CN113033441B - 一种基于广角成像的行人碰撞预警方法 - Google Patents

一种基于广角成像的行人碰撞预警方法 Download PDF

Info

Publication number
CN113033441B
CN113033441B CN202110350483.8A CN202110350483A CN113033441B CN 113033441 B CN113033441 B CN 113033441B CN 202110350483 A CN202110350483 A CN 202110350483A CN 113033441 B CN113033441 B CN 113033441B
Authority
CN
China
Prior art keywords
pedestrian
coordinate system
pixel coordinate
foot
angle
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
Application number
CN202110350483.8A
Other languages
English (en)
Other versions
CN113033441A (zh
Inventor
刘湛基
王玲
石锡敏
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.)
Sharpvision Co ltd
Original Assignee
Sharpvision 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 Sharpvision Co ltd filed Critical Sharpvision Co ltd
Priority to CN202110350483.8A priority Critical patent/CN113033441B/zh
Publication of CN113033441A publication Critical patent/CN113033441A/zh
Application granted granted Critical
Publication of CN113033441B publication Critical patent/CN113033441B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种基于广角成像的行人碰撞预警方法，通过矩形边界框在图像像素坐标系的具体坐标值，计算出行人脚底位置在像素坐标系中的坐标，以及行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角和通过将该垂直坐标点在像素坐标系中的像素坐标点与像素坐标系中的行人脚底位置坐标点，计算出两点所在直线在像素坐标系中的标定偏转角，将预测偏转角与标定偏转角相减的差的绝对值与预设的角度阀值进行对比，若大于预设的角度阀值，行人则在预警范围外，若等于或小于预设的角度阀值，行人则在预警范围内。所示基于广角成像的行人碰撞预警方法，可对错误目标进行筛选，使行人预警碰撞的信息更加可靠。

