CN111369439B - 基于环视的自动泊车车位识别全景环视图像实时拼接方法 - Google Patents
基于环视的自动泊车车位识别全景环视图像实时拼接方法 Download PDFInfo
- Publication number
- CN111369439B CN111369439B CN202010132877.1A CN202010132877A CN111369439B CN 111369439 B CN111369439 B CN 111369439B CN 202010132877 A CN202010132877 A CN 202010132877A CN 111369439 B CN111369439 B CN 111369439B
- Authority
- CN
- China
- Prior art keywords
- image
- around
- fisheye
- automobile body
- distortion correction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012937 correction Methods 0.000 claims abstract description 21
- 230000009466 transformation Effects 0.000 claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 238000013135 deep learning Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 claims abstract description 10
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims 1
- 241000905137 Veronica schmidtiana Species 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- YNPNZTXNASCQKK-UHFFFAOYSA-N phenanthrene Chemical compound C1=CC=C2C3=CC=CC=C3C=CC2=C1 YNPNZTXNASCQKK-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开基于环视的自动泊车车位识别全景环视图像实时拼接方法，包括如下步骤：1）通过鱼眼相机获取图像数据；2）对图像进行畸变矫正，得到畸变矫正后的鱼眼图像；3）将畸变校正后的图像进行逆透视变换，得到汽车车身前、后、左、右四张鸟瞰图；4）对得到的鸟瞰图进行拼接，得到汽车车身周围360度全景环视图像；5）采用融合算法对图像拼接缝进行优化，得到车身周围360度全景环视图像；6）将所得到的汽车车身周围360度全景环视图像输入深度学习目标检测模型，用于自动泊车车位识别和可行驶区域识别。本发明提供的方法具有计算量小，实时性高，精度高且效果好，易于实现的优点。
Description
技术领域
本发明涉及汽车自动泊车技术领域，尤其涉及基于环视的自动泊车车位识别全景环视图像实时拼接方法。
背景技术
深度学习技术的飞跃发展，产生了更加智能的自动泊车系统。在自动泊车环境感知方面，目前的研究和产品大多利用超声波雷达进行感知，这种基于距离传感器的感知方案所获得的环境信息非常有限，将视觉传感器应用于自动泊车使得360度全景环视技术得到了飞快的发展。该系统利用安装与车身前、后、左、右的4路鱼眼摄像头实时获取车身周边的环境信息，实现了汽车车身周围环境零死角检测，提高了驾驶员对于盲区的监测能力，同时也可与图像处理技术相结合，实现车位识别、障碍物检测以及可行驶区域识别等功能，是自动泊车系统的重要组成部分。
在基于环视的自动泊车系统中，现有的360度全景环视图像主要用于为驾驶员提供车身周围全方位的视觉信息，用于辅助泊车。为实现采用深度学习语义分割的方法实现对停车位的检测和可行驶区域识别，需要通过图像拼接技术快速实时地生成汽车车身周围360度全景环视鸟瞰图。图像拼接是将两张或多张拥有相同区域的图像，采用算法找到相邻两张图之间的几何变换关系，再两两拼接成一张图的过程。常见的有基于区域的拼接方法和基于特征的拼接方法。基于区域的拼接方法具有较好的拼接效果，但是计算量大，拼接速度慢。基于特征的拼接方法虽然可以减少处理的特征点数量，但是在寻找特征点时增加了系统的工作量，也不能达到实时性的要求。在现有的拼接方法中，需要改进和完善图像处理算法，使可视范围更广、拼接效果更逼真。在硬件方向，选择经济实用的硬件平台，同时解决系统对实时性的需求。
