CN111258306B - 基于成像设备的车辆定位方法及装置 - Google Patents
基于成像设备的车辆定位方法及装置 Download PDFInfo
- Publication number
- CN111258306B CN111258306B CN201811350854.7A CN201811350854A CN111258306B CN 111258306 B CN111258306 B CN 111258306B CN 201811350854 A CN201811350854 A CN 201811350854A CN 111258306 B CN111258306 B CN 111258306B
- Authority
- CN
- China
- Prior art keywords
- lane
- imaging device
- distance
- image
- vehicle
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000003287 optical effect Effects 0.000 claims abstract description 71
- 239000003550 marker Substances 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3658—Lane guidance
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于成像设备的车辆定位方法及装置,涉及车辆定位技术领域。其中,成像设备固定设置于车辆临近车道标志物的一侧,成像设备的光轴与车道平面呈直角;方法包括:控制成像设备采集图像,确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线;获得光心坐标到参数化线的第一距离;根据第一距离、成像设备的光心到车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离;根据相对距离对车辆进行定位。本发明能够保证定位精度达到一个较优的效果,且使得车道标志物的识别较为简单,从而使得整个车辆定位方法容易实现。
Description
技术领域
本发明涉及车辆定位技术领域,尤其涉及一种基于成像设备的车辆定位方法及装置。
背景技术
目前,定位技术作为无人驾驶领域中的重要技术,得到了研究人员的普遍关注。在车辆行驶中,需要通过定位技术来确定每时每刻车辆所在的位置。当前通常的解决方案是使用全球卫星导航系统(Global Navigation Satellite System,简称GNSS)作为自身定位的依据。然而GNSS由于信号干扰等情况,在某些高精度场景中(例如港口等电磁环境复杂的场景,GNSS信号会受到较强干扰),难以达到定位精度要求,故而需要其他传感器的辅助,例如摄像头,激光雷达等。当前,依靠摄像头和激光雷达等传感器来进行车辆定位的方式已经成为研究重点。
发明内容
本发明的实施例提供一种基于成像设备的车辆定位方法及装置,以实现一种根据成像设备即可简单地进行车辆定位的方法。
为达到上述目的,本发明采用如下技术方案:
一方面,本发明实施例提供一种基于成像设备的车辆定位方法,所述成像设备固定设置于车辆临近车道标志物的一侧,所述成像设备的光轴与车道平面呈直角;
所述方法包括:
控制所述成像设备采集图像,确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线;
获得所述光心坐标到所述参数化线的第一距离;
根据所述第一距离、成像设备的光心到所述车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离;
根据所述相对距离对所述车辆进行定位。
另一方面,本发明实施例还提供一种基于成像设备的车辆定位装置,所述成像设备固定设置于车辆临近车道标志物的一侧,所述成像设备的光轴与车道平面呈直角;
所述装置包括:
成像设备控制单元,用于控制所述成像设备采集图像;
图像识别单元,用于确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线;
第一距离计算单元,用于获得所述光心坐标到所述参数化线的第一距离;
相对距离计算单元,用于根据所述第一距离、成像设备的光心到所述车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离;
定位单元,用于根据所述相对距离对所述车辆进行定位。
再一方面,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的基于成像设备的车辆定位方法。
又一方面,本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的基于成像设备的车辆定位方法。
