CN113204661B - 实时路况更新方法、电子设备和计算机可读介质 - Google Patents
实时路况更新方法、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113204661B CN113204661B CN202110759637.9A CN202110759637A CN113204661B CN 113204661 B CN113204661 B CN 113204661B CN 202110759637 A CN202110759637 A CN 202110759637A CN 113204661 B CN113204661 B CN 113204661B
- Authority
- CN
- China
- Prior art keywords
- road condition
- source
- target
- rotation matrix
- condition image
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开的实施例公开了实时路况更新方法、电子设备和计算机可读介质。该方法的一具体实施方式包括:控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对;确定目标相机在第二时刻相对于第一时刻的旋转矩阵,得到目标旋转矩阵;确定源相机在第二时刻相对于第一时刻的旋转矩阵,得到源旋转矩阵;利用目标旋转矩阵和源旋转矩阵,确定源相机相对于目标相机的旋转矩阵,得到相对旋转矩阵;基于相对旋转矩阵、第二目标路况图像和第二源路况图像,对自动驾驶车辆中展示终端中展示的实时路况进行更新。该实施方式可以利用车载相机拍摄的图像对路况进行实时、精确的更新。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉实时路况更新方法、电子设备和计算机可读介质。
背景技术
自动驾驶车辆对路况信息的实时性和准确性要求极高,当自动驾驶车辆获取的路况信息不够及时或者不够准确时,难以确保自动驾驶车辆行驶的安全性。目前,在对实时路况进行更新时,通常采用的方式为:通过导航系统获取并更新路况信息。
然而,当采用上述方式对实时路况进行更新时,经常会存在如下技术问题:
第一,自动驾驶车辆无法更新其附近范围内的路况信息,从而导致自动驾驶车辆获取的路况信息难以满足自动驾驶的需求,降低了自动驾驶的安全性和可靠性;
第二,根据自动驾驶车辆上安装的车载相机拍摄的图片更新实时路况时,没有考虑到相机拍摄的图像之间的误差,降低了实时路况更新的准确性。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了实时路况更新方法、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种实时路况更新方法,该方法包括:控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对,其中,上述目标路况图像对包括第一目标路况图像和第二目标路况图像,上述第一目标路况图像和第二目标路况图像有共视区域,上述源路况图像对包括第一源路况图像和第二源路况图像,上述第一源路况图像和第二源路况图像有共视区域,上述第一目标路况图像和上述第一源路况图像有共视区域,上述第二目标路况图像和上述第二源路况图像有共视区域,上述第二时刻为当前时刻,上述第一时刻早于上述第二时刻;根据上述目标路况图像对,确定上述目标相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到目标旋转矩阵;根据上述源路况图像对,确定上述源相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到源旋转矩阵;利用上述目标旋转矩阵和上述源旋转矩阵,确定上述源相机相对于上述目标相机的旋转矩阵,得到相对旋转矩阵;基于上述相对旋转矩阵、上述第二目标路况图像和上述第二源路况图像,对上述自动驾驶车辆中展示终端中展示的实时路况进行更新。
第二方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第三方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的实时路况更新方法,路况更新的实时性和准确性有所提高。具体来说,造成相关的路况更新的实时性和准确性不高的原因在于:仅根据导航系统获取并更新路况信息,无法更新自动驾驶车辆附近范围内的路况信息。基于此,本公开的一些实施例的实时路况更新方法,首先,控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对。其中,上述目标路况图像对包括第一目标路况图像和第二目标路况图像。上述第一目标路况图像和第二目标路况图像有共视区域。上述源路况图像对包括第一源路况图像和第二源路况图像。上述第一源路况图像和第二源路况图像有共视区域。上述第一目标路况图像和上述第一源路况图像有共视区域。