CN112633258A - 一种目标确定方法及装置、设备、计算机可读存储介质 - Google Patents

一种目标确定方法及装置、设备、计算机可读存储介质 Download PDF

Info

Publication number
CN112633258A
CN112633258A CN202110242335.4A CN202110242335A CN112633258A CN 112633258 A CN112633258 A CN 112633258A CN 202110242335 A CN202110242335 A CN 202110242335A CN 112633258 A CN112633258 A CN 112633258A
Authority
CN
China
Prior art keywords
target
image
target frame
determining
initial
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
Application number
CN202110242335.4A
Other languages
English (en)
Other versions
CN112633258B (zh
Inventor
徐显杰
高艳艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Soterea Automotive Technology Co Ltd
Zhejiang Suoto Ruian Technology Group Co Ltd
Original Assignee
Tianjin Soterea Automotive Technology Co Ltd
Zhejiang Suoto Ruian Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Soterea Automotive Technology Co Ltd, Zhejiang Suoto Ruian Technology Group Co Ltd filed Critical Tianjin Soterea Automotive Technology Co Ltd
Priority to CN202110242335.4A priority Critical patent/CN112633258B/zh
Publication of CN112633258A publication Critical patent/CN112633258A/zh
Application granted granted Critical
Publication of CN112633258B publication Critical patent/CN112633258B/zh
Priority to PCT/CN2021/111922 priority patent/WO2022183682A1/zh
Priority to US17/811,078 priority patent/US20220335727A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
    • B60R1/20—Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
    • B60R1/22—Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles for viewing an area outside the vehicle, e.g. the exterior of the vehicle
    • B60R1/23—Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles for viewing an area outside the vehicle, e.g. the exterior of the vehicle with a predetermined field of view
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
    • B60R2300/802—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement for monitoring and displaying vehicle exterior blind spot views
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种目标确定方法及装置、设备、计算机可读存储介质。所述目标确定方法包括：获取采集的监测图像，对监测图像进行目标检测，得到至少一个初始目标，依次确定每个初始目标是否为真目标，将所有真目标作为最终目标，其中，目标框参数的确定包括：根据目标物确定目标物的三维模型；移动三维模型在图像坐标关联的世界坐标系中的位置；转换该位置的三维模型至图像坐标系，得到目标框参数；或者，目标框参数的确定包括：获取历史监测图像；对历史监测图像进行目标检测，得到目标物的目标框；根据目标框确定目标框参数。本发明实施例提供的技术方案，实现了盲区内的假目标物的滤除，降低了误报率，提升了产品性能和用户体验。

Description

一种目标确定方法及装置、设备、计算机可读存储介质
技术领域
本发明涉及计算机视觉处理技术，尤其涉及一种目标确定方法及装置、设备、计算机可读存储介质。
背景技术
随着城市建设发展，公交车、罐装车、渣土车等大型车辆为城市建设做出贡献的同时也产生了很多不必要的交通事故。大型车辆由于车身过高，对驾驶员来说存在较大的视觉盲区，而且行人目标相对较小，驾驶员无法观察到进入盲区的行人，尤其在车辆拐弯时存在较大的安全隐患。
目前通过在大型车辆上安装盲区监测摄像头的方式，将盲区内画面呈现给驾驶员，并在盲区存在行人时进行报警。但现有技术中的行人确定方式无法做到100%的准确率，会出现行人的误识别现象，在盲区出现非行人的目标物时也进行报警，导致大量的误报，严重影响产品性能和用户体验。
发明内容
本发明提供一种目标确定方法及装置、设备、计算机可读存储介质，以过滤掉盲区内的假目标物，降低误报率，提升产品性能和用户体验。
