Figure BDA0001889840050000052
Figure BDA0001889840050000053
Figure BDA0001889840050000054
这里的H是该车辆的高度。
该车辆在周边图像中的包围框的右上角坐标(u2，v2)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x2、y2，z2)的相关计算公式如下：
Figure BDA0001889840050000055
Figure BDA0001889840050000056
Figure BDA0001889840050000057
基于以上公式，根据该车辆的高度和该车辆在周边图像中的位置信息，确定该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置信息的方法具体如下：
将周边图像的中心点在以周边图像中的左上角为原点的二维坐标系中的坐标记为(u0，v0)；
使用以下上述公式一、二、三计算该车辆在周边图像中的的包围框的左上角坐标(u1，v1)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x1、y1，z1)：
使用上述公式四、五、六计算该车辆在周边图像中的包围框的右上角坐标(u2，v2)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x2、y2，z2)；
最后，再使用以下三个公式计算该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置坐标(x，y，z)：
Figure BDA0001889840050000061
Figure BDA0001889840050000062
Figure BDA0001889840050000063
以上对本发明实施例目车载摄像头的周车测距方法进行了详细说明，本发明还提供了一种目车载摄像头的周车测距装置，以下结合图3进行详细说明。
参见图3，图3是本发明实施例基于单目车载摄像头的周车测距装置的结构示意图，如图3所示，该装置包括：
检测单元301，用于对所述单目车载摄像头采集的周边图像进行车辆检测；
确定单元302，用于当检测单元301在周边图像中检测到车辆时，确定该车辆的类别以及该车辆在周边图像中的位置信息；
测距单元303，用于根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离。
图3所示装置还包括生成单元304；
所述生成单元304，用于预先生成用于检测车辆类别的检测模型；
所述确定单元302，确定该车辆的类别时，用于：将该车辆在周边图像中的包围框区域作为该车辆图像，使用所述检测模型对该车辆图像进行检测，确定该车辆的类别。
图3所示装置还包括收集单元305；
所述收集单元305，用于预先针对每种类别的车辆，收集标注了车辆类别的多个车辆图像；
所述生成单元304，用于使用深度学习算法对收集单元收集的所有车辆图像进行训练，得到用于检测车辆类别的检测模型。
图3所示装置还包括配置单元306；
所述配置单元306，用于预先设定车辆类别和车辆高度的对应关系；
所述测距单元，根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离，包括：
根据该车辆的类别和所述对应关系，确定该车辆的高度；
根据该车辆的高度和该车辆在周边图像中的位置信息，确定该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置信息；
根据该车辆在在以所述单目车载摄像头为原点的三维空间坐标系中的中心位置信息确定该车辆与所述单目车载摄像头的距离。
图3所示装置中，
车辆在周边图像中的位置信息包括该车辆图像所覆盖的矩形区域在周边图像中的左上角坐标和右下角坐标；
所述测距单元303，根据该车辆的高度和该车辆在周边图像中的位置信息，确定该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置信息，包括：
将周边图像的中心点在以周边图像中的左上角为原点的二维坐标系中的坐标记为(u0，v0)；
使用以下三个公式计算所述左上角坐标(u1，v1)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x1、y1，z1)：
Figure BDA0001889840050000081
Figure BDA0001889840050000082
Figure BDA0001889840050000083
使用以下三个公式计算所述右上角坐标(u2，v2)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x2、y2，z2)：
Figure BDA0001889840050000084
Figure BDA0001889840050000085
Figure BDA0001889840050000086
使用以下三个公式计算该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置坐标(x，y，z)：
