CN112102408A - 单目视觉的尺度修正方法、装置及自动驾驶汽车 - Google Patents
单目视觉的尺度修正方法、装置及自动驾驶汽车 Download PDFInfo
- Publication number
- CN112102408A CN112102408A CN202010944881.8A CN202010944881A CN112102408A CN 112102408 A CN112102408 A CN 112102408A CN 202010944881 A CN202010944881 A CN 202010944881A CN 112102408 A CN112102408 A CN 112102408A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- monocular vision
- model
- determining
- monocular
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012937 correction Methods 0.000 title claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based 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
- 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
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种单目视觉的尺度修正方法、装置及自动驾驶汽车,涉及无人驾驶技术领域,通过基于单目摄像头获取的目标车辆的图像,并通过单目视觉技术确定目标车辆尺寸的测量值;对目标车辆的型号进行识别,并基于预先确定的型号与实际尺寸的对应关系,确定目标车辆尺寸的实际值;基于测量值与实际值的对应关系,对单目视觉技术的识别结果的尺度进行修正。以此可以通过单目视觉中的已知型号的车的尺寸的信息,对单目视觉的识别结果进行修正,提升了单目视觉的识别精度。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其是涉及一种单目视觉的尺度修正方法、装置及自动驾驶汽车。
背景技术
单目视觉目标定位,用于确定目标空间坐标系和相机坐标系之间的位置关系,即包括确定旋转参数R和平移参数T。单目视觉目标定位的方法按有无标志点方法可以分为有标志点方法和无标志点方法。
标志点方法就是设计一种特征明显的标志结构或图案,比如目前的二维码也是一种标志图案,二维码通过其三个角的方形来定位。标志点定位的优点是稳定,准确,快速,缺点是设计比较麻烦,在实际应用中需要一个平面方便粘贴或者放置二维码,这在实际使用中具有局限性。
无标志点定位方法就是通过目标自身的特征来定位,主要通过词袋方法和DL方法,词袋方法就是把目标特征点做成词袋,在定位的过程中通过搜索词袋,寻找匹配点,最终通过匹配点坐标的3D到2D的映射,就可以得到目标的方位。DL的方法即通过对目标不同的方位拍照,通过机器学习的方法回归出R和T。无标志点方案的目标定位,不用在目标上贴标志物,方便直接,不会对目标的美观造成影响,充分利用了目标自身的特性,但是目标本身的特征,没有一个完美的特征描述方法,容易受到光照,角度,远近的影响,所以无标志点方案不稳定,精度不高,且存在一个学习的过程,在复杂程度上要比有标志点高。
发明内容
本发明的目的在于提供一种单目视觉的尺度修正方法、装置及自动驾驶汽车,以缓解了现有技术中存在的单目视觉测量精度低的技术问题。
第一方面,本发明实施例提供一种单目视觉的尺度修正方法,包括:
基于单目摄像头获取的目标车辆的图像,并通过单目视觉技术确定目标车辆尺寸的测量值;
对目标车辆的型号进行识别,并基于预先确定的型号与实际尺寸的对应关系,确定目标车辆尺寸的实际值;
基于测量值与实际值的对应关系,对单目视觉技术的识别结果的尺度进行修正。
在可选的实施方式中,通过单目视觉技术确定目标车辆的测量尺寸的步骤,包括:
基于目标车辆的图像,识别目标车辆的关键点;
基于目标车辆的关键点之间的距离确定目标车辆尺寸的测量值。
在可选的实施方式中,目标车辆尺寸包括目标车辆的高度、宽度、长度以及部件的尺寸中的一项或多项。
在可选的实施方式中,对目标车辆的型号进行识别的步骤,包括:
基于目标车辆的图像,对目标车辆的目标品牌进行识别;
确定目标品牌对应的预先建立的识别模型;
基于识别模型对目标车辆的型号进行识别。
在可选的实施方式中,单目视觉技术的识别结果包括三维地图。
在可选的实施方式中,基于测量值与实际值的对应关系,对单目视觉技术的识别结果的尺度进行修正的步骤,包括:
确定多个目标车辆对应的测量值和实际值的比值;
对多个目标车辆的比值进行平均,确定均值;
基于均值对单目视觉技术的识别结果的尺度进行修正。
在可选的实施方式中,还包括:
在对目标车辆的型号进行识别时,如果识别失败,更换目标车辆。
第二方面,本发明实施例提供一种单目视觉的尺度修正装置,包括:
测量模块,用于基于单目摄像头获取的目标车辆的图像,并通过单目视觉技术确定目标车辆尺寸的测量值;