本发明实施例提供一种基于成像设备的车辆定位方法及装置,通过将成像设备固定设置于车辆临近车道标志物的一侧,并使成像设备朝向正下方的车道平面,即成像设备的光轴与车道平面呈直角,从而能够控制成像设备采集图像,确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线;之后,获得所述光心坐标到所述参数化线的第一距离;根据所述第一距离、成像设备的光心到所述车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离;从而根据所述相对距离对所述车辆进行定位。可见,采用本发明的将成像设备朝向正下方的车道平面的方式,即可基于成像设备进行车辆定位。特别是由于成像设备朝向正下方的车道平面,可见距离较短,所采集的图像的像素对应到现实中的距离比较小,能够保证定位精度达到一个较优的效果,并且所采集的图像的场景比较单一,一般仅有车道平面上的车道标志物,对图像识别算法的鲁棒性要求不高,使得车道标志物的识别较为简单,从而使得整个车辆定位方法容易实现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于成像设备的车辆定位方法的流程图;
图2为本发明实施例中的车辆、成像设备及车道平面的位置示意图;
图3为本发明实施例中的车道凸起路标示意图;
图4为本发明实施例中的摄像头的一种布置方式示意图;
图5为本发明实施例中的光心、成像平面到车道平面的几何关系示意图一;
图6为本发明实施例中的光心、成像平面到车道平面的几何关系示意图二;
图7为本发明实施例提供的一种基于成像设备的车辆定位装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
为了便于理解本发明,下面对本发明所涉及的技术术语进行解释:
相机几何模型:将三维空间中的点(单位为米),根据相机内参外参,映射到二维图像平面(单位为像素)的过程。
定位:根据传感器测量的信息和事先已知的信息,计算车辆或移动机器人在当前环境中的位置。
绝对坐标系:是指所有坐标全部基于一个固定的坐标系原点的位置的描述的坐标系。
在实现本发明实施例的过程中,发明人发现现有技术中存在如下方式:
将摄像头安装于车辆上,并通过摄像头来定位的方法,具体方式为在车体上安装向前拍摄的摄像头(即前向摄像头,前向摄像头的光轴与地面平行),此处根据摄像头焦距的不同,一般分为广角,中焦,长焦等等。在进行定位时,通过将导航地图上的一些标志物(如车道线、广告牌等),通过相机几何模型投影到图片中,与预先识别的标志物结果做匹配优化,进而可以确定相机的位置。然而,由于前向摄像头的可见距离比较远,导致图片中的一个像素往往能对应到现实中的距离较大(如10cm以上),导致定位精度难以达到较优的效果(如10cm以内)。另外,由于前向摄像头的视角广阔,所见场景复杂多变,这对图像识别算法的鲁棒性要求极高,很容易出现识别失败的情况。
为了克服上述问题,如图1所示,本发明实施例提供一种基于成像设备的车辆定位方法,其应用于如图2所示的环境,即成像设备11固定设置于车辆10临近车道标志物12的一侧,该成像设备11的光轴111(通过光心和成像平面中心,与成像平面垂直的线)与车道平面20呈直角。这样,该成像设备11可以垂直于车道平面20进行图形采集。在具体实施时,由于成像设备的安装误差等,此处的光轴111与车道平面20所呈直角可以存在一定误差(如5°),例如在光轴111与车道平面20呈85°至95°时,均可以采用本发明实施例所提供的基于成像设备的车辆定位方法。
该基于成像设备的车辆定位方法包括:
步骤201、控制成像设备采集图像,确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线。
步骤202、获得光心坐标到参数化线的第一距离。
步骤203、根据第一距离、成像设备的光心到车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离。
步骤204、根据相对距离对车辆进行定位。
此处,值得说明的是,本发明实施例中所涉及的车道标志物可以包括车道线、车道路肩或如图3所示的车道凸起路标(例如在车道线上,或者不在车道线上有一些线装分布的反光车道凸起路标)等,但不仅局限于此。另外,本发明实施例中所涉及的成像设备一般为摄像头,由于车辆10两侧均可能有车道标志物,因此摄像头可固定安装于车辆的车头的任一侧,且每一侧可以包括至少一个摄像头,例如图4所示,在车辆车头的两侧,均设置一个摄像头112。
另外,在成像设备安装好后,需要对成像设备进行内参标定,得到内参矩阵等内参标定结果,以及对成像设备和车辆(如车辆内的惯性测量单元)进行外参标定,得到转移矩阵等外参标定结果。此处的内参标定和外参标定方案,此处不再赘述。
该步骤201中,识别图像中的车道标志物,得到图像中车道标志物的参数化线,可以采用如下方式实现:
识别图像中的车道标志物,拟合得到图像中车道标志物的参数化线;该参数化线为一直线:Ax+By+C=0;其中,A、B和C为直线参数。
之后,该步骤202中,获得光心坐标到参数化线的第一距离,可以采用如下方式实现:
获得光心坐标到直线Ax+By+C=0的第一距离;该第一距离为:其中,Δx为第一距离,cx和cy为光心坐标的值。
或者,上述步骤201中,识别图像中的车道标志物,得到图像中车道标志物的参数化线,还可以采用如下方式实现:
识别图像中的车道标志物,拟合得到图像中车道标志物的参数化线;该参数化线为一n次函数曲线:Dn+2xn+......+D3x+D2y+D1=0,(n≥2,n∈N*);其中D1至Dn+2为n次函数曲线参数。值得说明的是,由于道路上车道线、路肩等车道标志物的弯曲程度不会过大,且成像设备朝向正下方的车道平面,可见距离较短,因此图像中的车道标志物的参数化线基本接近于直线,因此一般n取2或3即可,即参数化线为2次函数曲线或者3次函数曲线。
上述识别图像中的车道标志物可以有多种方式,例如深度学习等方式。
之后,该步骤202中,获得光心坐标到参数化线的第一距离,则可以采用如下方式实现:
获得光心坐标到n次函数曲线:Dn+2xn+......+D3x+D2y+D1=0,(n≥2,n∈N*)的一切线的距离;其中,该光心坐标与该切线的垂直点在n次函数曲线上。
将光心坐标到该切线的距离作为第一距离Δx。
进一步的,如图5或图6所示,在图5中参数化线为直线Ax+By+C=0,而在图6中参数化线为n次函数曲线:Dn+2xn+......+D3x+D2y+D1=0,(n≥2,n∈N*)
上述步骤203可以采用如下方式实现:
将成像设备的光心O到车道平面的第二距离h除以成像设备的焦距f,得到第一比值。
将第一比值与第一距离Δx相乘,得到相对距离w。其中,l为成像设备的光轴,M为成像平面,L为车道标志物所构成的延伸线(如车道线,路肩边缘线等)。
此处,该相对距离w可以用如下公式表示:
进一步的,上述步骤204可以采用如下方式实现:
从绝对坐标系下的地图中获得车道标志物所构成的延伸线的第一绝对坐标。
在第一绝对坐标上叠加相对距离,得到成像设备在绝对坐标系下的地图中的第二绝对坐标。
根据第二绝对坐标、预先获得的成像设备内参标定结果和成像设备与车辆的外参标定结果,对车辆进行定位。
此处,在得到成像设备的绝对坐标的情况下,对整个车辆进行定位的方法较多,此处不再赘述。
另一方面,如图7所示,本发明实施例还提供一种基于成像设备的车辆定位装置,成像设备固定设置于车辆临近车道标志物的一侧,成像设备的光轴与车道平面呈直角;该装置包括:
成像设备控制单元31,用于控制成像设备采集图像。
图像识别单元32,用于确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线。
第一距离计算单元33,用于获得光心坐标到参数化线的第一距离。
相对距离计算单元34,用于根据第一距离、成像设备的光心到车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离。
定位单元35,用于根据相对距离对车辆进行定位。
再一方面,本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述图1对应的基于成像设备的车辆定位方法。
又一方面,本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储上并可在处理器上运行的计算机程序,处理器执行程序时实现上述图1对应的基于成像设备的车辆定位方法。
本发明实施例提供一种基于成像设备的车辆定位方法及装置,通过将成像设备固定设置于车辆临近车道标志物的一侧,并使成像设备朝向正下方的车道平面,即成像设备的光轴与车道平面呈直角,从而能够控制成像设备采集图像,确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线;之后,获得光心坐标到参数化线的第一距离;根据第一距离、成像设备的光心到车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离;从而根据相对距离对车辆进行定位。可见,采用本发明的将成像设备朝向正下方的车道平面的方式,即可基于成像设备进行车辆定位。特别是由于成像设备朝向正下方的车道平面,可见距离较短,所采集的图像的像素对应到现实中的距离比较小,能够保证定位精度达到一个较优的效果,并且所采集的图像的场景比较单一,一般仅有车道平面上的车道标志物,对图像识别算法的鲁棒性要求不高,使得车道标志物的识别较为简单,从而使得整个车辆定位方法容易实现。
本发明可以应用于无人驾驶领域中的内集卡和外集卡中,以便于对内集卡和外集卡的定位识别。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种基于成像设备的车辆定位方法,其特征在于,所述成像设备固定设置于车辆临近车道标志物的一侧,所述成像设备的光轴与车道平面的夹角角度落在85度至95度的范围中;
所述方法包括:
控制所述成像设备采集图像,确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线;
获得所述光心坐标到所述参数化线的第一距离;
根据所述第一距离、成像设备的光心到所述车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离;
根据所述相对距离对所述车辆进行定位,包括:
从绝对坐标系下的地图中获得车道标志物所构成的延伸线的第一绝对坐标;
在所述第一绝对坐标上叠加所述相对距离,得到成像设备在绝对坐标系下的地图中的第二绝对坐标;
根据所述第二绝对坐标、预先获得的成像设备内参标定结果和成像设备与车辆的外参标定结果,对所述车辆进行定位。