第一方面，本发明实施例提供了一种目标确定方法，应用于车辆的盲区监测系统，所述方法包括：
步骤11、获取采集的监测图像；
步骤12、对所述监测图像进行目标检测，得到至少一个初始目标；
步骤13、依次对每个所述初始目标执行如下操作：
判断所述初始目标是否在所述监测图像的盲区区域内；
若是，则根据所述初始目标的图像坐标，获取该图像坐标关联的目标框参数；
比较所述目标框参数与所述初始目标框参数；
根据比较结果确定所述初始目标是否为真目标；
步骤14、将所有真目标作为最终目标；
其中，所述目标框参数的确定包括：
根据目标物确定目标物的三维模型；
移动三维模型在所述图像坐标关联的世界坐标系中的位置；
转换该位置的三维模型至图像坐标系，得到所述目标框参数；
或者，所述目标框参数的确定包括：
获取历史监测图像；
对所述历史监测图像进行目标检测，得到目标物的目标框；
根据所述目标框确定所述目标框参数。
第二方面，本发明实施例还提供了一种目标确定装置，包括：
图像获取模块，用于获取采集的监测图像；
目标检测模块，用于对所述监测图像进行目标检测，得到至少一个初始目标；
目标判断模块，用于依次对每个所述初始目标执行如下操作：
判断所述初始目标是否在所述监测图像的盲区区域内；
若是，则根据所述初始目标的图像坐标，获取该图像坐标关联的目标框参数；
比较所述目标框参数与所述初始目标框参数；
根据比较结果确定所述初始目标是否为真目标；
目标确定模块，用于将所有真目标作为最终目标；
其中，所述目标框参数的确定包括：
根据目标物确定目标物的三维模型；
移动三维模型在所述图像坐标关联的世界坐标系中的位置；
转换该位置的三维模型至图像坐标系，得到所述目标框参数；
或者，所述目标框参数的确定包括：
获取历史监测图像；
对所述历史监测图像进行目标检测，得到目标物的目标框；
根据所述目标框确定所述目标框参数。
第三方面，本发明实施例还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述第一方面所述的目标确定方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的目标确定方法。
本发明实施例提供的技术方案，通过获取采集的监测图像，监测图像进行目标检测，得到至少一个初始目标，依次对每个初始目标执行如下操作：判断初始目标是否在监测图像的盲区区域内，若是，则根据初始目标的图像坐标，获取该图像坐标关联的目标框参数，比较目标框参数与初始目标框参数，根据比较结果确定初始目标是否为真目标，将所有真目标作为最终目标，其中，目标框参数的确定包括：根据目标物确定目标物的三维模型，移动三维模型在图像坐标关联的世界坐标系中的位置，转换该位置的三维模型至图像坐标系，得到目标框参数，或者，目标框参数的确定包括：获取历史监测图像，对历史监测图像进行目标检测，得到目标物的目标框，根据目标框确定目标框参数，实现了假目标物的滤除，进而降低了误报率，提升了产品性能和用户体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明实施例提供的一种目标确定方法的流程示意图；
图2是本发明实施例提供的一种确定目标物的三维模型的方法流程示意图；
图3是本发明实施例提供的一种确定目标物的三维模型的方法流程示意图；
图4是本发明实施例提供的一种比较目标框参数与对应的初始目标框参数的方法的流程示意图；
图5是本发明实施例提供的一种判断初始目标是否在所述监测图像的盲区区域内的方法流程示意图；
图6是本发明实施例提供的一种盲区图像；
图7是本发明实施例提供的一种目标确定装置的结构示意图；
图8为本发明实施例提供的一种设备的结构示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种目标确定方法及装置、设备、计算机可读存储介质的具体实施方式、结构、特征及其功效，详细说明如后。
本发明实施例提供了一种目标确定方法，应用于车辆的盲区监测系统，所述方法包括：
步骤11、获取采集的监测图像；
步骤12、对所述监测图像进行目标检测，得到至少一个初始目标；
步骤13、依次对每个所述初始目标执行如下操作：
判断所述初始目标是否在所述监测图像的盲区区域内；
若是，则根据所述初始目标的图像坐标，获取该图像坐标关联的目标框参数；
比较所述目标框参数与所述初始目标框参数；
根据比较结果确定所述初始目标是否为真目标；
步骤14、将所有真目标作为最终目标；
其中，所述目标框参数的确定包括：
根据目标物确定目标物的三维模型；
移动三维模型在所述图像坐标关联的世界坐标系中的位置；
转换该位置的三维模型至图像坐标系，得到所述目标框参数；
或者，所述目标框参数的确定包括：
获取历史监测图像；
对所述历史监测图像进行目标检测，得到目标物的目标框；
根据所述目标框确定所述目标框参数。
本发明实施例提供的技术方案，通过获取采集的监测图像，监测图像进行目标检测，得到至少一个初始目标，依次对每个初始目标执行如下操作：判断初始目标是否在监测图像的盲区区域内，若是，则根据初始目标的图像坐标，获取该图像坐标关联的目标框参数，比较目标框参数与初始目标框参数，根据比较结果确定初始目标是否为真目标，将所有真目标作为最终目标，其中，目标框参数的确定包括：根据目标物确定目标物的三维模型，移动三维模型在图像坐标关联的世界坐标系中的位置，转换该位置的三维模型至图像坐标系，得到目标框参数，或者，目标框参数的确定包括：获取历史监测图像，对历史监测图像进行目标检测，得到目标物的目标框，根据目标框确定目标框参数，实现了假目标物的滤除，进而降低了误报率，提升了产品性能和用户体验。
以上是本申请的核心思想，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，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其他实施方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示装置器件结构的示意图并非按照一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度以及高度的三维空间尺寸。
图1是本发明实施例提供的一种目标确定方法的流程示意图。本实施例的方法可以由目标确定装置来执行，该装置可通过硬件和/或软件的方式实现，并一般可以集成于车辆的盲区监测系统中，用于滤除车辆盲区内假目标物。
