CN112102396A - 桥吊下的车辆定位方法、装置、设备及存储介质 - Google Patents
桥吊下的车辆定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112102396A CN112102396A CN202010896179.9A CN202010896179A CN112102396A CN 112102396 A CN112102396 A CN 112102396A CN 202010896179 A CN202010896179 A CN 202010896179A CN 112102396 A CN112102396 A CN 112102396A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- bridge crane
- relative position
- indicator
- identified
- 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
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Control And Safety Of Cranes (AREA)
Abstract
本公开的实施例提供一种桥吊下的车辆定位方法、装置、设备及存储介质。在该方法中,无人驾驶车辆上设置有拍摄装置,拍摄装置位于无人驾驶车辆的侧面,无人驾驶车辆驶入桥吊时拍摄装置拍摄到桥吊内侧面的指示标志,该方法包括:获取拍摄装置采集的图像,在采集的图像中识别指示标志,确定识别出的指示标志与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。因此,本公开的实施例的方法通过对桥吊上指示标志的识别和定位,对桥吊下的无人驾驶车辆进行定位,提高了桥吊下无人驾驶车辆定位的准确度。
Description
技术领域
本公开的实施例涉及人工智能领域,尤其涉及一种桥吊下的车辆定位方法、装置、设备及存储介质,可用于无人驾驶领域。
背景技术
港口的桥吊是体积很大的集装箱装卸设备。为实现港口的自动化作业,无人驾驶车辆需要自主准确地停在桥吊指定位置以完成装卸箱作业。
体积很大的桥吊容易遮挡无人驾驶车辆的卫星定位信号,卫星定位信号在桥吊下方被严重干扰,通过卫星进行定位的方式无法满足无人驾驶车辆在桥吊下的精确定位需求,导致定位得到的无人驾驶车辆在桥吊下的位置的准确度不高。
发明内容
本公开的实施例提供一种桥吊下的车辆定位方法、装置、设备及存储介质,用以提高桥吊下无人驾驶车辆定位的准确度。
第一方面,本公开的实施例提供一种桥吊下的车辆定位方法,无人驾驶车辆上设有拍摄装置,拍摄装置位于无人驾驶车辆的侧面,无人驾驶车辆驶入桥吊时拍摄装置拍摄到的所述桥吊的内侧面设置有多个指示标志,该方法包括:
获取所述拍摄装置采集的图像;
在所述采集的图像中识别所述指示标志;
确定识别出的所述指示标志与所述无人驾驶车辆的相对位置;
根据识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
在一种可能的实现方式中,所述获取所述拍摄装置采集的图像之前,所述方法还包括:
接收桥吊作业指令,所述桥吊作业指令包括所述桥吊的桥吊标识;
所述获取所述拍摄装置采集的图像之后,还包括:
在所述采集的图像中识别所述桥吊标识,以确定所述无人驾驶车辆是否驶入所述桥吊;
在所述采集的图像中识别所述指示标志,包括:
若所述无人驾驶车辆驶入所述桥吊,则在所述采集的图像中识别所述指示标志。
在一种可能的实现方式中,所述根据识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置,包括:
根据识别出的所述指示标志与预设参考点的相对位置,以及识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述参考点与所述无人驾驶车辆的相对位置;
根据所述参考点与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
在一种可能的实现方式中,所述拍摄装置拍摄到的所述桥吊的内侧面设置有多对的所述指示标志、且各对所述指示标志的对称中心点一致;
所述根据识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置,包括:
根据识别出的所述指示标志与所述对称中心点的相对位置,以及识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述对称中心点与所述无人驾驶车辆的相对位置;
根据所述对称中心点与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
在一种可能的实现方式中,所述确定识别出的所述指示标志与所述无人驾驶车辆的相对位置,包括:
根据所述采集的图像,确定识别出的所述指示标志在所述拍摄装置的相机坐标系中的三维坐标;
根据识别出的所述指示标志在所述相机坐标系中的三维坐标,确定识别出的所述指示标志与所述无人驾驶车辆的相对位置。
在一种可能的实现方式中,所述根据所述采集的图像,确定识别出的所述指示标志在所述拍摄装置的相机坐标系中的三维坐标,包括:
在所述采集的图像中,确定识别出的所述指示标志的像素坐标;
对所述相机坐标系进行校正,得到校正后的相机坐标系;
根据所述指示标志的像素坐标、预设的相机参数和所述指示标志之间的相对位置,得到所述指示标志在校正后的所述相机坐标系中的三维坐标。
在一种可能的实现方式中,所述在所述采集的图像中,确定识别出的所述指示标志的像素坐标,包括:
确定识别出的所述指示标志的中心点;
将识别出的所述指示标志的中心点的像素坐标,确定为识别出的所述指示标志的像素坐标。
第二方面,本公开的实施例提供一种桥吊下的车辆定位装置,无人驾驶车辆上设置有拍摄装置,所述拍摄装置位于所述无人驾驶车辆的侧面,所述无人驾驶车辆驶入所述桥吊时所述拍摄装置拍摄到的所述桥吊的内侧面设置有多个指示标志,所述装置包括:
获取模块,用于获取所述拍摄装置采集的图像;
识别模块,用于在所述采集的图像中识别所述指示标志;
定位模块,用于确定识别出的所述指示标志与所述无人驾驶车辆的相对位置,根据识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
在一种可能的实现方式中,所述获取模块还用于:
