CN111968132A - 一种基于全景视觉的无线充电对位的相对位姿解算方法 - Google Patents

一种基于全景视觉的无线充电对位的相对位姿解算方法 Download PDF

Info

Publication number
CN111968132A
CN111968132A CN202010738556.6A CN202010738556A CN111968132A CN 111968132 A CN111968132 A CN 111968132A CN 202010738556 A CN202010738556 A CN 202010738556A CN 111968132 A CN111968132 A CN 111968132A
Authority
CN
China
Prior art keywords
parking space
image
vehicle
area
relative pose
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
CN202010738556.6A
Other languages
English (en)
Inventor
李永强
杨晓宇
宋凯
朱春波
赵永平
牛可通
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202010738556.6A priority Critical patent/CN111968132A/zh
Publication of CN111968132A publication Critical patent/CN111968132A/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
    • B60L53/12—Inductive energy transfer
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
    • B60L53/12—Inductive energy transfer
    • B60L53/126—Methods for pairing a vehicle and a charging station, e.g. establishing a one-to-one relation between a wireless power transmitter and a wireless power receiver
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20164—Salient point detection; Corner detection
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/14—Plug-in electric vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)

Abstract

本发明是一种基于全景视觉的无线充电对位的相对位姿解算方法。本发明涉及电动汽车无线充电对位技术领域，获取车位视觉图像，根据得到的车位视觉图像划分出ROI图像区域；根据划分出的ROI图像区域，对图像区域进行预处理，滤除噪声；根据预处理后的感兴趣图像区域，分割保留停车位区域，对停车位区域进行标记线检测；根据检测得到的停车位区域标记线，进行变换处理，定位停车区域，获得角点信息；根据角点信息，对车辆相对位姿进行求解，确定车辆的相对位姿。本发明提出的方法基于全景视觉，可以提高司机对行车系统的可操作性，避免由于司机盲区带来的行车风险，降低了安全隐患。