本实施例提供的目标确定方法应用于车辆的盲区监测系统，具体的，如图1所示，该方法可以包括如下：
步骤11、获取采集的监测图像。
监测图像为盲区监测摄像头拍摄的展示车辆盲区情况的图像，可以理解的是，除车辆盲区外，基于盲区监测摄像头的取景范围的不同，盲区图像还包括其他场景信息，例如包括车辆侧壁以及盲区外的路面等，本实施例提供的目标确定方法用于确定盲区内出现的目标物的真假，并将假目标物滤除掉。
可以理解的是，盲区监测的主要目的是盲区出现的行人被撞风险规避，因此，盲区监测中更为关注人的情况，将人作为真目标物，具体可以为行走的路人或骑车的骑手等，假目标物为非人物件，例如消防栓等。
由车辆的电子控制单元从盲区监测摄像头获取其实时拍摄的监测图像。
步骤12、对监测图像进行目标检测，得到至少一个初始目标。
本实施例对目标检测的具体方式不做限定，检测区域为完整的监测图像，得到的至少一个初始目标为监测图像中的全部目标，具体包括如下三种情况：1、至少一个初始目标均为假目标物；2、至少一个初始目标均为真目标物；3、至少一个初始目标包括假目标物和真目标物。
示例性的，初始目标的具体形式可以为矩形框，对应的检测过程为：识别监测图像中的目标物，确定包括目标物且尺寸最小的矩形框为检测出的初始目标。
步骤13、依次确定各初始目标是否为真目标。
可选的，依次确定各初始目标是否为真目标的方法包括：判断初始目标是否在监测图像的盲区区域内，若是，则根据初始目标的图像坐标，获取该图像坐标关联的目标框参数，比较目标框参数与初始目标框参数，根据比较结果确定初始目标是否为真目标。
本实施例关注车辆盲区内无法被驾驶员直接观察到的人，因此在得到监测图像中各初始目标后，首先判断初始目标是否在被关注区域即车辆盲区内，并在确定初始目标在车辆盲区内后，进一步判断初始目标是否为真目标。
示例性的，检测可直接获得矩形框形式的初始目标中对角线上两个顶点的图像坐标，基于该两个顶点的图像坐标可计算获得另外两个顶点的坐标，确定距离监测图像中车辆以及摄像头取景位置最近的顶点作为初始目标的图像坐标，进而得到该图像坐标在图像坐标系中的位置，根据该位置与盲区区域的关系，确定初始目标是否在盲区区域内。另一方面，本地预存多个目标框参数，目标框参数与初始目标的图像坐标的关联关系具体为：图像坐标对应的初始目标在盲区区域中的位置，与目标框参数对应的目标框在盲区区域中的位置相同。基于此，在确定初始目标在盲区区域内后可根据初始目标的图像坐标在图像坐标系中的位置确定关联的目标框参数，可以理解的是，当存在与初始目标位置相同的目标框时，该目标框的目标框参数为关联目标框参数，当不存在与初始目标位置相同的目标框时，与初始目标位置距离最近的目标框的目标框参数为关联目标框参数。其中，目标框参数例如可以为目标框的长、宽和宽长比。
当目标框参数和初始目标框参数的种类为多种时，分别将同种目标框参数与初始目标框参数进行比较，确定目标框参数与初始目标框参数的匹配度。
目标框参数基于真目标获得，通过匹配度判断可确定初始目标与真目标的接近程度，进而判断初始目标是否为真目标。
若比较结果为初始目标框参数偏离目标框参数较远，说明初始目标与真目标相差较大，确定该初始目标为假目标；若比较结果为初始目标框参数与目标框参数极为相近，则确定该初始目标为真目标。本实施例对初始目标框参数与目标框参数偏差的具体判断方式不做限定，例如，可以预设误差范围，确定初始目标框参数与目标框参数之差在预设误差范围内时，认为两者偏差较小，否则较大。
步骤14、将所有真目标作为最终目标，其中，目标框参数的确定包括：根据目标物确定目标物的三维模型，移动三维模型在图像坐标关联的世界坐标系中的位置，转换该位置的三维模型至图像坐标系，得到目标框参数，或者，目标框参数的确定包括：获取历史监测图像，对历史监测图像进行目标检测，得到目标物的目标框，根据目标框确定目标框参数。
最终目标为用于激发盲区监测报警提示的目标物。
确定至少一个初始目标中的真目标作为最终目标，保留并应用于盲区监测系统的后期应用中，而忽略假目标，进而实现了假目标物的滤除，提高了盲区监测系统中应用的目标物为真目标物的概率。
需要说明的是，本实施例提供两种目标框参数的确定方法，对于第一种目标框参数的确定方法说明如下：目标框位于图像坐标下，为便于图像中盲区区域内不同位置处的初始目标与对应的目标框直接进行比较，预先确定出图像中盲区区域内不同位置处的目标框，形成对应同一目标物的目标框库。具体的，实际场景下，目标物均为立体结构，本实施例首先确定目标框库对应的目标物的三维模型，然后在三维场景下即世界坐标系下，移动目标物的三维模型的位置，每移动一个位置将三维模型投射至图像坐标系下，相当于实际场景向摄像头拍摄的二维图像转换，采用上述思路获得盲区图像中盲区区域内不同位置处的目标框，并通过测量或计算等方式获得目标框参数。
更具体的，将三维场景转换至二维图像中，即世界坐标向图像坐标转换，采用如下公式一进行：
Figure 496014DEST_PATH_IMAGE001
------公式一
其中，M1=
Figure 310386DEST_PATH_IMAGE002
为盲区监测摄像头的内参矩阵，fx,fy为盲区监测摄像头的焦距，u0,v0为盲区监测摄像头的主点坐标，M2为盲区监测摄像头的外参，包括旋转矩阵R和平移矩阵T，（Xw,Yw,Zw）为世界坐标，(u,v)为图像坐标，（Xc,Yc,Zc）为盲区监测相机坐标。
示例性的，对于目标物的三维模型为立方体的情况，获得目标框的方式具体为：在世界坐标系下移动三维模型的位置后，确定三维模型的8个顶点的世界坐标，采用上述公式一将8个顶点转换至图像坐标系下，并将获得的8个图像坐标的最小值作为对应目标框的左下角（靠近车辆以及盲区监测摄像头的顶点），且在目标框为矩形时，确定目标框的宽度BB_WIDTH=max(x)-min(x)，目标框的长度BB_Height=max(y)-min(y)，目标框的宽长比Rate=BB_WIDTH/BB_Height，其中，max(x)为8个图像坐标中的最大x坐标，min(x)为8个图像坐标中的最小x坐标，max(y)为8个图像坐标中的最大y坐标，min(y)为8个图像坐标中的最小y坐标，此时，目标框的宽、长和宽长比为目标框参数。
对于第二种目标框的确定方法说明如下：车辆日常行驶过程中，盲区监测摄像头实时拍摄多张监测图像，在目标框参数的确定时，提取已存储的多张历史监测图像，分别识别每张监测图像中的目标物，得到对应的目标框，记录该目标框的目标框参数，如此，基于目标物在车辆日常形成过程中出现在车辆盲区中的随机性，可获得盲区区域中不同位置处的目标物对应的目标框参数。
本实施例提供的技术方案，通过获取采集的监测图像，监测图像进行目标检测，得到至少一个初始目标，依次对每个初始目标执行如下操作：判断初始目标是否在监测图像的盲区区域内，若是，则根据初始目标的图像坐标，获取该图像坐标关联的目标框参数，比较目标框参数与初始目标框参数，根据比较结果确定初始目标是否为真目标，将所有真目标作为最终目标，其中，目标框参数的确定包括：根据目标物确定目标物的三维模型，移动三维模型在图像坐标关联的世界坐标系中的位置，转换该位置的三维模型至图像坐标系，得到目标框参数，或者，目标框参数的确定包括：获取历史监测图像，对历史监测图像进行目标检测，得到目标物的目标框，根据目标框确定目标框参数，实现了假目标物的滤除，进而降低了误报率，提升了产品性能和用户体验。
图2是本发明实施例提供的一种确定目标物的三维模型的方法流程示意图。如图2所示，若目标物为人，确定目标物的三维模型的步骤具体可以包括如下：
步骤21、基于大数据统计结果，确定人的三维结构。
示例性的，大数据统计数据内，人的长、宽和高均呈正态分布，其中，长为a、宽为b和高为d的人最多，则将其三维结构作为人的三维结构，此处的三维结构理解为模型，其外轮廓为人的形状。
确定固定的人的三维结构有利于统一比对标准，提高比对的可实现性，降低比对难度，另外，采用大数据统计方式确定人的三维结构有利于增加比对标准与大多数人的真实体形相近，有利于减小预设的误差范围，提高比对结果的准确性。
步骤22、根据人的三维结构确定立方体的三维模型。
具体的，确定包括人的三维结构的体积最小的立方体为人的三维模型，如此，将外轮廓不规则的三维结构近似为结构规则的三维模型，更方便坐标转换以及相关计算。
示例性的，人的立方体的三维模型的尺寸例如可以为：宽0.1米，长0.5米，高1.7米。
图3是本发明实施例提供的一种确定目标物的三维模型的方法流程示意图。如图3所示，若目标物为骑手，确定目标物的三维模型的步骤具体可以包括如下：
步骤31、提取盲区区域内包括骑手的历史监测图像。
具体为现实场景下车辆盲区中出现骑手后，盲区监测摄像头拍摄的历史监测图像。
骑手即骑车的人，车例如为自行车、摩托车、电动车或三轮车等。根据车的不同、骑车姿势的不同、与盲区监测摄像头相对位置的不同等，骑手的三维占位空间存在较大差别，为保证比对结果的准确性，针对不同三维占位空间的骑手分别形成一套对应的目标框，并与对应的初始目标的图像坐标建立对应的关联关系。可以理解的是，当预存多套目标框时，例如预存人的目标框、骑自行车的骑手的目标框和骑三轮车的目标框三套目标框时，图像坐标与目标框的关联关系还包括目标物类别的关联关系，具体可通过不同套目标框的尺寸范围不同进行区分。
步骤32、对该历史监测图像进行骑手目标检测。
具体方式可参照前述初始目标的检测过程，此处不再赘述。值得注意的是，可通过骑手的尺寸范围保证检测出的目标为骑手。
步骤33、转换得到的骑手目标的图像坐标至世界坐标系，得到骑手的三维模型。
图像坐标为图像坐标系中的坐标，图像坐标系为二维坐标系。世界坐标系为与上述图像坐标系关联的世界坐标系，其为三维坐标系。
示例性的，历史监测图像中骑手的图像坐标可以为基于骑手的图像标定出的最小矩形框中四个顶点的图像坐标，采用下述公式二实现上述图像坐标向世界坐标系中的转换：
Figure 132849DEST_PATH_IMAGE003
------公式二
其中，M1=
Figure 963664DEST_PATH_IMAGE002
为盲区监测摄像头的内参矩阵，R为旋转矩阵，T为平移矩阵，（Xw,Yw,Zw）为世界坐标，(u,v)为图像坐标，（Xc,Yc,Zc）为盲区监测相机坐标。
图4是本发明实施例提供的一种比较目标框参数与对应的初始目标框参数的方法的流程示意图。如图4所示，比较目标框参数与对应的初始目标框参数具体可以包括如下：
步骤41、计算目标框的长和初始目标的长之差，目标框的宽和初始目标的宽之差，以及目标框的宽长比和初始目标的宽长比之差。
本实施例中目标框参数包括目标框的长、宽和宽长比，初始目标框参数包括初始目标的长、宽和宽长比，基于同种参数分别对比的原则，分别比较目标框的长和初始目标的长，目标框的宽和初始目标的宽，以及目标框的宽长比和初始目标的宽长比。
可以理解的是，在本实施例中，目标框和初始目标均为矩形，分别比对长、宽和宽长比可快速且准确的采用数值方式确定目标框和初始目标之间的匹配度，计算数据少，计算难度低，计算结果准确性高。
步骤42、判断计算获得的各差值是否均在预设误差范围内。
预设误差范围可采用多次实验结果统计的方式获得，也可以由设计人员基于经验等确定，本实施例对此不做限定，凡是能够实现较为准确的匹配度确定的确定方式均在本实施例的保护范围内。
此外，不同参数对应的预设误差范围可以相同也可以为不同，本实施例对此不做限定。
可以理解的是，若各差值均在预设误差范围内，说明初始目标与目标框的匹配度较高，确定初始目标是真目标，若存在至少一个差值不再预设误差范围内，说明初始目标与目标框的匹配度较低，确定初始目标是假目标。
图5是本发明实施例提供的一种判断初始目标是否在所述监测图像的盲区区域内的方法流程示意图。如图5所示，判断初始目标是否在所述监测图像的盲区区域内可以包括如下： 步骤51、获取盲区区域的图像坐标。
可选的，获取盲区区域的图像坐标可以包括：确定图像坐标关联的世界坐标系中盲区的位置，转换该位置至图像坐标系，获取盲区区域的图像坐标。
示例性的，车辆的实际实用场景中，车辆盲区固定，例如为长15米宽4米的矩形区域，采用前述公式一将三维场景下位于世界坐标系中的盲区区域的四个顶点分别转换至关联的图像坐标系下，得到监测图像中盲区区域四个顶点的图像坐标，并基于四个顶点确定盲区区域。图6是本发明实施例提供的一种盲区图像。图6采用加粗实线框具体示意出了盲区位置。
步骤52、根据盲区区域的图像坐标以及初始目标的图像坐标，判断初始目标是否在监测图像的盲区区域内。
采用上述步骤51确定监测图像中的盲区区域后，即可确定该盲区区域内所有点的图像坐标范围，判断初始目标的图像坐标在该坐标范围内，确定初始目标在监测图像的盲区区域内，否则，不在盲区区域内。
可选的，移动三维模型在图像坐标关联的世界坐标系中的位置可以包括：按照逐行扫描方式，以固定距离为间隔移动三维模型在图像坐标关联的世界坐标系中的位置。
示例性的，车辆的实际实用场景中，车辆盲区是长为15米宽为4米的矩形区域，以矩形区域靠近车辆和盲区监测摄像头的顶点为原点，其宽为x轴，长为y轴，1米为单位长度，即固定距离为1米，依次将三维模型移动至（1,1）点、（2,1）点、（3,1）点、（4,1）点，（1,2）点、（2,2）点、（3,2）点、（4,2）点………，更具体的，三维场景下，三维模型靠近车辆以及盲区监测摄像头，且与地面接触的顶点的位置确定三维模型的位置，将该顶点移动至上述各点，既实现将三维模型移动至上述各点。
本实施例对图像坐标系以及世界坐标系的原点不做具体限定，可根据具体需要进行合理设置。
图7是本发明实施例提供的一种目标确定装置的结构示意图。如图7所示，目标确定装置具体可以包括：
图像获取模块61，用于获取采集的监测图像；
目标检测模块62，用于对所述监测图像进行目标检测，得到至少一个初始目标；
目标判断模块63，用于依次对每个所述初始目标执行如下操作：
判断所述初始目标是否在所述监测图像的盲区区域内；
若是，则根据所述初始目标的图像坐标，获取该图像坐标关联的目标框参数；
比较所述目标框参数与所述初始目标框参数；
根据比较结果确定所述初始目标是否为真目标；
目标确定模块64，用于将所有真目标作为最终目标；
其中，所述目标框参数的确定包括：
根据目标物确定目标物的三维模型；
移动三维模型在所述图像坐标关联的世界坐标系中的位置；
转换该位置的三维模型至图像坐标系，得到所述目标框参数；
或者，所述目标框参数的确定包括：
获取历史监测图像；
对所述历史监测图像进行目标检测，得到目标物的目标框；
根据所述目标框确定所述目标框参数。
图8为本发明实施例提供的一种设备的结构示意图，如图8所示，该设备包括处理器70、存储器71、输入装置72和输出装置73；设备中处理器70的数量可以是一个或多个，图8中以一个处理器70为例；设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图8中以通过总线连接为例。
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的目标确定方法对应的程序指令/模块（例如，目标确定装置包括的图像获取模块61、目标检测模块62、目标判断模块63和目标确定模块64）。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的目标确定方法。
存储器71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；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71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。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种目标确定方法，该方法包括：
步骤11、获取采集的监测图像；
步骤12、对监测图像进行目标检测，得到至少一个初始目标；
步骤13、依次对每个初始目标执行如下操作：
判断初始目标是否在监测图像的盲区区域内；
若是，则根据初始目标的图像坐标，获取该图像坐标关联的目标框参数；
比较目标框参数与初始目标框参数；
根据比较结果确定初始目标是否为真目标；
步骤14、将所有真目标作为最终目标；
其中，目标框参数的确定包括：
根据目标物确定目标物的三维模型；
移动三维模型在图像坐标关联的世界坐标系中的位置；
转换该位置的三维模型至图像坐标系，得到目标框参数；
或者，目标框参数的确定包括：
获取历史监测图像；
对历史监测图像进行目标检测，得到目标物的目标框；
根据目标框确定目标框参数。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的目标确定方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory, ROM）、随机存取存储器（RandomAccess Memory, RAM）、闪存（FLASH）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
值得注意的是，上述目标确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种目标确定方法，其特征在于，应用于车辆的盲区监测系统，所述方法包括：
步骤11、获取采集的监测图像；
步骤12、对所述监测图像进行目标检测，得到至少一个初始目标；
步骤13、依次对每个所述初始目标执行如下操作：
判断所述初始目标是否在所述监测图像的盲区区域内；
若是，则根据所述初始目标的图像坐标，获取该图像坐标关联的目标框参数；
比较所述目标框参数与所述初始目标框参数；
根据比较结果确定所述初始目标是否为真目标；
步骤14、将所有真目标作为最终目标；
其中，所述目标框参数的确定包括：
根据目标物确定目标物的三维模型；
移动三维模型在所述图像坐标关联的世界坐标系中的位置；
转换该位置的三维模型至图像坐标系，得到所述目标框参数；
或者，所述目标框参数的确定包括：
获取历史监测图像；
对所述历史监测图像进行目标检测，得到目标物的目标框；
根据所述目标框确定所述目标框参数；
所述目标框参数与所述初始目标的图像坐标的关联关系具体为：所述图像坐标对应的所述初始目标在盲区区域中的位置，与所述目标框参数对应的目标框在盲区区域中的位置相同。
2.根据权利要求1所述的目标确定方法，其特征在于，若目标物为人，所述确定目标物的三维模型包括：
基于大数据统计结果，确定人的三维结构；
根据所述人的三维结构确定立方体的所述三维模型。
3.根据权利要求1所述的目标确定方法，其特征在于，若目标物为骑手，所述确定目标物的三维模型包括：
提取盲区区域内包括骑手的历史监测图像；
对该历史监测图像进行骑手目标检测；
转换得到的骑手目标的图像坐标至世界坐标系，得到骑手的三维模型。
4.根据权利要求1所述的目标确定方法，其特征在于，比较所述目标框参数与对应的所述初始目标框参数包括：
计算所述目标框的长和所述初始目标的长之差，所述目标框的宽和所述初始目标的宽之差，以及所述目标框的宽长比和所述初始目标的宽长比之差；
判断计算获得的各差值是否均在预设误差范围内。
5.根据权利要求1所述的目标确定方法，其特征在于，判断所述初始目标是否在所述监测图像的盲区区域内包括：
获取所述盲区区域的图像坐标；
根据所述盲区区域的图像坐标以及所述初始目标的图像坐标，判断所述初始目标是否在所述监测图像的盲区区域内。