在基于深度学习的自动泊车系统中，采用环视视觉识别停车位和可行驶区域具有高实时性的要求，需要实时的生成汽车车身周围360度全景环视鸟瞰图，以上方法都无法达到实时的要求，都不可以直接应用在基于深度学习的自动泊车系统中。
发明内容
本发明提供一种基于环视的自动泊车车位识别全景环视图像实时拼接方法，该方法可实时生成汽车车身周围360度全景环视鸟瞰图，用于基于语义分割的自动泊车车位检测和可行驶区域识别，具有拼接速度快，高实时性，且效果好的特点。
本发明至少通过如下技术方案之一实现。
基于环视的自动泊车车位识别全景环视图像实时拼接方法，包括如下步骤：
1)通过安装在汽车车身的四路鱼眼相机获取图像数据；
2)对获得的四路鱼眼图像进行畸变矫正，得到畸变矫正后的鱼眼图像；
3)将畸变校正后的四路鱼眼图像进行逆透视变换，得到汽车车身前、后、左、右四张鸟瞰图；
4)对得到的四张鸟瞰图进行拼接，得到一张汽车车身周围360度全景环视图像；
5)采用融合算法对图像拼接缝进行优化，得到车身周围360度全景环视图像；
6)将所得到的汽车车身周围360度全景环视图像输入深度学习目标检测模型YOLOV3，用于基于深度学习的自动泊车车位识别和可行驶区域识别。
进一步地，在步骤1)中，四路鱼眼相机的安装位置分别为汽车左、右后视镜最外端、汽车引擎盖和进气格栅交界线中心以及后车牌下边缘中心处，固定好安装位置后，分别对四路鱼眼相机进行标定；采用两阶段标定法，首先采用球面透视投影法进行鱼眼相机标定，得到畸变矫正系数，将畸变矫正之后的鱼眼图像再用张正友标定法进行二次标定，并得到鱼眼相机的内、外参。
进一步地，在步骤2)中，采用多项式模型矫正法对四路鱼眼图像进行畸变矫正。
进一步地，在步骤3)中，采用基于自动标定点法的算法，求解图像的单应性矩阵，并对畸变矫正后的四路鱼眼相机图像进行逆透视变换，具体包括：
在汽车车身前、后、左、右四个方向分别放置一个黑白棋盘格，在前、后、左、右四个方向的棋盘格中，通过基于自动标定点法的算法自动寻找角点，每个方向分别选取4个点，共计16个点，分别测量各个方向的4个点的像素坐标，并测量每个像素点对应的世界坐标；
在汽车车身前、后、左、右四个方向上，通过每个方向上的四对坐标点的映射关系，求出每个方向的单应性矩阵；
通过每个方向的单应性矩阵分别对前、后、左、右方向的图像进行逆透视变换，得到汽车车身前、后、左、右四个方向的鸟瞰图。
进一步地，在步骤4)中，采用基于掩膜裁剪的方法对畸变矫正后的四路鱼眼图像进行拼接，在四路鱼眼的相对位置完全固定的条件下，分别设置前、后、左、右四张鱼眼图的掩膜，对图像进行裁剪，基于统一坐标系，将裁减之后的四幅鸟瞰图进行坐标变换，再进行实时拼接。
进一步地，在步骤5)中，采用距离三角函数加权平均融合算法对图像拼接缝进行融合，具体包括采用图像像素点到图像重合区域边界距离的三角函数值作为权重值，对图像重合部分进行加权平均，达到图像融合的效果，算法公式为：
I(i,j)＝cos2θI1(i,j)+(1-cos2θ)I2
式中，di为像素点到区域I1边界的距离，d为重合区域的距离大小，I1(i,j)为非重叠区域I1中像素点的灰度值，I2(i,j)为菲重叠区域I2中的像素点的灰度值，I(i,j)为融合后的像素点的灰度值。θ为以像素点到重合区域边界距离的三角函数值。
进一步地，在步骤6)中，将拼接后的360度全景环视图像实时输入到深度学习目标检测模型，进行自动泊车车位识别以及可行驶区域识别。
与现有的技术相比，本发明的有益效果为：本发明的拼接效果良好，无明显的拼接缝；拼接速度为30ms，实时性高；对计算力要求小，可部署于任意的嵌入式设备。
附图说明
图1为本实施例基于环视的自动泊车车位识别全景环视图像实时拼接方法流程图；
图2为本实施例的逆透视变换坐标系统及标定点选取示意图；
图3为本实施例的掩膜裁剪示意图；
图4为本实施例的图像融合示意图；
图5为本实施例的最终拼接融合效果图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。
如图1所示的基于环视的自动泊车车位识别全景环视图像实时拼接方法，包括如下步骤：
1)通过安装在汽车车身前、后、左、右的四路鱼眼相机获取图像数据；四路鱼眼相机的安装位置分别为汽车左、右后视镜最外端、汽车引擎盖和进气格栅交界线中心以及后车牌下边缘中心处，固定好安装位置后，分别对四路鱼眼相机进行标定；