确定模块,用于对目标车辆的型号进行识别,并基于预先确定的型号与实际尺寸的对应关系,确定目标车辆尺寸的实际值;
修正模块,用于基于测量值与实际值的对应关系,对单目视觉技术的识别结果的尺度进行修正。
第三方面,本发明实施例提供一种自动驾驶汽车,包括存储器、处理器以及摄像头,摄像头用于拍摄图像;存储器中存储有可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述前述实施方式任一项的方法的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,计算机可读存储介质存储有机器可运行指令,计算机可运行指令在被处理器调用和运行时,计算机可运行指令促使处理器运行前述实施方式任一项的方法。
本发明提供的一种单目视觉的尺度修正方法、装置及自动驾驶汽车。通过基于单目摄像头获取的目标车辆的图像,并通过单目视觉技术确定目标车辆尺寸的测量值;对目标车辆的型号进行识别,并基于预先确定的型号与实际尺寸的对应关系,确定目标车辆尺寸的实际值;基于测量值与实际值的对应关系,对单目视觉技术的识别结果的尺度进行修正。以此可以通过单目视觉中的已知型号的车的尺寸的信息,对单目视觉的识别结果进行修正,提升了单目视觉的识别精度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种单目视觉的尺度修正方法流程示意图;
图2为本申请实施例提供的一种单目视觉的尺度修正方法的一个示例;
图3为本申请实施例提供的一种单目视觉的尺度修正装置结构示意图;
图4为本申请实施例提供的一种自动驾驶汽车结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图,对本发明的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
图1为本发明实施例提供的一种单目视觉的尺度修正方法流程示意图。如图1所示,该方法可以包括如下步骤:
步骤S110,基于单目摄像头获取的目标车辆的图像,并通过单目视觉技术确定目标车辆尺寸的测量值;
该目标车辆尺寸包括目标车辆的高度、宽度、长度以及部件的尺寸中的一项或多项。具体可以根据实际需要确定。
作为一个示例,可以基于目标车辆的图像,识别目标车辆的关键点;然后基于目标车辆的关键点之间的距离确定目标车辆尺寸的测量值。
例如,可以采用卷积神经网络对单目图像中的目标车辆进行识别,得到目标车辆相在图像中的位置和目标车辆的类别。
可以利用Hough(霍夫)变换检测出目标车辆的边缘(关键点)。例如,可以检测到车辆边缘对应的仿射四边形。可以根据该边缘在世界坐标系中位置,确定该目标车辆尺寸的测量值。
例如,可以以SLAM/VO方式初步构建三维地图,可以利用Hough变换检测图像中的目标车辆的边缘,选取出的目标车辆的四个顶点,确定公该四个顶点在以SLAM/VO方式初步构建的地图中对应的三维点,根据三维点之间的距离可以确定测量值。
另外,还可以对目标车辆进行三维模型重建,构建目标车辆的三维模型。构建出的目标车辆的三维模型的三维点的坐标为世界坐标系中的坐标。
例如,在构建目标车辆的三维模型时,可以根据SIFT特征提取的特征点,三维模型中的每一个三维点也对应一个SIFT特征。从而,可以将提取出的目标车辆的特征点的SIFT特征与三维模型中的三维点的SIFT特征进行匹配,确定与提取出的目标车辆的特征点对应的目标车辆的三维模型中的三维点。
步骤S120,对目标车辆的型号进行识别,并基于预先确定的型号与实际尺寸的对应关系,确定目标车辆尺寸的实际值;
在对目标车辆的型号进行识别时,如果识别失败,更换目标车辆,重新执行步骤S110-S130。
步骤S130,基于测量值与实际值的对应关系,对单目视觉技术的识别结果的尺度进行修正。
作为一个示例,可以确定多个目标车辆对应的测量值和实际值的比值;对多个目标车辆的比值进行平均,确定均值;基于均值对单目视觉技术的识别结果的尺度进行修正。
其中,该单目视觉技术的识别结果包括三维地图。作为一个示例,可以基于多帧单目图像,采用SLAM(simultaneous localization and mapping,即时定位与地图构建)/VO(Visual Odometry,视觉里程计)方式初步构建三维地图。从采集到的多帧单目图像中选取出具有一定视差的两帧单目图像作为关键帧图像,从关键帧图像中提取出对象的具有特征的特征点,确定两个关键帧图像中匹配的特征点,同时,可以采用对极几何方式剔除误匹配点。可以基于匹配的特征点进行三角测量,计算单目相机的运动以及确定特征点在空间中的位置,即确定特征点对应的空间中的三维点,三维点构成三维地图中的对象。
通过本发明实施例,可以基于单目视觉中的已知型号的车的尺寸的信息,对单目视觉的识别结果进行修正,提升了单目视觉的识别精度。
在一些实施例中,如图2所示,步骤S120中对目标车辆的型号进行识别具体可以通过如下步骤实现:
S210,基于目标车辆的图像,对目标车辆的目标品牌进行识别;
S220,确定目标品牌对应的预先建立的识别模型;
S230,基于识别模型对目标车辆的型号进行识别。