接收桥吊作业指令,所述桥吊作业指令包括所述桥吊的桥吊标识;
所述识别模块,还用于:
在所述采集的图像中识别所述桥吊标识,以确定所述无人驾驶车辆是否驶入所述桥吊;
所述识别模块在所述采集的图像中识别所述指示标志时,具体用于:
若所述无人驾驶车辆驶入所述桥吊,则在所述采集的图像中识别所述指示标志。
在一种可能的实现方式中,所述定位模块,具体用于:
根据识别出的所述指示标志与预设参考点的相对位置,以及识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述参考点与所述无人驾驶车辆的相对位置;
根据所述参考点与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
在一种可能的实现方式中,所述拍摄装置拍摄到的所述桥吊的内侧面设置有多对的所述指示标志、且各对所述指示标志的对称中心点一致;
所述定位模块,具体用于:
根据识别出的所述指示标志与所述对称中心点的相对位置,以及识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述对称中心点与所述无人驾驶车辆的相对位置;
根据所述对称中心点与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
在一种可能的实现方式中,所述定位模块,具体用于:
根据所述采集的图像,确定识别出的所述指示标志在所述拍摄装置的相机坐标系中的三维坐标;
根据识别出的所述指示标志在所述相机坐标系中的三维坐标,确定识别出的所述指示标志与所述无人驾驶车辆的相对位置。
在一种可能的实现方式中,所述定位模块,具体用于:
在所述采集的图像中,确定识别出的所述指示标志的像素坐标;
对所述相机坐标系进行校正,得到校正后的相机坐标系;
根据所述指示标志的像素坐标、预设的相机参数和所述指示标志之间的相对位置,得到所述指示标志在校正后的所述相机坐标系中的三维坐标。
在一种可能的实现方式中,所述定位模块,具体用于:
在所述相机坐标系中,确定识别出的所述指示标志的中心点;
将识别出的所述指示标志的中心点的像素坐标,确定为识别出的所述指示标志的像素坐标。
第三方面,本公开的实施例提供了一种电子设备,包括:
存储器和处理器;
所述存储器用于存储程序指令;
所述处理器用于调用所述存储器中的程序执行执行如上述第一方面、或者上述第一方面各可能的实现方式所述的方法。
第四方面,本公开的实施例提供了一种无人驾驶车辆,包括
拍摄装置和如上述第三方面所述的电子设备;
所述拍摄装置位于所述无人驾驶车辆的侧面。
第五方面,本公开的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被执行时,实现如上述第一方面、或者上述第一方面各可能的实现方式所述的方法。
第六方面,本公开的实施例提供了一种包含指令的程序产品,所述程序产品包括计算机程序,所述计算机程序被处理器执行时实现如第一方面、或者上述第一方面各可能的实现方式所述的方法。
本公开的实施例提供的桥吊下的车辆定位方法、装置、设备及存储介质中,在拍摄装置采集的图像中,识别位于桥吊的内侧面的指示标志,确定识别出的指示标志与无人驾驶车辆的相对位置,根据指示标志与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。所以,在卫星定位信号在桥吊下方容易被桥吊遮挡的情况下,通过对指示标志的识别和指示标志与无人驾驶车辆之间的定位,实现桥吊下的无人驾驶车辆的定位,提高了桥吊下的无人驾驶车辆的定位的准确度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本公开实施例提供的应用场景的示例图;
图2为本公开的一实施例提供的桥吊下的车辆定位方法的流程示意图;
图3为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图;
图4为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图;
图5为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图;
图6为本公开实施例提供的桥吊的一内侧面上停车线的分布示例图;
图7为本公开的一实施例提供的桥吊下的车辆定位装置的结构示意图;
图8为本公开的一实施例提供的一种电子设备的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先对本公开的实施例所涉及的名词进行解释:
桥吊:是指港口上用于装卸集装箱的起重机,又可被称为岸边集装箱装卸桥、集装箱装卸桥或者装卸桥。通常的,桥吊包括带行走机构的门架、承担臂架重量的拉杆和臂架等结构。其中,门架的结构形式通常分为A形和H形,即门架的外形呈现为字母A的形状、或者字母H的形状,门架包括前后两片门框,各门框上分别设有至少一根横梁,前后两片门框之间设有至少两根横梁或横撑,使得前后两片门框保持固定连接。以桥吊为岸边集装箱装卸桥为例,桥吊的臂架包括海侧臂架(靠近海岸一侧的臂架)、陆侧臂架(靠近陆地一侧的臂架)和门中臂架(位于门架中间的臂架),带升降机构的小车在臂架上运行,升降机构用来承受集装箱吊具和集装箱的重量,集装箱吊具用于抓取集装箱。关于桥吊的结构可参照现有桥吊,在此不做详细描述。
港口作业时,为保证桥吊上的吊具可顺利抓取车辆上的集装箱或者将集装箱放置在车辆上的指定位置,车辆和桥吊的精准对齐是港口作业成败的关键。港口作业中的车辆通常为货车,包括车头和挂车,通常的,桥吊需要抓取挂车中的集装箱,或者将集装箱放置在挂车上。
一般的,由驾驶经验丰富的司机,将车辆驾驶至桥吊下的指定位置。为提高港口作业的效率、智能化程度,降低港口作业的人工成本,可采用无人驾驶车辆将集装箱运送至桥吊下或者从桥吊下运走集装箱,因此,需要解决如何对桥吊下的无人驾驶车辆进行定位的问题。
通常的,可采用卫星定位方式确定无人驾驶车辆的位置。然而,发明人发现,桥吊通常较大,无人驾驶车辆行驶在桥吊附近时,其卫星定位信号容易被桥吊遮挡,最终接收到的卫星定位信号较弱,导致无法通过卫星定位信号得到无人驾驶车辆与桥吊的相对位置、或者通过卫星定位信号得到的无人驾驶车辆与桥吊的相对位置不准确。此外,桥吊也是能够移动的,因此更无法准确得知无人驾驶车辆与桥吊的相对位置。