Description

一种基于全景视觉的无线充电对位的相对位姿解算方法
技术领域
本发明涉及电动汽车无线充电对位技术领域，是一种基于全景视觉的无线充电对位的相对位姿解算方法。
背景技术
为了促进新能源汽车产业发展，把科技创新引领与战略性新兴产业培育相结合。电动汽车产业的迅猛蓬勃发展，取得了举世瞩目的成就，成为引领世界汽车产业转型的重要力量。但是由于电动汽车电池容量受限，并且目前充电设施尚未完备，使得磁耦合机构充电问题束缚了电动汽车领域的发展前景，针对无线充电领域目前亟待攻克的难关是如何使磁耦合机构精准对位
目前电动汽车无线充电系统相关产品普遍采用磁参量、电参量实现无线充电位置感知技术：苏州经贸职业技术学院殷建峰团队针对目前无线充电过程中发射和接收线圈位置偏差而导致传输性能下降的问题，设计了一种可以根据对位情况实时改变磁耦合就位置的对位系统并设计了基于嵌入式控制器，通过两个两相四线步进电机控制一种X-Y轴平台的移动实现磁耦合机构校准的自适应无线充电车位系统，但实验结果检测精度较差。哈尔滨工业大学提出了一种基于三轴磁传感器的定位方式，通过测量车载永磁体在行驶方向上的磁感应强度，实现对车辆的精确定位。二者受磁场或者传感器相互之间的干扰较小，不能与无线充电方式良好结合。
现有的解决方案以双目视觉系统代替传统的超声波和红外测距仪为主的和传感器，采用双目视觉获取每个像素点在摄像机坐标中的三维信息，但是提升了系统复杂度，双目配置和标定较为复杂，视差计算消耗计算资源。
解决方案以环视图像作为输入，通过构建实时目标检测系统，检测车位两个角点，后通过简单的神经网络对两个角点组成的图像进行分类然后通过算法提取另外两个点，实时检测车位。但是该方法无法布设至简单的车载嵌入式系统，无法产业化实现。
发明内容
本发明为实现对无线充电对位的相对位姿的求解，本发明提供了一种基于全景视觉的无线充电对位的相对位姿解算方法，本发明提供了以下技术方案：
一种基于全景视觉的无线充电对位的相对位姿解算方法，包括以下步骤：
步骤1：获取车位视觉图像，根据得到的车位视觉图像划分出ROI图像区域；
步骤2：根据划分出的ROI图像区域，对图像区域进行预处理，滤除噪声；
步骤3：根据预处理后的感兴趣图像区域，分割保留停车位区域，对停车位区域进行标记线检测；
步骤4：根据检测得到的停车位区域标记线，进行变换处理，定位停车区域，获得角点信息；
步骤5：根据角点信息，对车辆相对位姿进行求解，确定车辆的相对位姿。
优选地，所述步骤1具体为：通过全景摄像机获取车辆位置图像数据，所述全景摄像机将图像数据传输至USB采集卡，将图像数据转换为数字信号，主控PC端控制通过开源视觉库OpenCV控制全景相机拍摄图像并存储到指定目录，并划分ROI图像区域；所述ROI区域为采用固定区域方式截去多余的车身信息，从而对剩余部分进行图像处理的区域，去除车辆不相关信息。
优选地，所述步骤2具体为：根据划分出的ROI图像区域，选取中值滤波来滤除孤立噪点，统计某像素点一定邻域内的灰度值，并取某像素点值代替当前像素点的灰度值，对椒盐噪声和斑点噪声滤除，保留边缘信息对图像区域进行预处理。
优选地，所述步骤3具体为：根据预处理后的感兴趣图像区域，分割保留停车位区域，停车位标记线以白色和黄色为主，利用停车位标记线的颜色信息来进行提取，基于HSV色彩模型，将预处理后的感兴趣图像区域转换到HSV色彩空间，根据停车位标记线颜色的HSV阈值，对图像进行阈值分割，当图像点在设定颜色的HSV阈值内时，则标记为白色，否则标记为黑色；由此分割出需要的颜色区域，即停车位标记线区域；
对分割后的图像进行二值化处理再通过边缘检测算法获取停车位标记线线边缘特征。
优选地，所述步骤4具体为：
步骤4.1：采用Hough变换提取停车位标记线，Hough变换利用两个空间中点与线的对偶性，在Hough直线检测时，图像空间中的直线与Hough空间中的点是相互对应的，将图像空间中的直线检测转换到参数空间中对点峰值的检测，通过对参数空间中投票寻找峰值来完成直线检测，根据停车位标记线线边缘特征的直线检测阈值而检测出多条直线，对直线簇进行筛选才能定位标记线；
步骤4.2：停车位标记线本身具有一定宽度，通过设定两直线之间的阈值，判断Hough变换检测到的直线是否属于同一标记线，然后使用最小二乘法拟合为一条直线，将检测出的直线延长获得的停车位的拟合矩形边框，边框的四个交点即为停车位的角点。
优选地，划线时按地方规定停车位有一定标准尺寸，设定为白色或黄色的直线围成的四边形区域；
组成停车位的停车位标记线具有一定宽度，并且其亮度相对于周边区域高；
构成停车位的四边形区域必有两个及两个以上的交点；
针对直车位来说相邻两条停车位标记线的夹角在90°。