采用的相机为四个190度广角鱼眼相机，配有四路图像采集卡，一台装有Ubuntu16.04系统的笔记本，采用多线程实时采集图像数据。采用两次标定，具体为先采用球面透视投影标定法对四路鱼眼相机分别进行标定，分别得到四路鱼眼相机的畸变系数，再分别对四路鱼眼图像进行畸变矫正，然后采用现有的张正友标定法对畸变矫正后的图像进行标定，分别得到四路鱼眼相机的内、外参数。
2)对获得的四路鱼眼图像进行畸变矫正，得到畸变矫正后的鱼眼图像；具体是采用四路语言相机标定得出的畸变系数，基于由Kannala在等距投影模型的基础上提出的鱼眼相机多项式近似投影模型，分别对采集的四路鱼眼图像数据进行畸变矫正，并输出畸变矫正图。
3)将畸变校正后的四路鱼眼图像进行逆透视变换，得到汽车车身前、后、左、右四张鸟瞰图；
在汽车车身前、后、左、右四个方向分别放置一个黑白棋盘格，如图2所示，在汽车车身前、后、左、右四个方向的棋盘格中，通过调用自动标定点法，自动选取4个点，左边四个点分别为L1、L2、L3、L4，右边四个点分别为R1、R2、R3、R4，前边四个点为F1、F2、F3、F4，后边四个点分别为B1、B2、B3、B4，共计16个点，自动获取每个方向上四个点的像素坐标点，并测量每个像素点对应的世界坐标，并保存；
在汽车车身前、后、左、右四个方向上，通过每个方向上的四对坐标点的映射关系，求出前、后、左、右四个方向的单应性矩阵分别为Hfront、Hback、Hleft、Hright；
通过前、后、左、右四个方向的单应性矩阵Hfront、Hback、Hleft、Hright分别对前、后、左、右四个方向的图像进行逆透视变换，得到四个方向的鸟瞰图。
4)对得到的四张鸟瞰图进行拼接，得到一张汽车车身周围360度全景环视图像；
基于掩膜裁剪进行环视图像拼接算法，首先设置汽车车身前、后、左、右四个方向的掩膜如图3所示，对逆透视变换得到的四个方向的鸟瞰图进行裁剪。在四路鱼眼相机相对位置固定的前提下，由相邻的鱼眼相机所采集的图像产生的重合区域也固定，所以对相邻相机所产生的鸟瞰图进行两两拼接。基于统一坐标系，将裁减之后的四幅鸟瞰图进行坐标变换，再进行实时拼接。
5)采用融合算法对图像拼接缝进行优化，如图4所示，得到车身周围360度全景环视图像；采用距离三角函数加权平均融合算法对图像拼接缝进行融合，具体包括采用图像像素点到图像重合区域边界距离的三角函数值作为权重值，对图像重合部分进行加权平均，达到图像融合的效果，算法公式为：
I(i,j)＝cos2θI1(i,j)+(1-cos2θ)I2
式中，di为像素点到区域I1边界的距离，d为重合区域的距离大小，I1(i,j)为非重叠区域I1中像素点的灰度值，I2(i,j)为非重叠区域I2中的像素点的灰度值，I(i,j)为融合后的像素点的灰度值，θ为以像素点到重合区域边界距离的三角函数值,,图4中da表示I1右边界与重叠区域中线的距离。
6)将所得到的汽车车身周围360度全景环视图像输入YOLOV3，用于基于深度学习的自动泊车车位识别和可行驶区域识别。
经过上述拼接方法，得到的最终拼接融合效果图，如图5所示。在拼接后，便可输入到深度学习目标检测模型YOLOV3，进行实时的车位检测和可行驶区域识别。
以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围。
Claims (6)
1.基于环视的自动泊车车位识别全景环视图像实时拼接方法，其特征在于，包括如下步骤：
1)通过安装在汽车车身的四路鱼眼相机获取图像数据；
2)对获得的四路鱼眼图像进行畸变矫正，得到畸变矫正后的鱼眼图像；
3)将畸变矫正后的四路鱼眼图像进行逆透视变换，得到汽车车身前、后、左、右四张鸟瞰图；采用基于自动标定点法的算法，求解图像的单应性矩阵，并对畸变矫正后的四路鱼眼相机图像进行逆透视变换，具体包括：
在汽车车身前、后、左、右四个方向分别放置一个黑白棋盘格，在前、后、左、右四个方向的棋盘格中，通过基于自动标定点法的算法自动寻找角点，每个方向分别选取4个点，共计16个点，分别测量各个方向的4个点的像素坐标，并测量每个像素点对应的世界坐标；
在汽车车身前、后、左、右四个方向上，通过每个方向上的四对坐标点的映射关系，求出每个方向的单应性矩阵；
通过每个方向的单应性矩阵分别对前、后、左、右方向的图像进行逆透视变换，得到汽车车身前、后、左、右四个方向的鸟瞰图；
4)对得到的四张鸟瞰图进行拼接，得到一张汽车车身周围360度全景环视图像；
5)采用融合算法对图像拼接缝进行优化，得到车身周围360度全景环视图像；
6)将所得到的汽车车身周围360度全景环视图像输入深度学习目标检测模型YOLOV3，用于基于深度学习的自动泊车车位识别和可行驶区域识别。