本公开的实施例提供的桥吊下的车辆定位方法中,在无人驾驶车辆上设有拍摄装置,拍摄装置位于无人驾驶车辆的侧面,无人驾驶车辆驶入桥吊时拍摄装置拍摄到的桥吊的内侧面设置有指示标志。在定位过程中,获取拍摄装置采集的图像并在采集的图像中识别指示标志,根据识别出的指示标志与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。因此,通过对桥吊的内侧面的指示标志的识别以及对指示标志与无人驾驶车辆相对位置的确定,实现桥吊下无人驾驶车辆的定位,解决桥吊下无人驾驶车辆定位对卫星定位信号的依赖,避免因桥吊对卫星定位信号的遮挡导致无人驾驶车辆位置定位不准确。换句话说,本公开的实施例提供的桥吊下的车辆定位方法提高了桥吊下无人驾驶车辆的定位准确度。此外,本实施例对拍摄装置的要求不高,因此硬件成本不高。
本公开的实施例提供的桥吊下的车辆定位方法可以结合其它的车辆定位方法对桥吊下的无人驾驶车辆进行定位,以进一步提高桥吊下无人驾驶车辆的定位准确度,其它的车辆定位方法比如基于雷达装置的车辆定位方法,例如根据本公开的实施例中得到的指示标志与无人驾驶车辆的相对位置,确定指示标志所在的感兴趣区域(region ofinterest,ROI),再通过获取雷达装置在该感兴趣区域内检测到的点云数据,进而获得更为精确的指示标志与无人驾驶车辆的相对位置。这里对本公开的实施例提供的桥吊下的车辆定位方法与其它的车辆定位方法的结合不进行具体描述。
本公开的实施例提供的桥吊下的车辆定位方法,可以适用于如图1所示的港口作业的应用场景。该应用场景包括:无人驾驶车辆110和桥吊120。在港口作业时,无人驾驶车辆110沿着桥吊下方的车道线来回运输集装箱。例如,无人驾驶车辆110将桥吊120从船上卸下的集装箱运走,进行卸船作业;或者无人驾驶车辆110将集装箱运输至桥吊120下方,以便桥吊120将集装箱放至船上,进行装船作业。
在无人驾驶车辆110驶入桥吊120至驶出桥吊120的过程中,以无人驾驶车辆110的驶入方向为向前方向,无人驾驶车辆110会依次经过前侧门框121和后侧门框122,前侧门框121和后侧门框122之间设置有至少两根横梁(或称为横撑)123,每根横梁123包括朝向桥吊中心的内侧面124和背向桥吊中心的外侧面。
以无人驾驶车辆110的前行方向为向前方向,无人驾驶车辆110的左侧和/或右侧可设置拍摄装置111,桥吊120左侧和/或右侧的横梁123的内侧面124可设置有指示标志,在无人驾驶车辆110驶入桥吊的过程中,拍摄装置111能够拍摄到内侧面124上的指示标志。例如,桥吊上通常刷有停车指示标志,用于向司机指示停车位置,因此,在本公开的实施例中,可将桥吊上原有的停车指示标志作为指示标志。如果桥吊上没有停车指示标志,那可以预先由人工在桥吊上刷上指示标志。在本公开的实施例中,指示标志不一定用来指示停车位置,还可以仅用于辅助确定无人驾驶车辆的定位。
为了描述简洁清晰,图1仅使出了无人驾驶车辆110的左侧设置有拍摄装置111的情形,因此图1仅为示例,并不限制拍摄装置111必须位于无人驾驶车辆的左侧,也不限制拍摄装置111的数量。例如,无人驾驶车辆110上可设置1个拍摄装置111,该拍摄装置111位于无人驾驶车辆110的左侧或右侧中的一侧。又如,无人驾驶车辆110上可设置多个拍摄装置111,多个拍摄装置111可分布于无人驾驶车辆110的左侧和/或右侧。
拍摄装置111可以位于无人驾驶车辆110的挂车上,也可以位于无人驾驶车辆110的车头,拍摄装置111位于无人驾驶车辆110的车头时无人驾驶车辆110的定位效果更佳。
需要说明的是,图1中前侧门框121和后侧门框122之间设置有一根位于左侧的横梁123和一根位于右侧的横梁134的情形仅为示例,并不限制前程门口121和后侧门口122之间的横梁123的数量。
下面以具体地实施例对本公开的实施例的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本公开的实施例的实施例进行描述。
图2为本公开的一实施例提供的桥吊下的车辆定位方法的流程示意图。如图2所示,该方法包括:
S201、获取拍摄装置采集的图像。
具体的,获取无人驾驶车辆上的拍摄装置采集到的图像,如图1所示的应用场景,在无人驾驶车辆驶入桥吊的过程中,拍摄装置拍摄到桥吊的内侧面上设置有指示标志。
其中,指示标志可为设置在内侧面上的预设形状的图案,用于辅助无人驾驶车辆在桥吊下的定位。
在一种可能的实现方式中,在无人驾驶车辆驶入桥吊之前,检测无人驾驶车辆与桥吊的相对距离,若该相对距离小于等于预设距离阈值时,则获取拍摄装置采集的图像,以及时获取拍摄装置采集的图像。其中,在检测无人驾驶车辆与桥吊的相对距离时,例如可获取无人驾驶车辆的卫星定位数据和桥吊的卫星定位数据,根据无人驾驶车辆的卫星定位数据和桥吊的卫星定位数据,确定无人驾驶车辆与桥吊之间的相对距离。卫星定位数据比如为全球定位系统(Global Positioning System,GPS)定位数据。
S202、在采集的图像中识别指示标志。
具体的,对每一时刻采集的一帧或多帧图像进行指示标志识别,以在采集的图像中检测出指示标志。在指示标志识别时,只需要识别出指示标志即可,可以不需要识别出完整的指示标志,因此对拍摄装置和图像识别模型的精度要求不高,无人驾驶车辆的硬件成本较低且定位效率较高。
其中,可通过预先训练好的图像识别模型在采集的图像中进行指示标志的识别。图像识别模型可以为预先训练好的机器学习模型,图像识别模型的训练方式,例如可采用有监督训练方式。
可选的,图像识别模型为卷积神经网络模型,以提高指示标志的识别准确性。
S203、确定识别出的指示标志与无人驾驶车辆的相对位置。
具体的,在识别出指示标志后,可确定指示标志在相机坐标系中的位置坐标,基于相机坐标系与无人驾驶车辆的车体坐标系之间的坐标系转换,能够得到指示标志与无人驾驶车辆的相对位置。
其中,相机坐标系是以拍摄装置的聚焦中心为原点,以光轴为Z轴建立的三维直角坐标系。相机坐标系的X轴和Y轴与拍摄装置所拍摄图像的图像坐标系的X轴和Y轴相同,图像坐标系为以光轴与图像的交点为原点的二维直角坐标系。
其中,车体坐标系是以无人驾驶车辆的中心为原点、以无人驾驶车辆的正左方向为Y轴、以无人驾驶车辆的前进方向为X轴、以无人驾驶车辆所在地面的垂直向上的方向为Z轴的三维直角坐标系。
S204、根据识别出的指示标志与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。
具体的,如果无人驾驶车辆的两侧都设有拍摄装置、且两侧的拍摄装置能够拍摄到的桥吊的内侧面设有指示标志,则通过对两侧的拍摄装置采集的图像进行指示标志的识别,确定各内侧面上指示标志与无人驾驶车辆的相对位置,进而确定无人驾驶车辆与桥吊左右两侧的相对位置。
