CN113034484A - 车辆底面边界点的确定方法、装置、路侧设备及云控平台 - Google Patents

车辆底面边界点的确定方法、装置、路侧设备及云控平台 Download PDF

Info

Publication number
CN113034484A
CN113034484A CN202110377781.6A CN202110377781A CN113034484A CN 113034484 A CN113034484 A CN 113034484A CN 202110377781 A CN202110377781 A CN 202110377781A CN 113034484 A CN113034484 A CN 113034484A
Authority
CN
China
Prior art keywords
ridge
visible
determining
target
point
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.)
Withdrawn
Application number
CN202110377781.6A
Other languages
English (en)
Inventor
李欢
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.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Apollo Intelligent Connectivity Beijing Technology 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 Apollo Intelligent Connectivity Beijing Technology Co Ltd filed Critical Apollo Intelligent Connectivity Beijing Technology Co Ltd
Priority to CN202110377781.6A priority Critical patent/CN113034484A/zh
Publication of CN113034484A publication Critical patent/CN113034484A/zh
Priority to KR1020220021523A priority patent/KR20220029604A/ko
Priority to US17/655,300 priority patent/US20220207991A1/en
Priority to EP22163054.4A priority patent/EP4024348A3/en
Priority to JP2022048611A priority patent/JP7350122B2/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本公开公开了一种车辆底面边界点的确定方法、装置、路侧设备及云控平台，涉及计算机技术领域，尤其涉及智能交通技术领域。具体实现方案为：获取路侧摄像头采集的路况图像，并确定所述路况图像中的目标车辆；基于所述路况图像中的图像特征或所述目标车辆的图像特征确定所述路况图像中的目标消失点；获取所述目标车辆在所述路况图像中的可见棱线及所述目标车辆同一侧的两个车轮，基于所述两个车轮的接地点确定地面基线；基于所述目标消失点、所述可见棱线及所述地面基线，确定所述目标车辆的底面边界点，所述底面边界点为所述目标车辆底面的边界点在所述地面的正投影点。本公开解决了现有的车辆底面边界点确定方式准确性不高的问题。