优选地，所述步骤5具体为：确定停车位之后，根据停车位信息来定位地面发射端位置，在倒车过程中，当进入停车位，停车位区域必会保留至少一个角点，由于汽车行进过程中车身处于图像中心位置恒定不变，且车载接收端位置固定，根据车身中心点预设车载接收端的位置，而地面接收装置相对于停车位位置相对固定，根据停车位角点对地面发射装置进行定位，确定停车位信息之后即可在二维平面上根据车辆中心位置与角点之间的二维位置关系获取车辆接收装置与地面发射装置之间在二维图像中的相对位姿，通过像素大小与实际空间大小的对应关系得到车辆的相对于无线充电端的相对位姿，得到车辆的对位结果。
本发明具有以下有益效果：
本发明提出的方法基于全景视觉，可以提高司机对行车系统的可操作性，避免由于司机盲区带来的行车风险，降低了安全隐患。
本发明相比于现有的无线充电对位技术，本发明提出的视觉方法具有明显的优点：传统对位方法受磁场或者传感器相互之间的干扰较大，不能与无线充电方式良好结合，视觉方案可避开这种干扰。
附图说明
图1为基于全景视觉的无线充电对位的相对位姿解算方法流程框架图。
具体实施方式
以下结合具体实施例，对本发明进行了详细说明。
具体实施例一：
根据图1所示，本发明提供一种基于全景视觉的无线充电对位的相对位姿解算方法，具体为：
一种基于全景视觉的无线充电对位的相对位姿解算方法，包括以下步骤：
步骤1：获取车位视觉图像，根据得到的车位视觉图像划分出ROI图像区域；
所述步骤1具体为：通过全景摄像机获取车辆位置图像数据，所述全景摄像机将图像数据传输至USB采集卡，将图像数据转换为数字信号，主控PC端控制通过开源视觉库OpenCV控制全景相机拍摄图像并存储到指定目录，并划分ROI图像区域；所述ROI区域为采用固定区域方式截去多余的车身信息，从而对剩余部分进行图像处理的区域，去除车辆不相关信息。
步骤2：根据划分出的ROI图像区域，对图像区域进行预处理，滤除噪声；
所述步骤2具体为：根据划分出的ROI图像区域，选取中值滤波来滤除孤立噪点，统计某像素点一定邻域内的灰度值，并取某像素点值代替当前像素点的灰度值，对椒盐噪声和斑点噪声滤除，保留边缘信息对图像区域进行预处理。
步骤3：根据预处理后的感兴趣图像区域，分割保留停车位区域，对停车位区域进行标记线检测；
所述步骤3具体为：根据预处理后的感兴趣图像区域，分割保留停车位区域，停车位标记线以白色和黄色为主，利用停车位标记线的颜色信息来进行提取，基于HSV色彩模型，将预处理后的感兴趣图像区域转换到HSV色彩空间，根据停车位标记线颜色的HSV阈值，对图像进行阈值分割，当图像点在设定颜色的HSV阈值内时，则标记为白色，否则标记为黑色；由此分割出需要的颜色区域，即停车位标记线区域；
对分割后的图像进行二值化处理再通过边缘检测算法获取停车位标记线线边缘特征。
步骤4：根据检测得到的停车位区域标记线，进行变换处理，定位停车区域，获得角点信息；
所述步骤4具体为：
步骤4.1：采用Hough变换提取停车位标记线，Hough变换利用两个空间中点与线的对偶性，在Hough直线检测时，图像空间中的直线与Hough空间中的点是相互对应的，将图像空间中的直线检测转换到参数空间中对点峰值的检测，通过对参数空间中投票寻找峰值来完成直线检测，根据停车位标记线线边缘特征的直线检测阈值而检测出多条直线，对直线簇进行筛选才能定位标记线；
步骤4.2：停车位标记线本身具有一定宽度，通过设定两直线之间的阈值，判断Hough变换检测到的直线是否属于同一标记线，然后使用最小二乘法拟合为一条直线，将检测出的直线延长获得的停车位的拟合矩形边框，边框的四个交点即为停车位的角点。
划线时按地方规定停车位有一定标准尺寸，设定为白色或黄色的直线围成的四边形区域；
组成停车位的停车位标记线具有一定宽度，并且其亮度相对于周边区域高；
构成停车位的四边形区域必有两个及两个以上的交点；
针对直车位来说相邻两条停车位标记线的夹角在90°。
步骤5：根据角点信息，对车辆相对位姿进行求解，确定车辆的相对位姿。
所述步骤5具体为：确定停车位之后，根据停车位信息来定位地面发射端位置，在倒车过程中，当进入停车位，停车位区域必会保留至少一个角点，由于汽车行进过程中车身处于图像中心位置恒定不变，且车载接收端位置固定，根据车身中心点预设车载接收端的位置，而地面接收装置相对于停车位位置相对固定，根据停车位角点对地面发射装置进行定位，确定停车位信息之后即可在二维平面上根据车辆中心位置与角点之间的二维位置关系获取车辆接收装置与地面发射装置之间在二维图像中的相对位姿，通过像素大小与实际空间大小的对应关系得到车辆的相对于无线充电端的相对位姿，得到车辆的对位结果。
全景相机可选择视野范围较大，焦距较小的鱼眼相机进行实验；
为验证实验，需要选取合适的自适应二值化方法尽可能规避光照因素带来的影响。
目前设计方法主要针对直车位划法。
以上所述仅是一种基于全景视觉的无线充电对位的相对位姿解算方法的优选实施方式，一种基于全景视觉的无线充电对位的相对位姿解算方法的保护范围并不仅局限于上述实施例，凡属于该思路下的技术方案均属于本发明的保护范围。应当指出，对于本领域的技术人员来说，在不脱离本发明原理前提下的若干改进和变化，这些改进和变化也应视为本发明的保护范围。

