CN112115820A - 车载辅助驾驶方法及装置、计算机装置及可读存储介质 - Google Patents
车载辅助驾驶方法及装置、计算机装置及可读存储介质 Download PDFInfo
- Publication number
- CN112115820A CN112115820A CN202010917049.9A CN202010917049A CN112115820A CN 112115820 A CN112115820 A CN 112115820A CN 202010917049 A CN202010917049 A CN 202010917049A CN 112115820 A CN112115820 A CN 112115820A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- dimensional coordinate
- detection
- target object
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 137
- 230000007613 environmental effect Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
-
- 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
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出一种车载辅助驾驶方法，用于量化车辆的环境参数，所述方法包括：获取待检测车辆的车辆参数，其中所述车辆参数包括车身信息和摄像模组的位置信息；依据所述车辆参数建立车辆模型；确定检测类别；依据所述检测类别确定所述摄像模组及检测区域；依据所述检测区域确定多个检测点；依据预设的三维坐标系获取多个所述检测点的三维坐标值；获取所述摄像模组的摄像参数；依据所述摄像参数、多个所述检测点的三维坐标值及预设的二维坐标系，获取所述检测点的二维坐标值。本发明同时提出一种车载辅助驾驶装置、计算机装置及可读存储介质。
Description
技术领域
本发明涉及车载辅助驾驶技术领域，特别是一种车载辅助驾驶方法及装置、计算机装置及可读存储介质。
背景技术
近年来，随着我国道路车辆数量的迅速增长，道路运输安全形势日益严峻。特大恶性交通事故频繁发生，不仅人员伤亡多，经济损失大，而且极易引起复杂的社会问题。驾驶辅助系统是解决这一问题的有效技术，已经得到各汽车厂家和用户的积极关注。
在实现本申请过程中，发明人发现现有技术中至少存在如下问题：现有的驾驶辅助系统无法量化车身及周边环境，只能通过以车身为基准进行标注，然后人眼主观判断，效率较低且误差较大，无法满足用户对驾驶辅助系统的便捷性和准确性的需求。
发明内容
鉴于以上内容，有必要提出一种车载辅助驾驶方法及装置、计算机装置及可读存储介质，以解决上述问题。
本发明实施例提出一种车载辅助驾驶方法，其用于量化车辆的环境参数，所述方法包括：
获取待检测车辆的车辆参数，其中所述车辆参数包括车身信息和摄像模组的位置信息；
依据所述车辆参数建立车辆模型；
确定检测类别；
依据所述检测类别确定所述摄像模组及检测区域；
依据所述检测区域确定多个检测点；
依据预设的三维坐标系获取多个所述检测点的三维坐标值；
获取所述摄像模组的摄像参数；
依据所述摄像参数、多个所述检测点的三维坐标值及预设的二维坐标系，获取所述检测点的二维坐标值。
如此，通过检测点的二维坐标值可实现对车辆的环境参数的量化处理，效率高且精度高，可满足对驾驶辅助系统的便捷性和准确性的需求，且可基于量化后的参数检测车辆提升车载辅助驾驶效率和准确性。
在一些实施例中，所述方法还包括：
依据多个所述检测点的二维坐标值构建基于所述二维坐标系的曲线方程。
如此，通过曲线方程准确呈现各个检测点的位置关系。
在一些实施例中，所述方法还包括：
依据所述摄像模组获取环境图像；
识别所述环境图像中的目标物体，以获取目标物体的目标信息；
匹配所述检测点和所述目标物体，以获取所述目标物体的二维坐标值。如此，通过环境图像关联检测点和目标物体，以量化目标物体的位置。
在一些实施例中，所述方法还包括：
在第一时间获取第一环境图像；
在第二时间获取第二环境图像，所述第一时间在所述第二时间之前，所述第一环境图像和所述第二环境图像中均包括有目标物体；