Description

车辆底面边界点的确定方法、装置、路侧设备及云控平台
技术领域
本公开涉及计算机技术领域，尤其涉及智能交通技术领域，具体涉及一种车辆底面边界点的确定方法、装置、路侧设备及云控平台。
背景技术
在基于计算机视觉的3D车辆检测任务中，通常需要检测出车辆的外接长方体包络，而长方体包络需要通过车辆底面矩形的四个边界点和车辆高度来确定。目前，通常是借助雷达、多目相机等设备来对车辆轮廓进行检测以标注车辆的边界点，或者是通过人力直接根据经验来进行标注。
发明内容
本公开提供了一种车辆底面边界点的确定方法、装置、路侧设备及云控平台。
根据本公开的第一方面，提供了一种车辆底面边界点的确定方法，包括：
获取路侧摄像头采集的路况图像，并确定所述路况图像中的目标车辆；
基于所述路况图像中的图像特征或所述目标车辆的图像特征确定所述路况图像中的目标消失点；
获取所述目标车辆在所述路况图像中的可见棱线及所述目标车辆同一侧的两个车轮，基于所述两个车轮的接地点确定地面基线；
基于所述目标消失点、所述可见棱线及所述地面基线，确定所述目标车辆的底面边界点，所述底面边界点为所述目标车辆底面的边界点在所述地面的正投影点。
根据本公开的第二方面，提供了一种车辆底面边界点的确定装置，包括：
第一获取模块，用于获取路侧摄像头采集的路况图像，并确定所述路况图像中的目标车辆；
第一确定模块，用于基于所述路况图像中的图像特征或所述目标车辆的图像特征确定所述路况图像中的目标消失点；
第二获取模块，用于获取所述目标车辆在所述路况图像中的可见棱线及所述目标车辆同一侧的两个车轮，基于所述两个车轮的接地点确定地面基线；
第二确定模块，用于基于所述目标消失点、所述可见棱线及所述地面基线，确定所述目标车辆的底面边界点，所述底面边界点为所述目标车辆底面的边界点在所述地面的正投影点。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的方法。
根据本公开的第六方面，提供了一种路侧设备，包括如第三方面所述的电子设备。
根据本公开的第七方面，提供了一种云控平台，包括如第三方面所述的电子设备。
本公开提供的方案只需要获取路侧摄像头采集到的路况图像，以及基于车辆本身的结构特征就能能够实现对车辆底面边界点的确定，避免了外接设备定位不准、数据量大的问题，也能够避免人力经验导致的准确度不高的问题，能够有效提高车辆车轮接地点确定的准确性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开一实施例公开的车辆底面边界点的确定方法的流程图；
图2是应用于本公开一实施例公开的车辆底面边界点的确定方法中目标消失点确定的示意图之一；
图3是应用于本公开一实施例公开的车辆底面边界点的确定方法中目标消失点确定的示意图之二；
图4根据本公开一实施例公开的车辆底面边界点的确定装置的结构图；
图5是用来实现本公开实施例的车辆底面边界点的确定方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开实施例公开了一种车辆底面边界点的确定方法。
请参照图1，图1是本公开实施例公开的车辆底面边界点的确定方法的流程图。如图1所示，所述方法包括以下步骤：
步骤S101、获取路侧摄像头采集的路况图像，并确定所述路况图像中的目标车辆。
需要说明地，所述路侧摄像头可以是指安装在道路两侧的摄像头，或者也可以是指安装在交通信号灯处的摄像头，所述路侧摄像头的摄像范围为路面，例如可以是摄像头朝下拍摄的路况图像，或者也可以是道路一侧的摄像头朝向道路中央拍摄的路况图像，且路侧摄像头的安装位置通常高于车辆的高度。本公开实施例中的路况图像中包括至少一个车辆，所述目标车辆为所述路况图像中的任意一个车辆。
步骤S102、基于所述路况图像中的图像特征或所述目标车辆的图像特征确定所述路况图像中的目标消失点。
其中，消失点是指所述路况图像中两条平行线的视觉相交点。例如，所述路况图像中包括两根垂直地面的电线杆，这两跟电线杆在路况图像所对应的实景中也就是平行的，而这两根电线杆在以摄像头为视野采集的路况图像中并非平行，则这两根电线杆的延长线在路况图像中会得到相交点，该相交点也就是路况图像对应的实景在垂直方向上的消失点。
可以理解地，基于方向的不同，路况图像所对应的消失点也就可以是多个；例如路况图像对应的实景在垂直方向上对应一个消失点，在水平方向上对应一个消失点，在倾斜底面45度的方向上也可以对应一个消失点。本公开实施例中，所述目标消失点可以是指路况图像对应的实景在垂直地面方向上的消失点。
需要说明地，目标消失点的确定可以是基于路况图像中的图像特征来确定，或者也可以是基于目标车辆的图像特征来确定。可选地，本公开实施例中，所述步骤S102可以包括：
获取所述路况图像中与地面垂直的至少两个目标基线，将所述至少两个目标基线各自延长线的交点确定为目标消失点；或者，
获取所述目标车辆中与地面垂直的至少两条可见棱线，将所述两条可见棱线各自延长线的交点确定为目标消失点。