2.根据权利要求1所述的基于成像设备的车辆定位方法,其特征在于,所述车道标志物包括车道线、车道路肩或车道凸起路标。
3.根据权利要求1所述的基于成像设备的车辆定位方法,其特征在于,所述成像设备包括一至多个摄像头,所述摄像头固定安装于车辆的车头的任一侧。
4.根据权利要求1所述的基于成像设备的车辆定位方法,其特征在于,所述识别图像中的车道标志物,得到图像中车道标志物的参数化线,包括:
识别图像中的车道标志物,拟合得到图像中车道标志物的参数化线;所述参数化线为一直线:Ax+By+C=0;其中,A、B和C为直线参数。
5.根据权利要求4所述的基于成像设备的车辆定位方法,其特征在于,所述获得所述光心坐标到所述参数化线的第一距离,包括:
获得光心坐标到所述直线Ax+By+C=0的第一距离;所述第一距离为:其中,Δx为所述第一距离,cx和cy为光心坐标的值。
6.根据权利要求1所述的基于成像设备的车辆定位方法,其特征在于,所述识别图像中的车道标志物,得到图像中车道标志物的参数化线,包括:
识别图像中的车道标志物,拟合得到图像中车道标志物的参数化线;所述参数化线为一n次函数曲线:Dn+2xn+......+D3x+D2y+D1=0;其中D1至Dn+2为n次函数曲线参数。
7.根据权利要求6所述的基于成像设备的车辆定位方法,其特征在于,所述获得所述光心坐标到所述参数化线的第一距离,包括:
获得光心坐标到所述n次函数曲线:Dn+2xn+......+D3x+D2y+D1=0的一切线的距离;其中,该光心坐标与该切线的垂直点在所述n次函数曲线上;
将光心坐标到该切线的距离作为所述第一距离Δx。
8.根据权利要求5或7所述的基于成像设备的车辆定位方法,其特征在于,所述根据所述第一距离、成像设备的光心到所述车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离,包括:
将成像设备的光心到所述车道平面的第二距离h除以成像设备的焦距f,得到第一比值;
将所述第一比值与第一距离Δx相乘,得到所述相对距离w。
9.一种基于成像设备的车辆定位装置,其特征在于,所述成像设备固定设置于车辆临近车道标志物的一侧,所述成像设备的光轴与车道平面的夹角角度落在85度至95度的范围中;
所述装置包括:
成像设备控制单元,用于控制所述成像设备采集图像;
图像识别单元,用于确定图像中的成像设备的光心坐标,并识别图像中的车道标志物,得到图像中车道标志物的参数化线;
第一距离计算单元,用于获得所述光心坐标到所述参数化线的第一距离;
相对距离计算单元,用于根据所述第一距离、成像设备的光心到所述车道平面的第二距离、成像设备的焦距,得到成像设备的光轴与车道平面的交点到车道标志物所构成的延伸线的相对距离;
定位单元,用于根据所述相对距离对所述车辆进行定位,包括:
从绝对坐标系下的地图中获得车道标志物所构成的延伸线的第一绝对坐标;
在所述第一绝对坐标上叠加所述相对距离,得到成像设备在绝对坐标系下的地图中的第二绝对坐标;
根据所述第二绝对坐标、预先获得的成像设备内参标定结果和成像设备与车辆的外参标定结果,对所述车辆进行定位。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至8任一项所述的基于成像设备的车辆定位方法。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至8任一项所述的基于成像设备的车辆定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811350854.7A CN111258306B (zh) | 2018-11-14 | 2018-11-14 | 基于成像设备的车辆定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811350854.7A CN111258306B (zh) | 2018-11-14 | 2018-11-14 | 基于成像设备的车辆定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111258306A CN111258306A (zh) | 2020-06-09 |
CN111258306B true CN111258306B (zh) | 2023-10-03 |
Family
ID=70944559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811350854.7A Active CN111258306B (zh) | 2018-11-14 | 2018-11-14 | 基于成像设备的车辆定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111258306B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08315299A (ja) * | 1995-05-19 | 1996-11-29 | Honda Motor Co Ltd | 車両の外部環境認識装置 |
CN103196418A (zh) * | 2013-03-06 | 2013-07-10 | 山东理工大学 | 一种弯道车距测量方法 |
