CN112633043A - 一种车道线确定方法、装置、电子设备及存储介质 - Google Patents
一种车道线确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112633043A CN112633043A CN201910952544.0A CN201910952544A CN112633043A CN 112633043 A CN112633043 A CN 112633043A CN 201910952544 A CN201910952544 A CN 201910952544A CN 112633043 A CN112633043 A CN 112633043A
- Authority
- CN
- China
- Prior art keywords
- pitch angle
- current
- lane line
- perspective transformation
- transformation model
- 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 54
- 230000009466 transformation Effects 0.000 claims abstract description 78
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G06T3/08—
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本申请实施例所公开的一种车道线确定方法、装置、电子设备及存储介质,其中,确定方法包括:获取行驶车辆的当前俯仰角和当前道路图像;根据当前俯仰角和预设俯仰角确定当前俯仰角差值;若当前俯仰角差值在差值区间内,则基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型;基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标;将车道线的三维坐标映射到世界坐标,并进行显示。基于本申请实施例,该方法不仅不受环境限制,而且运算简单,可以减少资源的占用,此外还可以提高确定的车道线的精度。
Description
技术领域
本发明涉及车道线检测技术领域,尤其涉及一种车道线确定方法、装置、电子设备及存储介质。
背景技术
在无人驾驶技术中,检测车道线位置能够帮助无人驾驶车辆实现精准定位驾驶。通常,检测车道线位置包括两大步骤,一是获取车载摄像头拍摄的携带有车道线的图像,并采用图像检测算法识别图像中的车道线;二是基于逆透视变换模型将识别的车道线投影至世界坐标系下,得到俯瞰图。目前逆透视变换模型是根据采集离线标定的车载摄像头参数建模的,该离线标定的车载摄像头参数是指车载摄像头调整角度后固定于无人驾驶车辆与车身的相对位置,即标定俯仰角。当无人驾驶车辆行驶于平坦车道时,该标定俯仰角是不变的,当无人驾驶车辆行驶于颠簸车道时,由于路面凹凸不平,该标定俯仰角会发生较大变化,此时若依然基于采用平坦车道的标定俯仰角建模得到的逆透视变换模型投影车道线,将导致俯瞰图的误差较大。
为了减小俯瞰图的误差,提高车道线检测精度,在欧式空间中,平行直线永不相交,但是在摄影几何中,两条平行直线相交于无穷处的一点,该点即为消失点。现有技术利用消失点的重要性质:以连接消失点和车载摄像头光心的直线为参考轴,计算车载摄像头的标定俯仰角的变化角度,再根据变化角度实时调整逆透视变换模型。但是,当无人驾驶车辆的后座坐满人或无人驾驶车辆处于转弯状态时,该消失点将不存在。
因此,有必要设计一种车道线确定方法、装置、电子设备及存储介质,以解决现有逆透视变换模型受无人驾驶车辆状态和车道状况限制,车道线检测精度较低的问题。
发明内容
本申请实施例所要解决的技术问题在于,提供一种车道线确定方法、装置、电子设备及存储介质,解决现有技术中的逆透视变换模型受无人驾驶车辆状态和车道状况限制,车道线检测精度较低的问题。
为了解决上述技术问题,本申请实施例提供了一种车道线确定方法,该方法包括:
获取行驶车辆的当前俯仰角和当前道路图像;
根据当前俯仰角和预设俯仰角确定当前俯仰角差值;
若当前俯仰角差值在差值区间内,则基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型;
基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标;
将车道线的三维坐标映射到世界坐标,并进行显示。
进一步地,当前俯仰角是行驶车辆的惯导设备发送的;当前道路图像是行驶车辆的车载摄像头发送的。
进一步地,获取行驶车辆的当前俯仰角和当前道路图像,包括:
获取惯导设备发送的多帧第一数据;
确定多帧第一数据中的多个俯仰角的均值为当前俯仰角。
进一步地,根据当前俯仰角和预设俯仰角确定当前俯仰角差值之前,还包括:
在标定车载摄像头时,获取惯导设备发送的多帧第二数据;
确定多帧第二数据中的多个俯仰角的均值为预设俯仰角。
进一步地,该方法还包括获取预设逆透视变换模型,获取逆透视变换模型包括:
在标定车载摄像头时,获取预设俯仰角对应的道路图像中的车道线的二维坐标以及三维坐标;
获取可校准俯仰角对应的道路图像中的车道线的二维坐标;可校准俯仰角和预设俯仰角的俯仰角差值位于差值区间内;
根据预设俯仰角对应的道路图像中的车道线的二维坐标、可校准俯仰角对应的道路图像中的车道线的二维坐标和预设俯仰角对应的道路图像中的车道线的三维坐标,对具有初始结构的逆透视变换模型进行训练,得到预设逆透视变换模型;
预设逆透视变换模型包括俯仰角差值对应的参数。
进一步地,基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型,包括:
将预设逆透视变换模型的俯仰角差值对应的参数的值调整为当前俯仰角差值,得到当前逆透视变换模型。
进一步地,基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标,包括:
识别当前道路图像中的车道线的二维坐标;
将二维坐标输入当前逆透视变换模型进行坐标变换,得到当前道路图像中的车道线的三维坐标。
相应地,本申请实施例还提供了一种车道线确定装置,该装置包括:
获取模块,用于获取行驶车辆的当前俯仰角和当前道路图像;
确定模块,用于根据当前俯仰角和预设俯仰角确定当前俯仰角差值;
更新模块,用于若当前俯仰角差值在差值区间内,则基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型;
转换模块,用于基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标;
映射显示模块,用于将车道线的三维坐标映射到世界坐标,并进行显示。
相应地,本申请实施例还提供了一种电子设备,该电子设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述车道线确定方法。
相应地,本申请实施例还提供了一种计算机可读存储介质,该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述车道线确定方法。
本申请实施例具有如下有益效果:
本申请实施例所公开的一种车道线确定方法、装置、电子设备及存储介质,其中,确定方法包括:获取行驶车辆的当前俯仰角和当前道路图像;根据当前俯仰角和预设俯仰角确定当前俯仰角差值;若当前俯仰角差值在差值区间内,则基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型;基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标;将车道线的三维坐标映射到世界坐标,并进行显示。基于本申请实施例,通过获取惯导设备实时发送的当前俯仰角确定当前俯仰角差值,优化预设逆透视变换模型,得到车道线精确的三维坐标并映射到世界坐标进行显示。该方法不仅不受环境限制,而且运算简单,可以减少资源的占用,此外还可以提高确定的车道线的精度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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它附图。
图1是本申请实施例所提供的一种应用环境的示意图;
图2是本申请实施例所提供的一种车道线确定方法的流程示意图;
图3是本申请实施例所提供的一种车道线确定装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施例作进一步地详细描述。显然,所描述的实施例仅仅是本申请一个实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动的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。
此处所称的“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请实施例的描述中,术语“包括”、“具有”和“为”以及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的方法、装置或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些方法、装置或设备固有的其它步骤或模块。
请参阅图1,其所示为本申请实施例所提供的一种应用环境的示意图,包括服务器101和终端102。终端102可以是台式电脑、笔记本电脑、手机、平板电脑等可以装载有车道线确定程序的设备。服务器101可以是数据库,该数据库的数据来源包括惯导设备和车载摄像头等。本申请实施例中,服务器101与终端102之间可以通过有线连接,可以通过无线链路连接。
一种可选的实施方式中,终端102通过获取服务器101中惯导设备实时发送的当前俯仰角确定当前俯仰角差值,优化预设逆透视变换模型,得到车道线精确的三维坐标并映射到世界坐标进行显示。
下面介绍本申请一种车道线确定方法的具体实施例,图2是本申请实施例提供的一种车道线确定方法的流程示意图,本说明书提供了如实施例或流程图所示的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多执行顺序中的一种方式,不代表唯一的执行顺序,在实际执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,该方法包括:
S201:获取行驶车辆的当前俯仰角和当前道路图像。
一种可选的实施方法中,当前俯仰角是行驶车辆的惯导设备发送的;当前道路图像是行驶车辆的车载摄像头发送的。一般,惯导设备包括定位传感器和惯性测量器。惯性测量器的更新频率能达到200Hz,但是其准确度会随着使用时间降低,但是当集成定位传感器后,能够为车辆提供既准确又实时的位置更新信息,当无人驾驶车辆上装配有高精度的惯导设备,不仅可以实时输出车辆坐标,而且还可以输出车辆的自身姿态数据,例如仰视角、航向角、横滚角等,来辅助无人驾驶车辆行驶。
本申请实施例中,获取行驶车辆的当前俯仰角和当前道路图像,包括获取惯导设备发送的多帧第一数据;确定多帧第一数据中的多个俯仰角的均值为当前俯仰角。
S203:根据当前俯仰角和预设俯仰角确定当前俯仰角差值。
本申请实施例中,根据当前俯仰角和预设俯仰角确定当前俯仰角差值之前,还包括在标定车载摄像头时,获取惯导设备发送的多帧第二数据,确定多帧第二数据中的多个俯仰角的均值为预设俯仰角。
本申请实施例中,一种可选的实施方式,预设俯仰角为P1,当前俯仰角为P2,根据当前俯仰角和预设俯仰角确定当前俯仰角差值具体可以为将该当前俯仰角和预设俯仰角作差,如可以是P3=P1-P2,也可以是P3=P2-P1,得到俯仰角差值P3。
S205:判断当前俯仰角差值在差值区间内。
S207:基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型。
本申请实施例中,在基于当前俯仰角差值对预设逆透视变换模型进行更新之前,该方法还包括获取预设逆透视变换模型,其中,获取逆透视变换模型包括在标定车载摄像头时,获取预设俯仰角对应的道路图像中的车道线的二维坐标以及三维坐标,获取可校准俯仰角对应的道路图像中的车道线的二维坐标,其中,可校准俯仰角和预设俯仰角的俯仰角差值位于差值区间内;根据预设俯仰角对应的道路图像中的车道线的二维坐标、可校准俯仰角对应的道路图像中的车道线的二维坐标和预设俯仰角对应的道路图像中的车道线的三维坐标,对具有初始结构的逆透视变换模型进行训练,得到预设逆透视变换模型;预设逆透视变换模型包括俯仰角差值对应的参数。
一种可选的实施方式中,预设逆透视变换模型的俯仰角差值对应的参数的值为0,车载摄像头的在世界坐标下的坐标为(d,1,h),该预设逆透视变换模型如下:
XW=h*cot(2α/(Ry-1)*uc-α+θ)*sin(2α/(Rx-1)*vc-α+γ)+d;
YW=h*cot(2α/(Ry-1)*uc-α+θ)*cos(2α/(Rx-1)*vc-α+γ)+1;
ZW=0;
其中,(uc,vc)为预设俯仰角对应的道路图像中的车道线的二维坐标,(XW,YW,ZW)为预设俯仰角对应的道路图像中的车道线的三维坐标,2α为车载摄像头的视角范围,Rx为车载摄像头在x轴方向的分辨率,Ry为车载摄像头在y轴方向的第二分辨率,θ为车载摄像头的光轴与z=0的平面的角度,γ为车载摄像头的光轴投影至z=0的平面时投影线与y轴的夹角。
本申请实施例中,基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型,包括:
将预设逆透视变换模型的俯仰角差值对应的参数的值调整为当前俯仰角差值,得到当前逆透视变换模型。
基于上述预设逆透视变换模型的俯仰角差值对应的参数的值为0,车载摄像头的在世界坐标下的坐标为(d,1,h)时,该当前逆透视变换模型如下:
XW=h*cot(2α/(Ry-1)*uc-α+θ+P3)*sin(2α/(Rx-1)*vc-α+γ)+d;
YW=h*cot(2α/(Ry-1)*uc-α+θ+P3)*cos(2α/(Rx-1)*vc-α+γ3)+1;
ZW=0;
S209:基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标。
本申请实施例中,基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标,包括识别当前道路图像中的车道线的二维坐标;将二维坐标输入当前逆透视变换模型进行坐标变换,得到当前道路图像中的车道线的三维坐标。
S211:将车道线的三维坐标映射到世界坐标,并进行显示。
由上述本申请提供的车道线确定方法的实施例可见,本申请中通过获取惯导设备实时发送的当前俯仰角确定当前俯仰角差值,优化预设逆透视变换模型,得到车道线精确的三维坐标并映射到世界坐标进行显示。该方法不仅不受环境限制,而且运算简单,可以减少资源的占用,此外还可以提高确定的车道线的精度。
本申请实施例还提供的一种车道线确定装置,图3是本申请实施例提供的一种车道线确定装置的结构示意图,如图3所示,该装置包括:
获取模块301,用于获取行驶车辆的当前俯仰角和当前道路图像;
确定模块303,用于根据当前俯仰角和预设俯仰角确定当前俯仰角差值;
更新模块305,用于若当前俯仰角差值在差值区间内,则基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型;
转换模块307,用于基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标;
映射显示模块309,用于将车道线的三维坐标映射到世界坐标,并进行显示。
本申请实施例中的装置与方法实施例基于同样的申请构思。
本申请实施例还提供的一种电子设备,电子设备可设置于服务器之中以保存用于实现方法实施例中的一种车道线确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该存储器加载并执行以实现上述的车道线确定方法。
本申请实施例还提供的一种存储介质,存储介质可设置于服务器之中以保存用于实现方法实施例中一种车道线确定方法相关的至少一条指令、至少一段程序、代码集或指令集,该至少一条指令、该至少一段程序、该代码集或指令集由该处理器加载并执行以实现上述车道线确定方法。
可选的,在本实施例中,上述存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于包括:U盘、只读存储器(ROM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本申请提供的车道线确定方法、装置、电子设备或存储介质的实施例可见,本申请中方法包括:获取行驶车辆的当前俯仰角和当前道路图像;根据当前俯仰角和预设俯仰角确定当前俯仰角差值;若当前俯仰角差值在差值区间内,则基于当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型;基于当前逆透视变换模型对当前道路图像中的车道线进行坐标转换,得到车道线的三维坐标;将车道线的三维坐标映射到世界坐标,并进行显示。基于本申请实施例,通过获取惯导设备实时发送的当前俯仰角确定当前俯仰角差值,优化预设逆透视变换模型,得到车道线精确的三维坐标并映射到世界坐标进行显示。该方法不仅不受环境限制,而且运算简单,可以减少资源的占用,此外还可以提高确定的车道线的精度。
需要说明的是:上述本申请实施例的先后顺序仅仅为了描述,不代表实施例的优劣,且上述本说明书对特定的实施例进行了描述,其他实施例也在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或者步骤可以按照不同的实施例中的顺序来执行并且能够实现预期的结果。另外,在附图中描绘的过程不一定要求示出特定顺序或者而连接顺序才能够实现期望的结果,在某些实施方式中,多任务并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的均为与其他实施例的不同之处。尤其,对于装置的实施例而言,由于其基于相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
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)
1.一种车道线确定方法,其特征在于,所述方法包括:
获取行驶车辆的当前俯仰角和当前道路图像;
根据所述当前俯仰角和预设俯仰角确定当前俯仰角差值;
若所述当前俯仰角差值在差值区间内,则基于所述当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型;
基于所述当前逆透视变换模型对所述当前道路图像中的车道线进行坐标转换,得到所述车道线的三维坐标;
将所述车道线的三维坐标映射到世界坐标,并进行显示。
2.根据权利要求1所述的方法,其特征在于,所述当前俯仰角是所述行驶车辆的惯导设备发送的;所述当前道路图像是所述行驶车辆的车载摄像头发送的。
3.根据权利要求2所述的方法,其特征在于,所述获取行驶车辆的当前俯仰角和当前道路图像,包括:
获取所述惯导设备发送的多帧第一数据;
确定所述多帧第一数据中的多个俯仰角的均值为当前俯仰角。
4.根据权利要求2所述的方法,其特征在于,所述根据所述当前俯仰角和预设俯仰角确定当前俯仰角差值之前,还包括:
在标定车载摄像头时,获取所述惯导设备发送的多帧第二数据;
确定所述多帧第二数据中的多个俯仰角的均值为预设俯仰角。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括获取所述预设逆透视变换模型,所述获取所述逆透视变换模型包括:
在标定车载摄像头时,获取所述预设俯仰角对应的道路图像中的车道线的二维坐标以及三维坐标;
获取可校准俯仰角对应的道路图像中的车道线的二维坐标;所述可校准俯仰角和所述预设俯仰角的俯仰角差值位于所述差值区间内;
根据所述预设俯仰角对应的道路图像中的车道线的二维坐标、所述可校准俯仰角对应的道路图像中的车道线的二维坐标和所述预设俯仰角对应的道路图像中的车道线的三维坐标,对具有初始结构的逆透视变换模型进行训练,得到所述预设逆透视变换模型;
所述预设逆透视变换模型包括俯仰角差值对应的参数。
6.根据权利要求5所述的方法,其特征在于,所述基于所述当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型,包括:
将所述预设逆透视变换模型的所述俯仰角差值对应的参数的值调整为所述当前俯仰角差值,得到所述当前逆透视变换模型。
7.根据权利要求1所述的方法,其特征在于,所述基于所述当前逆透视变换模型对所述当前道路图像中的车道线进行坐标转换,得到所述车道线的三维坐标,包括:
识别所述当前道路图像中的车道线的二维坐标;
将所述二维坐标输入所述当前逆透视变换模型进行坐标变换,得到所述当前道路图像中的车道线的三维坐标。
8.一种车道线确定装置,其特征在于,所述装置包括:
获取模块,用于获取行驶车辆的当前俯仰角和当前道路图像;
确定模块,用于根据所述当前俯仰角和预设俯仰角确定当前俯仰角差值;
更新模块,用于若所述当前俯仰角差值在差值区间内,则基于所述当前俯仰角差值对预设逆透视变换模型进行更新,得到当前逆透视变换模型;
转换模块,用于基于所述当前逆透视变换模型对所述当前道路图像中的车道线进行坐标转换,得到所述车道线的三维坐标;
映射显示模块,用于将所述车道线的三维坐标映射到世界坐标,并进行显示。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现权利要求1-7任意一项所述的车道线确定方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-7任意一项所述的车道线确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910952544.0A CN112633043B (zh) | 2019-10-08 | 2019-10-08 | 一种车道线确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910952544.0A CN112633043B (zh) | 2019-10-08 | 2019-10-08 | 一种车道线确定方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112633043A true CN112633043A (zh) | 2021-04-09 |
CN112633043B CN112633043B (zh) | 2024-03-26 |
Family
ID=75283518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910952544.0A Active CN112633043B (zh) | 2019-10-08 | 2019-10-08 | 一种车道线确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633043B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113326800A (zh) * | 2021-06-22 | 2021-08-31 | 苏州智加科技有限公司 | 车道线位置确定方法、装置、车载终端及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140148171A (ko) * | 2013-06-21 | 2014-12-31 | 가천대학교 산학협력단 | 지능형 차량의 차선 검출방법 |
KR20150086789A (ko) * | 2014-01-20 | 2015-07-29 | 한국전자통신연구원 | 영상 기반의 차선 인식 장치 |
CN106682563A (zh) * | 2015-11-05 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 一种车道线检测自适应调整方法及装置 |
CN107045629A (zh) * | 2017-04-19 | 2017-08-15 | 南京理工大学 | 一种多车道线检测方法 |
-
2019