上述第二目标路况图像和上述第二源路况图像有共视区域。上述第二时刻为当前时刻,上述第一时刻早于上述第二时刻。由此,获得车载相机拍摄的车辆附近范围内的路况图像。从而,可以利用拍摄的路况图像对实时路况进行更新。接着,根据上述目标路况图像对,确定上述目标相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到目标旋转矩阵。然后,根据上述源路况图像对,确定上述源相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到源旋转矩阵。再然后,利用上述目标旋转矩阵和上述源旋转矩阵,确定上述源相机相对于上述目标相机的旋转矩阵,得到相对旋转矩阵。由此,可以根据目标旋转矩阵和源旋转矩阵确定上述目标相机和上述源相机之间的相对姿态偏差。最后,基于上述相对旋转矩阵、上述第二目标路况图像和上述第二源路况图像,对上述自动驾驶车辆中展示终端中展示的实时路况进行更新。由此,可以利用相对旋转矩阵对上述第二目标路况图像和上述第二源路况图像进行处理。从而实现利用车载相机拍摄的图像对路况进行实时、精确的更新。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的实时路况更新方法的一个应用场景的示意图;
图2是根据本公开的实时路况更新方法的一些实施例的流程图;
图3是根据本公开的实时路况更新方法的另一些实施例的流程图;
图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的实时路况更新方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以控制自动驾驶车辆102上的目标相机103和源相机104分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对105和源路况图像对106,其中,上述目标路况图像对105包括第一目标路况图像和第二目标路况图像,上述第一目标路况图像和第二目标路况图像有共视区域,上述源路况图像对106包括第一源路况图像和第二源路况图像,上述第一源路况图像和第二源路况图像有共视区域,上述第一目标路况图像和上述第一源路况图像有共视区域,上述第二目标路况图像和上述第二源路况图像有共视区域,上述第二时刻为当前时刻,上述第一时刻早于上述第二时刻。接着,计算设备101可以根据上述目标路况图像对105,确定上述目标相机103在上述第二时刻相对于上述第一时刻的旋转矩阵,得到目标旋转矩阵107。然后,计算设备101可以根据上述源路况图像对106,确定上述源相机104在上述第二时刻相对于上述第一时刻的旋转矩阵,得到源旋转矩阵108。再然后,计算设备101可以利用上述目标旋转矩阵107和上述源旋转矩阵108,确定上述源相机104相对于上述目标相机103的旋转矩阵,得到相对旋转矩阵109。最后,计算设备101可以基于上述相对旋转矩阵109、上述第二目标路况图像和上述第二源路况图像,对上述自动驾驶车辆102中展示终端中展示的实时路况进行更新。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的实时路况更新方法的一些实施例的流程200。该实时路况更新方法,包括以下步骤:
步骤201,控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对。
在一些实施例中,实时路况更新方法的执行主体(如图1所示的计算设备101)可以控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对。其中,上述目标路况图像对可以包括第一目标路况图像和第二目标路况图像。上述第一目标路况图像和第二目标路况图像有共视区域。上述源路况图像对可以包括第一源路况图像和第二源路况图像。上述第一源路况图像和第二源路况图像有共视区域。上述第一目标路况图像和上述第一源路况图像有共视区域。上述第二目标路况图像和上述第二源路况图像有共视区域。上述第二时刻为当前时刻,上述第一时刻早于上述第二时刻。上述目标相机可以是安装在上述自动驾驶车辆左侧的相机。上述源相机可以是安装在上述自动驾驶车辆右侧的相机。
步骤202,根据目标路况图像对,确定目标相机在第二时刻相对于第一时刻的旋转矩阵,得到目标旋转矩阵。
在一些实施例中,上述执行主体根据上述目标路况图像对,确定上述目标相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到目标旋转矩阵,可以包括以下步骤:
第一步,识别上述第一目标路况图像和上述第二目标路况图像中的特征点,得到第一目标特征点集合和第二目标特征点集合。其中,可以通过特征提取算法识别上述第一目标路况图像和上述第二目标路况图像中的特征点。上述特征提取算法可以包括但不限于:SuperPoint(超点)网络、LBP(Local Binary Patterns,局部二值模式)算法或HOG(Histogram of Oriented Gradient,方向梯度直方图)等。