CN108088414A (zh) * | 2017-12-05 | 2018-05-29 | 苏州天瞳威视电子科技有限公司 | 一种单目测距方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8311283B2 (en) * | 2008-07-06 | 2012-11-13 | Automotive Research&Testing Center | Method for detecting lane departure and apparatus thereof |
WO2018126228A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | Sign and lane creation for high definition maps used for autonomous vehicles |
-
2018
- 2018-11-14 CN CN201811350854.7A patent/CN111258306B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08315299A (ja) * | 1995-05-19 | 1996-11-29 | Honda Motor Co Ltd | 車両の外部環境認識装置 |
CN103196418A (zh) * | 2013-03-06 | 2013-07-10 | 山东理工大学 | 一种弯道车距测量方法 |
CN108088414A (zh) * | 2017-12-05 | 2018-05-29 | 苏州天瞳威视电子科技有限公司 | 一种单目测距方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111258306A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7398506B2 (ja) | ローカライゼーション基準データを生成及び使用する方法及びシステム | |
US10863166B2 (en) | Method and apparatus for generating three-dimensional (3D) road model | |
RU2727164C1 (ru) | Способ и устройство коррекции картографических данных | |
US20190033867A1 (en) | Systems and methods for determining a vehicle position | |
EP3519770A1 (en) | Methods and systems for generating and using localisation reference data | |
CN103424112A (zh) | 一种基于激光平面辅助的运动载体视觉导航方法 | |
CN111220143A (zh) | 一种成像设备的位置和姿态确定方法及装置 | |
CN109282813B (zh) | 一种无人艇全局障碍物识别的方法 | |
Jeong et al. | Hdmi-loc: Exploiting high definition map image for precise localization via bitwise particle filter | |
JP5375249B2 (ja) | 移動経路計画装置、移動体制御装置及び移動体 | |
WO2017199369A1 (ja) | 地物認識装置、地物認識方法およびプログラム | |
CN111258306B (zh) | 基于成像设备的车辆定位方法及装置 | |
US11514588B1 (en) | Object localization for mapping applications using geometric computer vision techniques | |
Wen et al. | Electronic Card Localization Algorithm Based on Visible Light Screen Communication | |
WO2022226531A1 (en) | Vision based cooperative vehicle localization system and method for gps-denied environments | |
Wang et al. | Inter-vehicle separation measurement using monocular vision | |
JP2022108298A (ja) | 自己地図生成装置、および自己位置推定装置 | |
Ratsame et al. | A multi-sensor-based navigation framework for intelligent vehicle |
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 |