在一种实施方式中，目标消失点可以是基于路况图像中的图像特征来确定。可以理解地，所述目标消失点为路况图像对应的实景在垂直方向上的消失点，则可以是获取路况图像中与地面垂直的至少两个目标基线，例如所述目标基线可以是垂直地面的电线杆，或者是路边建筑物垂直地面的棱线，或者是路面上垂直地面的栏杆等；基于至少两个目标基线，也就能够获取到至少两个目标基线的延长线的交点，进而将该交点确定为所述目标消失点。
如图2所示，获取路况图像中与地面垂直的三个电线杆100，获取这三个电线杆100延长线的交点S，该交点S也就是路况图像中的目标消失点。
在另一种实施方式中，在确定了路况图像中的目标车辆后，目标消失点可以是基于目标车辆的图像特征来确定。例如，所述目标车辆为矩形的公交车，则可以是获取公交车的与地面垂直的至少两条可见棱线，该两条可见棱线的延长线的交点也就确定为目标消失点。如图3所示，所述目标车辆为矩形的公交车，则可以是获取公交车的与地面垂直的至少两条可见棱线，该两条可见棱线的延长线的交点也就确定为目标消失点S。
需要说明地是，若目标车辆对应的棱线不为规则的直线，则可以是通过模型构建的方式得到目标车辆中垂直地面的棱线，例如可以是以目标车辆最小外接长方体的棱上的一点来构建目标车辆垂直地面的棱线。
本公开实施例中，通过以上任意一种实施方式也就能够确定出路况图像对应的实景在垂直方向上的目标消失点。优选地，先通过路况图像中的目标基线来确定目标消失点。若路况图像中不包括与地面垂直的目标基线，则可以是通过目标车辆的图像特征来确定目标消失点，若目标车辆不包括垂直地面的可见棱线，则可以是通过其他垂直地面的目标基线来确定目标消失点，或者是通过构建目标车辆垂直地面的棱线来确定目标消失点。这样，也就使得对于目标消失点的确定方式更为灵活、多样。
步骤S103、获取所述目标车辆在所述路况图像中的可见棱线及所述目标车辆同一侧的两个车轮，基于所述两个车轮的接地点确定地面基线。
其中，所述棱线是指车辆的不同侧的相交线，例如在车辆的行进方向上，车辆的左侧面和车头侧的相交线为一条棱线，车辆的右侧面与车头侧的相交线为另一条棱线。本公开实施例中，所述可见棱线也就是在路况图像中能够看得到的、没有被遮挡的棱线。如图2所示，能够从路况图像中获取到目标车辆在垂直地面方向上的三条可见棱线以及车顶侧面的多条可见棱线等。
需要说明地，路侧摄像头采集的路况图像中，能够获取到每一个车辆的同一侧的两个可见车轮，如车辆左侧的前后两个车轮，或是车辆车头侧的两个前车轮。本公开实施例中，也就能够获取目标车辆可见的同一侧的两个车轮，如图3所示，获取的是目标车辆左侧的前车轮和后车轮，并将这两个车轮的接地点的连线确定为地面基线A，在路况图像对应的实景中，该地面基线A也就是与目标车辆在垂直方向上的可见棱线垂直的。
需要说明地，在路侧摄像头的视觉角度，可见棱线与地面基线在路况图像中并不呈垂直关系。
步骤S104、基于所述目标消失点、所述可见棱线及所述地面基线，确定所述目标车辆的底面边界点。
其中，所述底面边界点为所述目标车辆底面的边界点在所述地面的正投影点。所述边界点是指车辆的相邻两个侧面的交点，例如车辆左侧面与车辆底面也就存在两个交点，这两个交点既属于车辆左侧面的边界点，也属于车辆底面的边界点。
可选地，车辆底面通常为矩形或者是类似矩形，在目标车辆底面不为矩形的情况下，可以是基于模型构建的方式来确定目标车辆的底面边界点。例如，可以是以目标车辆前后左右四个侧面最外侧的相切线来构建目标车辆的外接矩形，将外接矩形的四个顶点确定为目标车辆的底面边界点。
需要说明地，底面边界点的数量可以是基于目标车辆的底面形状来确定。例如，所述目标车辆的底面边界点为四个，或者在目标车辆底面为多边形的情况下，例如六边形，则底面边界点可以是六个，等。为更好地描述本公开实施例的技术方案，以下实施方式中将目标车辆的底面为矩形，底面边界点为四个为例进行说明。
可以理解地，目标车辆的底面相对于地面具有一定高度，本公开实施例中，底面边界点为目标车辆底面的边界点在地面上的正投影点。其中，所述可见棱线是指目标车辆可见的棱线中垂直于地面的棱线，进而基于可见棱线与地面基线的交点也就能够确定出两个底面边界点，再通过对已经确定的这两个底面边界点、目标消失点、目标车辆的其他可见棱线以及目标车辆其他侧面的棱线作延长线或是辅助线，能够确定出目标车辆的另外两个底面边界点。
需要说明地，所述底面边界点可以是标注在路况图像中，或者也可以是对路况图像建立坐标系，例如以消失点为坐标原点或是路况图像的左下角为坐标原点建立坐标系，目标车辆的底面边界点的确定可以是通过坐标值来表示。
本公开实施例提供的技术方案，通过确定目标车辆的可见棱线、路况图像中的目标消失点及地面基线，进而基于目标消失点、可见棱线、地面基线以及目标车辆的其他侧面的棱线做延长线或是辅助线，以确定出目标车辆的底面边界点，底面边界点的确定也就有助于确定出目标车辆的外接长方体包络，进而有助于目标车辆的3D检测任务的实现。相比于通过雷达或是多目相机等外接设备来间接定位车辆的3D信息，或是基于人力经验来确定车辆的边界点信息，本公开提供的方案只需要获取路侧摄像头采集到的路况图像，以及基于车辆本身的棱线等特征就能能够实现对车辆底面边界点的确定，避免了外接设备定位不准、数据量大的问题，也能够避免人力经验导致的准确度不高的问题，能够有效提高车辆底面边界点确定的准确性。
可选地，所述步骤S104包括：