根据所述第一环境图像和所述第二环境图像中目标物体的二维坐标值的变化以确定所述目标物体的运动状态。
如此，通过连续获取目标物体的环境图像，以获取目标物体的运动状态。
在一些实施例中，所述方法还包括：
确定所述车辆的运动状态及二维坐标信息；
依据所述目标物体的运动状态及二维坐标值、所述车辆的运动状态及二维坐标信息、以及目标物体的二维坐标值，以确定车辆与所述目标物体的相对位置关系。
如此，通过车辆的运动状态及目标物体的运动状态，以获取目标物体与车辆的相对位置关系。
在一些实施例中，每个所述目标物体与多个所述检测点相匹配，所述二维坐标信息包括多个二维坐标值；所述方法还包括：
依据与所述目标物体相匹配的多个检测点的二维坐标值建立第一直线；
依据车辆的二维坐标信息建立第二直线；
依据第一直线和第二直线，获取所述车辆与所述目标物体之间的夹角。
如此，通过第一直线和第二直线获取车辆与目标物体之间的夹角，以实现多角度判定车辆与目标物体之间的关系。
在一些实施例中，所述方法还包括：
依据所述检测点的二维坐标值实时显示所述目标物体或所述车辆的轨迹变化。
如此，可将目标物体或所述车辆的轨迹变化形象呈现出来。
本申请实施例同时提供一种车载辅助驾驶装置，所述车载辅助驾驶装置包括：
获取模块，用于获取待检测车辆的车辆参数，其中所述车辆参数包括车身信息和摄像模组的位置信息；
建立模块，用于依据所述车辆参数建立车辆模型；
确定模块，用于确定检测类别，依据所述检测类别确定所述摄像模组及检测区域，并依据所述检测区域确定多个检测点；
所述获取模块，还用于依据预设的三维坐标系获取多个所述检测点的三维坐标值，获取所述摄像模组的摄像参数，并依据所述摄像参数、所述检测点的三维坐标值及预设的二维坐标系，获取所述检测点的二维坐标值。
如此，通过检测点的二维坐标值可实现对车辆的环境参数的量化处理，效率高且精度高，可满足对驾驶辅助系统的便捷性和准确性的需求，且可基于量化后的参数检测车辆，提升车载辅助驾驶效率和准确性。
本申请实施例进一步提供一种计算机装置，所述计算机装置包括处理器，所述处理器用于执行如实施例所述的车载辅助驾驶方法。
本申请实施例进一步提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，多条所述指令可被一个或者多个处理器执行，以实现如实施例所述的车载辅助驾驶方法的步骤。
附图说明
图1是本发明一实施例的车载辅助驾驶方法的流程图。
图2是本发明一实施例的检测区域的示意图。
图3是本发明一实施例的三维坐标系的示意图。
图4是本发明一实施例的二维坐标系的示意图。
图5是本发明一实施例的环境图像的示意图。
图6是本发明一实施例的环境图像中目标物体的示意图。
图7是本发明一实施例的车载辅助驾驶装置的架构示意图。
图8是本发明一实施例的车载辅助驾驶系统的组成模块示意图。
主要元件符号说明
车载辅助驾驶装置 100
存储器 10
处理器 20
显示单元 30
车载辅助驾驶系统 200
获取模块 210
建立模块 220
确定模块 230
计算模块 240
显示模块 250
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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用以解释本申请，并不用于限定本申请。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
需要说明的是，当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中设置的元件。当一个元件被认为是“设置在”另一个元件，它可以是直接设置在另一个元件上或者可能同时存在居中设置的元件。
进一步需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
图1为本发明一实施例的车载辅助驾驶方法的流程图。该车载辅助驾驶方法用于测试车辆的环境参数，即可以用于实体车辆测试，还可用于无实体车的车辆模型测试，其中车辆模型基于车辆参数建立，车辆参数包括车身参数和多个摄像模组的位置信息，例如，车身长度、宽度、高度等，摄像模组的数量及设于车辆的位置等。该方法还可应用于各类高级车辆辅助驾驶算法交互测试及HMI界面可视化操作等。
根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S1：获取待检测车辆的车辆参数。
其中，所述车辆参数包括车身信息和摄像模组的位置信息。具体地，车身信息包括车辆的长宽高等外观尺寸，车辆可包括多个摄像模组，摄像模组可设于车声的车头、车尾、车侧身等位置，以获取车身周围的环境图像。
步骤S2：依据所述车辆参数建立车辆模型。
其中，该车辆模型与待检测车辆的参数一一对应，可依据车辆模组对待检测车辆进行仿真测试，也可以基于车辆模型模拟实体车辆，以检测实体车辆的环境参数。
步骤S3：确定检测类别。
其中，检测类别至少包括：目标检测、车道偏离、盲区监测、库位定位检测和交通拥堵领航等，可依据实际需求选择不同的检测类别。
步骤S4：依据所述检测类别确定摄像模组及检测区域。
例如，若检测库位定位，则确定位于车尾的摄像模组，检测区域可为以车尾为圆心，以0.3m～2.5m为半径的圆形区域。如图2所示，检测区域为以车身为圆心，半径为7M和20M之间的圆环形区域或者扇形区域。检测区域可以依据需求划分多个子区域，以实现不同的检测需求，例如，半径为7M的扇形区域用于检测行人，半径为7M和20M之间的圆环形区域用于检测车辆。
步骤S5：依据所述检测区域确定多个检测点。
其中，检测点可沿检测区域的边界均匀设置，也可从车身到检测区域边界均匀设置，可以依据需求调整检测点的数据及分布，以调整检测的准确性。
请再次参见图2，该检测区域内的点即为检测点，检测点可从圆心向圆边放射性设置，检测点的数目可以依据检测精度进行调整。
步骤S6：依据预设的三维坐标系获取多个所述检测点的三维坐标值。
其中，三维坐标系可基于确定的摄像模组为原点建立，也可以为基于车身建立。每个摄像模组对应一个三维坐标系，也可多个摄像模组对应一个三维坐标系。
请参见图3，三维坐标系为以所选择的摄像模组为基点建立的三维坐标系，其中一个或多个摄像模组可以使用同一三维坐标系。可以理解地，三维坐标系是为以车身为基点建立的，所以所有摄像模组均可使用同一三维坐标系。
步骤S7：获取所述摄像模组的摄像参数。
其中，摄像参数包括摄像模组本身的参数，例如镜头视角。还包括输出成像参数，例如图像尺寸、光心坐标和ROI(region of interest)区域等。
步骤S8：依据所述摄像参数、多个所述检测点的三维坐标值及预设的二维坐标系，获取所述检测点的二维坐标值。
通过检测点的二维坐标值可实现对车辆的环境参数的量化处理，效率高且精度高，可满足对驾驶辅助系统的便捷性和准确性的需求，且可基于量化后的参数检测车辆，提升车载辅助驾驶效率和准确性。
如图4所示，可选取特定的检测点呈现于一二维坐标显示界面，以明确显示各个检测点的位置及各个检测点的相互关系。
步骤S9：依据多个所述检测点的二维坐标值构建基于所述二维坐标系的曲线方程。
具体地，可通过插值计算或者多项式拟合等方式建立多个检测点的曲线方程，可通过曲线方程准确呈现各个检测点的位置关系，即以车身或摄像头为基准的车辆周围的检测区域的各检测点的位置关系。
请再次参见图4，可依据各个检测点的坐标值建立基于检测区域边界的曲线方程，可以理解地，也可建立基于特定区域检测点的曲线方程，例如基于车身尺寸的曲线方程。
步骤S10：依据所述摄像模组获取环境图像。
其中，环境图像可为一张图像或图像序列。
如图5所示的环境图像，其中a为第一曲线，b为第二曲线，该图像中的第一曲线a和第二曲线b分别用于表示检测区域的范围。
步骤S11：识别所述环境图像中的目标物体，以获取目标物体的目标信息。
具体地，识别环境图像中的目标物体的物体类型及数量，例如人、动物或车辆等。即目标信息包括目标物体物体类型及数量等。
步骤S12：匹配所述检测点和目标物体，以获取所述目标物体的二维坐标值。
如此，实现将车辆周围事物通过二维坐标值进行量化或参数化。
上述方法用于获取环境图像中检测区域内目标物体的信息，并依据检测区域自动过滤检测区域外的目标物体，从而提升检测的准确性。
如图6所示，环境图像中存在小汽车和公交车，通过检测区域对环境图像中的目标物体匹配，若目标物体不能匹配到检测点，例如小汽车在检测区域之外，则小汽车不作为检测的目标，公交车可匹配到检测点，则公交车可作为检测目标。如此，通过检测区域的检测点匹配目标物体，从而提升量化精度。
可以理解地，在其他实施例中，步骤S11之后所述方法还包括：
在第一时间获取第一环境图像；
在第二时间获取第二环境图像，所述第一时间在所述第二时间之前，所述第一环境图像和所述第二环境图像中均包括有目标物体；
根据所述第一环境图像和所述第二环境图像中目标物体的二维坐标值的变化以确定所述目标物体的运动状态。
具体地，依据环境图像中目标物体的二维坐标值的变化确定所述目标物体的运动状态，以便于获取车辆环境中目标物体的动态。
进一步地，所述方法还包括步骤：
确定所述车辆的运动状态及二维坐标信息；
依据所述目标物体的运动状态及二维坐标值、所述车辆的运动状态及二维坐标信息，以确定所述车辆与所述目标物体的相对位置关系。其中相对位置关系包括相对运动状态(靠近或远离的速度)，移动方向的相对角度。
例如，倒车测试时，目标物体为静止的倒车线，利用目标物体的二维坐标值和车辆的二维坐标信息，确定车辆与倒车线之间的距离。
进一步地，每个目标物体匹配多个检测点，车辆的二维坐标信息包括多个二维坐标值，所述方法还包括：
依据与所述目标物体所匹配的多个检测点的二维坐标值建立第一直线；
依据车辆的二维坐标信息建立第二直线；
依据第一直线和第二直线，获取所述车辆与所述目标物体之间的夹角。
例如，车辆的车身与倒车线之间的夹角。
进一步地，所述方法还包括：
依据所述检测点的二维坐标值实时显示所述目标物体或所述车辆的轨迹变化。
上述检测方法用于将车辆的环境参数通过曲线方程或坐标值量化。量化参数可提升目标检测、车道偏离、盲区监测、库位定位检测和交通拥堵领航等高级驾驶辅助系统算法的测试和验证的便捷性和准确性。
请参阅图7和图8，本发明实施例提供一种车载辅助驾驶装置100，用于测试车辆的环境参数，车载辅助驾驶装置100即可以应用于实体车辆测试，还可以应用于无实体车的车辆模型测试。其中，车辆模型基于车辆参数建立，车辆参数包括车身参数和多个摄像模组的位置信息，例如，车身长度、宽度、高度等外观尺寸，摄像模组的数量及设于车辆的位置等。
车载辅助驾驶装置100用于将车辆的环境参数通过曲线方程或坐标值量化。量化参数可提升目标检测、车道偏离、盲区监测、库位定位检测和交通拥堵领航等驾驶辅助系统算法的测试和验证的便捷性和准确性。
车载辅助驾驶装置100包括存储器10、处理器20以及存储在所述存储器10中并可在所述处理器20上运行的车载辅助驾驶系统200。所述处理器20执行所述车载辅助驾驶系统200时实现车载辅助驾驶方法实施例中的步骤，例如图1所示的步骤。或者，所述处理器20执行所述车载辅助驾驶系统200时实现校准程序实施例中各模块的功能，例如图7中的模块210～250。
所述车载辅助驾驶系统200可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器10中，并由所述处理器20执行，以完成本发明实施例。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述车载辅助驾驶系统200在所述车载辅助驾驶装置100中的执行过程。例如，所述车载辅助驾驶系统200可以被分割成3中获取模块210、建立模块220、确定模块230、计算模块240、显示模块250。上述模块的具体功能请参下述各模块的功能。
所称处理器20可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器20也可以是任何常规的处理器等，所述处理器20可以利用各种接口和总线连接车载辅助驾驶装置100的各个部分。
所述存储器10可用于存储所述车载辅助驾驶系统200和/或模块，所述处理器20通过运行或执行存储在所述存储器10内的计算机程序和/或模块，以及调用存储在存储器10内的数据，实现所述车载辅助驾驶装置100的各种功能。所述存储器10可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述显示单元30用于显示处理器20处理后的各种信息，所述显示单元30可为显示器、触摸屏等。
所述车载辅助驾驶装置100可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。可以理解地，所述示意图仅是车载辅助驾驶装置100的示例，并不构成对车载辅助驾驶装置100的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述车载辅助驾驶装置100还可以包括网络接入设备、总线等。
图8为本发明车载辅助驾驶系统较佳实施例的功能模块图。
参阅图8所示，车载辅助驾驶系统200可以包括获取模块210、建立模块220、确定模块230、计算模块240及显示模块250。在一实施例中，上述模块可以为存储于所述存储器10中且可被所述处理器20调用执行的可程序化软件指令。可以理解地，在其他实施方式中，上述模块也可为固化于所述处理器20中的程序指令或固件(firmware)。
所述获取模块210用于获取待检测车辆的车辆参数。
其中所述车辆参数包括车身信息和摄像模组的位置信息。具体地，车身信息包括车辆的长宽高等外观尺寸，车辆可包括多个摄像模组，摄像模组可设于车声的车头、车尾、车侧身等位置，以获取车身周围的环境图像。
所述建立模块220用于依据所述车辆参数建立车辆模型。
其中该车辆模型与待检测车辆的参数一一对应，可依据车辆模组对待检测车辆进行仿真测试，也可以基于车辆模型模拟实体车辆，以检测实体车辆的环境参数。
所述确定模块230用于确定检测类别。
其中检测类别至少包括：目标检测、车道偏离、盲区监测、库位定位检测和交通拥堵领航等，可依据实际需求选择不同的检测类别。
所述确定模块230还用于依据所述检测类别确定摄像模组及检测区域。
例如，若检测库位定位，则确定位于车尾的摄像模组，检测区域可为以车尾为圆心，以0.3m～2.5m为半径的圆形区域。
所述确定模块230还用于依据所述检测区域确定多个检测点。
其中检测点可沿检测区域的边界均匀设置，也可从车身到检测区域边界均匀设置，可以依据需求调整检测点的数据及分布，以调整检测的准确性。
所述获取模块210还用于依据预设的三维坐标系获取多个所述检测点的三维坐标值。
其中，三维坐标系可基于确定的摄像模组为原点建立，也可以为基于车身建立。每个摄像模组对应一个三维坐标系，也可多个摄像模组对应一个三维坐标系。
所述获取模块210还用于获取所述摄像模组的摄像参数。
其中摄像参数包括摄像模组本身的参数，例如镜头视角。还包括输出成像参数，例如图像尺寸、光心坐标和ROI区域等。
所述获取模块210还用于依据所述摄像参数、多个所述检测点的三维坐标值及预设的二维坐标系，获取所述检测点的二维坐标值。
具体地，将车辆的环境参数转换为二维坐标系中所述检测点的二维坐标值，以实现对车身环境参数的量化，并可以可用量化后的参数进行更加准确性的测试。
所述建立模块220还用于依据多个所述检测点的二维坐标值构建基于所述二维坐标系的曲线方程。
具体地，可通过插值计算或者多项式拟合等方式建立多个检测点的曲线方程，可通过曲线方程准确描述各个检测点的位置关系。
依据所述摄像模组获取环境图像。
其中环境图像可为一张图像或图像序列。
所述获取模块210还用于识别所述环境图像中的目标物体，以获取目标信息。
具体地，识别环境图像中的物体类型及数量，例如人、动物或车辆等。
所述获取模块210还用于匹配所述检测点和目标物体，以获取所述目标物体的二维坐标值。
所述获取模块210还用于在第一时间获取第一环境图像；在第二时间获取第二环境图像，所述第一时间在所述第二时间之前，所述第一环境图像和所述第二环境图像均包括有目标物体；
所述确定模块230还用于根据所述第一环境图像和所述第二环境图像中目标物体的二维坐标值的变化以确定所述目标物体的运动状态。
进一步地，所述确定模块230还用于确定所述车辆的运动状态及二维坐标信息。
所述确定模块230还用于依据所述目标物体的运动状态及二维坐标值、所述车辆的运动状态及二维坐标信息，以确定所述车辆与所述目标物体的相对位置关系。
例如，倒车测试时，目标物体为静止的倒车线，利用目标物体的二维坐标值和车辆的二维坐标信息，确定车辆与倒车线之间的距离。
进一步地，每个目标物体匹配多个检测点，车辆的二维坐标信息包括多个二维坐标值，所述方法还包括：
所述建立模块220还用于依据与所述目标物体相匹配的多个检测点的二维坐标值建立第一直线；依据车辆的二维坐标信息建立第二直线。
所述计算模块240用于依据第一直线和第二直线，计算所述车辆与所述目标物体之间的夹角。
显示模块250，用于依据所述检测点的二维坐标值实时显示所述目标物体或所述车辆的轨迹变化。
所述车载辅助驾驶装置100集成的模块/单元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，本发明实现上述实施例中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
另外，在本发明各个实施例中的各功能单元可以集成在相同处理单元中，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相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。
最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。
Claims (10)
1.一种车载辅助驾驶方法，用于量化车辆的环境参数，其特征在于，所述方法包括：
获取待检测车辆的车辆参数，其中所述车辆参数包括车身信息和摄像模组的位置信息；
依据所述车辆参数建立车辆模型；
确定检测类别；
依据所述检测类别确定所述摄像模组及检测区域；
依据所述检测区域确定多个检测点；
依据预设的三维坐标系获取多个所述检测点的三维坐标值；
获取所述摄像模组的摄像参数；
依据所述摄像参数、多个所述检测点的三维坐标值及预设的二维坐标系，获取所述检测点的二维坐标值。
2.如权利要求1所述的车载辅助驾驶方法，其特征在于，进一步包括：
依据多个所述检测点的二维坐标值构建基于所述二维坐标系的曲线方程。
3.如权利要求1或2所述的车载辅助驾驶方法，其特征在于，进一步包括：
依据所述摄像模组获取环境图像；
识别所述环境图像中的目标物体，以获取目标物体的目标信息；
匹配所述检测点和所述目标物体，以获取所述目标物体的二维坐标值。
4.如权利要求3所述的车载辅助驾驶方法，其特征在于，进一步包括：
在第一时间获取第一环境图像；
在第二时间获取第二环境图像，所述第一时间在所述第二时间之前，所述第一环境图像和所述第二环境图像中均包括有目标物体；
根据所述第一环境图像和所述第二环境图像中目标物体的二维坐标值的变化以确定所述目标物体的运动状态。
5.如权利要求4所述的车载辅助驾驶方法，其特征在于，进一步包括：
确定所述车辆的运动状态及二维坐标信息；
依据所述目标物体的运动状态及二维坐标值、所述车辆的运动状态及二维坐标信息、以及目标物体的二维坐标值，以确定车辆与所述目标物体的相对位置关系。
6.如权利要求5所述的车载辅助驾驶方法，其特征在于，每个所述目标物体与多个所述检测点相匹配，所述二维坐标信息包括多个二维坐标值；所述方法还包括：
依据与所述目标物体相匹配的多个检测点的二维坐标值建立第一直线；
依据车辆的二维坐标信息建立第二直线；
依据第一直线和第二直线，获取所述车辆与所述目标物体之间的夹角。
7.如权利要求6所述的车载辅助驾驶方法，其特征在于，进一步包括：
依据所述检测点的二维坐标值实时显示所述目标物体或所述车辆的轨迹变化。
8.一种车载辅助驾驶装置，其特征在于，所述车载辅助驾驶装置包括：
获取模块，用于获取待检测车辆的车辆参数，其中所述车辆参数包括车身信息和摄像模组的位置信息；
建立模块，用于依据所述车辆参数建立车辆模型；
确定模块，用于确定检测类别，依据所述检测类别确定所述摄像模组及检测区域，并依据所述检测区域确定多个检测点；
所述获取模块，还用于依据预设的三维坐标系获取多个所述检测点的三维坐标值，获取所述摄像模组的摄像参数，并依据所述摄像参数、所述检测点的三维坐标值及预设的二维坐标系，获取所述检测点的二维坐标值。
9.一种计算机装置，其特征在于，所述计算机装置包括处理器，所述处理器用于执行权利要求1-7中任意一项所述的车载辅助驾驶方法。
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存储有多条指令，多条所述指令可被一个或者多个处理器执行，以实现权利要求1至7中任意一项所述的车载辅助驾驶方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010917049.9A CN112115820A (zh) | 2020-09-03 | 2020-09-03 | 车载辅助驾驶方法及装置、计算机装置及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010917049.9A CN112115820A (zh) | 2020-09-03 | 2020-09-03 | 车载辅助驾驶方法及装置、计算机装置及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112115820A true CN112115820A (zh) | 2020-12-22 |
Family
ID=73801733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010917049.9A Pending CN112115820A (zh) | 2020-09-03 | 2020-09-03 | 车载辅助驾驶方法及装置、计算机装置及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112115820A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113806870A (zh) * | 2021-10-29 | 2021-12-17 | 中车青岛四方机车车辆股份有限公司 | 车辆的三维建模的方法、装置和车辆系统 |
| CN114494439A (zh) * | 2022-01-25 | 2022-05-13 | 襄阳达安汽车检测中心有限公司 | Hil仿真测试中摄像头位姿校准方法、装置、设备及介质 |
| CN114550464A (zh) * | 2022-04-25 | 2022-05-27 | 北京信路威科技股份有限公司 | 车辆信息确定方法、装置、计算机设备和存储介质 |
| CN114972824A (zh) * | 2022-06-24 | 2022-08-30 | 小米汽车科技有限公司 | 杆件检测方法、装置、车辆和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018194562A (ja) * | 2018-06-26 | 2018-12-06 | 東軟集団股▲分▼有限公司 | 道路境界検出方法及び装置 |
| WO2020078463A1 (zh) * | 2018-10-19 | 2020-04-23 | 上海商汤智能科技有限公司 | 驾驶环境智能调整及驾驶员注册方法和装置、车辆、设备 |
| CN111213153A (zh) * | 2019-01-30 | 2020-05-29 | 深圳市大疆创新科技有限公司 | 目标物体运动状态检测方法、设备及存储介质 |
-
2020
- 2020-09-03 CN CN202010917049.9A patent/CN112115820A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018194562A (ja) * | 2018-06-26 | 2018-12-06 | 東軟集団股▲分▼有限公司 | 道路境界検出方法及び装置 |
| WO2020078463A1 (zh) * | 2018-10-19 | 2020-04-23 | 上海商汤智能科技有限公司 | 驾驶环境智能调整及驾驶员注册方法和装置、车辆、设备 |
| CN111213153A (zh) * | 2019-01-30 | 2020-05-29 | 深圳市大疆创新科技有限公司 | 目标物体运动状态检测方法、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 徐邦振;汤一平;蔡国宁;: "基于机器视觉的轻量级驾驶辅助系统", 计算机科学, no. 2 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113806870A (zh) * | 2021-10-29 | 2021-12-17 | 中车青岛四方机车车辆股份有限公司 | 车辆的三维建模的方法、装置和车辆系统 |
| CN114494439A (zh) * | 2022-01-25 | 2022-05-13 | 襄阳达安汽车检测中心有限公司 | Hil仿真测试中摄像头位姿校准方法、装置、设备及介质 |
| CN114494439B (zh) * | 2022-01-25 | 2023-08-15 | 襄阳达安汽车检测中心有限公司 | Hil仿真测试中摄像头位姿校准方法、装置、设备及介质 |
| CN114550464A (zh) * | 2022-04-25 | 2022-05-27 | 北京信路威科技股份有限公司 | 车辆信息确定方法、装置、计算机设备和存储介质 |
| CN114550464B (zh) * | 2022-04-25 | 2022-07-26 | 北京信路威科技股份有限公司 | 车辆信息确定方法、装置、计算机设备和存储介质 |
| CN114972824A (zh) * | 2022-06-24 | 2022-08-30 | 小米汽车科技有限公司 | 杆件检测方法、装置、车辆和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112115820A (zh) | 车载辅助驾驶方法及装置、计算机装置及可读存储介质 | |
| US10198619B1 (en) | System and method for evaluating the perception system of an autonomous vehicle | |
| CN109116374B (zh) | 确定障碍物距离的方法、装置、设备及存储介质 | |
| CN106952303B (zh) | 车距检测方法、装置和系统 | |
| CN106503653B (zh) | 区域标注方法、装置和电子设备 | |
| CN108508881B (zh) | 自动驾驶控制策略调整方法、装置、设备及存储介质 | |
| CN108873896B (zh) | 一种车道线模拟方法、装置及存储介质 | |
| CN110796007B (zh) | 场景识别的方法与计算设备 | |
| Zhao et al. | A cooperative vehicle-infrastructure based urban driving environment perception method using a DS theory-based credibility map | |
| WO2019000945A1 (zh) | 车载摄像机测距方法及装置、存储介质和电子设备 | |
| CN111462249B (zh) | 一种交通摄像头标定方法及装置 | |
| CN113256739B (zh) | 车载bsd摄像头的自标定方法、设备和存储介质 | |
| CN111091023A (zh) | 一种车辆检测方法、装置及电子设备 | |
| Gluhaković et al. | Vehicle detection in the autonomous vehicle environment for potential collision warning | |
| CN113255444A (zh) | 图像识别模型的训练方法、图像识别方法和装置 | |
| CN114091521B (zh) | 车辆航向角的检测方法、装置、设备及存储介质 | |
| CN110751040B (zh) | 一种三维物体的检测方法和装置、电子设备、存储介质 | |
| CN106240454B (zh) | 提供车辆碰撞预警的系统及车载设备 | |
| CN112381876B (zh) | 一种交通标志标注方法、装置及计算机设备 | |
| WO2021135766A1 (zh) | 轨迹规划的方法、装置、控制器和智能车 | |
| CN116863124B (zh) | 车辆姿态确定方法、控制器及存储介质 | |
| CN117079238A (zh) | 道路边沿检测方法、装置、设备及存储介质 | |
| CN110827337B (zh) | 确定车载相机的姿态的方法、装置和电子设备 | |
| CN111832347B (zh) | 动态选取感兴趣区域的方法及装置 | |
| CN116486351A (zh) | 行车预警方法、装置、设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210125 Address after: Room 301, 3 / F, building 1, No. 222, Jiaxing Road, Jiading District, Shanghai, 201800 Applicant after: SHANGHAI OUFEI INTELLIGENT AUTO UNION TECHNOLOGY Co.,Ltd. Address before: Room 301, 3 / F, building 1, No. 222, Jiaxing Road, Jiading District, Shanghai, 201800 Applicant before: SHANGHAI OUFEI INTELLIGENT AUTO UNION TECHNOLOGY Co.,Ltd. Applicant before: SHANGHAI CETC-MOTOR Co.,Ltd. |