具体的,如果无人驾驶车辆仅一侧设有拍摄装置、且该拍摄装置能够拍摄到的桥吊的一内侧面设置有指示标志,则通过对该拍摄装置采集的图像进行指示标志的识别,确定该内侧面上指示标志与无人驾驶车辆的相对位置,进而确定无人驾驶车辆与桥吊的该内侧面的相对位置。接着,可根据无人驾驶车辆与桥吊的该内侧面的相对位置、以及桥吊的尺寸参数(例如桥吊左右两侧的内侧面之间的相对位置),确定无人驾驶车辆与桥吊左右两侧的相对位置。
具体的,在根据识别出的指示标志与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置的过程中,由于指示标志位于桥吊的内侧面上,可将指示标志与无人驾驶车辆的相对位置确定为该指示标志所在的内侧面与无人驾驶车辆的相对位置,实现桥吊下无人驾驶车辆的定位,还可实现无人驾驶车辆在指示标志处停车。
本实施例中,通过对拍摄装置采集的图像对指示标志进行识别、确定指示标志与无人驾驶车辆的相对位置,进而确定无人驾驶车辆与桥吊的相对位置,在不依赖卫星定位的情况下实现无人驾驶车辆在桥吊下的定位,提高桥吊下无人驾驶车辆的定位准确度。
图3为本公开的一实施例提供的桥吊下的车辆定位方法的流程示意图。如图3所示,该方法包括:
S301、接收桥吊作业指令,桥吊作业指令包括桥吊的桥吊标识。
其中,桥吊作业指令包括桥吊的桥吊标识,用于指示无人驾驶车辆到该桥吊标识对应的桥吊下方进行卸船作业或者装船作业。每个桥吊的桥吊标识唯一,且拍摄装置能够拍摄到的桥吊的内侧面设置有该桥吊的桥吊标识。
例如,桥吊作业指令可以来自远程的控制终端。控制终端在接收到来自桥吊的作业指示或者用户输入的作业指示后,向无人驾驶车辆发送桥吊作业指令。控制终端比如为服务器、计算机。
S302、获取拍摄装置采集的图像。
具体的,无人驾驶车辆在接收到桥吊作业指令后,可向拍摄装置发送开机指令,或者向拍摄装置发送图像获取指令,获取拍摄装置采集的图像。
S303、在采集的图像中识别桥吊标识,以确定无人驾驶车辆是否驶入桥吊,若驶入,则在采集的图像中识别指示标志。
具体的,在拍摄装置采集的图像中识别桥吊标识,可将识别出的桥吊标识与桥吊作业指令中的桥吊标识进行比较,如果识别出的桥吊标识与桥吊作业指令中的桥吊标识一致,则确定无人驾驶车辆驶入桥吊,否则确定无人驾驶车辆未驶入桥吊。如果确定无人驾驶车辆驶入桥吊,则可以开始进行桥吊下无人驾驶车辆的定位,在采集的图像中识别指示标志。指示标志的识别可参照S202的描述,不再赘述。
其中,可通过预先训练好的图像识别模型,对采集的图像进行桥吊标识识别。图像识别模型可以为预先训练好的机器学习模型,图像识别模型的训练方式,例如可采用有监督训练方式,该图像识别模型与用于识别指示标志的图像识别模型不是同一模型。
可选的,用于识别桥吊标识的图像识别模型为卷积神经网络模型,以提高桥吊标识的识别准确性。
S304、确定识别出的指示标志与无人驾驶车辆的相对位置。
S305、根据识别出的指示标志与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。
具体的,S304和S305可参照S203和S204的具体描述,不再赘述。
可选的,桥吊作业指令中还包括桥吊的地理位置。在采集的图像中识别桥吊标识之前,可根据桥吊的地理位置,控制无人驾驶车辆驶向桥吊,以使得无人驾驶车辆能够准确的驶入桥吊。
本实施例中,在拍摄装置采集的图像中进行桥吊标识的识别,确定无人驾驶车辆是否驶入与桥吊作业指令中桥吊标识对应的桥吊,若驶入,在拍摄装置采集的图像中进行指示标志的识别,依据识别的指示标志确定无人驾驶车辆与桥吊的相对位置。因此,在确保无人驾驶车辆驶入正确桥吊后再进行桥吊下的车辆定位,提高无人驾驶车辆在桥吊下的定位准确度。
图4为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图。如图4所示,该方法包括:
S401、获取拍摄装置采集的图像。
S402、在采集的图像中识别指示标志。
S403、确定识别出的指示标志与无人驾驶车辆的相对位置。
具体的,S401~S403可参照S201~S203的详细描述,不再赘述。
S404、根据识别出的指示标志与预设参考点的相对位置,以及识别出的指示标志与无人驾驶车辆的相对位置,确定参考点与无人驾驶车辆的相对位置。
其中,可在拍摄装置能够拍摄到的一内侧面上设置参考点,参考点所在内侧面上的指示标志与该参考点之间的相对位置为已知参数。例如,在同一内侧面上,参考点位于该内侧面的中心,指示标志分布在参考点的一侧或两侧。
具体的,在得到识别出的指示标志与无人驾驶车辆的相对位置后,可根据指示标志与无人驾驶车辆的相对位置、以及指示标志与参考点之间的相对位置,计算得到参考点与无人驾驶车辆的相对位置。
S405、根据参考点与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。
具体的,可将参考点与无人驾驶车辆的相对位置,确定为无人驾驶车辆与桥吊的相对位置。参考点位于桥吊左侧和/或右侧的内侧面,若参考点位于桥吊的左侧,,则将参考点与无人驾驶车辆的相对位置确定为无人驾驶车辆与桥吊左侧内侧面的相对位置,若参考点位于桥吊的右侧,则将参考点与无人驾驶车辆的相对位置确定为无人驾驶车辆与桥吊右侧内侧面的相对位置。
在一个可能的实施方式中,拍摄装置能够拍摄到的桥吊的一内侧面设置有多对指示标志,也即设置有多个两两对称的指示标志,每两个相互对称的指示标志为一对指示标志。每对指示标志的对称中心点一致,也即每对指示标志关于同一对称中心点对称。在确定无人驾驶车辆与桥吊的相对位置时,可根据在采集的图像中识别出的指示标志与无人驾驶车辆的相对位置、以及指示标志与对称中心点的相对位置,确定对称中心点与无人驾驶车辆的相对位置。根据对称中心点与无人驾驶车辆的相对位置,可确定无人驾驶车辆与桥吊的相对位置。其中,指示标志与对称中心点的相对位置为已知参数,对称中心点可以理解为上述参考点。
本公开实施例中,通过对拍摄装置采集的图像对指示标志进行识别、确定指示标志与无人驾驶车辆的相对位置,根据指示标志与无人驾驶车辆的相对位置、以及指示标志与预设参考点的相对位置,确定参考点与无人驾驶车辆的相对位置,进而得到无人驾驶车辆与桥吊的相对位置,从而在不依赖卫星定位的情况下实现无人驾驶车辆在桥吊下的定位,提高桥吊下无人驾驶车辆的定位准确度。
图5为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图。如图5所示,该方法包括:
S501、获取拍摄装置采集的图像。
S502、在采集的图像中识别指示标志。
具体的,S501~S502可参照S201~S202的具体描述,不再赘述。
S503、根据采集的图像,确定识别出的指示标志在拍摄装置的相机坐标系中的三维坐标。
具体的,可在采集的图像中,确定识别出的指示标志在采集的图像中的像素坐标。对相机坐标系进行校正,得到校正后的相机坐标系。在得到校正后的相机坐标系后,可根据指示标志在校正前的相机坐标系中的像素坐标,得到指示标志在校正后的相机坐标系中的像素坐标,根据指示标志在校正后的相机坐标系中的像素坐标、预设的相机参数和指示标志之间的相对位置,计算得到指示标志在校正后的相机坐标系中的三维坐标。其中,校正后的相机坐标系的XOY平面与拍摄装置所拍摄到的内侧面平行,以便于后续根据指示标志在相机坐标系中的三维坐标,得到无人驾驶车辆与桥吊的相对位置,相机参数例如相机焦距。
在一种可能的实现方式中,在确定识别出的指示标志在采集的图像中的像素坐标时,可在采集的图像中确定识别出的指示标志的中心点,将该中心点的像素坐标确定为指示标志的像素坐标,以提高指示标志的像素坐标的准确度。
在确定指示标志的中心点时,在一种可能的实现方式中,可提取指示标志的边缘,根据提取出的边缘,确定指示标志的中心线,将该中心线的中点确定为指示标志的中心点。
在确定指示标志的中心点时,在另一种可能的实现方式中,由于首环境因素(例如光线影响)影响,指示标志在图像中的边缘可能不清晰,因此可在图像中提取指示标志的二维框,将该二维框的中心点确定为指示标志的中心点。
由于桥吊的作业地点为码头地面,码头地面平整,可当作平面处理,所以码头地面也可称为码头平面。桥吊的内侧面与码头平面上的车道线平行、且与码头平面近乎垂直。当无人驾驶车辆在码头平面上平稳行驶或者停止时,无人驾驶车辆的车体坐标系的XOY平面可以看作与码头平面重叠。因此,作业环境中的桥吊的内侧面已经与车体坐标系的XOY平面垂直,在对相机坐标系进行校正的过程中,只需要将相机坐标系的XOY平面旋转至与车道线方向平行,也即与内侧面平行。
在一种可能的实现方式中,在将相机坐标系旋转至与桥吊的内侧面平行的过程,可通过下述步骤实现:
(1)获得相机坐标系到车体坐标系的第一旋转矩阵M1。
其中,第一旋转矩阵M1为已知参数,可通过预先标定得到.
(2)获取将车体坐标系的X轴旋转至车道线同向的第二旋转矩阵M2。
具体的,可先获取车体坐标系在横墨卡托格网系统((Universal TransverseMercator Grid System,UTM)坐标系的欧拉角,该欧拉角可从无人驾驶车辆的定位信号或者定位模块中直接获得,也可以通过其他现有方式获得,在此不做限制。获取车道线的朝向角,例如,可通过预先获取的港口的高精度地图得到车道线的朝向角。根据车体坐标系在UTM坐标系中的欧拉角和该朝向角,计算车体坐标系的X轴与车道线的夹角。根据该夹角,计算得到将车体坐标系的X轴转换至成与车道线同向的第二旋转矩阵M2。其中,车道线的朝向角也即车道线与UTM坐标系X轴的夹角。
作为示例的,车体坐标系在UTM坐标系中的欧拉角可表示为(yaw,pitch,roll),其中,yaw表示车体坐标系在UTM坐标系中的偏航角,pitch表示车体坐标系在UTM坐标系中的俯仰角,roll表示车体坐标系在UTM坐标系中的翻滚角。车体坐标系的X轴与车道线的夹角的计算公式为:β=θ-yaw,其中,β为车体坐标系的X轴与车道线的夹角,θ为车道线的朝向角,也即车道线与UTM坐标系X轴的夹角,因此,将车体坐标系的X轴转换成与车道线同向的欧拉角为(β,pitch,roll),进而可以得到第二旋转矩阵M2。
或者,除上述方式外,还可以通过预设的车道线检测算法得到无人驾驶车辆X轴和车道线的夹角。例如通过无人驾驶车辆上的拍摄装置拍摄车道线的图像,在通过预设的车道线检测算法在该图像中检测车道线,再基于检测到的车道线、拍照装置的相机坐标系、无人驾驶车辆的车体坐标系,得到无人驾驶车辆的X轴与车道线的夹角。又如,还可以通过无人驾驶车辆上的雷达装置检测地面上的车道线,进而得到无人驾驶车辆的X轴与车道线的夹角。在此对如何通过车道线检测算法得到无人驾驶车辆的X轴与车道线的夹角不做限制。
(3)通过第一旋转矩阵M1和第二旋转矩阵M2对相机坐标系进行初次旋转,初次旋转后的相机坐标系的X轴与车道线同向,Y轴指向拍摄装置所拍摄到的桥吊的内侧面,Z轴垂直于车体坐标系的XOY平面,也即码头平面。
(4)对初次旋转后的相机坐标系进行再次旋转,使得再次旋转后的相机坐标系的XOY平面平行于拍摄装置所拍摄到的内侧面,YOZ平面平行于车体坐标系的XOY平面。
具体的,位于无人驾驶车辆左侧的拍摄装置和位于无人驾驶车辆右侧的拍摄装置,在再次旋转中所采用的第三旋转矩阵不同。
其中,左侧的拍摄装置所采用的第三旋转矩阵M3L和右侧的拍摄装置所采用的第三旋转矩阵M3R可分别表示为:
具体的,对初次旋转后的相机坐标系进行再次旋转后,得到校正后的相机坐标系。因此,位于无人驾驶车辆左侧的拍摄装置的旋转矩阵ML和位于无人驾驶车辆右侧的拍摄装置的旋转矩阵MR分别为:
ML=M3LM2M1,MR=M3RM2M1。
在一种可能的实现方式中,根据指示标志在校正后的相机坐标系中的像素坐标、相机参数和指示标志之间的相对位置,计算指示标志在校正后的相机坐标系中的三维坐标的过程,可通过下述步骤实现:
(1)根据指示标志在校正后的相机坐标系中的像素坐标、相机参数和指示标志之间的相对位置,计算指示标志到拍摄装置的相机光心的距离,计算公式可为:
其中,z为指示标志在相机坐标系中的Z轴坐标,或称为深度,Δx为预先测量得到的识别出的不同指示标志之间的实际距离,Δu为对应指示标志在x方向的像素距离,fx为拍摄装置在校正后的相机坐标系的X轴方向的焦距。
可选的,在计算指示标志到相机光心的距离时,可选择识别出的距离最远的两个指示标志进行计算,以提高指示标志到相机光心的距离的计算准确度。
(2)根据指示标志到拍摄装置的相机光心的距离和指示标志在校正后的相机坐标系中的像素坐标,计算指示标志在相机坐标系中的三维坐标(x,y,z),其中,计算公式可为:
其中,(u,v)为指示标志在校正后的相机坐标系中的像素坐标,(Cx,Cy)为拍摄装置的相机光心在校正后的相机坐标系中的像素坐标,fx为拍摄装置在校正后的相机坐标系的X轴方向的焦距,fy为拍摄装置在校正后的相机坐标系的Y轴方向的焦距。
S504、根据识别出的指示标志在校正后的相机坐标系中的三维坐标,确定识别出的指示标志与无人驾驶车辆的相对位置。