获取所述目标车辆的第一可见侧面及所述第一可见侧面垂直于地面的第一可见棱线及第二可见棱线，所述第一可见侧面为所述两个车轮所在的车辆侧面；
基于所述第一可见棱线的延长线与所述地面基线的延长线的交点确定第一底面边界点，基于所述第二可见棱线的延长线与所述地面基线的延长线的交点确定第二底面边界点；
获取所述目标车辆的车顶棱线，基于所述车顶棱线、所述第一底面边界点、所述第二底面边界点及所述目标消失点，确定所述目标车辆的第三底面边界点及第四底面边界点。
其中，所述第一可见侧面为目标车辆同一侧的两个车轮所在的平面，如图3所示的第一可见侧面。可以理解地，第一可见侧面的垂直地面的两条棱线也就是可见棱线，如第一可见棱线B和第二可见棱线C，基于这两条棱线各自的延长线与地面基线A的交点，也就能够得到第一底面边界点10和第二底面边界点20。这样，也就还需要确定目标车辆的另外两个底面边界点，而这两个底面边界点至少有一个在所述路况图像中不可见，则可以是借助于目标车辆的其他棱线来确定。
可以理解地，路侧摄像头通常位于车辆上方，进而可以是获取目标车辆的车顶棱线，基于车顶棱线、已经确定的两个底面边界点和目标消失点来确定目标车辆的另外两个底面边界点。
例如，若目标车辆在路况图像中的可见棱线为两条，则目标车辆的可见侧面可以是只有第一可见侧面和车顶侧面，与第一可见侧面相对的车辆侧面也就被第一可见侧面所遮挡。这种情况下，可以是通过获取目标车辆的车顶侧面及各可见棱线来确定。假设第一可见侧面的垂直地面的棱线为第一棱线和第二棱线，获取目标车辆的车顶侧面的远离第一可见侧面的第一顶面边界点和第二顶面边界点，基于第一棱线的长度和第一顶面边界点，也就能确定出车底侧面的第三底面边界点，基于第二棱线的长度和第二顶面边界点，确定出车底侧面的第四底面边界点。其中，第一顶面边界点到第三底面边界点的距离与第一棱线的长度一致，第二顶面边界点到第四底面边界点的距离与第二棱线的长度一致。
或者，如图3所示，若目标车辆在路况图像中的可见棱线为三条，则目标车辆的可见侧面也就包括第一可见侧面、第二可见侧面和车顶侧面，则可以是基于车顶侧面的车顶棱线、第二可见侧面的棱线、目标消失点和已经确定的两个底面边界点来确定第三底面边界点和第四底面边界点。
这样，也就能够根据路况图像中目标车辆的不同图像情况，有效利用目标车辆的可见棱线、可见侧面、目标消失点等图像特征，采用不同的方式来确定目标车辆的底面边界点，使得对于目标车辆底面边界点的确定方式更加多样灵活，以确保底面边界点在路况图像中定位准确，保障目标车辆的3D检测任务的实现。
可选地，在路况图像中，目标车辆的可见侧面包括第一可见侧面、第二可见侧面及车顶侧面的情况下，所述获取所述目标车辆的车顶棱线，基于所述车顶棱线及所述第一底面边界点及所述第二底面边界点，确定所述目标车辆的第三底面边界点及第四底面边界点，包括：
获取与所述第一可见侧面相邻的第二可见侧面，并获取所述第二可见侧面与所述车顶侧面相交的第一车顶棱线，所述第一可见棱线为所述第一底面边界点所在的棱线；
获取所述第二可见侧面中与所述第一可见棱线相对的第三可见棱线，及所述第二可见侧面中与所述第一车顶棱线相对的第一车底棱线；
基于所述第一底面边界点确定与所述第一车底棱线平行的第一底面棱线，所述第一底面棱线包所述第一底面边界点；
基于所述第三可见棱线的延长线与所述第一底面棱线的延长线的交底确定第三底面边界点；
基于所述第二可见侧面、所述第二底面边界点及所述目标消失点，确定第四底面边界点。
可以理解地，基于路侧摄像头的设置角度，路侧摄像头采集的路况图像中也就包括目标车辆的车顶侧面，也就能够获取到目标车辆车顶侧面中靠近第一底面边界点的第一车顶棱线，且该第一车顶棱线为目标车里车顶宽度方向上的棱线，如图3所示的目标车辆中的第一车顶棱线D。
请参照图3，获取目标车辆中与第一可见侧面相邻的第二可见侧面，第二可见侧面与第一可见侧面也就包括共同的一条可见棱线，且该可见棱线为过第一底面边界点的棱线，将其定义为第一可见棱线B。可以理解地，第一车顶棱线D也为第二可见侧面的一条棱线；分别获取第二可见侧面中与第一可见棱线B相对的第三可见棱线E，这两条棱线B和E也就是第二可见侧面在目标车辆高度方向上的棱线；以及获取第二可见侧面中与第一车顶棱线D相对的第一车底棱线K，第一车底棱线K也就与第一可见棱线B和第三可见棱线E相交。进一步地，基于第一底面边界点10确定出一条与第一车底棱线K平行的第一底面棱线F，该第一底面棱线F过第一底面边界点10，则该第一底面棱线F是与地面同平面的；进而，第三可见棱线E的延长线与第一底面棱线F的延长线的交点也就是目标车辆的第三底面边界点30。
本公开实施例中，目标车辆的底面为矩形，在确定出目标车辆底面的三个底面边界点后，则可以是基于已经确定的底面边界点、各可见侧面的可见棱线及目标消失点来确定另一个底面边界点。
可以理解地，第二底面边界点与第四底面边界点位于一条直线上，且与第三底面边界点和第一底面边界点所在的直线平行，则可以是基于第二可见侧面、第二底面边界点和目标消失点来确定第四底面边界点。这样，也就能够有效利用目标车辆中已经确定的底面边界点及可见棱线等特征来确定出四个底面边界边界点，无需借助雷达等外部设备来确定，也无需通过人为的主观经验来确定，有效提高了对于车辆的底面边界点的定位的准确性。