第二步,对上述第一目标特征点集合中的第一目标特征点和上述第二目标特征点集合中的第二目标特征点进行匹配,将匹配的第一目标特征点和第二目标特征点作为目标特征点匹配对,得到目标特征点匹配对集合。其中,可以利用特征点匹配算法对对上述第一目标特征点集合中的第一目标特征点和上述第二目标特征点集合中的第二目标特征点进行匹配。上述特征点匹配算法可以包括但不限于:SIFT(Scale Invariant FeatureTransform,尺度不变特征变换)特征匹配算法或FLANN(Fast Library for ApproximateNearest Neighbors快速最近邻搜索包)特征匹配算法。
第三步,根据上述目标特征点匹配对集合,通过以下步骤,确定上述目标旋转矩阵:
第一子步骤,根据上述目标特征点匹配对集合中的各个上述目标特征点匹配对,确定目标基础矩阵。
第二子步骤,分解上述目标基础矩阵,得到目标旋转矩阵。
可选的,上述执行主体可以响应于确定上述目标特征点匹配对集合中目标特征点匹配对的数目大于或者等于预设数目,从上述目标特征点匹配对集合中随机选取上述预设数目个目标特征点匹配对以确定上述目标旋转矩阵。其中,上述目标数目可以是8。
步骤203,根据源路况图像对,确定源相机在第二时刻相对于第一时刻的旋转矩阵,得到源旋转矩阵。
在一些实施例中,上述执行主体根据上述源路况图像对,确定上述源相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到源旋转矩阵,可以包括以下步骤:
第一步,识别上述第一源路况图像和上述第二源路况图像中的特征点,得到第一源特征点集合和第二源特征点集合。其中,可以通过特征提取算法识别上述第一源路况图像和上述第二源路况图像中的特征点。上述特征提取算法可以包括但不限于:SuperPoint(超点)网络、LBP(Local Binary Patterns,局部二值模式)算法或HOG(Histogram ofOriented Gradient,方向梯度直方图)等。
第二步,对上述第一源特征点集合中的第一源特征点和上述第二源特征点集合中的第二源特征点进行匹配,将匹配的第一源特征点和第二源特征点作为源特征点匹配对,得到源特征点匹配对集合。其中,可以利用特征点匹配算法对对上述第一源特征点集合中的第一源特征点和上述第二源特征点集合中的第二源特征点进行匹配。上述特征点匹配算法可以包括但不限于:SIFT(Scale Invariant Feature Transform,尺度不变特征变换)特征匹配算法或FLANN(Fast Library for Approximate Nearest Neighbors快速最近邻搜索包)特征匹配算法。
第三步,根据上述源特征点匹配对集合,通过以下步骤,确定上述源旋转矩阵:
第一子步骤,根据上述目标特征点匹配对集合中的各个上述目标特征点匹配对,确定目标基础矩阵。
第二子步骤,分解上述目标基础矩阵,得到目标旋转矩阵。
可选的,上述执行主体可以响应于确定上述目标特征点匹配对集合中目标特征点匹配对的数目大于或者等于预设数目,从上述目标特征点匹配对集合中随机选取上述预设数目个目标特征点匹配对以确定上述目标旋转矩阵。其中,上述目标数目可以是8。
步骤204,利用目标旋转矩阵和源旋转矩阵,确定源相机相对于目标相机的旋转矩阵,得到相对旋转矩阵。
在一些实施例中,上述执行主体可以根据上述目标旋转矩阵和上述源旋转矩阵,通过以下公式,确定相对旋转矩阵:
步骤205,基于相对旋转矩阵、第二目标路况图像和第二源路况图像,对自动驾驶车辆中展示终端中展示的实时路况进行更新。
在一些实施例中,上述执行主体可以利用上述相对旋转矩阵将上述第二源路况图像投影至上述第二目标路况图像所在的坐标系中,得到第二源路况投影图像,并将上述第二源路况投影图像和上述第二目标路况图像作为实时路况图像展示在上述自动驾驶车辆的展示终端中。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的实时路况更新方法,路况更新的实时性和准确性有所提高。具体来说,造成相关的路况更新的实时性和准确性不高的原因在于:仅根据导航系统获取并更新路况信息,无法更新自动驾驶车辆附近范围内的路况信息。基于此,本公开的一些实施例的实时路况更新方法,首先,控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对。其中,上述目标路况图像对包括第一目标路况图像和第二目标路况图像。上述第一目标路况图像和第二目标路况图像有共视区域。上述源路况图像对包括第一源路况图像和第二源路况图像。上述第一源路况图像和第二源路况图像有共视区域。上述第一目标路况图像和上述第一源路况图像有共视区域。上述第二目标路况图像和上述第二源路况图像有共视区域。上述第二时刻为当前时刻,上述第一时刻早于上述第二时刻。由此,获得车载相机拍摄的车辆附近范围内的路况图像。从而,可以利用拍摄的路况图像对实时路况进行更新。接着,根据上述目标路况图像对,确定上述目标相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到目标旋转矩阵。然后,根据上述源路况图像对,确定上述源相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到源旋转矩阵。再然后,利用上述目标旋转矩阵和上述源旋转矩阵,确定上述源相机相对于上述目标相机的旋转矩阵,得到相对旋转矩阵。由此,可以根据目标旋转矩阵和源旋转矩阵确定上述目标相机和上述源相机之间的相对姿态偏差。最后,基于上述相对旋转矩阵、上述第二目标路况图像和上述第二源路况图像,对上述自动驾驶车辆中展示终端中展示的实时路况进行更新。由此,可以利用相对旋转矩阵对上述第二目标路况图像和上述第二源路况图像进行处理。从而实现利用车载相机拍摄的图像对路况进行实时、精确的更新。
