CN113012239A - 一种车路协同路侧感知相机的焦距变化定量计算方法 - Google Patents
一种车路协同路侧感知相机的焦距变化定量计算方法 Download PDFInfo
- Publication number
- CN113012239A CN113012239A CN202110390658.8A CN202110390658A CN113012239A CN 113012239 A CN113012239 A CN 113012239A CN 202110390658 A CN202110390658 A CN 202110390658A CN 113012239 A CN113012239 A CN 113012239A
- Authority
- CN
- China
- Prior art keywords
- camera
- focal length
- corner point
- roadside
- obtaining
- 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
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10148—Varying focus
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20068—Projection on vertical or horizontal image axis
-
- 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
- G06T2207/30256—Lane; Road marking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种车路协同路侧感知相机的焦距变化定量计算方法,包括:获得已知的高精视觉地图,获得路侧感知相机的当前图像,根据路侧感知相机的外参文件将高精视觉地图投影到当前图像上,根据相机针孔模型得到相机焦距计算模型,根据相机焦距计算模型获得路侧感知相机现在的内参的焦距。本发明提供的技术方案可以定量地计算车路协同路侧枪机的焦距的变化值,准确性高,用于及时校正相机的内参,满足车路协同的路侧的感知精度。本发明提供的技术方案利用高精视觉地图基于相机针孔模型计算相机内参中的焦距,定量计算车路协同路侧枪机的焦距的变化值,并后续校正相机内参,满足车路协同的路侧的感知精度。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种车路协同路侧感知相机的焦距变化定量计算方法。
背景技术
在新基建的大背景下,V2X路侧感知系统为车路协同的车提供了超视距的感知信息。相机作为路侧感知系统的最主要的传感器之一,相机准确的内参矩阵,对于路侧感知系统的精度和鲁棒性起到至关重要的作用。现有技术使用相机原来的图像和现有的图像进行人工比对,识别出相机的视场角是否有变化,只能定性地判断,无法计算出定量的焦距变化量,无法进行相机内参的校正,只能重新标定相机的内参,需要增加额外的人力物力成本。
发明内容
为解决现有技术存在的局限和缺陷,本发明提供一种车路协同路侧感知相机的焦距变化定量计算方法,包括:
获得已知的高精视觉地图;
获得路侧感知相机的当前图像;
根据所述路侧感知相机的外参文件将所述高精视觉地图投影到所述当前图像上;
选择两个地面标志的角点p1和角点p2,所述角点p1和所述角点p2在同一水平方向,获得所述角点p1和所述角点p2的2D像素坐标,以及所述角点P1和所述角点P2在所述高精视觉地图中的3D世界坐标;
根据相机针孔模型得到相机焦距计算模型:
f/z=dis_pix/dis_3D
其中,f表示相机内参的焦距,z表示所述角点P1和所述角点P2在相机坐标系中的z值的平均值,所述z值的平均值根据所述角点P1和所述角点P2的3D世界坐标和相机的外参求解获得,dis_pix表示所述角点p1和所述角点p2在所述当前图像中的像素的欧式距离,dis_3D表示所述角点p1和所述角点p2在世界坐标系中的欧式距离;
根据所述相机焦距计算模型获得所述路侧感知相机现在的内参的焦距f。
可选的,还包括:
获得新的焦距f之后,使用新的内参矩阵和相机的外参将高精视觉地图点投影到所述当前图像。
可选的,所述外参文件是通过相机外参标定得到的相机配置参数。
可选的,所述高精视觉地图包括地面车道线和转向箭头的3D坐标。
本发明具有下述有益效果:
本发明提供的车路协同路侧感知相机的焦距变化定量计算方法,包括:获得已知的高精视觉地图,获得路侧感知相机的当前图像,根据所述路侧感知相机的外参文件将所述高精视觉地图投影到所述当前图像上,选择两个地面标志的角点p1和角点p2,所述角点p1和所述角点p2在同一水平方向,获得所述角点p1和所述角点p2的2D像素坐标,以及所述角点P1和所述角点P2在所述高精视觉地图中的3D世界坐标,根据相机针孔模型得到相机焦距计算模型,根据所述相机焦距计算模型获得所述路侧感知相机现在的内参的焦距。