Description

一种基于广角成像的行人碰撞预警方法
技术领域
本发明涉及车辆行人预警领域，具体为一种基于广角成像的行人碰撞预警方法。
背景技术
行人碰撞预警是安全驾驶技术的重要组成部分，多发的行人交通事故都是由于驾驶员驾驶疏忽或者行人处于驾驶员驾驶盲区而导致的。同时，行人碰撞预警也是安全驾驶技术中技术要求很高的一环。由于行人具有主观能动性，比较难预测行人的运动轨迹，且行人具有多种不确定的姿态，其外表纹理也不尽相同，因此，与车辆、路标等物体的碰撞预警方式不相同，所以行人检测在安全驾驶系统中需要及时准确的预警。
传统的行人碰撞预警方法通过图像的边界框的左上角点和右下角点，或者边界框的左上角和长宽以此来确定行人的空间位置，以达到行人碰撞预警的目的，然而，上述方法由于在广角设备成像下的行人，并不都是直立成像于图像中，行人变形较大，通过图像的边界框的左上角点和右下角点，或者边界框的左上角和长宽以此来确定一个行人的空间位置的方式，容易出现行人漏检与误判的问题。
发明内容
本发明的目的在于提供一种提高预警正确率的基于广角成像的行人碰撞预警方法。
本发明所述的基于广角成像的行人碰撞预警方法，包括：
获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框；
由矩形边界框在图像像素坐标系的具体坐标值，计算出行人脚底位置在像素坐标系中的坐标，以及行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角；
将行人脚底位置在像素坐标系中的坐标通过像素坐标与世界坐标的变换矩阵关系，计算出行人脚部位置在世界坐标系中站立点平面上的坐标，并选取垂直于该行人站立点的垂直坐标点通过世界坐标与像素坐标的变换矩阵关系，计算出该垂直坐标点在像素坐标系中的像素坐标点；
通过将该垂直坐标点在像素坐标系中的像素坐标点与像素坐标系中的行人脚底位置坐标点，计算出两点所在直线在像素坐标系中的标定偏转角；
将预测偏转角与标定偏转角相减的差的绝对值与预设的角度阀值进行对比，若大于预设的角度阀值，行人则在预警范围外，若等于或小于预设的角度阀值，行人则在预警范围内。
本发明所述的基于广角成像的行人碰撞预警方法，广角行人成像在图像中有一定的规律特点，在图像的不同的位置中，行人的倾斜角度不一样，随着成像设备的安装高度和俯仰角的情况，行人倾斜角度在0~360°范围内变化，因此，本发明不单考虑以边界框，或者行人轮廓来描述行人的空间位置信息，以及行人的偏转信息，还通过将预测偏转角与标定偏转角相减的差的绝对值与预设的角度阀值进行对比，若大于预设的角度阀值，行人则在预警范围外，若等于或小于预设的角度阀值，行人则在预警范围内，从而对错误目标进行筛选，使得行人预警碰撞的信息更加可靠。
附图说明
图1为本发明基于广角成像的行人碰撞预警方法的流程示意图；
图2为广角成像设备的成像示意图；
图3为获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框示意图；
图4为计算行人脚底位置的坐标点的示意图；
图5为世界坐标系中行人的坐标点示意图。
具体实施方式
一种基于广角成像的行人碰撞预警方法，如图1所示，包括：
获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框；
由矩形边界框在图像像素坐标系的具体坐标值，计算出行人脚底位置在像素坐标系中的坐标，以及行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角；
将行人脚底位置在像素坐标系中的坐标通过像素坐标与世界坐标的变换矩阵关系，计算出行人脚部位置在世界坐标系中站立点平面上的坐标，并选取垂直于该行人站立点的垂直坐标点通过世界坐标与像素坐标的变换矩阵关系，计算出该垂直坐标点在像素坐标系中的像素坐标点；
通过将该垂直坐标点在像素坐标系中的像素坐标点与像素坐标系中的行人脚底位置坐标点，计算出两点所在直线在像素坐标系中的标定偏转角；
将预测偏转角与标定偏转角相减的差的绝对值与预设的角度阀值进行对比，若大于预设的角度阀值，行人则在预警范围外，若等于或小于预设的角度阀值，行人则在预警范围内。
获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框，包括：通过训练的方式实时获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框。
通过训练的方式实时获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框，包括以下步骤：
将包含行人的图片组成的图片集，并对该图片集进行仿射变换、透视变换、旋转等处理；
使用深度神经网络对图片集中的图像做分类和定位训练，以获得图像中行人沿脚部至头部身体轴向方向的行人矩形边界框。
由矩形边界框在图像像素坐标系的具体坐标值，计算出行人脚底位置在像素坐标系中的坐标，包括以下步骤：
在像素坐标系中获取矩形边界框的长和宽的尺寸值；
连接矩形边界框的两对角线，标记两对角线的交点，并将该交点作为矩形边界框的中心点；
以该中心点沿行人脚部至头部方向做平行于矩形边界框边长的平行线，并与矩形边界框底边相交，该交点即为行人在图像中的站立点，即在图像中的行人脚底位置；
由矩形边界框的长和宽的尺寸值在图像像素坐标系的关系，计算出矩形边界框中心点的坐标，以及行人脚底位置的坐标。
计算行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角，包括：通过计算沿行人脚部至头部方向的矩形边界框边长与图像像素坐标系X轴的夹角，即为行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角。
计算行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角，包括：通过计算沿行人脚部至头部方向的连线与图像像素坐标系X轴的夹角，即为行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角。
垂直于行人脚部位置在世界坐标系中站立点的垂直坐标点为在世界坐标系中，沿着沿行人脚部至头部方向的任意一点。
广角成像设备的成像情况如图2所示。
如图3所示，行人矩形边界框和沿行人脚部至头部方向的连线与图像像素坐标系X轴方向的预测偏转角的偏转角度/>。（/>，/>）表示矩形边界框中心点的坐标，/>、分别表示矩形边界框的宽和长。
通过计算公式：，可得到行人脚底位置的坐标/>，如图4所示。
通过像素坐标与世界坐标的变换矩阵关系，其公式计算： ，/>表示尺度因子，/> 表示世界坐标，/> 表示像素坐标，/>像素坐标系到世界坐标系的变换矩阵，将行人脚底位置的坐标/>，代入上述公式中，得到/>，/>表示行人的脚部位置在世界坐标系中XOY平面上的坐标。
在世界坐标系中，沿着沿行人脚部至头部方向的任意一点，选取正常行人高度为,结合行人在世界坐标系中的位置/>，得到世界坐标系中行人高度点/>，如图5所示。通过世界坐标与像素坐标的变换矩阵关系，其公式计算：/>其中，/> 表示像素坐标，/>表示世界坐标， />表示世界坐标系变换到像素坐标系的变换矩阵，/>表示尺度因子，把行人所站立的平面设置为世界坐标系的XOY平面，即可获得，行人高度为/>的点在像素坐标系中的坐标为/>，然后与像素坐标系中的行人脚底位置坐标点/>，计算出两点所在直线在像素坐标系中与图像像素坐标系X轴的标定偏转角/>，将预测偏转角的偏转角度/>与标定偏转角/>相减的差的绝对值与预设的角度阀值10度进行对比，若大于10度，行人则在预警范围外，若等于或小于预设的10度，行人则在预警范围内。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (8)