Figure BDA0001889840050000087
Figure BDA0001889840050000088
Figure BDA0001889840050000089
其中，H是该车辆的高度；f是单目车载摄像头拍摄周边图像时的焦距；dx是周边图像中x轴方向上的相邻像素之间的距离在所述单目车载摄像头的成像器件中对应的物理尺寸，使用公式
Figure BDA00018898400500000810
计算得到，其中fx是所述单目车载摄像头在x轴方向上的像素焦距；dy是周边图像中y轴方向上的相邻像素之间的距离在所述单目车载摄像头的成像器件中对应的物理尺寸，使用公式
Figure BDA00018898400500000811
计算得到，其中fy是所述单目车载摄像头在y轴方向上的像素焦距。
本发明实施例还提供了一种电子设备400，包括：至少一个处理器401，以及与所述至少一个处理器401通过总线相连的存储器402；所述存储器402存储有可被所述至少一个处理器401执行的一个或多个计算机程序；所述至少一个处理器401执行所述一个或多个计算机程序时实现如图1所示的方法步骤。
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一个或多个计算机程序，所述一个或多个计算机程序被处理器执行时实现如图1所示的方法。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种基于单目车载摄像头的周车测距方法，其特征在于，该方法包括：
对所述单目车载摄像头采集的周边图像进行车辆检测；
当在周边图像中检测到车辆时，确定该车辆的类别以及该车辆在周边图像中的位置信息；
根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离。
2.根据权利要求1所述的方法，其特征在于，
预先生成用于检测车辆类别的检测模型；
确定该车辆的类别的方法为：将该车辆在周边图像中的包围框区域作为该车辆图像，使用所述检测模型对该车辆图像进行检测，确定该车辆的类别。
3.根据权利要求2所述的方法，其特征在于，
预先针对每种类别的车辆，收集标注了车辆类别的多个车辆图像；
使用深度学习算法对收集的所有车辆图像进行训练，得到用于检测车辆类别的检测模型。
4.根据权利要求1所述的方法，其特征在于，
预先设定车辆类别和车辆高度的对应关系；
根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离，包括：
根据该车辆的类别和所述对应关系，确定该车辆的高度；
根据该车辆的高度和该车辆在周边图像中的位置信息，确定该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置信息；
根据该车辆在在以所述单目车载摄像头为原点的三维空间坐标系中的中心位置信息确定该车辆与所述单目车载摄像头的距离。
5.根据权利要求4所述的方法，其特征在于，
车辆在周边图像中的位置信息包括：该车辆的包围框在以周边图像中的左上角为原点的二维坐标系中的左上角坐标和右下角坐标；
根据该车辆的高度和该车辆在周边图像中的位置信息，确定该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置信息，包括：
将周边图像的中心点在以周边图像中的左上角为原点的二维坐标系中的坐标记为(u0，v0)；
使用以下三个公式计算所述左上角坐标(u1，v1)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x1、y1，z1)：
Figure FDA0001889840040000021
Figure FDA0001889840040000022
Figure FDA0001889840040000023
使用以下三个公式计算所述右上角坐标(u2，v2)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x2、y2，z2)：
Figure FDA0001889840040000024
Figure FDA0001889840040000025
Figure FDA0001889840040000026
使用以下三个公式计算该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置坐标(x，y，z)：
Figure FDA0001889840040000027
Figure FDA0001889840040000028
Figure FDA0001889840040000029
其中，H是该车辆的高度；f是单目车载摄像头拍摄周边图像时的焦距；dx是周边图像中x轴方向上的相邻像素之间的距离在所述单目车载摄像头的成像器件中对应的物理尺寸，使用公式
Figure FDA0001889840040000031
计算得到，其中fx是所述单目车载摄像头在x轴方向上的像素焦距；dy是周边图像中y轴方向上的相邻像素之间的距离在所述单目车载摄像头的成像器件中对应的物理尺寸，使用公式
Figure FDA0001889840040000032
计算得到，其中fy是所述单目车载摄像头在y轴方向上的像素焦距。