该方法可以通过两种模型来实现对型号的识别,首先对车辆的品牌进行识别,此时目标车辆的图像可以包括目标车辆的车标或者logo,基于该车标的图像可以对车辆的品牌进行识别。在识别得到车辆品牌后,可以从多个分别于品牌一一对应的型号识别模型中选择一个目标品牌对应的识别模型,然后利用该识别模型,再对车辆的型号进行识别。其中,可以针对每个品牌分别训练一个识别模型。
可以利用用于目标识别的卷积神经网络进行选择性搜索,例如,RCNN(Regionswith Convolutional Neural Network,目标识别神经网络),选择出图像中的多个子图像区域,可以针对每个子图像区域提取特征例如CNN(Convolutional Neural Network,卷积神经网络)特征,将提取出的特征输入针对不同类所训练好的SVM(Support VectorMachine,支持向量机)分类器,可以得到每个子图像区域属于每一个型号或品牌的分数。可以通过非极大值抑制,去除大部分有重叠区域的子图像区域,得到目标车辆的类型。
通过本发明实施例先对车辆的品牌进行识别,然后再对车辆的型号进行识别,可以降低不同品牌车辆相似外观对识别结果造成的影响,提升了型号识别的准确度。
图3为本发明实施例提供的一种单目视觉的尺度修正装置结构示意图。如图3所示,可以包括:
测量模块301,用于基于单目摄像头获取的目标车辆的图像,并通过单目视觉技术确定目标车辆尺寸的测量值;
确定模块302,用于对目标车辆的型号进行识别,并基于预先确定的型号与实际尺寸的对应关系,确定目标车辆尺寸的实际值;
修正模块303,用于基于测量值与实际值的对应关系,对单目视觉技术的识别结果的尺度进行修正。
在一些实施例中,测量模块301还用于:
基于目标车辆的图像,识别目标车辆的关键点;
基于目标车辆的关键点之间的距离确定目标车辆尺寸的测量值。
在一些实施例中,目标车辆尺寸包括目标车辆的高度、宽度、长度以及部件的尺寸中的一项或多项。
在一些实施例中,确定模块302还用于:
基于目标车辆的图像,对目标车辆的目标品牌进行识别;
确定目标品牌对应的预先建立的识别模型;
基于识别模型对目标车辆的型号进行识别。
在一些实施例中,单目视觉技术的识别结果包括三维地图。
在一些实施例中,修正模块303还用于:
确定多个目标车辆对应的测量值和实际值的比值;
对多个目标车辆的比值进行平均,确定均值;
基于均值对单目视觉技术的识别结果的尺度进行修正。
在一些实施例中,还包括,替换模块用于:
在对目标车辆的型号进行识别时,如果识别失败,更换目标车辆。
本申请实施例提供的单目视觉的尺度修正装置,与上述实施例提供的单目视觉的尺度修正方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
如图4所示,本申请实施例提供的一种自动驾驶汽车700,包括:处理器701、存储器702和总线,存储器702存储有处理器701可执行的机器可读指令,当电子设备运行时,处理器701与存储器702之间通过总线通信,处理器701执行机器可读指令,以执行如上述单目视觉的尺度修正方法、装置及自动驾驶汽车方法的步骤。
具体地,上述存储器702和处理器701能够为通用的存储器和处理器,这里不做具体限定,当处理器701运行存储器702存储的计算机程序时,能够执行上述单目视觉的尺度修正方法。
对应于上述单目视觉的尺度修正方法,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有机器可运行指令,计算机可运行指令在被处理器调用和运行时,计算机可运行指令促使处理器运行上述单目视觉的尺度修正方法、装置及自动驾驶汽车方法的步骤。
本申请实施例所提供的单目视觉的尺度修正方法、装置及自动驾驶汽车装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台自动驾驶汽车执行本申请各个实施例移动控制方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种单目视觉的尺度修正方法,其特征在于,包括:
基于单目摄像头获取的目标车辆的图像,并通过单目视觉技术确定所述目标车辆尺寸的测量值;
对所述目标车辆的型号进行识别,并基于预先确定的型号与实际尺寸的对应关系,确定所述目标车辆尺寸的实际值;
基于所述测量值与所述实际值的对应关系,对所述单目视觉技术的识别结果的尺度进行修正。
2.根据权利要求1所述的方法,其特征在于,通过单目视觉技术确定所述目标车辆的测量尺寸的步骤,包括:
基于所述目标车辆的图像,识别所述目标车辆的关键点;
基于所述目标车辆的关键点之间的距离确定所述目标车辆尺寸的测量值。
3.根据权利要求2所述的方法,其特征在于,所述目标车辆尺寸包括所述目标车辆的高度、宽度、长度以及部件的尺寸中的一项或多项。
4.根据权利要求1所述的方法,其特征在于,对所述目标车辆的型号进行识别的步骤,包括:
基于所述目标车辆的图像,对所述目标车辆的目标品牌进行识别;
确定所述目标品牌对应的预先建立的识别模型;
基于所述识别模型对所述目标车辆的型号进行识别。
5.根据权利要求1所述的方法,其特征在于,所述单目视觉技术的识别结果包括三维地图。
6.根据权利要求1所述的方法,其特征在于,基于所述测量值与所述实际值的对应关系,对所述单目视觉技术的识别结果的尺度进行修正的步骤,包括:
确定多个目标车辆对应的测量值和实际值的比值;
对所述多个目标车辆的比值进行平均,确定均值;
基于所述均值对所述单目视觉技术的识别结果的尺度进行修正。
