CN112016394A - 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 - Google Patents
障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112016394A CN112016394A CN202010706094.XA CN202010706094A CN112016394A CN 112016394 A CN112016394 A CN 112016394A CN 202010706094 A CN202010706094 A CN 202010706094A CN 112016394 A CN112016394 A CN 112016394A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- images
- mobile device
- low
- resolution
- 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
Links
Images
Classifications
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- 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
- G06T2207/20228—Disparity calculation for image-based rendering
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了本发明提供了一种障碍物信息获取方法,该方法包括:获取移动装置周围的同一场景的至少两个图像;将至少两个图像分别保存为高分辨率图片和低分辨率图片;根据至少两个图像的低分辨率图片检测疑似障碍物;根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息。本发明通过将获取的至少两个图像分别保存为高分辨率图片和低分辨率图片,然后根据至少两个图像的低分辨率图片检测疑似障碍物,再根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息。通过上述方式,本发明仅对存在疑似障碍物的图片进行高精度匹配与距离解算,提高了获取障碍物信息的效率和速度。另外,本发明还公开了一种实现上述方法的移动装置及计算机可读存储介质。
Description
技术领域
本申请实施例属于移动装置的环境感知领域,具体涉及一种障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质。
背景技术
深度成像是利用成像设备提取场景深度信息,并将深度信息表示为深度图像的技术。该技术可以与目标检测、目标识别、图像分割等技术结合,应用于智能视频监控、无人驾驶汽车、智能交通、安防及机器人自动控制等领域。
为了获取环境物体的深度信息,现有技术主要包括立体视觉、结构光和TOF等。其中,结构光在光照强度高的情况下效果不是很好,而TOF则因为产品成本高而无法广泛应用。
但现有的立体视觉的立体匹配算法的局部算法(包括局部区域匹配,局部特征匹配)存在匹配精度不够,而全局算法(主要包括图割法)等存在运行时间过长、对处理器配置要求较高等缺陷。
发明内容
本发明的目的在于提供障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质,旨在提高障碍物信息获取效率及移动装置规避障碍的效率。
第一方面,本发明提供了一种障碍物信息获取方法,该方法包括:获取移动装置周围的同一场景的至少两个图像;将至少两个图像分别保存为高分辨率图片和低分辨率图片;根据至少两个图像的低分辨率图片检测疑似障碍物;根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息。
此外,本发明还提供了一种基于上述障碍物信息获取方法的移动装置和计算机可读存储介质。
第二方面,本发明提供了一种移动装置的避障方法,该方法包括:设定以移动装置为中心的安全运行区域;获取移动装置周围的同一场景的至少两个图像;将至少两个图像分别保存为高分辨率图片和低分辨率图片;根据至少两个图像的低分辨率图片检测疑似障碍物;根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息;根据获取的障碍物详细信息执行避障动作。
此外,本发明还提供了一种基于上述避障方法的移动装置和计算机可读存储介质。
本发明通过将获取的至少两个图像分别保存为高分辨率图片和低分辨率图片,然后根据至少两个图像的低分辨率图片检测疑似障碍物,再根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息。通过上述方式,本发明仅对存在疑似障碍物的图片进行高精度匹配与距离解算,提高了获取障碍物信息的效率和速度。
附图说明
图1是本发明一具体实施例中的障碍物信息获取方法的流程图。
图2是本发明一具体实施例中的检测疑似障碍物的流程图。
图3是本发明一具体实施例中的感兴趣区域的示意图。
图4是本发明一具体实施例中的移动装置的模块示意图。
图5是本发明一具体实施例中的移动装置的避障方法的流程图。
图6是本发明一具体实施例的移动装置的安全运行区域的示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例1
如图1所示,为本发明障碍物信息获取方法一较佳实施例的流程图,具体以下步骤。
步骤一:获取移动装置周围的同一场景的至少两个图像。
具体地,移动装置可为无人机或移动小车。例如,在无人机的上下两面、前后两端和左右两侧共六个面分别安装双目摄像头以获得无人机各个方向的两个图像;又如,在移动小车的上面、前后两端和左右两侧共五个面分别安装双目摄像头以获得移动小车除地面方向的五个方向的两个图像。另外,也可根据移动装置的形状、双目摄像头的两个镜头的位置或镜头的视场来增加或减少双目摄像头的数量,例如,当移动装置厚度较小,可将双目摄像头的两个镜头安装在上下面的两端,从而使得位于同侧的上下两个镜头形成交叉视场,此时,移动装置的前后两端的两个端面可以不用安装双目摄像头,需要说明的是,当镜头的视场较大时(如鱼眼镜头),移动装置的厚度可适当增加,此时也可以使得位于同侧的上下两个鱼眼镜头形成交叉视场。又如,也可以在移动装置的运动方向的前后两端安装双目摄像头,而在移动装置的上下两面或左右两侧分别安装一个摄像头(如鱼眼镜头),上下两面及左右两侧的两个图像是同一摄像头在不同时间拍摄获得的,但需保证两个图像有共同的场景,即需结合移动装置的速度来控制两个图像的拍摄时间间隔以保证两个图像有共同的场景;通过同一摄像头拍摄两个图像来计算障碍物的深度图有严格要求,一是摄像头本身应发生运动,另外,拍摄的障碍物需相对静止;此外,单个摄像头在不同时间点拍摄两张图像来计算障碍物深度图的原理等同于双目摄像头,此时需通过计算该摄像图在不同时间点的拍摄图像时发生的位移,即相当于双目摄像头两个镜头之间的距离。
步骤二:将至少两个图像分别保存为高分辨率图片和低分辨率图片。
高分辨率图片简称HD图片(HD是英文High Definition的简称),是指垂直分辨率大于等于720的图片,也称为高清图像,尺寸一般是1280×720和1920×1080。在本实施例中,高分辨图片可采用上述标准,也可以采用相对标准,比如只需满足高分辨率图片的分辨率大于低分辨率图片的分辨率即可。具体地,在本实施例中,获取双目摄像头的各摄像头的同一时间拍摄的图像,获得具有共同场景的两张高分辨率图片并保存,然后通过对两张高分辨率分别进行降采样处理,以获得对应的低分别率图片并保存。
步骤三:根据至少两个图像的低分辨率图片检测疑似障碍物。
如图2所示,在本实施例中,该步骤包括以下子步骤:
子步骤一:获取至少两个图像的低分辨率图片中的感兴趣区域。
本实施例中的感兴趣区域是指相邻摄像头的视场重叠区域,如图3所示,对于相邻摄像头f1和f3,感兴趣区域(即ROI区域)为摄像头f1和f3的重叠区域S5,非ROI区域为S5之外的区域;同理,摄像头f1和f2的感兴趣区域为S3;摄像头f3和f4的感兴趣区域为S3’;摄像头f2和f4的感兴趣区域为S6。
子步骤二:对至少两个图像的低分辨率图片中的感兴趣区域进行立体匹配。
在本实施例中的一个立体匹配过程如下:分别提取两个低分辨率图片中的感兴趣区域的Harris特征点,然后通过特征匹配得到精度较高的匹配特征点,从而完成图像立体匹配。
子步骤三:计算至少两个图像的低分辨率图片中的感兴趣区域的深度图。
在本实施例中,获得子步骤二中的匹配特征点对应的像素点,然后根据三角原理计算出视差信息,再将视差信息通过转化为深度图。
子步骤四:根据感兴趣区域的深度图计算障碍物距离。
由于深度图中的每个像素点的灰度值可用于表征场景中的障碍物的距离,进而可以根据深度图获得障碍物的距离值。
子步骤五:根据障碍物距离判断是否存在疑似障碍物。
根据子步骤四计算得到的障碍物距离值与预先设定的阈值进行比较,如果小于阈值,则认为存在疑似障碍物,进入步骤四;如果大于阈值,则认为不存在疑似障碍物,间隔一段时间后再返回步骤一。
步骤四:根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息。
在本实施例中,当疑似障碍物的距离值小于阈值时,获取其对应的两个高分辨率图片,然后对两个高分辨率图片的感兴趣区域进行精确的匹配和解算,得到感兴趣区域对应的疑似障碍物的深度图或点云,从而获得该疑似障碍物的详细信息。
通过上述步骤可知,本实施例中通过低分辨率图片检测疑似障碍物,且在发现疑似障碍物后才通过高分辨率图片进行精确匹配与解算以获得障碍物的详细信息。本实施例能有效减少无关障碍物的信息获取,仅针对疑似障碍物进行详细信息获取,提升了获取障碍物信息的效率和速度,降低了对执行该方法的硬件(如芯片处理速度)的需求。
实施例2
如图4所示,为本发明一实施例中的移动装置的模块示意图,本实施例中的移动装置包括移动模块、图像传感器、处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序。移动模块可为移动小车的驱动轮或者无人机的螺旋桨,用于驱动移动装置运动;图像传感器可为双目摄像头或鱼眼摄像头,用于获取移动装置周围的图像,其中双目摄像头的两个摄像头具有交叉的视场;处理器执行存储在存储器上的计算机程序以实现实施例1中的障碍物信息获取方法。
实施例3
本实施例中揭示了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现实施例1中的障碍物信息获取方法。
实施例4
如图5所示,本实施例中揭示了一种移动装置的避障方法,移动装置包括但不限于移动小车和无人机(UAV),本实施例中以移动小车为例对本发明的避障方法进行说明,本发明的移动装置的避障方法包括以下步骤。
步骤1:设定以移动装置为中心的安全运行区域。
如图6所示,移动小车的安全运行区域为图中虚线所示的安全运行管道,该安全运行管道以经过移动小车的几何中心且与移动小车运动方向平行的直线L为轴、以预设距离R为半径的圆形管状通道。
步骤2:获取移动装置周围的同一场景的至少两个图像。
如图6所示,通过安装在移动小车前方和侧边的双目摄像头来获取移动小车正前方或侧方的图像。
步骤3:将至少两个图像分别保存为高分辨率图片和低分辨率图片。
高分辨率图片简称HD图片(HD是英文High Definition的简称),是指垂直分辨率大于等于720的图片,也称为高清图像,尺寸一般是1280×720和1920×1080。在本实施例中,高分辨图片可采用上述标准,也可以采用相对标准,比如只需满足高分辨率图片的分辨率大于低分辨率图片的分辨率即可。具体地,在本实施例中,获取双目摄像头的各摄像头的同一时间拍摄的图像,获得具有共同场景的两张高分辨率图片并保存,然后通过对两张高分辨率分别进行降采样处理,以获得对应的低分别率图片并保存。
步骤4:根据至少两个图像的低分辨率图片检测疑似障碍物。
该步骤与实施例1中步骤三基本相同,该步骤包括以下子步骤:
子步骤1:获取至少两个图像的低分辨率图片中的感兴趣区域。
本实施例中的感兴趣区域是指相邻摄像头的视场重叠区域,如图3所示,对于相邻摄像头f1和f3,感兴趣区域(即ROI区域)为摄像头f1和f3的重叠区域S5,非ROI区域为S5之外的区域;同理,摄像头f1和f2的感兴趣区域为S3;摄像头f3和f4的感兴趣区域为S3’;摄像头f2和f4的感兴趣区域为S6。
子步骤2:对至少两个图像的低分辨率图片中的感兴趣区域进行立体匹配。
在本实施例中的一个立体匹配过程如下:分别提取两个低分辨率图片中的感兴趣区域的Harris特征点,然后通过特征匹配得到精度较高的匹配特征点,从而完成图像立体匹配。
子步骤3:计算至少两个图像的低分辨率图片中的感兴趣区域的深度图。
在本实施例中,获得子步骤二中的匹配特征点对应的像素点,然后根据三角原理计算出视差信息,再将视差信息通过转化为深度图。
子步骤4:根据感兴趣区域的深度图计算障碍物距离。
由于深度图中的每个像素点的灰度值可用于表征场景中的障碍物的距离,进而可以根据深度图获得障碍物的距离值。
子步骤5:根据障碍物距离判断是否存在疑似障碍物。
根据子步骤4计算得到的障碍物距离判断该障碍物是否位于安全管道内,如果是,则判断该障碍物为疑似障碍物,然后进入步骤5;如果否,则判断不存在疑似障碍物,间隔一段时间后再返回步骤2。
步骤5:根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息。
当障碍物位于安全管道内时,获取其对应图像的两个高分辨率图片,然后对两个高分辨率图片的感兴趣区域进行精确的匹配和解算,得到感兴趣区域对应的疑似障碍物的深度图或点云,从而获得该疑似障碍物的详细信息。
步骤6:根据获取的障碍物详细信息执行避障动作。
根据获取的疑似障碍物详细信息生成环境地图,控制移动小车执行障碍规避动作,如停止、转弯或后退等动作。
通过上述步骤可知,本实施例中通过低分辨率图片检测障碍物是否位于安全运行区域内来确定是否存在疑似障碍物,且在发现疑似障碍物后才通过高分辨率图片进行精确匹配与解算以获得障碍物的详细信息并执行避障动作。因本实施例仅针对疑似障碍物进行详细信息获取,提高了获取障碍物信息的效率和速度,提升了无人机或移动小车响应障碍速度,降低了对执行该方法的硬件(如芯片处理速度)的需求。
实施例5
如图6所示,为本发明一实施例中的移动装置的示意图,本实施例中的移动装置包括移动模块、图像传感器、处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序。移动模块为移动小车的行走轮,用于驱动移动小车运动;图像传感器为安装在移动小车前方或侧边的双目摄像头,用于获取移动小车前方或侧方的图像;处理器位于移动小车内部(图中未示出),用于执行存储在存储器(图中未示出)上的计算机程序以实现实施例4中的移动装置的避障方法。
实施例6
本实施例中揭示了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现实施例4中的移动装置的避障方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,RandomAccess Memory)、磁盘或光盘等。
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作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种障碍物信息获取方法,其特征在于,包括以下步骤:
获取移动装置周围的同一场景的至少两个图像;
将至少两个图像分别保存为高分辨率图片和低分辨率图片;
根据至少两个图像的低分辨率图片检测疑似障碍物;
根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息。
2.如权利要求1所述的障碍物信息获取方法,其特征在于,所述移动装置周围的同一场景的至少两个图像是通过双目摄像头或者通过同一摄像头在不同时间获取的。
3.如权利要求1所述的障碍物信息获取方法,其特征在于,所述根据至少两个图像的低分辨率图片检测疑似障碍物包括:
获取至少两个图像的低分辨率图片中的感兴趣区域;
对至少两个图像的低分辨率图片中的感兴趣区域进行立体匹配;
计算至少两个图像的低分辨率图片中的感兴趣区域的深度图;
根据感兴趣区域的深度图计算障碍物距离;
根据障碍物距离判断是否存在疑似障碍物。
4.一种移动装置,包括移动模块、图像传感器、处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序,所述移动模块用于驱动移动装置运动,所述图像传感器用于获取图像,其特征在于,所述处理器执行所述计算机程序以实现权利要求1至3任一项所述的障碍物信息获取方法。
5.一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权利要求1至3任一项所述的障碍物信息获取方法。
6.一种移动装置的避障方法,其特征在于:
设定以移动装置为中心的安全运行区域;
获取移动装置周围的同一场景的至少两个图像;
将至少两个图像分别保存为高分辨率图片和低分辨率图片;
根据至少两个图像的低分辨率图片检测疑似障碍物;
根据至少两个图像的高分辨率图片获取疑似障碍物的详细信息;
根据获取的障碍物详细信息执行避障动作。
7.如权利要求6所述的移动装置的避障方法,其特征在于,所述移动装置周围的同一场景的至少两个图像是通过双目摄像头或者通过同一摄像头在不同时间获取的。
8.如权利要求6所述的移动装置的避障方法,其特征在于,所述根据至少两个图像的低分辨率图片检测疑似障碍物包括:
获取至少两个图像的低分辨率图片中的感兴趣区域;
对至少两个图像的低分辨率图片中的感兴趣区域进行立体匹配;
计算至少两个图像的低分辨率图片中的感兴趣区域的深度图;
根据感兴趣区域的深度图计算障碍物距离;
根据障碍物距离判断是否存在疑似障碍物。
9.一种移动装置,包括移动模块、图像传感器、处理器、存储器以及存储在存储器上并可在处理器上运行的计算机程序,所述移动模块用于驱动移动装置运动,所述图像传感器用于获取图像,其特征在于,所述处理器执行所述计算机程序以实现权利要求6至8任一项所述的移动装置的避障方法。
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权利要求6至8任一项所述的移动装置的避障方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706094.XA CN112016394A (zh) | 2020-07-21 | 2020-07-21 | 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 |
PCT/CN2021/107100 WO2022017320A1 (zh) | 2020-07-21 | 2021-07-19 | 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010706094.XA CN112016394A (zh) | 2020-07-21 | 2020-07-21 | 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112016394A true CN112016394A (zh) | 2020-12-01 |
Family
ID=73498841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010706094.XA Pending CN112016394A (zh) | 2020-07-21 | 2020-07-21 | 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112016394A (zh) |
WO (1) | WO2022017320A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022017320A1 (zh) * | 2020-07-21 | 2022-01-27 | 影石创新科技股份有限公司 | 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063772B (zh) * | 2022-05-09 | 2024-04-16 | 厦门金龙联合汽车工业有限公司 | 一种车辆编队后车检测方法、终端设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101912453B1 (ko) * | 2012-02-17 | 2018-10-26 | 현대모비스 주식회사 | 장애물 검출 및 충돌 경보 장치 및 방법 |
JP6832155B2 (ja) * | 2016-12-28 | 2021-02-24 | ソニーセミコンダクタソリューションズ株式会社 | 画像処理装置、画像処理方法、及び画像処理システム |
WO2018120040A1 (zh) * | 2016-12-30 | 2018-07-05 | 深圳前海达闼云端智能科技有限公司 | 一种障碍物检测方法及装置 |
WO2019061064A1 (zh) * | 2017-09-27 | 2019-04-04 | 深圳市大疆创新科技有限公司 | 图像处理方法和设备 |
CN110471422A (zh) * | 2019-08-29 | 2019-11-19 | 南京理工大学 | 智能轮椅的障碍物检测与自主避障方法 |
CN112016394A (zh) * | 2020-07-21 | 2020-12-01 | 影石创新科技股份有限公司 | 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 |
-
2020
- 2020-07-21 CN CN202010706094.XA patent/CN112016394A/zh active Pending
-
2021
- 2021-07-19 WO PCT/CN2021/107100 patent/WO2022017320A1/zh active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022017320A1 (zh) * | 2020-07-21 | 2022-01-27 | 影石创新科技股份有限公司 | 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022017320A1 (zh) | 2022-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10776939B2 (en) | Obstacle avoidance system based on embedded stereo vision for unmanned aerial vehicles | |
JP3719095B2 (ja) | 挙動検出装置および勾配検出方法 | |
US11669972B2 (en) | Geometry-aware instance segmentation in stereo image capture processes | |
Chandel et al. | Occlusion detection and handling: a review | |
JP2013109760A (ja) | 対象検知方法及び対象検知システム | |
Salman et al. | Distance measurement for self-driving cars using stereo camera | |
Aytekin et al. | Increasing driving safety with a multiple vehicle detection and tracking system using ongoing vehicle shadow information | |
US20200311964A1 (en) | Object detection device and object detection method | |
EP3803790B1 (en) | Motion segmentation in video from non-stationary cameras | |
CN111213153A (zh) | 目标物体运动状态检测方法、设备及存储介质 | |
CN115049700A (zh) | 一种目标检测方法及装置 | |
CN109215044B (zh) | 图像处理方法和系统、存储介质和移动系统 | |
CN112016394A (zh) | 障碍物信息获取方法、避障方法、移动装置及计算机可读存储介质 | |
CN114359714A (zh) | 基于事件相机的无人体避障方法、装置及智能无人体 | |
EP3389009A1 (en) | Image processing device, object recognition device, apparatus control system, image processing method and program | |
CN107220632B (zh) | 一种基于法向特征的路面图像分割方法 | |
Yoneda et al. | Simultaneous state recognition for multiple traffic signals on urban road | |
Perrollaz et al. | Using obstacles and road pixels in the disparity-space computation of stereo-vision based occupancy grids | |
US20210049382A1 (en) | Non-line of sight obstacle detection | |
CN112733678A (zh) | 测距方法、装置、计算机设备和存储介质 | |
CN114648639B (zh) | 一种目标车辆的检测方法、系统及装置 | |
Sabatini et al. | Vision-based pole-like obstacle detection and localization for urban mobile robots | |
Yamada et al. | Vision based obstacle avoidance and target tracking for autonomous mobile robots | |
Suganuma et al. | Obstacle detection using virtual disparity image for non-flat road | |
JP2013161433A (ja) | 車両の周辺監視装置 |
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 |