可选地，所述基于所述第二可见侧面、所述第二底面边界点及所述目标消失点，确定第四底面边界点，包括：
获取所述目标车辆的第二底面棱线，所述第二底面棱线与所述第一底面棱线平行，且所述第二底面边界点位于所述第二底面棱线；
获取所述目标车辆的车顶侧面中与所述第二底面棱线相对的第二车顶棱线，获取所述第二车顶棱线与第三车顶棱线的目标交点，所述第三车顶棱线为所述目标车辆长度方向上的棱线，且所述第三车顶棱线与所述第一可见侧面相对；
获取所述目标交点与所述目标消失点的连线，将所述第二底面棱线与所述连线的交点确定为第四底面边界点。
可以理解地，第二底面边界点与第四底面边界点位于一条直线上，且与第三底面边界点和第一底面边界点所在的直线平行。基于第一底面边界点和第三底面边界点确定出第一底面棱线，再获取与第一底面棱线平行的第二底面棱线，第二底面边界点与第四底面边界点也就位于该第二底面棱线上，第二底面边界点已经确定，也就需要根据第二底面棱线来确定第四底面边界点。
如图3所示，获取目标车辆的车顶侧面中与第一车顶棱线D平行的第二车顶棱线H，以及与第二车顶棱线H相交的第三车顶棱线I，且该第三车顶棱线I为远离第一可见侧面的棱线；获取第二车顶棱线H和第三车顶棱线I的目标交点，可以理解地，该目标交点与第四底面边界点的连线为目标车辆的垂直地面的不可见棱线。而目标消失点S为路况图像中与地面垂直的直线的交点，进而该不可见棱线所在的直线也就会经过目标消失点S，进而获取目标消失点S与目标交点之间的连线J，所述不可见棱线也就与该连线J重合，第四底面边界点也就位于该连线J上，而第四边界点也位于第二底面棱线G上，则将第二底面棱线G与该连线J的交点确定为第四底面边界点40。这样，也就完成了对目标车辆的四个底面边界点的确定，有效确保了对于车辆底面边界点定位的准确性。
需要说明地，第四底面边界点还可以包括其他的确定方式。例如，在确定出第二底面棱线后，获取与第三车顶棱线平行的第三底面棱线，且该第三底面棱线过第三底面边界点，进而该第三底面棱线与第二底面棱线的交点也就是第四底面边界点。
本公开实施例中，基于路侧摄像头采集的路况图像，充分应用路侧摄像头的俯拍视角来确定目标消失点，以及利用路图像中车辆的棱线的特征来确定车辆的底面边界点，使得车辆的底面边界点的确定有据可循，准确性更高也更可信，并且本公开无需额外的硬件投入，有效降低硬件成本。
本公开实施例还公开了一种车辆底面边界点的确定装置。
请参照图4，图4是本公开一实施例公开的一种车辆底面边界点的确定装置的结构图。如图4所示，所述车辆底面边界点的确定装置400包括：
第一获取模块401，用于获取路侧摄像头采集的路况图像，并确定所述路况图像中的目标车辆；
第一确定模块402，用于基于所述路况图像中的图像特征或所述目标车辆的图像特征确定所述路况图像中的目标消失点；
第二获取模块403，用于获取所述目标车辆在所述路况图像中的可见棱线及所述目标车辆同一侧的两个车轮，基于所述两个车轮的接地点确定地面基线；
第二确定模块404，用于基于所述目标消失点、所述可见棱线及所述地面基线，确定所述目标车辆的底面边界点，所述底面边界点为所述目标车辆底面的边界点在所述地面的正投影点。
可选地，所述第二确定模块404还用于：
获取所述目标车辆的第一可见侧面及所述第一可见侧面垂直于地面的第一可见棱线及第二可见棱线，所述第一可见侧面为所述两个车轮所在的车辆侧面；
基于所述第一可见棱线的延长线与所述地面基线的延长线的交点确定第一底面边界点，基于所述第二可见棱线的延长线与所述地面基线的延长线的交点确定第二底面边界点；
获取所述目标车辆的车顶棱线，基于所述车顶棱线、所述第一底面边界点、所述第二底面边界点及所述目标消失点，确定所述目标车辆的第三底面边界点及第四底面边界点。
可选地，所述第二确定模块404还用于：
获取与所述第一可见侧面相邻的第二可见侧面，并获取所述第二可见侧面与所述车顶侧面相交的第一车顶棱线，所述第一可见棱线为所述第一底面边界点所在的棱线；
获取所述第二可见侧面中与所述第一可见棱线相对的第三可见棱线，及所述第二可见侧面中与所述第一车顶棱线相对的第一车底棱线；
基于所述第一底面边界点确定与所述第一车底棱线平行的第一底面棱线，所述第一底面棱线包所述第一底面边界点；
基于所述第三可见棱线的延长线与所述第一底面棱线的延长线的交底确定第三底面边界点；
基于所述第二可见侧面、所述第二底面边界点及所述目标消失点，确定第四底面边界点。
可选地，所述第二确定模块404还用于：
获取所述目标车辆的第二底面棱线，所述第二底面棱线与所述第一底面棱线平行，且所述第二底面边界点位于所述第二底面棱线；
获取所述目标车辆的车顶侧面中与所述第二底面棱线相对的第二车顶棱线，获取所述第二车顶棱线与第三车顶棱线的目标交点，所述第三车顶棱线为所述目标车辆长度方向上的棱线，且所述第三车顶棱线与所述第一可见侧面相对；
获取所述目标交点与所述目标消失点的连线，将所述第二底面棱线与所述连线的交点确定为第四底面边界点。
可选地，所述第一确定模块402还用于：
获取所述路况图像中与地面垂直的至少两个目标基线，将所述至少两个目标基线各自延长线的交点确定为目标消失点；或者，
获取所述目标车辆中与地面垂直的至少两条可见棱线，将所述两条可见棱线各自延长线的交点确定为目标消失点。