具体的,校正后的相机坐标系的XOY平面平行于拍摄装置所拍摄到的内侧面,YOZ平面平行于车体坐标系的XOY平面,因此能够依据根据识别出的指示标志在校正后的相机坐标系中的三维坐标,确定识别出的指示标志与无人驾驶车辆的相对位置、且得到相对位置的效率较高。
S505、根据识别出的指示标志与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。
具体的,S505可参照S204或者S404~S405的详细描述,不再赘述。
本公开实施例中,通过对拍摄装置采集的图像对指示标志进行识别、对相机坐标系进行校正、确定指示标志在校正后的相机坐标系中的三维坐标,得到指示标志与无人驾驶车辆辆的相对位置,进而得到无人驾驶车辆与桥吊的相对位置,从而在不依赖卫星定位的情况下实现无人驾驶车辆在桥吊下的定位,提高桥吊下无人驾驶车辆的定位准确度。
基于图2~图5所示的本公开的实施例,在一种可能的实现方式中,指示标志为设置在桥吊左侧和/或右侧的内侧面的停车线,不同的停车线对应不同规模的货物,每个规模的货物分别对应一对停车线且该一对停车线关于预设的对称中心点对称。拍摄装置在采集图像时,采集的图像至少能够拍摄到一对停车线。如图6所示,图6为桥吊的一内侧面上停车线的分布示例图,图6中的虚线框表示内侧面,中间的虚线表示对称中心,实线表示停车线。在对称中心的左侧,停车线的左侧数字为停车线对应的集装箱的尺寸。在对称中心的右侧,停车线的右侧数字为停车线对应的集装箱的尺寸。在图6中,共有3对停车线:20尺(即图中的20’)的集装箱(例如:20*8*8英尺的集装箱)对应的一对停车线、40尺(即图中的40’)的集装箱(例如:40*8*8英尺的集装箱)对应的一对停车线、45尺(即图中的40’)的集装箱(例如:45*8*8英尺的集装箱)对应的一对停车线。在对采集的图像进行停车线的识别时,能够识别出停车线和停车线对应的尺寸,因此在本公开实施例中,能够准确的得到无人驾驶车辆与不同尺寸的停车线之间的相对位置,进一步地提高了无人驾驶车辆在桥吊下的定位准确度,能够准确地将无人驾驶车辆停靠在相应的停车线附近。
基于图2~图5所示的本公开的实施例,在一种可能的实现方式中,若无人驾驶车辆的两侧都设置有拍摄装置、且拍摄装置都分别拍摄到桥吊左右两侧的内侧面上的指示标志,则在计算得到无人驾驶车辆分别与桥吊左右两侧的相对位置后,可按照预设的选择策略,选择无人驾驶车辆与桥吊左侧的相对位置作为无人驾驶车辆与桥吊的相对位置,或者选择无人驾驶车辆与桥吊右侧的相对位置作为无人驾驶车辆与桥吊的相对位置,以向无人驾驶车辆提供较为准确的定位信息。
可选的,选择策略可为选择无人驾驶车辆分别与桥吊左右两侧的相对位置中无人驾驶车辆与桥吊之间的距离较近的相对位置。
图7为本公开的一实施例提供的桥吊下的车辆定位装置的结构示意图,无人驾驶车辆上设置有拍摄装置,拍摄装置位于无人驾驶车辆的侧面,无人驾驶车辆驶入桥吊时拍摄装置拍摄到的桥吊的内侧面设置有多个指示标志。如图7所示,该装置包括:
获取模块701,用于获取拍摄装置采集的图像;
识别模块702,用于在采集的图像中识别指示标志;
定位模块703,用于确定识别出的指示标志与无人驾驶车辆的相对位置,根据识别出的指示标志与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。
在一种可能的实现方式中,获取模块701还用于:
接收桥吊作业指令,桥吊作业指令包括桥吊的桥吊标识;
识别模块702,还用于:
在采集的图像中识别桥吊标识,以确定无人驾驶车辆是否驶入桥吊;
识别模块702在采集的图像中识别指示标志时,具体用于:
若无人驾驶车辆驶入桥吊,则在采集的图像中识别指示标志。
在一种可能的实现方式中,定位模块703,具体用于:
根据识别出的指示标志与预设参考点的相对位置,以及识别出的指示标志与无人驾驶车辆的相对位置,确定参考点与无人驾驶车辆的相对位置;
根据参考点与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。
在一种可能的实现方式中,拍摄装置拍摄到的桥吊的一内侧面设置有多对的指示标志、且指示标志的对称中心点一致;
定位模块703,具体用于:
根据识别出的指示标志与对称中心点的相对位置,以及识别出的指示标志与无人驾驶车辆的相对位置,确定对称中心点与无人驾驶车辆的相对位置;
根据对称中心点与无人驾驶车辆的相对位置,确定无人驾驶车辆与桥吊的相对位置。
在一种可能的实现方式中,定位模块703,具体用于:
根据采集的图像,确定识别出的指示标志在拍摄装置的相机坐标系中的三维坐标;
根据识别出的指示标志在相机坐标系中的三维坐标,确定识别出的指示标志与无人驾驶车辆的相对位置。
在一种可能的实现方式中,定位模块703,具体用于:
在采集的图像中,确定识别出的指示标志的像素坐标;
对相机坐标系进行校正,得到校正后的相机坐标系;
根据指示标志的像素坐标、预设的相机参数和指示标志之间的相对位置,得到指示标志在校正后的相机坐标系中的三维坐标。
在一种可能的实现方式中,定位模块703,具体用于:
在相机坐标系中,确定识别出的指示标志的中心点;
将识别出的指示标志的中心点的像素坐标,确定为识别出的指示标志的像素坐标。
图7提供的桥吊下的车辆定位装置,可以执行上述相应方法实施例,其实现原理和技术效果类似,在此不再赘述。
图8为本公开的一实施例提供的一种电子设备的结构示意图。如图8所示,该电子设备可以包括:处理器801和存储器802。存储器802用于存储计算机执行指令,处理器801执行计算机程序时实现如上述任一实施例的方法。
上述的处理器801可以是通用处理器,包括中央处理器CPU、网络处理器(networkprocessor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。上述存储器802可能包含随机存取存储器(random access memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
本公开的一实施例还提供了一种无人驾驶车辆,该无人驾驶车辆包括拍摄装置和图8所示实施例提供的电子设备,拍摄装置位于无人驾驶车辆的左侧和/或右侧。因此,该无人驾驶车辆能够实现在桥吊下的自动定位,确定自身与桥吊的相对位置。
在一种可能的实现方式中,拍摄装置位于无人驾驶车辆的车头的左侧和/或右侧,以提高无人驾驶车辆在桥吊下的定位效果。
本公开的一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中存储有指令,当其在计算机上运行时,使得计算机执行如上述任一实施例的方法。