7.根据权利要求1所述的方法,其特征在于,还包括:
在对所述目标车辆的型号进行识别时,如果识别失败,更换所述目标车辆。
8.一种单目视觉的尺度修正装置,其特征在于,包括:
测量模块,用于基于单目摄像头获取的目标车辆的图像,并通过单目视觉技术确定所述目标车辆尺寸的测量值;
确定模块,用于对所述目标车辆的型号进行识别,并基于预先确定的型号与实际尺寸的对应关系,确定所述目标车辆尺寸的实际值;
修正模块,用于基于所述测量值与所述实际值的对应关系,对所述单目视觉技术的识别结果的尺度进行修正。
9.一种自动驾驶汽车,其特征在于,包括存储器、处理器以及摄像头,所述摄像头用于拍摄图像;所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
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存储有机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944881.8A CN112102408B (zh) | 2020-09-09 | 2020-09-09 | 单目视觉的尺度修正方法、装置及自动驾驶汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944881.8A CN112102408B (zh) | 2020-09-09 | 2020-09-09 | 单目视觉的尺度修正方法、装置及自动驾驶汽车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112102408A true CN112102408A (zh) | 2020-12-18 |
CN112102408B CN112102408B (zh) | 2024-07-23 |
Family
ID=73752266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010944881.8A Active CN112102408B (zh) | 2020-09-09 | 2020-09-09 | 单目视觉的尺度修正方法、装置及自动驾驶汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102408B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488973A (zh) * | 2013-09-12 | 2014-01-01 | 上海依图网络科技有限公司 | 基于图像的车辆品牌识别方法和系统 |
CN104063712A (zh) * | 2014-06-27 | 2014-09-24 | 杭州科度科技有限公司 | 一种车辆信息提取方法和系统 |
WO2015090420A1 (en) * | 2013-12-19 | 2015-06-25 | Metaio Gmbh | Slam on a mobile device |
CN108717710A (zh) * | 2018-05-18 | 2018-10-30 | 京东方科技集团股份有限公司 | 室内环境下的定位方法、装置及系统 |
US20190340783A1 (en) * | 2018-09-11 | 2019-11-07 | Baidu Online Network Technology (Beijing) Co., Ltd. | Autonomous Vehicle Based Position Detection Method and Apparatus, Device and Medium |
CN110781883A (zh) * | 2019-09-18 | 2020-02-11 | 江苏大学 | 一种基于360度环视摄像头的车位尺寸识别系统及方法 |
CN110969064A (zh) * | 2018-09-30 | 2020-04-07 | 北京四维图新科技股份有限公司 | 一种基于单目视觉的图像检测方法、装置及存储设备 |
CN111611964A (zh) * | 2020-05-29 | 2020-09-01 | 东软睿驰汽车技术(沈阳)有限公司 | 一种距离检测方法及装置 |
-
2020
- 2020-09-09 CN CN202010944881.8A patent/CN112102408B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488973A (zh) * | 2013-09-12 | 2014-01-01 | 上海依图网络科技有限公司 | 基于图像的车辆品牌识别方法和系统 |
WO2015090420A1 (en) * | 2013-12-19 | 2015-06-25 | Metaio Gmbh | Slam on a mobile device |
CN104063712A (zh) * | 2014-06-27 | 2014-09-24 | 杭州科度科技有限公司 | 一种车辆信息提取方法和系统 |
CN108717710A (zh) * | 2018-05-18 | 2018-10-30 | 京东方科技集团股份有限公司 | 室内环境下的定位方法、装置及系统 |