2.根据权利要求1所述的拼接方法，其特征在于，在步骤1)中，四路鱼眼相机的安装位置分别为汽车左、右后视镜最外端、汽车引擎盖和进气格栅交界线中心以及后车牌下边缘中心处，固定好安装位置后，分别对四路鱼眼相机进行标定；采用两阶段标定法，首先采用球面透视投影法进行鱼眼相机标定，得到畸变矫正系数，将畸变矫正之后的鱼眼图像再用张正友标定法进行二次标定，并得到鱼眼相机的内、外参。
3.根据权利要求1所述的拼接方法，其特征在于，在步骤2)中，采用多项式模型矫正法对四路鱼眼图像进行畸变矫正。
4.根据权利要求1所述的拼接方法，其特征在于，在步骤4)中，采用基于掩膜裁剪的方法对畸变矫正后的四路鱼眼图像进行拼接，在四路鱼眼的相对位置完全固定的条件下，分别设置前、后、左、右四张鱼眼图的掩膜，对图像进行裁剪，基于统一坐标系，将裁减之后的四幅鸟瞰图进行坐标变换，再进行实时拼接。
5.根据权利要求1所述的拼接方法，其特征在于，在步骤5)中，采用距离三角函数加权平均融合算法对图像拼接缝进行融合，具体包括采用图像像素点到图像重合区域边界距离的三角函数值作为权重值，对图像重合部分进行加权平均，达到图像融合的效果，算法公式为：
I(i,j)＝cos2θI1(i,j)+(1-cos2θ)I2(i,j)
式中，di为像素点到区域I1边界的距离，d为重合区域的距离大小，I1(i,j)为非重叠区域I1中像素点的灰度值，I2(i,j)为非重叠区域I2中的像素点的灰度值，I(i,j)为融合后的像素点的灰度值，θ为以像素点到重合区域边界距离的三角函数值。
6.根据权利要求1所述的拼接方法，其特征在于，在步骤6)中，将拼接后的360度全景环视图像实时输入到深度学习目标检测模型，进行自动泊车车位识别以及可行驶区域识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010132877.1A CN111369439B (zh) | 2020-02-29 | 2020-02-29 | 基于环视的自动泊车车位识别全景环视图像实时拼接方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010132877.1A CN111369439B (zh) | 2020-02-29 | 2020-02-29 | 基于环视的自动泊车车位识别全景环视图像实时拼接方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111369439A CN111369439A (zh) | 2020-07-03 |
| CN111369439B true CN111369439B (zh) | 2023-05-23 |
Family
ID=71210251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010132877.1A Active CN111369439B (zh) | 2020-02-29 | 2020-02-29 | 基于环视的自动泊车车位识别全景环视图像实时拼接方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111369439B (zh) |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001266B (zh) * | 2020-07-30 | 2023-01-17 | 上海交通大学 | 一种大型无人运输车监控方法及系统 |
| CN112069980B (zh) * | 2020-09-03 | 2022-01-25 | 三一专用汽车有限责任公司 | 障碍物识别方法、障碍物识别系统和存储介质 |
| CN112078538A (zh) * | 2020-09-10 | 2020-12-15 | 浙江亚太机电股份有限公司 | 一种基于车载环视系统的汽车尾门自动开启系统 |
| CN112348775B (zh) * | 2020-10-13 | 2024-04-09 | 上海城建城市运营(集团)有限公司 | 基于车载环视的路面坑塘检测系统及方法 |
| CN112298168B (zh) * | 2020-11-06 | 2022-04-22 | 北京罗克维尔斯科技有限公司 | 一种车位检测方法及装置、自动泊车方法及装置 |
| CN112435161A (zh) * | 2020-11-12 | 2021-03-02 | 蘑菇车联信息科技有限公司 | 全景环视图像拼接方法及系统、电子设备和存储介质 |
| CN112581612B (zh) * | 2020-11-17 | 2022-11-01 | 上汽大众汽车有限公司 | 基于激光雷达和环视摄像头融合的车载栅格地图生成方法及系统 |