本公开的一实施例还提供一种程序产品,所述程序产品包括计算机程序,所述计算机程序存储在存储介质中,至少一个处理器可以从所述存储介质中读取所述计算机程序,所述至少一个处理器执行所述计算机程序时可实现上述任一实施例的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开的实施例旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (11)
1.一种桥吊下的车辆定位方法,其特征在于,无人驾驶车辆上设置有拍摄装置,所述拍摄装置位于所述无人驾驶车辆的侧面,所述无人驾驶车辆驶入桥吊时所述拍摄装置拍摄到的所述桥吊的内侧面设置有多个指示标志,所述方法包括:
获取所述拍摄装置采集的图像;
在所述采集的图像中识别所述指示标志;
确定识别出的所述指示标志与所述无人驾驶车辆的相对位置;
根据识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
2.根据权利要求1所述的方法,其特征在于,所述获取所述拍摄装置采集的图像之前,所述方法还包括:
接收桥吊作业指令,所述桥吊作业指令包括所述桥吊的桥吊标识;
所述获取所述拍摄装置采集的图像之后,还包括:
在所述采集的图像中识别所述桥吊标识,以确定所述无人驾驶车辆是否驶入所述桥吊;
在所述采集的图像中识别所述指示标志,包括:
若所述无人驾驶车辆驶入所述桥吊,则在所述采集的图像中识别所述指示标志。
3.根据权利要求1所述的方法,其特征在于,所述根据识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置,包括:
根据识别出的所述指示标志与预设参考点的相对位置,以及识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述参考点与所述无人驾驶车辆的相对位置;
根据所述参考点与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
4.根据权利要求3所述的方法,其特征在于,所述拍摄装置拍摄到的所述桥吊的内侧面设置有多对的所述指示标志、且各对所述指示标志的对称中心点一致;
所述根据识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置,包括:
根据识别出的所述指示标志与所述对称中心点的相对位置,以及识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述对称中心点与所述无人驾驶车辆的相对位置;
根据所述对称中心点与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述确定识别出的所述指示标志与所述无人驾驶车辆的相对位置,包括:
根据所述采集的图像,确定识别出的所述指示标志在所述拍摄装置的相机坐标系中的三维坐标;
根据识别出的所述指示标志在所述相机坐标系中的三维坐标,确定识别出的所述指示标志与所述无人驾驶车辆的相对位置。
6.根据权利要求5所述的方法,其特征在于,所述根据所述采集的图像,确定识别出的所述指示标志在所述拍摄装置的相机坐标系中的三维坐标,包括:
在所述采集的图像中,确定识别出的所述指示标志的像素坐标;
对所述相机坐标系进行校正,得到校正后的相机坐标系;
根据所述指示标志的像素坐标、预设的相机参数和所述指示标志之间的相对位置,得到所述指示标志在校正后的所述相机坐标系中的三维坐标。
7.根据权利要求6所述的方法,其特征在于,所述在所述采集的图像中,确定识别出的所述指示标志的像素坐标,包括:
确定识别出的所述指示标志的中心点;
将识别出的所述指示标志的中心点的像素坐标,确定为识别出的所述指示标志的像素坐标。
8.一种桥吊下的车辆定位装置,其特征在于,无人驾驶车辆上设置有拍摄装置,所述拍摄装置位于所述无人驾驶车辆的侧面,所述无人驾驶车辆驶入所述桥吊时所述拍摄装置拍摄到的所述桥吊的内侧面设置有多个指示标志,所述装置包括:
获取模块,用于获取所述拍摄装置采集的图像;
识别模块,用于在所述采集的图像中识别所述指示标志;
定位模块,用于确定识别出的所述指示标志与所述无人驾驶车辆的相对位置,根据识别出的所述指示标志与所述无人驾驶车辆的相对位置,确定所述无人驾驶车辆与所述桥吊的相对位置。
9.一种电子设备,其特征在于,所述设备包括:存储器和处理器;
所述存储器用于存储程序指令;
所述处理器用于调用所述存储器中的程序指令执行如权利要求1-7任一项所述的方法。
10.一种无人驾驶车辆,其特征在于,所述无人驾驶车辆包括:
拍摄装置和如权利要求9所述的电子设备;
所述拍摄装置位于所述无人驾驶车辆的侧面。
11.一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;所述计算机程序被执行时,实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010896179.9A CN112102396B (zh) | 2020-08-31 | 2020-08-31 | 桥吊下的车辆定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010896179.9A CN112102396B (zh) | 2020-08-31 | 2020-08-31 | 桥吊下的车辆定位方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112102396A true CN112102396A (zh) | 2020-12-18 |
CN112102396B CN112102396B (zh) | 2023-09-22 |
Family
ID=73756806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010896179.9A Active CN112102396B (zh) | 2020-08-31 | 2020-08-31 | 桥吊下的车辆定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102396B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822396A (zh) * | 2021-08-24 | 2021-12-21 | 杭州飞步科技有限公司 | 桥吊实时定位方法、装置和系统 |