6.根据权利要求5所述的目标确定方法，其特征在于，获取所述盲区区域的图像坐标包括：
确定所述图像坐标关联的世界坐标系中盲区的位置；
转换该位置至图像坐标系，获取所述盲区区域的图像坐标。
7.根据权利要求1所述的目标确定方法，其特征在于，移动所述三维模型在所述图像坐标关联的世界坐标系中的位置包括：
按照逐行扫描方式，以固定距离为间隔移动所述三维模型在所述图像坐标关联的世界坐标系中的位置。
8.一种目标确定装置，其特征在于，包括：
图像获取模块，用于获取采集的监测图像；
目标检测模块，用于对所述监测图像进行目标检测，得到至少一个初始目标；
目标判断模块，用于依次对每个所述初始目标执行如下操作：
判断所述初始目标是否在所述监测图像的盲区区域内；
若是，则根据所述初始目标的图像坐标，获取该图像坐标关联的目标框参数；
比较所述目标框参数与所述初始目标框参数；
根据比较结果确定所述初始目标是否为真目标；
目标确定模块，用于将所有真目标作为最终目标；
其中，所述目标框参数的确定包括：
根据目标物确定目标物的三维模型；
移动三维模型在所述图像坐标关联的世界坐标系中的位置；
转换该位置的三维模型至图像坐标系，得到所述目标框参数；
或者，所述目标框参数的确定包括：
获取历史监测图像；
对所述历史监测图像进行目标检测，得到目标物的目标框；
根据所述目标框确定所述目标框参数。
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的目标确定方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的目标确定方法。
CN202110242335.4A 2021-03-05 2021-03-05 一种目标确定方法及装置、电子设备、计算机可读存储介质 Active CN112633258B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110242335.4A CN112633258B (zh) 2021-03-05 2021-03-05 一种目标确定方法及装置、电子设备、计算机可读存储介质
PCT/CN2021/111922 WO2022183682A1 (zh) 2021-03-05 2021-08-11 一种目标确定方法及装置、电子设备、计算机可读存储介质
US17/811,078 US20220335727A1 (en) 2021-03-05 2022-07-07 Target determination method and apparatus, electronic device, and computer-readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110242335.4A CN112633258B (zh) 2021-03-05 2021-03-05 一种目标确定方法及装置、电子设备、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112633258A true CN112633258A (zh) 2021-04-09
CN112633258B CN112633258B (zh) 2021-05-25

Family

ID=75295577

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110242335.4A Active CN112633258B (zh) 2021-03-05 2021-03-05 一种目标确定方法及装置、电子设备、计算机可读存储介质

Country Status (3)

Country Link
US (1) US20220335727A1 (zh)
CN (1) CN112633258B (zh)
WO (1) WO2022183682A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113353083A (zh) * 2021-08-10 2021-09-07 所托(杭州)汽车智能设备有限公司 车辆行为识别方法
WO2022183682A1 (zh) * 2021-03-05 2022-09-09 天津所托瑞安汽车科技有限公司 一种目标确定方法及装置、电子设备、计算机可读存储介质
CN116682095A (zh) * 2023-08-02 2023-09-01 天津所托瑞安汽车科技有限公司 一种关注目标的确定方法、装置、设备及存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116772739B (zh) * 2023-06-20 2024-01-23 北京控制工程研究所 一种大尺寸结构真空环境内的变形监测方法及装置
CN117078752B (zh) * 2023-07-19 2024-05-28 苏州魔视智能科技有限公司 车辆位姿估计方法、装置、车辆及存储介质
CN118115691A (zh) * 2024-04-29 2024-05-31 江西博微新技术有限公司 一种基于三维模型的施工进度检测方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102991425A (zh) * 2012-10-31 2013-03-27 中国路桥工程有限责任公司 行车视觉盲区侦测系统及方法
US20150109444A1 (en) * 2013-10-22 2015-04-23 GM Global Technology Operations LLC Vision-based object sensing and highlighting in vehicle image display systems
CN107031623A (zh) * 2017-03-16 2017-08-11 浙江零跑科技有限公司 一种基于车载盲区相机的道路预警方法
CN108973918A (zh) * 2018-07-27 2018-12-11 惠州华阳通用电子有限公司 一种实现车辆盲区监测的装置及方法
CN110929606A (zh) * 2019-11-11 2020-03-27 浙江鸿泉车联网有限公司 车辆盲区行人监控方法和装置
CN111507126A (zh) * 2019-01-30 2020-08-07 杭州海康威视数字技术股份有限公司 一种驾驶辅助系统的报警方法、装置及电子设备
CN111582080A (zh) * 2020-04-24 2020-08-25 杭州鸿泉物联网技术股份有限公司 车辆360度环视监控实现方法及装置
CN112001208A (zh) * 2019-05-27 2020-11-27 虹软科技股份有限公司 用于车辆盲区的目标检测方法、装置和电子设备

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4561863B2 (ja) * 2008-04-07 2010-10-13 トヨタ自動車株式会社 移動体進路推定装置
WO2013005815A1 (ja) * 2011-07-01 2013-01-10 日本電気株式会社 物体検出装置、物体検出方法及びプログラム
US9180882B1 (en) * 2012-06-20 2015-11-10 Google Inc. Avoiding blind spots of other vehicles
JP6483360B2 (ja) * 2014-06-30 2019-03-13 本田技研工業株式会社 対象物認識装置
JP2017114155A (ja) * 2015-12-21 2017-06-29 三菱自動車工業株式会社 運転支援装置
WO2017130342A1 (ja) * 2016-01-28 2017-08-03 三菱電機株式会社 事故確率計算装置、事故確率計算方法及び事故確率計算プログラム
JP6563873B2 (ja) * 2016-08-02 2019-08-21 トヨタ自動車株式会社 向き判別装置、向き判別方法
CN107976688A (zh) * 2016-10-25 2018-05-01 菜鸟智能物流控股有限公司 一种障碍物的检测方法及相关装置
WO2018184963A2 (en) * 2017-04-04 2018-10-11 Robert Bosch Gmbh Direct vehicle detection as 3d bounding boxes using neural network image processing
US10497265B2 (en) * 2017-05-18 2019-12-03 Panasonic Intellectual Property Corporation Of America Vehicle system, method of processing vehicle information, recording medium storing a program, traffic system, infrastructure system, and method of processing infrastructure information
US9934440B1 (en) * 2017-10-04 2018-04-03 StradVision, Inc. Method for monitoring blind spot of monitoring vehicle and blind spot monitor using the same
US9947228B1 (en) * 2017-10-05 2018-04-17 StradVision, Inc. Method for monitoring blind spot of vehicle and blind spot monitor using the same
CN108596116B (zh) * 2018-04-27 2021-11-05 深圳市商汤科技有限公司 测距方法、智能控制方法及装置、电子设备和存储介质
CN109165540B (zh) * 2018-06-13 2022-02-25 深圳市感动智能科技有限公司 一种基于先验候选框选择策略的行人搜索方法和装置
KR20200023802A (ko) * 2018-08-27 2020-03-06 주식회사 만도 사각지대 감지 장치 및 그 사각지대 감지 방법
KR20200050246A (ko) * 2018-11-01 2020-05-11 삼성전자주식회사 2차원 영상으로부터 3차원 객체를 검출하는 방법 및 장치
US11222219B2 (en) * 2019-04-15 2022-01-11 Qualcomm Incorporated Proximate vehicle localization and identification
US11163990B2 (en) * 2019-06-28 2021-11-02 Zoox, Inc. Vehicle control system and method for pedestrian detection based on head detection in sensor data
KR20210017315A (ko) * 2019-08-07 2021-02-17 엘지전자 주식회사 차량의 장애물 경고 방법
WO2021138010A1 (en) * 2019-12-31 2021-07-08 Nvidia Corporation Three-dimensional intersection structure prediction for autonomous driving applications
CN111507278B (zh) * 2020-04-21 2023-05-16 浙江大华技术股份有限公司 一种检测路障的方法、装置及计算机设备
CN111524165B (zh) * 2020-04-22 2023-08-25 北京百度网讯科技有限公司 目标跟踪方法和装置
CN113591872A (zh) * 2020-04-30 2021-11-02 华为技术有限公司 一种数据处理系统、物体检测方法及其装置
US11845464B2 (en) * 2020-11-12 2023-12-19 Honda Motor Co., Ltd. Driver behavior risk assessment and pedestrian awareness
CN112733671A (zh) * 2020-12-31 2021-04-30 新大陆数字技术股份有限公司 行人检测方法、装置及可读存储介质