| CN112419154A (zh) * | 2020-11-26 | 2021-02-26 | 三一专用汽车有限责任公司 | 可行驶区域检测方法、装置、设备和计算机可读存储介质 |
| CN112738470B (zh) * | 2020-12-25 | 2022-10-21 | 太原理工大学 | 一种高速公路隧道内停车检测的方法 |
| CN112581371B (zh) * | 2021-01-27 | 2022-03-22 | 仲恺农业工程学院 | 基于四路摄像头新型结构的全景实时成像拼接方法 |
| CN112912895B (zh) * | 2021-01-29 | 2022-07-22 | 华为技术有限公司 | 一种检测方法、装置和车辆 |
| CN112793564B (zh) * | 2021-02-07 | 2022-07-22 | 杨东杰 | 一种基于全景鸟瞰图和深度学习的自主泊车辅助系统 |
| CN115131762A (zh) * | 2021-03-18 | 2022-09-30 | 广州汽车集团股份有限公司 | 一种车辆泊车方法、系统及计算机可读存储介质 |
| CN113139900B (zh) * | 2021-04-01 | 2023-09-01 | 北京科技大学设计研究院有限公司 | 一种棒材完整表面图像获取方法 |
| CN113177502B (zh) * | 2021-05-13 | 2024-02-02 | 北京罗克维尔斯科技有限公司 | 环视障碍物检测方法、装置、介质、车载系统以及车辆 |
| CN113313968A (zh) * | 2021-05-18 | 2021-08-27 | 武汉光庭信息技术股份有限公司 | 车位检测方法及存储介质 |
| CN113408454B (zh) * | 2021-06-29 | 2024-02-06 | 上海高德威智能交通系统有限公司 | 一种交通目标检测方法、装置、电子设备及检测系统 |
| CN113353067A (zh) * | 2021-07-14 | 2021-09-07 | 重庆大学 | 一种基于全景摄像头的多环境检测与多模态匹配的平行泊车路径规划系统 |
| CN113538377B (zh) * | 2021-07-15 | 2022-08-12 | 河北三国新能源科技有限公司 | 一种基于全景环视的驾考车直角转弯压线检测方法和系统 |
| CN113705474B (zh) * | 2021-08-30 | 2022-04-15 | 北京易航远智科技有限公司 | 车位检测方法和装置 |
| CN114274948A (zh) * | 2021-12-15 | 2022-04-05 | 武汉光庭信息技术股份有限公司 | 一种基于360度全景的自动泊车方法及装置 |
| CN114663397B (zh) * | 2022-03-22 | 2023-05-23 | 小米汽车科技有限公司 | 可行驶区域的检测方法、装置、设备及存储介质 |
| CN115412676A (zh) * | 2022-09-13 | 2022-11-29 | 清华大学 | 一种基于权重掩膜的全景环视系统及全景图像融合方法 |
| CN115953764B (zh) * | 2023-03-13 | 2023-05-30 | 深圳魔视智能科技有限公司 | 基于鸟瞰图的车辆哨兵方法、装置、设备及存储介质 |
| CN116229426B (zh) * | 2023-05-09 | 2023-07-21 | 华东交通大学 | 基于全景环视图像的无人驾驶泊车停车位检测方法 |
| CN117953470A (zh) * | 2024-03-26 | 2024-04-30 | 杭州感想科技有限公司 | 全景拼接相机的高速公路事件识别方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015043507A1 (zh) * | 2013-09-27 | 2015-04-02 | 比亚迪股份有限公司 | 用于汽车的图像处理方法与装置、生成汽车环视图像的方法和汽车环视系统 |
| CN106157304A (zh) * | 2016-07-01 | 2016-11-23 | 成都通甲优博科技有限责任公司 | 一种基于多个相机的全景图拼接方法及系统 |
| CN107424120A (zh) * | 2017-04-12 | 2017-12-01 | 湖南源信光电科技股份有限公司 | 一种全景环视系统中的图像拼接方法 |