1.一种基于广角成像的行人碰撞预警方法，其特征在于，包括：
获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框；
由矩形边界框在图像像素坐标系的具体坐标值，计算出行人脚底位置在像素坐标系中的坐标，以及行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角；
将行人脚底位置在像素坐标系中的坐标通过像素坐标与世界坐标的变换矩阵关系，计算出行人脚部位置在世界坐标系中站立点平面上的坐标，并选取垂直于该行人站立点的垂直坐标点通过世界坐标与像素坐标的变换矩阵关系，计算出该垂直坐标点在像素坐标系中的像素坐标点；
通过将该垂直坐标点在像素坐标系中的像素坐标点与像素坐标系中的行人脚底位置坐标点，计算出两点所在直线在像素坐标系中的标定偏转角；
将预测偏转角与标定偏转角相减的差的绝对值与预设的角度阀值进行对比，若大于预设的角度阀值，行人则在预警范围外，若等于或小于预设的角度阀值，行人则在预警范围内。
2.根据权利要求1所述的基于广角成像的行人碰撞预警方法，其特征在于，获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框，包括：通过训练的方式实时获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框。
3.根据权利要求2所述的基于广角成像的行人碰撞预警方法，其特征在于，通过训练的方式实时获取图像中行人沿脚部至头部身体轴向方向的行人矩形边界框，包括以下步骤：
将包含行人的图片组成的图片集，并对该图片集进行仿射变换、透视变换、旋转处理；
使用深度神经网络对图片集中的图像做分类和定位训练，以获得图像中行人沿脚部至头部身体轴向方向的行人矩形边界框。
4.根据权利要求1所述的基于广角成像的行人碰撞预警方法，其特征在于，由矩形边界框在图像像素坐标系的具体坐标值，计算出行人脚底位置在像素坐标系中的坐标，包括以下步骤：
在像素坐标系中获取矩形边界框的长和宽的尺寸值；
连接矩形边界框的两对角线，标记两对角线的交点，并将该交点作为矩形边界框的中心点；
以该中心点沿行人脚部至头部方向做平行于矩形边界框边长的平行线，并与矩形边界框底边相交，该交点即为行人在图像中的站立点，即在图像中的行人脚底位置； 由矩形边界框的长和宽的尺寸值在图像像素坐标系的关系，计算出矩形边界框中心点的坐标，以及行人脚底位置的坐标。
5.根据权利要求4所述的基于广角成像的行人碰撞预警方法，其特征在于，计算行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角，包括：通过计算沿行人脚部至头部方向的矩形边界框边长与图像像素坐标系X轴的夹角，即为行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角。
6.根据权利要求4所述的基于广角成像的行人碰撞预警方法，其特征在于，计算行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角，包括：通过计算沿行人脚部至头部方向的连线与图像像素坐标系X轴的夹角，即为行人沿脚部至头部身体轴向方向在像素坐标系中的预测偏转角。
7.根据权利要求1所述的基于广角成像的行人碰撞预警方法，其特征在于，垂直于行人脚部位置在世界坐标系中站立点的垂直坐标点为在世界坐标系中，沿着沿行人脚部至头部方向的任意一点。
8.根据权利要求1所述的基于广角成像的行人碰撞预警方法，其特征在于，预设的角度阀值为10度。
CN202110350483.8A 2021-03-31 2021-03-31 一种基于广角成像的行人碰撞预警方法 Active CN113033441B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110350483.8A CN113033441B (zh) 2021-03-31 2021-03-31 一种基于广角成像的行人碰撞预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110350483.8A CN113033441B (zh) 2021-03-31 2021-03-31 一种基于广角成像的行人碰撞预警方法