US11462021B2 (en) * 2021-01-13 2022-10-04 GM Global Technology Operations LLC Obstacle detection and notification for motorcycles
US20220277472A1 (en) * 2021-02-19 2022-09-01 Nvidia Corporation Single-stage category-level object pose estimation
CN112633258B (zh) * 2021-03-05 2021-05-25 天津所托瑞安汽车科技有限公司 一种目标确定方法及装置、电子设备、计算机可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102991425A (zh) * 2012-10-31 2013-03-27 中国路桥工程有限责任公司 行车视觉盲区侦测系统及方法
US20150109444A1 (en) * 2013-10-22 2015-04-23 GM Global Technology Operations LLC Vision-based object sensing and highlighting in vehicle image display systems
CN107031623A (zh) * 2017-03-16 2017-08-11 浙江零跑科技有限公司 一种基于车载盲区相机的道路预警方法
CN108973918A (zh) * 2018-07-27 2018-12-11 惠州华阳通用电子有限公司 一种实现车辆盲区监测的装置及方法
CN111507126A (zh) * 2019-01-30 2020-08-07 杭州海康威视数字技术股份有限公司 一种驾驶辅助系统的报警方法、装置及电子设备
CN112001208A (zh) * 2019-05-27 2020-11-27 虹软科技股份有限公司 用于车辆盲区的目标检测方法、装置和电子设备
CN110929606A (zh) * 2019-11-11 2020-03-27 浙江鸿泉车联网有限公司 车辆盲区行人监控方法和装置
CN111582080A (zh) * 2020-04-24 2020-08-25 杭州鸿泉物联网技术股份有限公司 车辆360度环视监控实现方法及装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022183682A1 (zh) * 2021-03-05 2022-09-09 天津所托瑞安汽车科技有限公司 一种目标确定方法及装置、电子设备、计算机可读存储介质
CN113353083A (zh) * 2021-08-10 2021-09-07 所托(杭州)汽车智能设备有限公司 车辆行为识别方法
CN113353083B (zh) * 2021-08-10 2021-10-29 所托(杭州)汽车智能设备有限公司 车辆行为识别方法
CN116682095A (zh) * 2023-08-02 2023-09-01 天津所托瑞安汽车科技有限公司 一种关注目标的确定方法、装置、设备及存储介质
CN116682095B (zh) * 2023-08-02 2023-11-07 天津所托瑞安汽车科技有限公司 一种关注目标的确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20220335727A1 (en) 2022-10-20
CN112633258B (zh) 2021-05-25
WO2022183682A1 (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
CN112633258B (zh) 一种目标确定方法及装置、电子设备、计算机可读存储介质
CN112329552B (zh) 基于汽车的障碍物检测方法及装置
CN108638999B (zh) 一种基于360度环视输入的防碰撞预警系统及方法
WO2023221566A1 (zh) 一种基于多视角融合的3d目标检测方法及装置
CN111222385B (zh) 单车违停的检测方法及装置、共享单车及检测系统
CN110516518A (zh) 一种非机动车违法载人检测方法、装置及电子设备
CN109664854A (zh) 一种汽车预警方法、装置及电子设备
CN112967283A (zh) 基于双目摄像头的目标识别方法、系统、设备及存储介质
CN112261293B (zh) 变电站远程巡检方法、装置和电子设备
CN112349144A (zh) 一种基于单目视觉的车辆碰撞预警方法及系统
CN110766899A (zh) 一种增强虚拟环境中电子围栏监控预警的方法及系统
CN113299073B (zh) 识别车辆违章停车的方法、装置、设备和存储介质
JP2011048520A (ja) 車両周辺監視装置および車両周辺監視方法
CN112349087A (zh) 一种基于路口信息全息感知的可视化数据输入方法
CN112001208A (zh) 用于车辆盲区的目标检测方法、装置和电子设备
CN107851326A (zh) 自动检测单车是否倒地的方法
CN114119955A (zh) 一种潜在危险目标检测方法及装置
CN115346193A (zh) 一种车位检测方法及其跟踪方法、车位检测装置、车位检测设备及计算机可读存储介质
CN114298908A (zh) 一种障碍物展示方法、装置、电子设备及存储介质
CN114373170A (zh) 伪3d边界框构建的方法、装置及电子设备
Zou et al. A novel day-to-night obstacle detection method for excavators based on image enhancement and multisensor fusion
JP2002190023A (ja) 車種判別装置及び車種判別方法及び車種判別方法を行うプログラムをコンピュータ読み取り可能なように記憶させた記憶媒体
CN112633228A (zh) 停车检测方法、装置、设备及存储介质
CN114943954B (zh) 一种车位检测方法、装置和系统
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
GR01 Patent grant
GR01 Patent grant