6.一种基于单目车载摄像头的周车测距装置，其特征在于，该装置包括：
检测单元，用于对所述单目车载摄像头采集的周边图像进行车辆检测；
确定单元，用于当检测单元在周边图像中检测到车辆时，确定该车辆的类别以及该车辆在周边图像中的位置信息；
测距单元，用于根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离。
7.根据权利要求6所述的装置，其特征在于，该装置还包括生成单元；
所述生成单元，用于预先生成用于检测车辆类别的检测模型；
所述确定单元，确定该车辆的类别时，用于：将该车辆在周边图像中的包围框区域作为该车辆图像，使用所述检测模型对该车辆图像进行检测，确定该车辆的类别。
8.根据权利要求7所述的装置，其特征在于，该装置还包括收集单元；
所述收集单元，用于预先针对每种类别的车辆，收集标注了车辆类别的多个车辆图像；
所述生成单元，用于使用深度学习算法对收集单元收集的所有车辆图像进行训练，得到用于检测车辆类别的检测模型。
9.根据权利要求6所述的装置，其特征在于，该装置还包括配置单元；
所述配置单元，用于预先设定车辆类别和车辆高度的对应关系；
所述测距单元，根据该车辆的类别和该车辆在周边图像中的位置信息，确定该车辆与所述单目车载摄像头的距离，包括：
根据该车辆的类别和所述对应关系，确定该车辆的高度；
根据该车辆的高度和该车辆在周边图像中的位置信息，确定该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置信息；
根据该车辆在在以所述单目车载摄像头为原点的三维空间坐标系中的中心位置信息确定该车辆与所述单目车载摄像头的距离。
10.根据权利要求9所述的装置，其特征在于，
车辆在周边图像中的位置信息包括：该车辆的包围框在以周边图像中的左上角为原点的二维坐标系中的左上角坐标和右下角坐标；
所述测距单元，根据该车辆的高度和该车辆在周边图像中的位置信息，确定该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置信息，包括：
将周边图像的中心点在以周边图像中的左上角为原点的二维坐标系中的坐标记为(u0，v0)；
使用以下三个公式计算所述包围框的左上角坐标(u1，v1)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x1、y1，z1)：
Figure FDA0001889840040000041
Figure FDA0001889840040000042
Figure FDA0001889840040000043
使用以下三个公式计算所述包围框的右上角坐标(u2，v2)在以所述单目车载摄像头为原点的三维坐标系中对应的三维坐标(x2、y2，z2)：
Figure FDA0001889840040000044
Figure FDA0001889840040000045
Figure FDA0001889840040000046
使用以下三个公式计算该车辆在以所述单目车载摄像头为原点的三维坐标系中的中心位置坐标(x，y，z)：
Figure FDA0001889840040000051
Figure FDA0001889840040000052
Figure FDA0001889840040000053
其中，H是该车辆的高度；f是单目车载摄像头拍摄周边图像时的焦距；dx是周边图像中x轴方向上的相邻像素之间的距离在所述单目车载摄像头的成像器件中对应的物理尺寸，使用公式
Figure FDA0001889840040000054
计算得到，其中fx是所述单目车载摄像头在x轴方向上的像素焦距；dy是周边图像中y轴方向上的相邻像素之间的距离在所述单目车载摄像头的成像器件中对应的物理尺寸，使用公式
Figure FDA0001889840040000055
计算得到，其中fy是所述单目车载摄像头在y轴方向上的像素焦距。
11.一种电子设备，包括：至少一个处理器，以及与所述至少一个处理器通过总线相连的存储器；所述存储器存储有可被所述至少一个处理器执行的一个或多个计算机程序；其特征在于，所述至少一个处理器执行所述一个或多个计算机程序时实现权利要求1-5任一权项所述的方法步骤。
12.一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一个或多个计算机程序，所述一个或多个计算机程序被处理器执行时实现权利要求1-5中任一项所述的方法。
CN201811466070.0A 2018-12-03 2018-12-03 一种基于单目车载摄像头的周车测距方法和装置 Active CN111256651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811466070.0A CN111256651B (zh) 2018-12-03 2018-12-03 一种基于单目车载摄像头的周车测距方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811466070.0A CN111256651B (zh) 2018-12-03 2018-12-03 一种基于单目车载摄像头的周车测距方法和装置

Publications (2)

Publication Number Publication Date
CN111256651A true CN111256651A (zh) 2020-06-09
CN111256651B CN111256651B (zh) 2022-06-07

Family

ID=70944915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811466070.0A Active CN111256651B (zh) 2018-12-03 2018-12-03 一种基于单目车载摄像头的周车测距方法和装置

Country Status (1)

Country Link
CN (1) CN111256651B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112346039A (zh) * 2020-09-15 2021-02-09 深圳市点创科技有限公司 基于单目相机的车距预警方法、电子设备、存储介质
CN114295099A (zh) * 2021-12-28 2022-04-08 合肥英睿系统技术有限公司 基于单目摄像头的测距方法、车载测距设备以及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101975951A (zh) * 2010-06-09 2011-02-16 北京理工大学 一种融合距离和图像信息的野外环境障碍检测方法
CN106153000A (zh) * 2016-06-17 2016-11-23 合肥工业大学 一种前方车辆距离检测方法
CN106443650A (zh) * 2016-09-12 2017-02-22 电子科技大学成都研究院 一种基于几何关系的单目视觉测距方法
CN108759667A (zh) * 2018-05-29 2018-11-06 福州大学 车载摄像头下基于单目视觉与图像分割的前车测距方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101975951A (zh) * 2010-06-09 2011-02-16 北京理工大学 一种融合距离和图像信息的野外环境障碍检测方法
CN106153000A (zh) * 2016-06-17 2016-11-23 合肥工业大学 一种前方车辆距离检测方法
CN106443650A (zh) * 2016-09-12 2017-02-22 电子科技大学成都研究院 一种基于几何关系的单目视觉测距方法
CN108759667A (zh) * 2018-05-29 2018-11-06 福州大学 车载摄像头下基于单目视觉与图像分割的前车测距方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112346039A (zh) * 2020-09-15 2021-02-09 深圳市点创科技有限公司 基于单目相机的车距预警方法、电子设备、存储介质
CN114295099A (zh) * 2021-12-28 2022-04-08 合肥英睿系统技术有限公司 基于单目摄像头的测距方法、车载测距设备以及存储介质
CN114295099B (zh) * 2021-12-28 2024-01-30 合肥英睿系统技术有限公司 基于单目摄像头的测距方法、车载测距设备以及存储介质

Also Published As

Publication number Publication date
CN111256651B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN107272021B (zh) 使用雷达和视觉定义的图像检测区域的对象检测
CN107577988B (zh) 实现侧方车辆定位的方法、装置及存储介质、程序产品
CN108444390B (zh) 一种无人驾驶汽车障碍物识别方法及装置
CN102737236B (zh) 一种基于多模态传感器数据自动获取车辆训练样本方法
EP3517997A1 (en) Method and system for detecting obstacles by autonomous vehicles in real-time
CN105043350A (zh) 一种双目视觉测量方法
EP1394761B1 (en) Obstacle detection device and method therefor
CN112861653A (zh) 融合图像和点云信息的检测方法、系统、设备及存储介质
CN110826499A (zh) 物体空间参数检测方法、装置、电子设备及存储介质
JP2020064046A (ja) 車両位置決定方法及び車両位置決定装置
EP3792660A1 (en) Method, apparatus and system for measuring distance
CN110555407B (zh) 路面车辆空间识别方法及电子设备
CN107796373B (zh) 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法
JP2018180772A (ja) 物体検出装置
US11783507B2 (en) Camera calibration apparatus and operating method
CN111243003B (zh) 车载双目摄像机及其检测道路限高杆的方法、装置
WO2022183685A1 (zh) 目标检测方法、电子介质和计算机存储介质
CN111369617A (zh) 一种基于卷积神经网络的单目视图的3d目标检测方法
CN114495064A (zh) 一种基于单目深度估计的车辆周围障碍物预警方法
CN111256651B (zh) 一种基于单目车载摄像头的周车测距方法和装置
CN110136186A (zh) 一种用于移动机器人目标测距的检测目标匹配方法
CN112819711A (zh) 一种基于单目视觉的利用道路车道线的车辆反向定位方法
CN110197104B (zh) 基于车辆的测距方法及装置
JP2005156199A (ja) 車両検知方法及び車両検知装置
KR102003387B1 (ko) 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210301

Address after: 100080 Beijing Haidian District, Suzhou Street, No. 20 Courtyard, No. 2 Building, 1st Floor

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 8 / F, 76 Zhichun Road, Haidian District, Beijing 100083

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

Effective date of registration: 20210301

Address after: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd.

Address before: 100080 Beijing Haidian District, Suzhou Street, No. 20 Courtyard, No. 2 Building, 1st Floor

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

GR01 Patent grant
GR01 Patent grant