US20190340783A1 (en) * | 2018-09-11 | 2019-11-07 | Baidu Online Network Technology (Beijing) Co., Ltd. | Autonomous Vehicle Based Position Detection Method and Apparatus, Device and Medium |
CN110969064A (zh) * | 2018-09-30 | 2020-04-07 | 北京四维图新科技股份有限公司 | 一种基于单目视觉的图像检测方法、装置及存储设备 |
CN110781883A (zh) * | 2019-09-18 | 2020-02-11 | 江苏大学 | 一种基于360度环视摄像头的车位尺寸识别系统及方法 |
CN111611964A (zh) * | 2020-05-29 | 2020-09-01 | 东软睿驰汽车技术(沈阳)有限公司 | 一种距离检测方法及装置 |
Non-Patent Citations (4)
Title |
---|
唐心瑶;宋焕生;王伟;张朝阳;崔华;: "单目交通场景下基于自标定的车辆三维信息识别算法", 计算机辅助设计与图形学学报, no. 08, pages 4 - 9 * |
商佳尚;: "差值法与比值法的误差修正效果比较研究及应用", 计测技术, no. 04, pages 1 - 2 * |
姚振鑫;宋新萍;刘影;: "基于车牌宽度和单目视觉的车辆距离测量方法", 农业装备与车辆工程, no. 06, 10 June 2020 (2020-06-10) * |
苏建;翟乃斌;刘玉梅;陈友谊;: "汽车整车尺寸机器视觉测量系统的研究", 公路交通科技, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN112102408B (zh) | 2024-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816704B (zh) | 物体的三维信息获取方法和装置 | |
CN112734852B (zh) | 一种机器人建图方法、装置及计算设备 | |
EP3407294B1 (en) | Information processing method, device, and terminal | |
CN110568447B (zh) | 视觉定位的方法、装置及计算机可读介质 | |
CN110411441B (zh) | 用于多模态映射和定位的系统和方法 | |
US10996062B2 (en) | Information processing device, data management device, data management system, method, and program | |
CN109074085B (zh) | 一种自主定位和地图建立方法、装置和机器人 | |
CN109472828B (zh) | 一种定位方法、装置、电子设备及计算机可读存储介质 | |
EP3067861A2 (en) | Determination of a coordinate conversion parameter | |
CN113191329B (zh) | 一种基于单目视觉图片的车辆泊位匹配方法及系统 | |
CN111199564A (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
CN111784775B (zh) | 一种标识辅助的视觉惯性增强现实注册方法 | |
JP2022528301A (ja) | キャリブレーション方法、位置確定方法、装置、電子機器及び記憶媒体 | |
CN109544599A (zh) | 一种基于相机位姿估计的三维点云配准方法 | |
CN110667474B (zh) | 通用障碍物检测方法、装置与自动驾驶系统 | |
US20200098115A1 (en) | Image processing device | |
CN112017241A (zh) | 一种数据处理的方法和装置 | |
CN112767412B (zh) | 车辆部件级分割方法、装置以及电子设备 | |
CN112381876B (zh) | 一种交通标志标注方法、装置及计算机设备 | |
Shao | A Monocular SLAM System Based on the ORB Features | |
CN117197775A (zh) | 对象标注方法、对象标注装置及计算机可读存储介质 | |
CN112102408A (zh) | 单目视觉的尺度修正方法、装置及自动驾驶汽车 | |
CN112146647B (zh) | 一种地面纹理的双目视觉定位方法及芯片 | |
CN112102406B (zh) | 单目视觉的尺度修正方法、装置及运载工具 | |
CN112435291A (zh) | 一种多目标体积测量方法、装置及存储介质 |
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 |