CN112184813B - 车辆定位方法、装置、设备和存储介质 - Google Patents
车辆定位方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112184813B CN112184813B CN202011015380.8A CN202011015380A CN112184813B CN 112184813 B CN112184813 B CN 112184813B CN 202011015380 A CN202011015380 A CN 202011015380A CN 112184813 B CN112184813 B CN 112184813B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- acquiring
- wheel
- points
- point set
- 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.)
- Active
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种车辆定位方法，包括：获取车轮的轮眉的特征点集合；其中，所述特征点集合中包括若干个特征点；对所述特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；获取所述目标特征点到地面的投影点；将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域；取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。本发明还公开一种车辆定位装置、一种车辆定位设备和一种计算机可读存储介质。采用本发明实施例，能有效实现车辆的精确定位。
Description
技术领域
本发明涉及汽车电子技术领域，尤其涉及一种车辆定位方法、装置、设备和存储介质。
背景技术
随着科技创新的发展，汽车在生活中越來越普及，自动驾驶技术也迅速发展，在自动驾驶技术中，最核心的问题是解决车辆精确定位的问题，高精度定位是实现自动驾驶的基础，是保证自动驾驶车辆准确决策和到达目的地的前提。现有的车辆定位方案都是基于识别车轮底边与地面接触点来计算车辆的位置，由于受到环境光线以及颜色影响的工况下，车轮底边(轮胎与地面的交界)与地面的接触点在摄像头中难以分辨，导致输出的物理位置不够准确。
发明内容
本发明实施例的目的是提供一种车辆定位方法、装置、设备和存储介质，能有效实现车辆的精确定位。
为实现上述目的，本发明实施例提供了一种车辆定位方法，包括：
获取车轮的轮眉的特征点集合；其中，所述特征点集合中包括若干个特征点；
对所述特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；
获取所述目标特征点到地面的投影点；
将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域；
取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。
作为上述方案的改进，所述获取车轮的轮眉的特征点集合，包括：
获取摄像头拍摄的车辆的待检测图像；
将所述待检测图像输入到预设的物体检测神经网络中，以输出含有车轮的车轮图像；
通过边缘检测算法获取所述车轮图像中轮眉的特征点集合。
作为上述方案的改进，所述获取车辆的待检测图像前，还包括：
建立世界坐标系，将所述摄像头的坐标系标定到所述世界坐标系下。
作为上述方案的改进，所述对所述特征点集合中的若干个特征点进行圆弧拟合，包括：
利用最小二乘法拟合所述特征点集合中的若干个特征点，以得到圆弧方程。
为实现上述目的，本发明实施例还提供了一种车辆定位装置，包括：
特征点获取模块，用于获取车轮的轮眉的特征点集合；其中，所述特征点集合中包括若干个特征点；
圆弧拟合模块，用于对所述特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；
投影点获取模块，用于获取所述目标特征点到地面的投影点；
投影区域获取模块，用于将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域；
车辆位置坐标获取模块，用于取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。
作为上述方案的改进，所述特征点获取模块，具体用于：
获取摄像头拍摄的车辆的待检测图像；
将所述待检测图像输入到预设的物体检测神经网络中，以输出含有车轮的车轮图像；
通过边缘检测算法获取所述车轮图像中轮眉的特征点集合。
作为上述方案的改进，所述车辆定位装置还包括：
坐标系建立模块，用于建立世界坐标系，将所述摄像头的坐标系标定到所述世界坐标系下。
作为上述方案的改进，所述圆弧拟合模块，具体用于：
利用最小二乘法拟合所述特征点集合中的若干个特征点，以得到圆弧方程
为实现上述目的，本发明实施例还提供一种车辆定位设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一实施例所述的车辆定位方法。
为实现上述目的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一实施例所述的车辆定位方法。
相比于现有技术，本发明实施例公开的车辆定位方法、装置、设备和存储介质，首先，通过获取车轮的轮眉的特征点集合，以对特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；然后，获取目标特征点到地面的投影点；最后，将所有车轮对应的目标特征点的投影点连接，得到车辆的投影区域，并取投影区域的中心点的坐标信息为车辆的位置坐标。由于获取轮眉的最高点对应的投影点作为车轮与地面接触的中心点位置，通常车辆轮眉的形状呈现圆弧形，且相较于轮胎底边来说，轮眉在图像中的边缘特征信息更加明显，对于识别精确的车轮位置更巨鲁棒性，能够精确获取车轮的投影位置，再结合获取到的四个车轮的投影位置，取投影区域的中心点作为车辆的位置坐标，以此来实现车辆的准确定位。
附图说明
图1是本发明实施例提供的一种车辆定位方法的流程图；
图2是本发明实施例提供的摄像头与车辆的位置示意图；
图3是本发明实施例提供的车辆的侧面示意图；
图4是本发明实施例提供的轮眉的特征点示意图；
图5是本发明实施例提供的轮眉和摄像头在同一坐标系下与地面的位置关系示意图；
图6是本发明实施例提供的一种车辆定位装置的结构框图；
图7是本发明实施例提供的一种车辆定位设备的结构框图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
参见图1，图1是本发明实施例提供的一种车辆定位方法的流程图，所述车辆定位方法包括：
S1、获取车轮的轮眉的特征点集合；其中，所述特征点集合中包括若干个特征点；
S2、对所述特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；
S3、获取所述目标特征点到地面的投影点；
S4、将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域；
S5、取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。
值得说明的是，本发明实施例所述的车辆定位方法可以由监控中心执行实现，所述监控中心能够对设于道路边的摄像头采集的车辆图像进行分析，以得到车辆精确的位置坐标，该位置坐标能够通过所述监控中心反馈回所述车辆，用于车辆的自动驾驶。可以理解的是，所述监控中心预先与设于道路中的摄像头建立好数据通信，可以随时获取所述摄像头的数据。
示例性的，参见图2，所述摄像头可以相互对立设置在道路两边，当所述车辆行驶进所述摄像头的拍摄区域时，所述摄像头对所述车辆进行拍摄或录像，两个摄像头应当同时获取所述待检测图像。
具体地，在步骤S1中，所述获取车轮的轮眉的特征点集合，包括步骤S11～S13：
S11、获取摄像头拍摄的车辆的待检测图像；
S12、将所述待检测图像输入到预设的物体检测神经网络中，以输出含有车轮的车轮图像；
S13、通过边缘检测算法获取所述车轮图像中轮眉的特征点集合。
示例性的，所述待检测图像中应当包含车辆的整个侧面，如图3所示。图3中的标号1表示轮眉的最高点，标号2表示轮眉，标号3表示轮毂，标号4表示车轮接地点。所述物体检测神经网络经过预先训练得到，具体的训练过程可以参考现有技术中物体检测模型的训练过程，在此不再赘述。示例性的，所述边缘检测算法可以为Sobel算子、Prewitt算子、Roberts算子或Canny算子。
进一步地，在获取摄像头拍摄的车辆的待检测图像前，还需要建立世界坐标系，将所述摄像头的图像坐标系标定到所述世界坐标系下。由于摄像头可安放在环境中的任意位置，在环境中选择一个基准坐标系来描述摄像头的位置，并可用它描述环境中任何物体的位置，该坐标系称为世界坐标系。摄像头的坐标系与世界坐标系之间的关系可以用旋转矩阵与平移向量来描述。
具体地，在步骤S2中，采用最小二乘法对所述特征点集合中的若干个特征点进行圆弧拟合，得到圆弧方程。所述圆弧方程满足以下公式：
R2＝(x-A)2+(y-B)2 公式(1)；
其中，(A,B)代表圆心坐标，R代表圆的半径。
示例性的，参见图4，图4中的点状物即为识别出的轮眉边缘特征点，图4中的圆表示所述轮胎，R为所述轮胎的半径，(A,B)为所述轮胎的圆心坐标，经过圆弧拟合后得到了一个圆方程，只要找到该圆上在y方向上有最小值的点，即可视为圆弧的最高点，图中的(A,B-R)即为所述圆弧中处于最高位置处的目标特征点的坐标。
具体地，在步骤S3中，可预先构建车辆的等比模型，值得说明的是，所述监控中心的数据库中预存有各种车型的等比模型，当识别出车辆的型号后，可直接在数据库中获取所述等比模型用于后续计算。可以理解的是，获取到所述车辆的待检测图像，还需要对所述待检测图像进行车型识别，以识别出所述车辆的型号。
示例性的，通过所述等比模型与摄像机的相关参数求出车轮在世界坐标的位置，如图5所示，三角形1代表了摄像机构建的图像坐标系下的示意图，三角形2是世界坐标系下的示意图。已知的参数有：轮眉最高点(目标特征点)的世界坐标位置，轮眉最高点距离地面的高度H’(通过所述等比模型求出)、相机安装高度H、轮眉最高点在图像坐标系中的位置、相机光心位置。图中O点代表的是轮眉最高点在地面的投影，可以近似的认为该点就是车轮外边缘与地面接触的中心点。只要求出x的长度，即可确定轮眉相对于相机的世界坐标位置。可以使用相似三角形的原则，求出x的长度，三角形1和三角形2正好满足这个相似三角形的关系：
其中，f是焦距，d是轮眉最高点在图像坐标系中的位置与相机光心位置的像素距离，H是相机的安装高度，H’是轮眉最高点距离地面的高度。
具体地，在步骤S4～S5中，将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域，取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。
示例性的，在获取到车辆四个轮子对应的目标特征点的投影点后，将四个投影点连接成矩形的投影区域，取该投影区域的中心点的坐标信息为所述车辆的中心位置坐标。
相比于现有技术，本发明实施例公开的车辆定位方法，首先，通过获取车轮的轮眉的特征点集合，以对特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；然后，获取目标特征点到地面的投影点；最后，将所有车轮对应的目标特征点的投影点连接，得到车辆的投影区域，并取投影区域的中心点的坐标信息为车辆的位置坐标。由于获取轮眉的最高点对应的投影点作为车轮与地面接触的中心点位置，通常车辆轮眉的形状呈现圆弧形，且相较于轮胎底边来说，轮眉在图像中的边缘特征信息更加明显，对于识别精确的车轮位置更巨鲁棒性，能够精确获取车轮的投影位置，再结合获取到的四个车轮的投影位置，取投影区域的中心点作为车辆的位置坐标，以此来实现车辆的准确定位。
参见图6，图6是本发明实施例提供的一种车辆定位装置10的结构框图，所述车辆定位装置10包括：
特征点获取模块11，用于获取车轮的轮眉的特征点集合；其中，所述特征点集合中包括若干个特征点；
圆弧拟合模块12，用于对所述特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；
投影点获取模块13，用于获取所述目标特征点到地面的投影点；
投影区域获取模块14，用于将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域；
车辆位置坐标获取模块15，用于取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。
值得说明的是，本发明实施例所述的车辆定位装置10可以为监控中心，所述监控中心能够对设于道路边的摄像头采集的车辆图像进行分析，以得到车辆精确的位置坐标，该位置坐标能够通过所述监控中心反馈回所述车辆，用于车辆的自动驾驶。可以理解的是，所述监控中心预先与设于道路中的摄像头建立好数据通信，可以随时获取所述摄像头的数据。
示例性的，所述摄像头可以相互对立设置在道路两边，当所述车辆行驶进所述摄像头的拍摄区域时，所述摄像头对所述车辆进行拍摄或录像，两个摄像头应当同时获取所述待检测图像。
具体地，所述特征点获取模块11，具体用于：
获取摄像头拍摄的车辆的待检测图像；
将所述待检测图像输入到预设的物体检测神经网络中，以输出含有车轮的车轮图像；
通过边缘检测算法获取所述车轮图像中轮眉的特征点集合。
示例性的，所述待检测图像中应当包含车辆的整个侧面，如图3所示。图3中的标号1表示轮眉的最高点，标号2表示轮眉，标号3表示轮毂，标号4表示车轮接地点。所述物体检测神经网络经过预先训练得到，具体的训练过程可以参考现有技术中物体检测模型的训练过程，在此不再赘述。示例性的，所述边缘检测算法可以为Sobel算子、Prewitt算子、Roberts算子或Canny算子。
进一步地，所述车辆定位装置10还包括：
坐标系建立模块16，用于建立世界坐标系，将所述摄像头的图像坐标系标定到所述世界坐标系下。由于摄像头可安放在环境中的任意位置，在环境中选择一个基准坐标系来描述摄像头的位置，并可用它描述环境中任何物体的位置，该坐标系称为世界坐标系。摄像头的坐标系与世界坐标系之间的关系可以用旋转矩阵与平移向量来描述。
具体地，所述圆弧拟合模块12采用最小二乘法对所述特征点集合中的若干个特征点进行圆弧拟合，得到圆弧方程。所述圆弧方程满足以下公式：
R2＝(x-A)2+(y-B)2 公式(1)；
其中，(A,B)代表圆心坐标，R代表圆的半径。
示例性的，参见图4，图4中的点状物即为识别出的轮眉边缘特征点，图4中的圆表示所述轮胎，R为所述轮胎的半径，(A,B)为所述轮胎的圆心坐标，经过圆弧拟合后得到了一个圆方程，只要找到该圆上在y方向上有最小值的点，即可视为圆弧的最高点，图中的(A,B-R)即为所述圆弧中处于最高位置处的目标特征点的坐标。
具体地，所述投影点获取模块13可预先构建车辆的等比模型，值得说明的是，所述监控中心的数据库中预存有各种车型的等比模型，当识别出车辆的型号后，可直接在数据库中获取所述等比模型用于后续计算。可以理解的是，所述特征点获取模块11在获取到所述车辆的待检测图像，还需要对所述待检测图像进行车型识别，以识别出所述车辆的型号。
示例性的，通过所述等比模型与摄像机的相关参数求出车轮在世界坐标的位置，如图5所示，三角形1代表了摄像机构建的图像坐标系下的示意图，三角形2是世界坐标系下的示意图。已知的参数有：轮眉最高点(目标特征点)的世界坐标位置，轮眉最高点距离地面的高度H’(通过所述等比模型求出)、相机安装高度H、轮眉最高点在图像坐标系中的位置、相机光心位置。图中O点代表的是轮眉最高点在地面的投影，可以近似的认为该点就是车轮外边缘与地面接触的中心点。只要求出x的长度，即可确定轮眉相对于相机的世界坐标位置。可以使用相似三角形的原则，求出x的长度，三角形1和三角形2正好满足这个相似三角形的关系：
其中，f是焦距，d是轮眉最高点在图像坐标系中的位置与相机光心位置的像素距离，H是相机的安装高度，H’是轮眉最高点距离地面的高度。
具体地，所述投影区域获取模块14将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域，所述车辆位置坐标获取模块15取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。
示例性的，所述投影区域获取模块14在获取到车辆四个轮子对应的目标特征点的投影点后，将四个投影点连接成矩形的投影区域，所述车辆位置坐标获取模块15取该投影区域的中心点的坐标信息为所述车辆的中心位置坐标。
相比于现有技术，本发明实施例公开的车辆定位装置10，首先，通过获取车轮的轮眉的特征点集合，以对特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；然后，获取目标特征点到地面的投影点；最后，将所有车轮对应的目标特征点的投影点连接，得到车辆的投影区域，并取投影区域的中心点的坐标信息为车辆的位置坐标。由于获取轮眉的最高点对应的投影点作为车轮与地面接触的中心点位置，通常车辆轮眉的形状呈现圆弧形，且相较于轮胎底边来说，轮眉在图像中的边缘特征信息更加明显，对于识别精确的车轮位置更巨鲁棒性，能够精确获取车轮的投影位置，再结合获取到的四个车轮的投影位置，取投影区域的中心点作为车辆的位置坐标，以此来实现车辆的准确定位。
参见图7，图7是本发明实施例提供的一种车辆定位设备20的结构框图。所述车辆定位设备20包括：处理器21、存储器22以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如行驶控制程序。所述处理器21执行所述计算机程序时实现上述车辆定位方法实施例中的步骤，例如图1所示的步骤S1～S5。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块的功能，例如特征点获取模块11。
示例性的，所述计算机程序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22中，并由所述处理器21执行，以完成本发明。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，该指令段用于描述所述计算机程序在所述车辆定位设备20中的执行过程。例如，所述计算机程序可以被分割成特征点获取模块11、圆弧拟合模块12、投影点获取模块13、投影区域获取模块14、车辆位置坐标获取模块15和坐标系建立模块16。具体的各个模块的工作过程可参考上述实施例所述的车辆定位装置10的工作过程，在此不再赘述。
所述车辆定位设备20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。所述车辆定位设备20可包括，但不仅限于，处理器21、存储器22。本领域技术人员可以理解，所述示意图仅仅是图像增强设备的示例，并不构成对车辆定位设备20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，例如所述车辆定位设备20还可以包括输入输出设备、网络接入设备、总线等。
所称处理器21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该处理器也可以是任何常规的处理器等，所述处理器21是所述车辆定位设备20的控制中心，利用各种接口和线路连接整个车辆定位设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块，所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块，以及调用存储在存储器22内的数据，实现所述车辆定位设备20的各种功能。所述存储器22可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器22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(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中，所述车辆定位设备20集成的模块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方法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，该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。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种车辆定位方法，其特征在于，包括：
获取车轮的轮眉的特征点集合；其中，所述特征点集合中包括若干个特征点；
对所述特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；
通过车辆的等比模型与摄像机的相关参数求出车轮在世界坐标的位置，并根据该位置获取所述目标特征点到地面的投影点；
将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域；
取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。
2.如权利要求1所述的车辆定位方法，其特征在于，所述获取车轮的轮眉的特征点集合，包括：
获取摄像头拍摄的车辆的待检测图像；
将所述待检测图像输入到预设的物体检测神经网络中，以输出含有车轮的车轮图像；
通过边缘检测算法获取所述车轮图像中轮眉的特征点集合。
3.如权利要求2所述的车辆定位方法，其特征在于，所述获取车辆的待检测图像前，还包括：
建立世界坐标系，将所述摄像头的坐标系标定到所述世界坐标系下。
4.如权利要求1所述的车辆定位方法，其特征在于，所述对所述特征点集合中的若干个特征点进行圆弧拟合，包括：
利用最小二乘法拟合所述特征点集合中的若干个特征点，以得到圆弧方程。
5.一种车辆定位装置，其特征在于，包括：
特征点获取模块，用于获取车轮的轮眉的特征点集合；其中，所述特征点集合中包括若干个特征点；
圆弧拟合模块，用于对所述特征点集合中的若干个特征点进行圆弧拟合，并获取拟合后的得到的圆弧中处于最高位置的目标特征点；
投影点获取模块，用于通过车辆的等比模型与摄像机的相关参数求出车轮在世界坐标的位置，并根据该位置获取所述目标特征点到地面的投影点；
投影区域获取模块，用于将所有所述车轮对应的目标特征点的投影点连接，得到车辆的投影区域；
车辆位置坐标获取模块，用于取所述投影区域的中心点的坐标信息为所述车辆的位置坐标。
6.如权利要求5所述的车辆定位装置，其特征在于，所述特征点获取模块，具体用于：
获取摄像头拍摄的车辆的待检测图像；
将所述待检测图像输入到预设的物体检测神经网络中，以输出含有车轮的车轮图像；
通过边缘检测算法获取所述车轮图像中轮眉的特征点集合。
7.如权利要求6所述的车辆定位装置，其特征在于，所述车辆定位装置还包括：
坐标系建立模块，用于建立世界坐标系，将所述摄像头的坐标系标定到所述世界坐标系下。
8.如权利要求5所述的车辆定位装置，其特征在于，所述圆弧拟合模块，具体用于：
利用最小二乘法拟合所述特征点集合中的若干个特征点，以得到圆弧方程。
9.一种车辆定位设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的车辆定位方法。
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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的车辆定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011015380.8A CN112184813B (zh) | 2020-09-24 | 2020-09-24 | 车辆定位方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011015380.8A CN112184813B (zh) | 2020-09-24 | 2020-09-24 | 车辆定位方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112184813A CN112184813A (zh) | 2021-01-05 |
| CN112184813B true CN112184813B (zh) | 2023-02-03 |
Family
ID=73956587
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011015380.8A Active CN112184813B (zh) | 2020-09-24 | 2020-09-24 | 车辆定位方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112184813B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101226637A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种车轮与地面接触点的自动检测方法 |
| CN102901457A (zh) * | 2012-10-18 | 2013-01-30 | 北京航空航天大学 | 一种列车车轮直径动态测量方法及系统 |
| CN104459183A (zh) * | 2014-12-24 | 2015-03-25 | 四川大学 | 一种基于物联网的单相机车辆测速系统及方法 |
| CN105480013A (zh) * | 2015-12-23 | 2016-04-13 | 长春轨道客车股份有限公司 | 一种高速动车组的新型车轮踏面结构 |
| CN105799734A (zh) * | 2015-12-21 | 2016-07-27 | 成都安科泰丰科技有限公司 | 轨道车辆车轮检测装置及方法 |
| CN107101594A (zh) * | 2017-05-27 | 2017-08-29 | 广州地铁集团有限公司 | 一种提取轮轨车轮空间轮缘最低点的方法 |
| CN110148173A (zh) * | 2019-05-21 | 2019-08-20 | 北京百度网讯科技有限公司 | 目标定位的方法和装置、电子设备、计算机可读介质 |
| CN110794970A (zh) * | 2019-11-07 | 2020-02-14 | 广州小鹏汽车科技有限公司 | 一种自动泊车界面的三维显示方法、系统及车辆 |
-
2020
- 2020-09-24 CN CN202011015380.8A patent/CN112184813B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101226637A (zh) * | 2007-01-18 | 2008-07-23 | 中国科学院自动化研究所 | 一种车轮与地面接触点的自动检测方法 |
| CN102901457A (zh) * | 2012-10-18 | 2013-01-30 | 北京航空航天大学 | 一种列车车轮直径动态测量方法及系统 |
| CN104459183A (zh) * | 2014-12-24 | 2015-03-25 | 四川大学 | 一种基于物联网的单相机车辆测速系统及方法 |
| CN105799734A (zh) * | 2015-12-21 | 2016-07-27 | 成都安科泰丰科技有限公司 | 轨道车辆车轮检测装置及方法 |
| CN105480013A (zh) * | 2015-12-23 | 2016-04-13 | 长春轨道客车股份有限公司 | 一种高速动车组的新型车轮踏面结构 |
| CN107101594A (zh) * | 2017-05-27 | 2017-08-29 | 广州地铁集团有限公司 | 一种提取轮轨车轮空间轮缘最低点的方法 |
| CN110148173A (zh) * | 2019-05-21 | 2019-08-20 | 北京百度网讯科技有限公司 | 目标定位的方法和装置、电子设备、计算机可读介质 |
| CN110794970A (zh) * | 2019-11-07 | 2020-02-14 | 广州小鹏汽车科技有限公司 | 一种自动泊车界面的三维显示方法、系统及车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112184813A (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109002820B (zh) | 一种车牌识别方法、装置及相关设备 | |
| US20190130605A1 (en) | Method and device for verification | |
| CN107169494B (zh) | 基于手持终端的车牌图像分割校正方法 | |
| US20180189577A1 (en) | Systems and methods for lane-marker detection | |
| CN112070250B (zh) | 车辆定损方法、装置、终端设备及存储介质 | |
| CN109741241B (zh) | 鱼眼图像的处理方法、装置、设备和存储介质 | |
| CN107564329B (zh) | 一种车辆查找方法及终端 | |
| US20220277478A1 (en) | Positioning Method and Apparatus | |
| CN110807807B (zh) | 一种单目视觉的目标定位的图案、方法、装置及设备 | |
| CN110084230B (zh) | 基于图像的车身方向检测方法和装置 | |
| CN110929655A (zh) | 一种行驶过程中车道线识别方法、终端设备及存储介质 | |
| CN110834667A (zh) | 车辆转向控制方法、装置、车辆、终端设备及存储介质 | |
| CN108052869B (zh) | 车道线识别方法、装置及计算机可读存储介质 | |
| CN115619871A (zh) | 一种车辆定位方法、装置、设备及存储介质 | |
| CN112446918A (zh) | 图像中目标物体定位方法、装置、计算机装置及存储介质 | |
| CN110288608B (zh) | 作物行中心线提取方法和装置 | |
| CN111709377B (zh) | 特征提取方法、目标重识别方法、装置及电子设备 | |
| US11227175B2 (en) | Method and system for automatic license-plate recognition | |
| CN112767412A (zh) | 车辆部件级分割方法、装置以及电子设备 | |
| CN112184813B (zh) | 车辆定位方法、装置、设备和存储介质 | |
| CN114897987B (zh) | 一种确定车辆地面投影的方法、装置、设备及介质 | |
| CN113902047B (zh) | 图像元素匹配方法、装置、设备以及存储介质 | |
| CN113994391B (zh) | 车辆通行提醒方法、装置及车载终端 | |
| CN116109784A (zh) | 高精地图差异发现方法、系统、介质及设备 | |
| CN112184605A (zh) | 一种车辆驾驶视野增强方法、设备及系统 |
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 |