Claims (7)

1.一种基于全景视觉的无线充电对位的相对位姿解算方法，其特征是：包括以下步骤：
步骤1：获取车位视觉图像，根据得到的车位视觉图像划分出ROI图像区域；
步骤2：根据划分出的ROI图像区域，对图像区域进行预处理，滤除噪声；
步骤3：根据预处理后的感兴趣图像区域，分割保留停车位区域，对停车位区域进行标记线检测；
步骤4：根据检测得到的停车位区域标记线，进行变换处理，定位停车区域，获得角点信息；
步骤5：根据角点信息，对车辆相对位姿进行求解，确定车辆的相对位姿。
2.根据权利要求1所述的一种基于全景视觉的无线充电对位的相对位姿解算方法，其特征是：所述步骤1具体为：通过全景摄像机获取车辆位置图像数据，所述全景摄像机将图像数据传输至USB采集卡，将图像数据转换为数字信号，主控PC端控制通过开源视觉库OpenCV控制全景相机拍摄图像并存储到指定目录，并划分ROI图像区域；所述ROI区域为采用固定区域方式截去多余的车身信息，从而对剩余部分进行图像处理的区域，去除车辆不相关信息。
3.根据权利要求1所述的一种基于全景视觉的无线充电对位的相对位姿解算方法，其特征是：所述步骤2具体为：根据划分出的ROI图像区域，选取中值滤波来滤除孤立噪点，统计某像素点一定邻域内的灰度值，并取某像素点值代替当前像素点的灰度值，对椒盐噪声和斑点噪声滤除，保留边缘信息对图像区域进行预处理。
4.根据权利要求1所述的一种基于全景视觉的无线充电对位的相对位姿解算方法，其特征是：所述步骤3具体为：根据预处理后的感兴趣图像区域，分割保留停车位区域，停车位标记线以白色和黄色为主，利用停车位标记线的颜色信息来进行提取，基于HSV色彩模型，将预处理后的感兴趣图像区域转换到HSV色彩空间，根据停车位标记线颜色的HSV阈值，对图像进行阈值分割，当图像点在设定颜色的HSV阈值内时，则标记为白色，否则标记为黑色；由此分割出需要的颜色区域，即停车位标记线区域；
对分割后的图像进行二值化处理再通过边缘检测算法获取停车位标记线线边缘特征。
5.根据权利要求1所述的一种基于全景视觉的无线充电对位的相对位姿解算方法，其特征是：所述步骤4具体为：
步骤4.1：采用Hough变换提取停车位标记线，Hough变换利用两个空间中点与线的对偶性，在Hough直线检测时，图像空间中的直线与Hough空间中的点是相互对应的，将图像空间中的直线检测转换到参数空间中对点峰值的检测，通过对参数空间中投票寻找峰值来完成直线检测，根据停车位标记线线边缘特征的直线检测阈值而检测出多条直线，对直线簇进行筛选才能定位标记线；
步骤4.2：停车位标记线本身具有一定宽度，通过设定两直线之间的阈值，判断Hough变换检测到的直线是否属于同一标记线，然后使用最小二乘法拟合为一条直线，将检测出的直线延长获得的停车位的拟合矩形边框，边框的四个交点即为停车位的角点。
6.根据权利要求5所述的一种基于全景视觉的无线充电对位的相对位姿解算方法，其特征是：划线时按地方规定停车位有一定标准尺寸，设定为白色或黄色的直线围成的四边形区域；
组成停车位的停车位标记线具有一定宽度，并且其亮度相对于周边区域高；
构成停车位的四边形区域必有两个及两个以上的交点；
针对直车位来说相邻两条停车位标记线的夹角在90°。
7.根据权利要求1所述的一种基于全景视觉的无线充电对位的相对位姿解算方法，其特征是：所述步骤5具体为：确定停车位之后，根据停车位信息来定位地面发射端位置，在倒车过程中，当进入停车位，停车位区域必会保留至少一个角点，由于汽车行进过程中车身处于图像中心位置恒定不变，且车载接收端位置固定，根据车身中心点预设车载接收端的位置，而地面接收装置相对于停车位位置相对固定，根据停车位角点对地面发射装置进行定位，确定停车位信息之后即可在二维平面上根据车辆中心位置与角点之间的二维位置关系获取车辆接收装置与地面发射装置之间在二维图像中的相对位姿，通过像素大小与实际空间大小的对应关系得到车辆的相对于无线充电端的相对位姿，得到车辆的对位结果。
CN202010738556.6A 2020-07-28 2020-07-28 一种基于全景视觉的无线充电对位的相对位姿解算方法 Pending CN111968132A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010738556.6A CN111968132A (zh) 2020-07-28 2020-07-28 一种基于全景视觉的无线充电对位的相对位姿解算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010738556.6A CN111968132A (zh) 2020-07-28 2020-07-28 一种基于全景视觉的无线充电对位的相对位姿解算方法