Publications (2)

Publication Number Publication Date
CN113033441A CN113033441A (zh) 2021-06-25
CN113033441B true CN113033441B (zh) 2024-05-10

Family

ID=76453291

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110350483.8A Active CN113033441B (zh) 2021-03-31 2021-03-31 一种基于广角成像的行人碰撞预警方法

Country Status (1)

Country Link
CN (1) CN113033441B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113537199B (zh) * 2021-08-13 2023-05-02 上海淇玥信息技术有限公司 图像边界框筛选方法、系统、电子装置及介质

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10332334A (ja) * 1997-06-04 1998-12-18 Hitachi Ltd 画像処理による位置計測方法および装置
CN101753827A (zh) * 2008-12-04 2010-06-23 财团法人工业技术研究院 图像撷取装置角度决定方法及其车辆碰撞警示系统
CN101894271A (zh) * 2010-07-28 2010-11-24 重庆大学 汽车偏离车道线角度和距离的视觉计算及预警方法
CN102013099A (zh) * 2010-11-26 2011-04-13 中国人民解放军国防科学技术大学 车载摄像机外参数交互式标定方法
CN102819847A (zh) * 2012-07-18 2012-12-12 上海交通大学 基于ptz移动摄像头的运动轨迹提取方法
CN103123682A (zh) * 2013-01-17 2013-05-29 无锡普智联科高新技术有限公司 基于规则图形码复合标签的移动机器人定位系统及方法
CN107368790A (zh) * 2017-06-27 2017-11-21 上海汇纳信息科技股份有限公司 行人检测方法、系统、计算机可读存储介质及电子设备
CN108122257A (zh) * 2016-11-28 2018-06-05 沈阳新松机器人自动化股份有限公司 一种机器人手眼标定方法及装置
CN108932587A (zh) * 2018-06-29 2018-12-04 大连民族大学 二维世界坐标系的俯视行人风险量化系统
CN108961313A (zh) * 2018-06-29 2018-12-07 大连民族大学 二维世界坐标系的俯视行人风险量化方法
CN109059863A (zh) * 2018-06-29 2018-12-21 大连民族大学 将平视行人轨迹点向量映射至二维世界坐标系的方法
CN109885049A (zh) * 2019-02-12 2019-06-14 北京航空航天大学 一种基于航位推算的激光导引agv自动建图和路径匹配方法
CN109976344A (zh) * 2019-03-30 2019-07-05 南京理工大学 巡检机器人姿态矫正方法
CN110378202A (zh) * 2019-06-05 2019-10-25 魔视智能科技(上海)有限公司 一种基于鱼眼镜头的全方位行人碰撞预警方法
CN110745140A (zh) * 2019-10-28 2020-02-04 清华大学 一种基于连续图像约束位姿估计的车辆换道预警方法
CN111145260A (zh) * 2019-08-30 2020-05-12 广东星舆科技有限公司 一种基于车载的双目标定方法
CN111145262A (zh) * 2019-09-04 2020-05-12 广东星舆科技有限公司 一种基于车载的单目标定方法
CN111199556A (zh) * 2019-12-31 2020-05-26 同济大学 基于摄像头的室内行人检测和跟踪方法
CN111429532A (zh) * 2020-04-30 2020-07-17 南京大学 一种利用多平面标定板提高相机标定精确度的方法
CN112232279A (zh) * 2020-11-04 2021-01-15 杭州海康威视数字技术股份有限公司 一种人员间距检测方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101996415B1 (ko) * 2016-12-30 2019-07-04 현대자동차주식회사 자세 정보 기반 보행자 탐지 및 보행자 충돌 방지 장치 및 방법