本发明提供的技术方案可以定量地计算车路协同路侧枪机的焦距的变化值,准确性高,用于及时校正相机的内参,满足车路协同的路侧的感知精度。本发明提供的技术方案利用高精视觉地图基于相机针孔模型计算相机内参中的焦距,定量计算车路协同路侧枪机的焦距的变化值,并后续校正相机内参,满足车路协同的路侧的感知精度。本发明提供的技术方案基于高精地图,可以直接定量计算变化后的焦距值,然后更新相机的内参焦距参数,就可以直接用于路测感知应用。
附图说明
图1为本发明实施例一提供的车路协同路侧感知相机的焦距变化定量计算方法的流程图。
图2为本发明实施例一提供的角点投影到图像的示意图。
图3为图2所示角点投影到图像的放大示意图。
图4为本发明实施例一提供的使用新的内参和相机的外参将高精视觉地图点投影到图像的示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的车路协同路侧感知相机的焦距变化定量计算方法进行详细描述。
实施例一
本实施例应用于长焦相机,在感知应用时长焦相机的图像因畸变很小不需要去畸变预处理。由于外界原因,例如,升级相机固件或者其他硬件方面的原因,导致相机焦距发生变化,最终导致该相机感知结果误差大,无法使用的场景。传统方法是通过对比前后图像观测相机焦距是否发生变化,只能定性判断,如果焦距发生变化,只能是封路调动高车然后重新进行相机内参标定,或者更换已标定内参的相机并进行相机的外参标定,需要花费较大的人力物力财力,并且影响正常的车辆通行。本实施例提供的车路协同路侧感知相机的焦距变化定量计算方法,基于高精地图,可以直接定量计算变化后的焦距值,然后更新相机的内参焦距参数,就可以直接用于路测感知应用。
图1为本发明实施例一提供的车路协同路侧感知相机的焦距变化定量计算方法的流程图。如图1所示,本实施例提供一种车路协同路侧感知相机的焦距变化定量计算方法,包括:获得已知的高精视觉地图,所述高精视觉地图包括地面车道线和转向箭头的3D坐标;获得路侧感知相机的当前图像;根据所述路侧感知相机的外参文件将所述高精视觉地图投影到所述当前图像上,所述外参文件是通过相机外参标定得到的相机配置参数;选择两个地面标志的角点p1和角点p2,所述角点p1和所述角点p2在同一水平方向,获得所述角点p1和所述角点p2的2D像素坐标,以及所述角点P1和所述角点P2在所述高精视觉地图中的3D世界坐标;根据相机针孔模型得到相机焦距计算模型:
f/z=dis_pix/dis_3D
其中,f表示相机内参的焦距,z表示所述角点P1和所述角点P2在相机坐标系中的z值的平均值,所述z值的平均值根据所述角点P1和所述角点P2的3D世界坐标和相机的外参求解获得,dis_pix表示所述角点p1和所述角点p2在所述当前图像中的像素的欧式距离,dis_3D表示所述角点p1和所述角点p2在世界坐标系中的欧式距离;根据所述相机焦距计算模型获得所述路侧感知相机现在的内参的焦距f。本实施例提供的车路协同路侧感知相机的焦距变化定量计算方法可以定量地计算车路协同路侧枪机的焦距的变化值,准确性高,用于及时校正相机的内参,满足车路协同的路侧的感知精度。
本实施例中,已知高精视觉地图,包含地面车道线和转向箭头的3D坐标,采集一张路侧感知相机的当前图像,利用相机的外参文件,通过相机外参标定得到的相机的配置参数,将高精视觉地图投影到图像上。本实施例提供的车路协同路侧感知相机的焦距变化定量计算方法利用高精视觉地图基于相机针孔模型计算相机内参中的焦距,定量计算车路协同路侧枪机的焦距的变化值,并后续校正相机内参,满足车路协同的路侧的感知精度。
图2为本发明实施例一提供的角点投影到图像的示意图。如图2中红色圈中的所示,从中选择两个在同一水平方向的地面标志的角点,得到这两个角点p1和p2的2D像素坐标和从高精视觉地图中得到的P1和P2的3D世界坐标,相机焦距计算模型由相机针孔模型得到:
f/z=dis_pix/dis_3D
图3为图2所示角点投影到图像的放大示意图。如图3所示,f表示现在要求的相机内参的焦距,z表示上述两个角点在相机坐标系中的z值的平均值,由两个角点的世界坐标和相机的外参求解得到,dis_pix表示上述两个角点p1和p2在图像中的像素的欧式距离,dis_3D表示上述两个角点P1和P2在世界坐标系(高精地图)中的欧式距离。最后,求解得到该相机现在的内参的焦距f。
图4为本发明实施例一提供的使用新的内参和相机的外参将高精视觉地图点投影到图像的示意图。计算得到新的焦距f后,使用新的内参矩阵及相机的外参将高精地图点投影到图像如图4所示,重投影误差较小,满足感知要求。
本实施例使用10台长焦相机进行实际实验验证,传统方法使用棋盘格标定板对相机标定内参K1,本实施例基于高精度地图计算相机内参K2。因为相机焦距存在变化,所以没有真值,需要基于棋盘格图像(传统方法标定相机内参采集到的),分别使用K1和K2计算重投影误差,误差越小,精度越高,实验结果如表1所示:
表1传统方法与本方案方法的实验结果对比
从表中结果可以得到以下结论:在晴天正常光照场景下的相机内参精度方面,本方案方法和传统方法精度相当;阴天或者强光照场景下,本方案方法精度明显优于传统方法,原因是由于光照条件限制导致传统方法在检测棋盘格图像的角点时会产生较大误差;本方案方法在晴天正常光照或者阴天和强光照场景下,相机内参精度相当;传统方法在晴天正常光照下相机内参精度明显优于阴天和强光照场景下。
由于相机已经安装到路侧的监控杆上,使用传统方法需要外场工作人员调动高车,使用棋盘格标定板进行相机内参标定。本方案方法只需要工作人员在室内使用笔记本电脑进行操作即可完成相机内参计算。单个相机的人力成本、时间成本和资金成本对比如表2所示:
表2单个相机的人力成本、时间成本和资金成本对比
传统方法 | 本方案方法 | |
人力成本 | 3人 | 1人 |
时间成本 | 40分钟 | 10分钟 |
资金成本 | 约2000元(高车费用) | 0元(高精地图使用原来已有的) |
本实施例提供的车路协同路侧感知相机的焦距变化定量计算方法,包括:获得已知的高精视觉地图,获得路侧感知相机的当前图像,根据所述路侧感知相机的外参文件将所述高精视觉地图投影到所述当前图像上,选择两个地面标志的角点p1和角点p2,所述角点p1和所述角点p2在同一水平方向,获得所述角点p1和所述角点p2的2D像素坐标,以及所述角点P1和所述角点P2在所述高精视觉地图中的3D世界坐标,根据相机针孔模型得到相机焦距计算模型,根据所述相机焦距计算模型获得所述路侧感知相机现在的内参的焦距。本实施例提供的技术方案可以定量地计算车路协同路侧枪机的焦距的变化值,准确性高,用于及时校正相机的内参,满足车路协同的路侧的感知精度。本实施例提供的技术方案利用高精视觉地图基于相机针孔模型计算相机内参中的焦距,定量计算车路协同路侧枪机的焦距的变化值,并后续校正相机内参,满足车路协同的路侧的感知精度。本实施例提供的技术方案基于高精地图,可以直接定量计算变化后的焦距值,然后更新相机的内参焦距参数,就可以直接用于路测感知应用。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (4)
1.一种车路协同路侧感知相机的焦距变化定量计算方法,其特征在于,包括:
获得已知的高精视觉地图;
获得路侧感知相机的当前图像;
根据所述路侧感知相机的外参文件将所述高精视觉地图投影到所述当前图像上;
选择两个地面标志的角点p1和角点p2,所述角点p1和所述角点p2在同一水平方向,获得所述角点p1和所述角点p2的2D像素坐标,以及所述角点P1和所述角点P2在所述高精视觉地图中的3D世界坐标;
根据相机针孔模型得到相机焦距计算模型:
f/z=dis_pix/dis_3D
其中,f表示相机内参的焦距,z表示所述角点P1和所述角点P2在相机坐标系中的z值的平均值,所述z值的平均值根据所述角点P1和所述角点P2的3D世界坐标和相机的外参求解获得,dis_pix表示所述角点p1和所述角点p2在所述当前图像中的像素的欧式距离,dis_3D表示所述角点p1和所述角点p2在世界坐标系中的欧式距离;
根据所述相机焦距计算模型获得所述路侧感知相机现在的内参的焦距f。
2.根据权利要求1所述的车路协同路侧感知相机的焦距变化定量计算方法,其特征在于,还包括:
获得新的焦距f之后,使用新的内参矩阵和相机的外参将高精视觉地图点投影到所述当前图像。
3.根据权利要求1所述的车路协同路侧感知相机的焦距变化定量计算方法,其特征在于,所述外参文件是通过相机外参标定得到的相机配置参数。
4.根据权利要求1所述的车路协同路侧感知相机的焦距变化定量计算方法,其特征在于,所述高精视觉地图包括地面车道线和转向箭头的3D坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110390658.8A CN113012239B (zh) | 2021-04-12 | 2021-04-12 | 一种车路协同路侧感知相机的焦距变化定量计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110390658.8A CN113012239B (zh) | 2021-04-12 | 2021-04-12 | 一种车路协同路侧感知相机的焦距变化定量计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113012239A true CN113012239A (zh) | 2021-06-22 |
CN113012239B CN113012239B (zh) | 2023-03-14 |
Family
ID=76388439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110390658.8A Active CN113012239B (zh) | 2021-04-12 | 2021-04-12 | 一种车路协同路侧感知相机的焦距变化定量计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012239B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344906A (zh) * | 2021-06-29 | 2021-09-03 | 阿波罗智联(北京)科技有限公司 | 车路协同中相机评估方法、装置、路侧设备和云控平台 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070237417A1 (en) * | 2004-10-14 | 2007-10-11 | Motilal Agrawal | Method and apparatus for determining camera focal length |
US20080131108A1 (en) * | 2006-12-04 | 2008-06-05 | Electronics And Telecommunications Research Institute | Apparatus and method for estimating focal length of camera |
CN102622744A (zh) * | 2012-01-17 | 2012-08-01 | 浙江大学 | 一种基于多项式投影模型的长焦相机标定方法 |
US20130044913A1 (en) * | 2011-08-19 | 2013-02-21 | Hailin Jin | Plane Detection and Tracking for Structure from Motion |
CN104346833A (zh) * | 2014-10-28 | 2015-02-11 | 燕山大学 | 一种基于单目视觉的车辆重构算法 |
CN105701827A (zh) * | 2016-01-15 | 2016-06-22 | 中林信达(北京)科技信息有限责任公司 | 可见光相机与红外相机的参数联合标定方法及装置 |
CN106204625A (zh) * | 2016-07-27 | 2016-12-07 | 大连理工大学 | 一种可变焦距柔性化位姿视觉测量方法 |
CN208171565U (zh) * | 2018-05-18 | 2018-11-30 | 长春长光格瑞光电技术有限公司 | 一种球面反射镜焦距检测装置 |
CN109479086A (zh) * | 2016-07-20 | 2019-03-15 | 深圳市大疆创新科技有限公司 | 相对于物体变焦的方法和设备 |
CN109544635A (zh) * | 2018-10-10 | 2019-03-29 | 长安大学 | 一种基于枚举试探的相机自动标定方法 |
CN109598783A (zh) * | 2018-11-20 | 2019-04-09 | 西南石油大学 | 一种房间3d建模方法及家具3d预览系统 |
-
2021
- 2021-04-12 CN CN202110390658.8A patent/CN113012239B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070237417A1 (en) * | 2004-10-14 | 2007-10-11 | Motilal Agrawal | Method and apparatus for determining camera focal length |
US20080131108A1 (en) * | 2006-12-04 | 2008-06-05 | Electronics And Telecommunications Research Institute | Apparatus and method for estimating focal length of camera |
US20130044913A1 (en) * | 2011-08-19 | 2013-02-21 | Hailin Jin | Plane Detection and Tracking for Structure from Motion |
CN102622744A (zh) * | 2012-01-17 | 2012-08-01 | 浙江大学 | 一种基于多项式投影模型的长焦相机标定方法 |
CN104346833A (zh) * | 2014-10-28 | 2015-02-11 | 燕山大学 | 一种基于单目视觉的车辆重构算法 |
CN105701827A (zh) * | 2016-01-15 | 2016-06-22 | 中林信达(北京)科技信息有限责任公司 | 可见光相机与红外相机的参数联合标定方法及装置 |
CN109479086A (zh) * | 2016-07-20 | 2019-03-15 | 深圳市大疆创新科技有限公司 | 相对于物体变焦的方法和设备 |
CN106204625A (zh) * | 2016-07-27 | 2016-12-07 | 大连理工大学 | 一种可变焦距柔性化位姿视觉测量方法 |
CN208171565U (zh) * | 2018-05-18 | 2018-11-30 | 长春长光格瑞光电技术有限公司 | 一种球面反射镜焦距检测装置 |
CN109544635A (zh) * | 2018-10-10 | 2019-03-29 | 长安大学 | 一种基于枚举试探的相机自动标定方法 |
CN109598783A (zh) * | 2018-11-20 | 2019-04-09 | 西南石油大学 | 一种房间3d建模方法及家具3d预览系统 |
Non-Patent Citations (2)
Title |
---|
N. ALBERTOBORGHESE: "Computing camera focal length by zooming a single point", 《PATTERN RECOGNITION》 * |
李士杰: "基于基础矩阵的相机自标定方法研究", 《中国优秀硕士论文电子期刊网》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344906A (zh) * | 2021-06-29 | 2021-09-03 | 阿波罗智联(北京)科技有限公司 | 车路协同中相机评估方法、装置、路侧设备和云控平台 |
CN113344906B (zh) * | 2021-06-29 | 2024-04-23 | 阿波罗智联(北京)科技有限公司 | 车路协同中相机评估方法、装置、路侧设备和云控平台 |
Also Published As
Publication number | Publication date |
---|---|
CN113012239B (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
CN105844624B (zh) | 动态标定系统、动态标定系统中的联合优化方法及装置 | |
CN106996777B (zh) | 一种基于地面图像纹理的视觉导航方法 | |
CN111141311B (zh) | 一种高精度地图定位模块的评估方法及系统 | |
CN106856000B (zh) | 一种车载全景图像无缝拼接处理方法及系统 | |
CN112529966B (zh) | 一种车载环视系统的在线标定方法及其车载环视系统 | |
CN110766760B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN110942477B (zh) | 一种利用双目相机和激光雷达深度图融合的方法 | |
CN112348775B (zh) | 基于车载环视的路面坑塘检测系统及方法 | |
CN111768332B (zh) | 一种车载环视实时3d全景图像的拼接方法及图形采集装置 | |
CN114372919B (zh) | 一种双挂汽车列车全景环视图像拼接方法及系统 | |
WO2023103679A1 (zh) | 一种车载环视相机快速自动标定方法和装置 | |
CN113012239B (zh) | 一种车路协同路侧感知相机的焦距变化定量计算方法 | |
CN116839564A (zh) | 一种高精地图构建辅助方法、设备及介质 | |
CN116342674A (zh) | 一种三维模型计算沥青路面构造深度方法 | |
CN112446915B (zh) | 一种基于图像组的建图方法及装置 | |
CN114897684A (zh) | 车辆图像的拼接方法、装置、计算机设备和存储介质 | |
KR101697229B1 (ko) | 차량용 영상 정합을 위한 차선 정보 기반의 자동보정장치 및 그 방법 | |
CN112255604B (zh) | 一种雷达数据准确性的判断方法、装置及计算机设备 | |
DE102006051539A1 (de) | Verfahren und Vorrichtung zur luftbildgestützten Umgebungserfassung bei Kraftfahrzeugen | |
CN113034583A (zh) | 基于深度学习的车辆停车测距方法、装置及电子设备 | |
CN110415299B (zh) | 一种运动约束下基于设定路牌的车辆位置估计方法 | |
CN111380503A (zh) | 一种采用激光辅助标定的单目相机测距方法 | |
CN113561897B (zh) | 一种基于全景环视的驾考车坡道停车位置判断方法和系统 | |
CN111429430B (zh) | 基于机器视觉的隧道检测车尺寸映射关系计算方法 |
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 |