需要说明地，本实施例提供的车辆底面边界点的确定装置400能够实现上述车辆底面边界点的确定方法实施例的全部技术方案，因此至少能够实现上述全部技术效果，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如车辆底面边界点的确定方法。例如，在一些实施例中，车辆底面边界点的确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的车辆底面边界点的确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆底面边界点的确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本公开的实施例，本公开还提供了一种路侧设备，所述路侧设备包括如上所述实施例中的电子设备。该路侧设备包括上述电子设备的全部技术特征，并能达到相同的技术效果，为避免重复，此处不再赘述。
可选的，路侧设备除了包括电子设备，还可以包括通信部件等，电子设备可以和通信部件一体集成，也可以分体设置。电子设备可以获取感知设备(如路侧摄像头)的数据，例如图片和视频等，从而进行图像视频处理和数据计算。可选的，电子设备自身也可以具备感知数据获取功能和通信功能，例如是AI相机，电子设备可以直接基于获取的感知数据进行图像视频处理和数据计算。
根据本公开的实施例，本公开还提供了一种云控平台，所述云控平台包括如上所述实施例中的电子设备。该云控平台包括上述电子设备的全部技术特征，并能达到相同的技术效果，为避免重复，此处不再赘述。
可选的，云控平台在云端执行处理，云控平台包括的电子设备可以获取感知设备(如路侧摄像头)的数据，例如图片和视频等，从而进行图像视频处理和数据计算；云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统、云端服务器等。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种车辆底面边界点的确定方法，包括：
获取路侧摄像头采集的路况图像，并确定所述路况图像中的目标车辆；
基于所述路况图像中的图像特征或所述目标车辆的图像特征确定所述路况图像中的目标消失点；
获取所述目标车辆在所述路况图像中的可见棱线及所述目标车辆同一侧的两个车轮，基于所述两个车轮的接地点确定地面基线；
基于所述目标消失点、所述可见棱线及所述地面基线，确定所述目标车辆的底面边界点，所述底面边界点为所述目标车辆底面的边界点在所述地面的正投影点。
2.根据权利要求1所述的方法，其中，所述基于所述目标消失点、所述可见棱线及所述地面基线，确定所述目标车辆的底面边界点，包括：
获取所述目标车辆的第一可见侧面及所述第一可见侧面垂直于地面的第一可见棱线及第二可见棱线，所述第一可见侧面为所述两个车轮所在的车辆侧面；
基于所述第一可见棱线的延长线与所述地面基线的延长线的交点确定第一底面边界点，基于所述第二可见棱线的延长线与所述地面基线的延长线的交点确定第二底面边界点；
获取所述目标车辆的车顶棱线，基于所述车顶棱线、所述第一底面边界点、所述第二底面边界点及所述目标消失点，确定所述目标车辆的第三底面边界点及第四底面边界点。
3.根据权利要求2所述的方法，其中，所述获取所述目标车辆的车顶棱线，基于所述车顶棱线及所述第一底面边界点及所述第二底面边界点，确定所述目标车辆的第三底面边界点及第四底面边界点，包括：
获取与所述第一可见侧面相邻的第二可见侧面，并获取所述第二可见侧面与所述车顶侧面相交的第一车顶棱线，所述第一可见棱线为所述第一底面边界点所在的棱线；
获取所述第二可见侧面中与所述第一可见棱线相对的第三可见棱线，及所述第二可见侧面中与所述第一车顶棱线相对的第一车底棱线；
基于所述第一底面边界点确定与所述第一车底棱线平行的第一底面棱线，所述第一底面棱线包所述第一底面边界点；
基于所述第三可见棱线的延长线与所述第一底面棱线的延长线的交底确定第三底面边界点；
基于所述第二可见侧面、所述第二底面边界点及所述目标消失点，确定第四底面边界点。
4.根据权利要求3所述的方法，其中，所述基于所述第二可见侧面、所述第二底面边界点及所述目标消失点，确定第四底面边界点，包括：
获取所述目标车辆的第二底面棱线，所述第二底面棱线与所述第一底面棱线平行，且所述第二底面边界点位于所述第二底面棱线；
获取所述目标车辆的车顶侧面中与所述第二底面棱线相对的第二车顶棱线，获取所述第二车顶棱线与第三车顶棱线的目标交点，所述第三车顶棱线为所述目标车辆长度方向上的棱线，且所述第三车顶棱线与所述第一可见侧面相对；
获取所述目标交点与所述目标消失点的连线，将所述第二底面棱线与所述连线的交点确定为第四底面边界点。
5.根据权利要求1所述的方法，其中，所述基于所述路况图像中的图像特征或目标车辆的图像特征确定目标消失点，包括：
获取所述路况图像中与地面垂直的至少两个目标基线，将所述至少两个目标基线各自延长线的交点确定为目标消失点；或者，
获取所述目标车辆中与地面垂直的至少两条可见棱线，将所述两条可见棱线各自延长线的交点确定为目标消失点。
6.一种车辆底面边界点的确定装置，包括：
第一获取模块，用于获取路侧摄像头采集的路况图像，并确定所述路况图像中的目标车辆；
第一确定模块，用于基于所述路况图像中的图像特征或所述目标车辆的图像特征确定所述路况图像中的目标消失点；
第二获取模块，用于获取所述目标车辆在所述路况图像中的可见棱线及所述目标车辆同一侧的两个车轮，基于所述两个车轮的接地点确定地面基线；
第二确定模块，用于基于所述目标消失点、所述可见棱线及所述地面基线，确定所述目标车辆的底面边界点，所述底面边界点为所述目标车辆底面的边界点在所述地面的正投影点。
7.根据权利要求6所述的装置，其中，所述第二确定模块还用于：
获取所述目标车辆的第一可见侧面及所述第一可见侧面垂直于地面的第一可见棱线及第二可见棱线，所述第一可见侧面为所述两个车轮所在的车辆侧面；
基于所述第一可见棱线的延长线与所述地面基线的延长线的交点确定第一底面边界点，基于所述第二可见棱线的延长线与所述地面基线的延长线的交点确定第二底面边界点；
获取所述目标车辆的车顶棱线，基于所述车顶棱线、所述第一底面边界点、所述第二底面边界点及所述目标消失点，确定所述目标车辆的第三底面边界点及第四底面边界点。
8.根据权利要求7所述的装置，其中，所述第二确定模块还用于：
获取与所述第一可见侧面相邻的第二可见侧面，并获取所述第二可见侧面与所述车顶侧面相交的第一车顶棱线，所述第一可见棱线为所述第一底面边界点所在的棱线；
获取所述第二可见侧面中与所述第一可见棱线相对的第三可见棱线，及所述第二可见侧面中与所述第一车顶棱线相对的第一车底棱线；
基于所述第一底面边界点确定与所述第一车底棱线平行的第一底面棱线，所述第一底面棱线包所述第一底面边界点；
基于所述第三可见棱线的延长线与所述第一底面棱线的延长线的交底确定第三底面边界点；
基于所述第二可见侧面、所述第二底面边界点及所述目标消失点，确定第四底面边界点。
9.根据权利要求8所述的装置，其中，所述第二确定模块还用于：
获取所述目标车辆的第二底面棱线，所述第二底面棱线与所述第一底面棱线平行，且所述第二底面边界点位于所述第二底面棱线；
获取所述目标车辆的车顶侧面中与所述第二底面棱线相对的第二车顶棱线，获取所述第二车顶棱线与第三车顶棱线的目标交点，所述第三车顶棱线为所述目标车辆长度方向上的棱线，且所述第三车顶棱线与所述第一可见侧面相对；
获取所述目标交点与所述目标消失点的连线，将所述第二底面棱线与所述连线的交点确定为第四底面边界点。
10.根据权利要求6所述的装置，其中，所述第一确定模块还用于：
获取所述路况图像中与地面垂直的至少两个目标基线，将所述至少两个目标基线各自延长线的交点确定为目标消失点；或者，
获取所述目标车辆中与地面垂直的至少两条可见棱线，将所述两条可见棱线各自延长线的交点确定为目标消失点。
11.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。
13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。
14.一种路侧设备，包括如权利要求11所述的电子设备。
15.一种云控平台，包括如权利要求11所述的电子设备。
CN202110377781.6A 2021-04-08 2021-04-08 车辆底面边界点的确定方法、装置、路侧设备及云控平台 Withdrawn CN113034484A (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202110377781.6A CN113034484A (zh) 2021-04-08 2021-04-08 车辆底面边界点的确定方法、装置、路侧设备及云控平台
KR1020220021523A KR20220029604A (ko) 2021-04-08 2022-02-18 차량 밑면 바운더리 포인트의 확정 방법, 장치, 로드사이드 기기 및 클라우드 제어 플랫폼
US17/655,300 US20220207991A1 (en) 2021-04-08 2022-03-17 Method and device for determining boundary points of bottom surface of vehicle, roadside device and cloud control platform
EP22163054.4A EP4024348A3 (en) 2021-04-08 2022-03-18 Method and device for determining boundary points of bottom surface of vehicle, roadside device and cloud control platform
JP2022048611A JP7350122B2 (ja) 2021-04-08 2022-03-24 車両の底面境界点の確定方法、装置、路側機器及びクラウド制御プラットフォーム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110377781.6A CN113034484A (zh) 2021-04-08 2021-04-08 车辆底面边界点的确定方法、装置、路侧设备及云控平台