| CN108263283A (zh) * | 2018-01-25 | 2018-07-10 | 长沙立中汽车设计开发股份有限公司 | 多编组变角度车辆全景环视系统标定及拼接方法 |
-
2020
- 2020-02-29 CN CN202010132877.1A patent/CN111369439B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015043507A1 (zh) * | 2013-09-27 | 2015-04-02 | 比亚迪股份有限公司 | 用于汽车的图像处理方法与装置、生成汽车环视图像的方法和汽车环视系统 |
| CN106157304A (zh) * | 2016-07-01 | 2016-11-23 | 成都通甲优博科技有限责任公司 | 一种基于多个相机的全景图拼接方法及系统 |
| CN107424120A (zh) * | 2017-04-12 | 2017-12-01 | 湖南源信光电科技股份有限公司 | 一种全景环视系统中的图像拼接方法 |
| CN108263283A (zh) * | 2018-01-25 | 2018-07-10 | 长沙立中汽车设计开发股份有限公司 | 多编组变角度车辆全景环视系统标定及拼接方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111369439A (zh) | 2020-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111369439B (zh) | 基于环视的自动泊车车位识别全景环视图像实时拼接方法 | |
| CN108263283B (zh) | 多编组变角度车辆全景环视系统标定及拼接方法 | |
| CN109741455B (zh) | 一种车载立体全景显示方法、计算机可读存储介质及系统 | |
| CN109435852B (zh) | 一种针对大型卡车的全景式辅助驾驶系统及方法 | |
| US9858639B2 (en) | Imaging surface modeling for camera modeling and virtual view synthesis | |
| CN112224132B (zh) | 一种车用全景环视障碍物预警方法 | |
| CN110781883B (zh) | 一种基于360度环视摄像头的车位尺寸识别系统及方法 | |
| CN111179168B (zh) | 一种车载360度全景环视监控系统及方法 | |
| CN103617606A (zh) | 用于辅助驾驶的车辆多视角全景生成方法 | |
| CN103177439A (zh) | 一种基于黑白格角点匹配的自动标定方法 | |
| EP3965005A1 (en) | Target detection method and device | |
| CN113362228A (zh) | 基于改进畸变校正和标记拼接的环视图像拼接方法及系统 | |
| CN107492125A (zh) | 汽车鱼眼镜头环视图像的处理方法 | |
| CN109883433B (zh) | 基于360度全景视图的结构化环境中车辆定位方法 | |
| CN110689506A (zh) | 一种全景拼接方法、一种车用全景拼接方法及其全景系统 | |
| CN111768332A (zh) | 一种车载环视实时3d全景图像的拼接方法及图形采集装置 | |
| CN112233188A (zh) | 一种基于激光雷达的车顶全景相机及其标定方法 | |
| CN115936995A (zh) | 一种车辆四路鱼眼摄像头全景拼接方法 | |
| CN114937090A (zh) | 一种智能电子前后视镜系统 | |
| CN112802109B (zh) | 一种汽车鸟瞰全景图生成方法 | |
| US20190130540A1 (en) | Method and system for handling images | |
| CN113492829B (zh) | 数据处理的方法和装置 | |
| CN116740192A (zh) | 一种车载环视系统的标定方法、标定系统及智能汽车 | |
| CN116486351A (zh) | 行车预警方法、装置、设备及存储介质 | |
| CN116245722A (zh) | 一种应用于重高型车辆的全景影像拼接系统及方法 |
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 |