进一步参考图3,其示出了实时路况更新方法的另一些实施例的流程300。该实时路况更新方法的流程300,包括以下步骤:
步骤301,控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对。
步骤302,根据目标路况图像对,确定目标相机在第二时刻相对于第一时刻的旋转矩阵,得到目标旋转矩阵。
步骤303,根据源路况图像对,确定源相机在第二时刻相对于第一时刻的旋转矩阵,得到源旋转矩阵。
步骤304,利用目标旋转矩阵和源旋转矩阵,确定源相机相对于目标相机的旋转矩阵,得到相对旋转矩阵。
在一些实施例中,步骤301-304的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-204,在此不再赘述。
步骤305,根据相对旋转矩阵,对第二目标路况图像和第二源路况图像进行图像融合处理,得到目标路况图像。
在一些实施例中,上述执行主体可以首先利用上述相对旋转矩阵将上述第二源路况图像投影至上述第二目标路况图像所在的坐标系中,得到第二源路况投影图像。然后,利用图像融合算法对上述第二源路况投影图像和上述第二目标路况图像进行融合,得到目标路况图像。其中,上述图像融合算法可以包括单不限于:基于空间域的融合方法和基于变换域的融合方法等。
由此,可以在投影后通过图像融合算法对上述第二源路况投影图像和上述第二目标路况图像进行融合,以消除目标相机和源相机之间的姿态偏差所导致的图像之间的畸变和偏差,进一步提高实时路况更新的准确性。
步骤306,将目标路况图像更新展示在自动驾驶车辆的展示终端中。
在一些实施例中,上述执行主体可以将上述目标路况图像更新展示在上述自动驾驶车辆的展示终端中。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的实时路况更新方法的流程300体现了对实时路况进行更新的扩展步骤。由此,这些实施例描述的方案可以在投影后通过图像融合算法对上述第二源路况投影图像和上述第二目标路况图像进行融合,以消除目标相机和源相机之间的姿态偏差所导致的图像之间的畸变和偏差,进一步提高实时路况更新的准确性。
下面参考图4,其示出了适于用来实现本公开的一些实施例的电子设备400的结构示意图。图4示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对,其中,上述目标路况图像对包括第一目标路况图像和第二目标路况图像,上述第一目标路况图像和第二目标路况图像有共视区域,上述源路况图像对包括第一源路况图像和第二源路况图像,上述第一源路况图像和第二源路况图像有共视区域,上述第一目标路况图像和上述第一源路况图像有共视区域,上述第二目标路况图像和上述第二源路况图像有共视区域,上述第二时刻为当前时刻,上述第一时刻早于上述第二时刻;根据上述目标路况图像对,确定上述目标相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到目标旋转矩阵;根据上述源路况图像对,确定上述源相机在上述第二时刻相对于上述第一时刻的旋转矩阵,得到源旋转矩阵;利用上述目标旋转矩阵和上述源旋转矩阵,确定上述源相机相对于上述目标相机的旋转矩阵,得到相对旋转矩阵;基于上述相对旋转矩阵、上述第二目标路况图像和上述第二源路况图像,对上述自动驾驶车辆中展示终端中展示的实时路况进行更新。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
Claims (9)
1.一种实时路况更新方法,包括:
控制自动驾驶车辆上的目标相机和源相机分别在第一时刻和第二时刻拍摄路况图像,得到目标路况图像对和源路况图像对,其中,所述目标路况图像对包括第一目标路况图像和第二目标路况图像,所述第一目标路况图像和所述第二目标路况图像有共视区域,所述源路况图像对包括第一源路况图像和第二源路况图像,所述第一源路况图像和所述第二源路况图像有共视区域,所述第一目标路况图像和所述第一源路况图像有共视区域,所述第二目标路况图像和所述第二源路况图像有共视区域,所述第二时刻为当前时刻,所述第一时刻早于所述第二时刻;
根据所述目标路况图像对,确定所述目标相机在所述第二时刻相对于所述第一时刻的旋转矩阵,得到目标旋转矩阵;
根据所述源路况图像对,确定所述源相机在所述第二时刻相对于所述第一时刻的旋转矩阵,得到源旋转矩阵;