Publications (1)

Publication Number Publication Date
CN113034484A true CN113034484A (zh) 2021-06-25

Family

ID=76454318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110377781.6A Withdrawn CN113034484A (zh) 2021-04-08 2021-04-08 车辆底面边界点的确定方法、装置、路侧设备及云控平台

Country Status (5)

Country Link
US (1) US20220207991A1 (zh)
EP (1) EP4024348A3 (zh)
JP (1) JP7350122B2 (zh)
KR (1) KR20220029604A (zh)
CN (1) CN113034484A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118314334B (zh) * 2024-06-07 2024-10-11 比亚迪股份有限公司 障碍物接地框确定方法、控制器、车辆、存储介质及程序

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829447A (zh) * 2019-03-06 2019-05-31 百度在线网络技术（北京）有限公司 用于确定车辆三维框架的方法和装置
CN110909620A (zh) * 2019-10-30 2020-03-24 北京迈格威科技有限公司 车辆检测方法、装置、电子设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002029348A (ja) 2000-07-17 2002-01-29 Honda Motor Co Ltd 車両用外界認識装置
US10325165B2 (en) * 2014-09-30 2019-06-18 Conduent Business Services, Llc Vision-based on-street parked vehicle detection via normalized-view classifiers and temporal filtering
US10192314B2 (en) * 2016-12-14 2019-01-29 Canon Kabushiki Kaisha Method, system and apparatus for determining a lowest point of a target object in an image
US11989951B2 (en) * 2020-04-30 2024-05-21 Boe Technology Group Co., Ltd. Parking detection method, system, processing device and storage medium

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829447A (zh) * 2019-03-06 2019-05-31 百度在线网络技术（北京）有限公司 用于确定车辆三维框架的方法和装置
CN110909620A (zh) * 2019-10-30 2020-03-24 北京迈格威科技有限公司 车辆检测方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MARKÉTA DUBSKÁ ET AL: "Automatic Camera Calibration for Traffic Understanding", PROCEEDINGS OF THE BRITISH MACHINE VISION CONFERENCE, pages 1 - 12 *

Also Published As

Publication number Publication date
KR20220029604A (ko) 2022-03-08
EP4024348A2 (en) 2022-07-06
EP4024348A3 (en) 2022-10-12
JP7350122B2 (ja) 2023-09-25
US20220207991A1 (en) 2022-06-30
JP2022088498A (ja) 2022-06-14

Similar Documents

Publication Publication Date Title
JP7422105B2 (ja) 路側計算装置に用いる障害物３次元位置の取得方法、装置、電子デバイス、コンピュータ可読記憶媒体、及びコンピュータプログラム
CN112634343A (zh) 图像深度估计模型的训练方法、图像深度信息的处理方法
CN112560684B (zh) 车道线检测方法、装置、电子设备、存储介质以及车辆
CN112509126B (zh) 三维物体检测的方法、装置、设备及存储介质
CN113392794B (zh) 车辆跨线识别方法、装置、电子设备和存储介质
CN113483771B (zh) 实景地图的生成方法、装置及系统
CN116721230A (zh) 一种三维实景模型的构建方法、装置、设备及存储介质
CN113034484A (zh) 车辆底面边界点的确定方法、装置、路侧设备及云控平台
CN114299242A (zh) 高精地图中图像处理方法、装置、设备以及存储介质
CN112634366B (zh) 位置信息的生成方法、相关装置及计算机程序产品
CN114283398A (zh) 车道线的处理方法、装置和电子设备
CN113033456B (zh) 车辆车轮接地点的确定方法、装置、路侧设备及云控平台
CN114005098A (zh) 高精地图车道线信息的检测方法、装置和电子设备
CN112784175A (zh) 兴趣点数据处理方法、装置、设备及存储介质
CN114723894B (zh) 一种三维坐标获取方法、装置及电子设备
CN114202625B (zh) 路肩线的提取方法、装置及电子设备
CN113497897B (zh) 车路协同路侧相机安装参数调整方法、装置和电子设备
CN113516013B (zh) 目标检测方法、装置、电子设备、路侧设备和云控平台
CN114943805A (zh) 停车遮挡确定方法、装置、设备、存储介质及程序产品
CN114612544A (zh) 图像处理方法、装置、设备和存储介质
CN116681758A (zh) 车辆的姿态估计方法、装置、电子设备及存储介质
CN112507964A (zh) 用于车道级事件的检测方法和装置、路侧设备和云控平台
CN112651393A (zh) 兴趣点数据处理方法、装置、设备及存储介质
CN115797585B (zh) 一种停车场地图生成方法及装置
CN115345919B (zh) 一种深度确定方法、装置、电子设备以及存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210625