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10332334A (ja) * 1997-06-04 1998-12-18 Hitachi Ltd 画像処理による位置計測方法および装置
CN101753827A (zh) * 2008-12-04 2010-06-23 财团法人工业技术研究院 图像撷取装置角度决定方法及其车辆碰撞警示系统
CN101894271A (zh) * 2010-07-28 2010-11-24 重庆大学 汽车偏离车道线角度和距离的视觉计算及预警方法
CN102013099A (zh) * 2010-11-26 2011-04-13 中国人民解放军国防科学技术大学 车载摄像机外参数交互式标定方法
CN102819847A (zh) * 2012-07-18 2012-12-12 上海交通大学 基于ptz移动摄像头的运动轨迹提取方法
CN103123682A (zh) * 2013-01-17 2013-05-29 无锡普智联科高新技术有限公司 基于规则图形码复合标签的移动机器人定位系统及方法
CN108122257A (zh) * 2016-11-28 2018-06-05 沈阳新松机器人自动化股份有限公司 一种机器人手眼标定方法及装置
CN107368790A (zh) * 2017-06-27 2017-11-21 上海汇纳信息科技股份有限公司 行人检测方法、系统、计算机可读存储介质及电子设备
CN109059863A (zh) * 2018-06-29 2018-12-21 大连民族大学 将平视行人轨迹点向量映射至二维世界坐标系的方法
CN108961313A (zh) * 2018-06-29 2018-12-07 大连民族大学 二维世界坐标系的俯视行人风险量化方法
CN108932587A (zh) * 2018-06-29 2018-12-04 大连民族大学 二维世界坐标系的俯视行人风险量化系统
CN109885049A (zh) * 2019-02-12 2019-06-14 北京航空航天大学 一种基于航位推算的激光导引agv自动建图和路径匹配方法
CN109976344A (zh) * 2019-03-30 2019-07-05 南京理工大学 巡检机器人姿态矫正方法
CN110378202A (zh) * 2019-06-05 2019-10-25 魔视智能科技(上海)有限公司 一种基于鱼眼镜头的全方位行人碰撞预警方法
CN111145260A (zh) * 2019-08-30 2020-05-12 广东星舆科技有限公司 一种基于车载的双目标定方法
CN111145262A (zh) * 2019-09-04 2020-05-12 广东星舆科技有限公司 一种基于车载的单目标定方法
CN110745140A (zh) * 2019-10-28 2020-02-04 清华大学 一种基于连续图像约束位姿估计的车辆换道预警方法
CN111199556A (zh) * 2019-12-31 2020-05-26 同济大学 基于摄像头的室内行人检测和跟踪方法
CN111429532A (zh) * 2020-04-30 2020-07-17 南京大学 一种利用多平面标定板提高相机标定精确度的方法
CN112232279A (zh) * 2020-11-04 2021-01-15 杭州海康威视数字技术股份有限公司 一种人员间距检测方法和装置

Also Published As

Publication number Publication date
CN113033441A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
US10696240B2 (en) Drive-by calibration from static targets
CN109461211B (zh) 基于视觉点云的语义矢量地图构建方法、装置和电子设备
CN109583267B (zh) 车辆用目标检测方法、车辆用目标检测装置和车辆
JP4328692B2 (ja) 物体検出装置
US8154594B2 (en) Mobile peripheral monitor
JP4919036B2 (ja) 移動物体認識装置
US7103213B2 (en) Method and apparatus for classifying an object
EP2463843A2 (en) Method and system for forward collision warning
JP4171501B2 (ja) 車両の周辺監視装置
WO2009130827A1 (ja) 車両周辺監視装置
US20220067973A1 (en) Camera calibration apparatus and operating method
JP4486997B2 (ja) 車両周辺監視装置
JP4344860B2 (ja) ステレオ画像を用いた道路平面領域並びに障害物検出方法
CN113033441B (zh) 一种基于广角成像的行人碰撞预警方法
Adamshuk et al. On the applicability of inverse perspective mapping for the forward distance estimation based on the HSV colormap
JP2010170488A (ja) 車線認識装置、及び車線認識方法
WO2022257569A1 (zh) 图像采集装置的标定
CN117078717A (zh) 基于无人机单目相机的道路车辆轨迹提取方法
JP2011254128A (ja) 平面図生成装置及び平面図生成方法
CN109472737B (zh) 一种车载六路摄像头的全景报警方法
JP2006053754A (ja) 平面検出装置及び検出方法
CN110633492A (zh) 一种仿真机器人Android平台的车道偏离预警方法
CN108108706B (zh) 目标检测中滑动窗口的优化方法及系统
CN107248171B (zh) 一种基于三角剖分的单目视觉里程计尺度恢复方法
JP2006053755A (ja) 移動体移動量算出装置

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