利用所述目标旋转矩阵和所述源旋转矩阵,确定所述源相机相对于所述目标相机的旋转矩阵,得到相对旋转矩阵;
基于所述相对旋转矩阵、所述第二目标路况图像和所述第二源路况图像,对所述自动驾驶车辆中展示终端中展示的实时路况进行更新。
2.根据权利要求1所述的方法,其中,所述基于所述相对旋转矩阵、所述第二目标路况图像和所述第二源路况图像,对所述自动驾驶车辆中展示终端中展示的实时路况进行更新,包括:
根据所述相对旋转矩阵,对所述第二目标路况图像和所述第二源路况图像进行图像融合处理,得到目标路况图像;
将所述目标路况图像更新展示在所述自动驾驶车辆的展示终端中。
3.根据权利要求1所述的方法,其中,所述根据所述目标路况图像对,确定所述目标相机在所述第二时刻相对于所述第一时刻的旋转矩阵,得到目标旋转矩阵,包括:
识别所述第一目标路况图像和所述第二目标路况图像中的特征点,得到第一目标特征点集合和第二目标特征点集合;
对所述第一目标特征点集合中的第一目标特征点和所述第二目标特征点集合中的第二目标特征点进行匹配,将匹配的第一目标特征点和第二目标特征点作为目标特征点匹配对,得到目标特征点匹配对集合;
根据所述目标特征点匹配对集合,确定所述目标旋转矩阵。
4.根据权利要求1所述的方法,其中,所述根据所述源路况图像对,确定所述源相机在所述第二时刻相对于所述第一时刻的旋转矩阵,得到源旋转矩阵,包括:
识别所述第一源路况图像和所述第二源路况图像中的特征点,得到第一源特征点集合和第二源特征点集合;
对所述第一源特征点集合中的第一源特征点和所述第二源特征点集合中的第二源特征点进行匹配,将匹配的第一源特征点和第二源特征点作为源特征点匹配对,得到源特征点匹配对集合;
根据所述源特征点匹配对集合,确定所述源旋转矩阵。
5.根据权利要求1所述的方法,其中,所述利用所述目标旋转矩阵和所述源旋转矩阵,确定所述源相机相对于所述目标相机的旋转矩阵,得到相对旋转矩阵,包括:
根据所述目标旋转矩阵和所述源旋转矩阵,确定初始旋转矩阵中的数值,得到相对旋转矩阵。
6.根据权利要求3所述的方法,其中,所述根据所述目标特征点匹配对集合,确定所述目标旋转矩阵,包括:
响应于确定所述目标特征点匹配对集合中目标特征点匹配对的数目大于或者等于预设数目,从所述目标特征点匹配对集合中随机选取所述预设数目个目标特征点匹配对以确定所述目标旋转矩阵。
7.根据权利要求4所述的方法,其中,所述根据所述源特征点匹配对集合,确定所述源旋转矩阵,包括:
响应于确定所述源特征点匹配对集合中源特征点匹配对的数目大于或者等于预设数目,从所述源特征点匹配对集合中随机选取所述预设数目个源特征点匹配对以确定所述源旋转矩阵。
8.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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中任一所述的方法。
9.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110759637.9A CN113204661B (zh) | 2021-07-06 | 2021-07-06 | 实时路况更新方法、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110759637.9A CN113204661B (zh) | 2021-07-06 | 2021-07-06 | 实时路况更新方法、电子设备和计算机可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113204661A CN113204661A (zh) | 2021-08-03 |
CN113204661B true CN113204661B (zh) | 2021-09-21 |
Family
ID=77022778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110759637.9A Active CN113204661B (zh) | 2021-07-06 | 2021-07-06 | 实时路况更新方法、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113204661B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148177A (zh) * | 2018-02-11 | 2019-08-20 | 百度在线网络技术(北京)有限公司 | 用于确定相机的姿态角的方法、装置、计算设备、计算机可读存储介质以及采集实体 |
CN110458128A (zh) * | 2019-08-16 | 2019-11-15 | 广东工业大学 | 一种姿态特征获取方法、装置、设备及存储介质 |