- 2019-10-08 CN CN201910952544.0A patent/CN112633043B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140148171A (ko) * | 2013-06-21 | 2014-12-31 | 가천대학교 산학협력단 | 지능형 차량의 차선 검출방법 |
KR20150086789A (ko) * | 2014-01-20 | 2015-07-29 | 한국전자통신연구원 | 영상 기반의 차선 인식 장치 |
CN106682563A (zh) * | 2015-11-05 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 一种车道线检测自适应调整方法及装置 |
CN107045629A (zh) * | 2017-04-19 | 2017-08-15 | 南京理工大学 | 一种多车道线检测方法 |
Non-Patent Citations (1)
Title |
---|
高德芝;郑榜贵;段建民;: "基于逆透视变换的智能车辆定位技术", 计算机测量与控制, no. 09 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113326800A (zh) * | 2021-06-22 | 2021-08-31 | 苏州智加科技有限公司 | 车道线位置确定方法、装置、车载终端及存储介质 |
CN113326800B (zh) * | 2021-06-22 | 2022-09-16 | 苏州智加科技有限公司 | 车道线位置确定方法、装置、车载终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112633043B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6918885B2 (ja) | 相対的位置姿勢の標定方法、相対的位置姿勢の標定装置、機器及び媒体 | |
US10984554B2 (en) | Monocular vision tracking method, apparatus and non-volatile computer-readable storage medium | |
CN110927708B (zh) | 智能路侧单元的标定方法、装置及设备 | |
US10636168B2 (en) | Image processing apparatus, method, and program | |
CN111812658B (zh) | 位置确定方法、装置、系统和计算机可读存储介质 | |
JP5688793B2 (ja) | 関心のある地点の位置を決定するハンドヘルド測地装置、コンピュータ実装方法およびコンピュータ読み取り可能な記憶媒体 | |
CN110717861B (zh) | 图像拼接方法、装置、电子设备和计算机可读存储介质 | |
CN111415387A (zh) | 相机位姿确定方法、装置、电子设备及存储介质 | |
WO2020133172A1 (zh) | 图像处理方法、设备及计算机可读存储介质 | |
CN111753605A (zh) | 车道线定位方法、装置、电子设备及可读介质 | |
JP2017073753A (ja) | 補正方法、プログラム及び電子機器 | |
CN111127584A (zh) | 建立视觉地图的方法和装置、电子设备和存储介质 | |
CN112017236A (zh) | 一种基于单目相机计算目标物位置的方法及装置 | |
CN116182878B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
CN110243364B (zh) | 无人机航向确定方法、装置、无人机及存储介质 | |
CN112633043B (zh) | 一种车道线确定方法、装置、电子设备及存储介质 | |
CN109241233A (zh) | 一种坐标匹配方法及装置 | |
CN112419423A (zh) | 一种标定方法、装置、电子设备及存储介质 | |
CN208638479U (zh) | 全景图像采集装置及移动机器人 | |
CN109489658B (zh) | 一种运动目标定位方法、装置及终端设备 | |
CN111982152B (zh) | 点云地图量化方法、装置、计算机设备和存储介质 | |
JP5230354B2 (ja) | 位置特定装置及び異動建物検出装置 | |
WO2021111613A1 (ja) | 3次元地図作成装置、3次元地図作成方法、及び3次元地図作成プログラム | |
CN113124816A (zh) | 天线工参生成方法、装置、存储介质和计算机设备 | |
JP7117408B1 (ja) | 位置算出装置、プログラム及び位置算出方法 |
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 |