Publications (1)

Publication Number Publication Date
CN111968132A true CN111968132A (zh) 2020-11-20

Family

ID=73363189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010738556.6A Pending CN111968132A (zh) 2020-07-28 2020-07-28 一种基于全景视觉的无线充电对位的相对位姿解算方法

Country Status (1)

Country Link
CN (1) CN111968132A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191221A (zh) * 2021-04-15 2021-07-30 浙江大华技术股份有限公司 基于全景相机的车辆检测方法、装置以及计算机存储介质
CN113459841A (zh) * 2021-09-01 2021-10-01 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) 基于无标定双目视觉的自动充电控制方法和装置
CN114111774A (zh) * 2021-12-06 2022-03-01 纵目科技（上海）股份有限公司 车辆的定位方法、系统、设备及计算机可读存储介质
CN114179669A (zh) * 2021-12-21 2022-03-15 北京理工大学 一种电动汽车充电口位姿确定系统及方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113191221A (zh) * 2021-04-15 2021-07-30 浙江大华技术股份有限公司 基于全景相机的车辆检测方法、装置以及计算机存储介质
CN113459841A (zh) * 2021-09-01 2021-10-01 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) 基于无标定双目视觉的自动充电控制方法和装置
CN113459841B (zh) * 2021-09-01 2021-12-07 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) 基于无标定双目视觉的自动充电控制方法和装置
CN114111774A (zh) * 2021-12-06 2022-03-01 纵目科技（上海）股份有限公司 车辆的定位方法、系统、设备及计算机可读存储介质
CN114111774B (zh) * 2021-12-06 2024-04-16 纵目科技（上海）股份有限公司 车辆的定位方法、系统、设备及计算机可读存储介质
CN114179669A (zh) * 2021-12-21 2022-03-15 北京理工大学 一种电动汽车充电口位姿确定系统及方法
CN114179669B (zh) * 2021-12-21 2023-10-10 北京理工大学 一种电动汽车充电口位姿确定系统及方法

Similar Documents

Publication Publication Date Title
CN112184818B (zh) 基于视觉的车辆定位方法及应用其方法的停车场管理系统
CN111968132A (zh) 一种基于全景视觉的无线充电对位的相对位姿解算方法
CN110979321B (zh) 一种用于无人驾驶车辆的障碍物躲避方法
CN107738612B (zh) 基于全景视觉辅助系统的自动泊车停车位检测与识别系统
CA2950791C (en) Binocular visual navigation system and method based on power robot
CN102944224B (zh) 一种无人驾驶车的自动环境感知系统的工作方法
CN112581612B (zh) 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
US9467645B2 (en) System and method for recognizing parking space line markings for vehicle
CN102682292B (zh) 基于单目视觉的道路边缘检测及粗定位方法
US8611585B2 (en) Clear path detection using patch approach
CN111681283B (zh) 一种基于单目立体视觉的应用于无线充电对位的相对位姿解算方法
JP4930046B2 (ja) 路面判別方法および路面判別装置
CN109211207B (zh) 一种基于机器视觉的螺钉识别与定位装置
US20100098295A1 (en) Clear path detection through road modeling
CN105205458A (zh) 人脸活体检测方法、装置及系统
CN110766758B (zh) 标定方法、装置、系统及存储装置
US8867792B2 (en) Environment recognition device and environment recognition method
CN106774296A (zh) 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法
CN107421540A (zh) 一种基于视觉的移动机器人导航方法及系统
CN202134079U (zh) 一种无人驾驶车辆车道标志线识别与报警装置
KR20200020465A (ko) 좌표계 변환 정보 획득 장치 및 방법
CN205750537U (zh) 基于彩色图像的agv路径识别装置
JP5188429B2 (ja) 環境認識装置
CN113920183A (zh) 基于单目视觉的车前障碍物测距方法
CN113989766A (zh) 道路边缘检测方法、应用于车辆的道路边缘检测设备

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