CN112639883A (zh) * | 2020-03-17 | 2021-04-09 | 华为技术有限公司 | 一种相对位姿标定方法及相关装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10089538B2 (en) * | 2015-04-10 | 2018-10-02 | Bendix Commercial Vehicle Systems Llc | Vehicle 360° surround view system having corner placed cameras, and system and method for calibration thereof |
-
2021
- 2021-07-06 CN CN202110759637.9A patent/CN113204661B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110148177A (zh) * | 2018-02-11 | 2019-08-20 | 百度在线网络技术(北京)有限公司 | 用于确定相机的姿态角的方法、装置、计算设备、计算机可读存储介质以及采集实体 |
CN110458128A (zh) * | 2019-08-16 | 2019-11-15 | 广东工业大学 | 一种姿态特征获取方法、装置、设备及存储介质 |
CN112639883A (zh) * | 2020-03-17 | 2021-04-09 | 华为技术有限公司 | 一种相对位姿标定方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113204661A (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113255619B (zh) | 车道线识别及定位方法、电子设备和计算机可读介质 | |
CN113869293B (zh) | 车道线识别方法、装置、电子设备和计算机可读介质 | |
CN114399589B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN115540894B (zh) | 车辆轨迹规划方法、装置、电子设备和计算机可读介质 | |
CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN113674357B (zh) | 相机外参标定方法、装置、电子设备和计算机可读介质 | |
CN115326099A (zh) | 局部路径规划方法、装置、电子设备和计算机可读介质 | |
CN110288625B (zh) | 用于处理图像的方法和装置 | |
CN112150490A (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN115393815A (zh) | 道路信息生成方法、装置、电子设备和计算机可读介质 | |
CN111325792A (zh) | 用于确定相机位姿的方法、装置、设备和介质 | |
CN114964296A (zh) | 车辆行驶路径规划方法、装置、设备和计算机可读介质 | |
CN112183627A (zh) | 生成预测密度图网络的方法和车辆年检标数量检测方法 | |
CN113269168B (zh) | 障碍物数据处理方法、装置、电子设备和计算机可读介质 | |
CN113204661B (zh) | 实时路况更新方法、电子设备和计算机可读介质 | |
CN111815654A (zh) | 用于处理图像的方法、装置、设备和计算机可读介质 | |
CN115326079B (zh) | 车辆车道级定位方法、装置、设备和计算机可读介质 | |
CN114724116B (zh) | 车辆通行信息生成方法、装置、设备和计算机可读介质 | |
EP4117284A1 (en) | Heterogeneous vehicle camera stereo pair system and method for depth estimation | |
CN112597793B (zh) | 用于识别交通灯状态和计时器状态的方法、装置和设备 | |
CN112764629B (zh) | 增强现实界面展示方法、装置、设备和计算机可读介质 | |
CN114140538A (zh) | 车载相机位姿调整方法、装置、设备和计算机可读介质 | |
CN112528970A (zh) | 路牌检测方法、装置、设备和计算机可读介质 | |
CN112085035A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
CN114399555B (zh) | 数据在线标定方法、装置、电子设备和计算机可读介质 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806 Patentee after: Heduo Technology (Guangzhou) Co.,Ltd. Address before: 100099 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd. |