CN113873442A (zh) * | 2021-09-08 | 2021-12-31 | 宁波大榭招商国际码头有限公司 | 一种外集卡定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577988A (zh) * | 2017-08-03 | 2018-01-12 | 东软集团股份有限公司 | 实现侧方车辆定位的方法、装置及存储介质、程序产品 |
CN108931801A (zh) * | 2018-06-06 | 2018-12-04 | 苏州智加科技有限公司 | 一种集装箱码头区域的车辆自动驾驶方法和系统 |
CN108981684A (zh) * | 2018-06-06 | 2018-12-11 | 苏州智加科技有限公司 | 集装箱卡车定位系统及方法 |
CN208282814U (zh) * | 2018-05-15 | 2018-12-25 | 北京主线科技有限公司 | 岸桥下无人驾驶集装箱卡车的测距定位装置 |
CN109711327A (zh) * | 2018-12-25 | 2019-05-03 | 深圳市麦谷科技有限公司 | 一种车辆辅助定位方法、系统、计算机设备及存储介质 |
-
2020
- 2020-08-31 CN CN202010896179.9A patent/CN112102396B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107577988A (zh) * | 2017-08-03 | 2018-01-12 | 东软集团股份有限公司 | 实现侧方车辆定位的方法、装置及存储介质、程序产品 |
CN208282814U (zh) * | 2018-05-15 | 2018-12-25 | 北京主线科技有限公司 | 岸桥下无人驾驶集装箱卡车的测距定位装置 |
CN108931801A (zh) * | 2018-06-06 | 2018-12-04 | 苏州智加科技有限公司 | 一种集装箱码头区域的车辆自动驾驶方法和系统 |
CN108981684A (zh) * | 2018-06-06 | 2018-12-11 | 苏州智加科技有限公司 | 集装箱卡车定位系统及方法 |
CN109711327A (zh) * | 2018-12-25 | 2019-05-03 | 深圳市麦谷科技有限公司 | 一种车辆辅助定位方法、系统、计算机设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822396A (zh) * | 2021-08-24 | 2021-12-21 | 杭州飞步科技有限公司 | 桥吊实时定位方法、装置和系统 |
CN113822396B (zh) * | 2021-08-24 | 2024-01-09 | 杭州飞步科技有限公司 | 桥吊实时定位方法、装置和系统 |
CN113873442A (zh) * | 2021-09-08 | 2021-12-31 | 宁波大榭招商国际码头有限公司 | 一种外集卡定位方法 |
CN113873442B (zh) * | 2021-09-08 | 2023-08-04 | 宁波大榭招商国际码头有限公司 | 一种外集卡定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112102396B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805934B (zh) | 一种车载摄像机的外部参数标定方法及装置 | |
CN112907676B (zh) | 传感器的标定方法、装置、系统、车辆、设备及存储介质 | |
WO2021189468A1 (zh) | 激光雷达的姿态校正方法、装置和系统 | |
CN107844750A (zh) | 一种水面全景图像目标检测识别方法 | |
CN106444837A (zh) | 一种无人机避障方法及系统 | |
CN110758477B (zh) | 基于二维码识别的列车定位方法及系统 | |
CN112099025B (zh) | 桥吊下的车辆定位方法、装置、设备及存储介质 | |
CN112102396B (zh) | 桥吊下的车辆定位方法、装置、设备及存储介质 | |
CN110969064B (zh) | 一种基于单目视觉的图像检测方法、装置及存储设备 | |
CN111572633B (zh) | 转向角度检测方法、装置及系统 | |
US11747833B2 (en) | Method and device for estimating distance to target, and unmanned aerial vehicle | |
CN112991401B (zh) | 车辆运行轨迹追踪方法、装置、电子设备和存储介质 | |
CN107452038A (zh) | 基于ais和主动摄像机的复杂水域目标跟踪方法 | |
CN111510704A (zh) | 校正摄像头错排的方法及利用其的装置 | |
CN113034605A (zh) | 目标对象的位置确定方法、装置、电子设备及存储介质 | |
US20210319584A1 (en) | Camera pose estimation techniques | |
CN116977328B (zh) | 车底机器人主动视觉中的图像质量评估方法 | |
CN109297502A (zh) | 基于图像处理与gps导航技术的激光投影指向方法及装置 | |
CN113103957A (zh) | 一种盲区监测方法、装置、电子设备及存储介质 | |
CN112215214A (zh) | 调整智能车载终端的摄像头偏移的方法及系统 | |
CN115258959B (zh) | 吊具控制方法、设备及存储介质 | |
CN111738085A (zh) | 实现自动驾驶同时定位与建图的系统构建方法及装置 | |
CN116700275A (zh) | 一种卸船机无人化作业方法、装置、设备及存储介质 | |
CN116202489A (zh) | 输电线路巡检机与杆塔协同定位方法及系统、存储介质 | |
CN111738035A (zh) | 车辆偏航角的计算方法、装置和设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |