CN113223096B - 基于场景图像的轻微交通事故快速勘查方法和系统 - Google Patents
基于场景图像的轻微交通事故快速勘查方法和系统 Download PDFInfo
- Publication number
- CN113223096B CN113223096B CN202110644050.3A CN202110644050A CN113223096B CN 113223096 B CN113223096 B CN 113223096B CN 202110644050 A CN202110644050 A CN 202110644050A CN 113223096 B CN113223096 B CN 113223096B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- image
- coordinates
- vehicle body
- road
- 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
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30244—Camera pose
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于场景图像的轻微交通事故快速勘查方法和系统。方法包括:获取车辆场景图像,建立同时包含道路平面子坐标系和车身侧面子坐标系的物方空间坐标系;在图像中选取不少于4个且位于车身侧面的多个车身特征点,获取多个车身特征点在图像的像平面中的特征点像素坐标、以及在物方空间坐标系中的特征点空间坐标;获取相机的光心在物方空间坐标系中的位姿坐标;获取道路平面与像平面之间的单应性矩阵;以及根据单应性矩阵获取路面痕迹在道路平面子坐标系中的路面痕迹道路平面坐标。本发明提供的基于场景图像的轻微交通事故快速勘查方法及系统,可以仅基于场景图像对交通事故现场进行勘查,有效的降低勘查成本并且提高勘查效率。
Description
技术领域
本发明涉及交通事故勘查领域,尤其涉及一种基于场景图像的轻微交通事故快速勘查方法和系统。
背景技术
对于车辆场景图像的分析在诸多领域都有着重要意义,比如对于车辆违法违章的判断以及事故调查等情景中,都需要对于车辆场景图像加以分析以获取对于违章结果或事故调查情况判断的书面依据或证据。
特别是在事故调查情景中的现场勘查环节,道路交通事故现场勘查作为事故调查的“第一手”资料具有重要作用,而另一方面,道路交通事故现场勘查任务量大且时间要求紧,同时存在着发生二次事故的风险。因此,如何更高质量、更快速的进行事故现场勘查一直是行业内需要解决和不断完善的问题。
传统的道路交通事故勘查流程一般包含拍摄现场照片、绘制现场图、提取痕迹物证以及制作现场勘查笔录等一系列较为复杂的步骤。此外,事故现场大多采用皮尺测量、人工标注,普遍存在着技术标准不规范、勘查时效性差等问题。而近年来,近景摄影测量技术和三维激光扫描技术的推广应用使得事故现场勘查的效率和准确性有了很大提升,但其均需借助专业、昂贵的勘查设备,实际应用推广困难。
中国专利CN106767706 A公开了一种无人机勘查交通事故现场的图像采集方法和系统,根据现场勘查需求设计了针对性的低空拍摄方案;中国实用新型专利CN202057329 U公开了一种基于双目视觉的便携式交通事故现场快速勘查系统,通过同时触发拍摄模块中特制的两台相机以及图像处理模块实现事故现场的勘查。然而,上述技术方案均需要借助于专业的勘查设备和技术人员,时间和人力成本高,因此比较适用于封闭交通事故现场、无需快速处理的勘查活动。
然而,在轻微交通事故(如车辆刮擦)的场景下,事故处理则要求拍照记录车辆位置后快速撤离现场,以避免交通拥堵等状况。而且,现场场景图像大都由无事故处理经验且无专业勘查设备的当事方或者目击者拍摄,难以有效提取事发现场痕迹物证。因此,在现有技术的条件下,轻微交通事故后续的检案鉴定工作开展困难。
发明内容
本发明要解决的技术问题是提供一种基于场景图像的轻微交通事故快速勘查方法及系统,可以仅基于场景图像对车辆交通事故现场进行勘查,有效的降低勘查成本并且提高勘查效率。
为解决上述技术问题,本发明提供了一种基于场景图像的轻微交通事故快速勘查方法,包括以下步骤:获取车辆场景图像,在拍摄所述图像的场景中建立以车辆前轮或后轮的接地点为原点、以所述前轮和所述后轮之间的接地线为基准轴、且同时包含道路平面子坐标系和车身侧面子坐标系的物方空间坐标系;在所述图像中选取不少于4个且位于车身侧面的多个车身特征点,获取所述多个车身特征点在所述图像的像平面中的特征点像素坐标、以及在所述物方空间坐标系中的特征点空间坐标,以构建所述多个车身特征点的像素-空间点对的坐标集合;根据所述坐标集合解算相机在拍摄所述图像时的相机空间坐标系与所述物方空间坐标系的刚体变换关系,以获取所述相机的光心在所述物方空间坐标系中的位姿坐标;根据所述位姿坐标与所述特征点空间坐标构建由所述光心至所述道路平面子坐标系的透视成像虚拟线束,解算所述车身特征点在所述道路平面子坐标系的虚拟映射坐标,并利用所述特征点像素坐标与所述虚拟映射坐标获取所述道路平面与所述像平面之间的单应性矩阵;以及接收在所述图像中选取的路面痕迹像素坐标,并根据所述单应性矩阵获取路面痕迹在所述道路平面子坐标系中的路面痕迹道路平面坐标。
在本发明的一实施例中,所述车辆场景图像包括车辆的完整侧身图像,且所述道路平面子坐标系与所述车身侧面子坐标系满足相互垂直约束。
在本发明的一实施例中,在获取所述特征点空间坐标时,具体包括量取所述车身特征点之间的实际尺寸信息,并根据所述实际尺寸信息解算所述特征点空间坐标。
在本发明的一实施例中,所述刚体变换关系为:
OC-XYZ=ROW-XYZ-T
其中,OC-XYZ为所述相机空间坐标系,OW-XYZ为所述物方空间坐标系,R为描述所述刚体变换关系的旋转矩阵,以及T为描述所述刚体变换关系的平移矩阵。
在本发明的一实施例中,在获取所述位姿坐标之前还包括判断所述相机是否标定,若标定则使用P3P位姿估计算法求解所述刚体变换关系,若未标定则使用P4Pf位姿估计算法求解所述刚体变换关系。
在本发明的一实施例中,所述P3P位姿估计算法包括根据所述特征点像素坐标和所述特征点空间坐标构建余弦定理方程,通过吴消元法进行消元以得到所述余弦定理方程的等效方程,以及进行重投影误差寻优以得到所述旋转矩阵和所述平移矩阵。
在本发明的一实施例中,所述P4Pf位姿估计算法包括根据所述相机的等效焦距和所述车身特征点的尺度因子构建所述相机空间坐标系与所述像平面的多项式方程,以及对所述多项式方程进行Grobner基求解以得到所述旋转矩阵和平移矩阵。
在本发明的一实施例中,所述车身特征点在所述道路平面子坐标系中的虚拟映射坐标位置(XRi,YRi,ZRi)为:
其中,(XVi,0,ZVi)为所述车身特征点空间坐标,(tx,ty,tz)为所述光心在所述物方空间坐标系中的所述位姿坐标。
在本发明的一实施例中,在接收在所述图像中选取的路面痕迹像素坐标之前还包括,在所述图像中选取测量原点和测量基线,将所述道路平面子坐标系转化为以所述测量原点为坐标原点、以所述测量基线为坐标基轴的路面绝对坐标系,以实现所述路面痕迹道路平面坐标的绝对化。
在本发明的一实施例中,所述测量原点和测量基线为道路平面中的固定参照物,其中,所述测量原点包括灯杆底座或标线端点,所述测量基线包括道路边缘和/或车道标线边缘。
在本发明的一实施例中,所述的路面痕迹道路平面坐标的绝对化包括将所述路面痕迹的像素坐标在所述道路平面子坐标系中的道路平面坐标(xi,yi)转化为在所述路面绝对坐标系中的路面绝对坐标(x′i,y′i):
其中,(x0,y0)为所述测量原点,Ax+By+C=0为所述测量基线方程,A、B和C为所述测量基线方程在所述道路平面子坐标系中的常数值。
为了解决以上的技术问题,本发明还提出了一种基于场景图像的轻微交通事故快速勘查系统,包括:场景信息录入模块,配置为录入事故基本信息以及获取车辆场景图像,在拍摄所述图像的场景中建立以车辆前轮或后轮的接地点为原点、以所述前轮和所述后轮之间的接地线为基准轴、且同时包含道路平面子坐标系和车身侧面子坐标系的物方空间坐标系;特征拾取交互模块,配置为在所述图像中选取不少于4个且位于车身侧面的多个车身特征点,获取所述多个车身特征点在所述图像的像平面中的特征点像素坐标、以及在所述物方空间坐标系中的特征点空间坐标,以构建所述多个车身特征点的像素-空间点对的坐标集合;相机位姿估计模块,配置为根据所述坐标集合解算相机在拍摄所述图像时的相机空间坐标系与所述物方空间坐标系的刚体变换关系,以获取所述相机的光心在所述物方空间坐标系中的位姿坐标;映射参数解析模块,配置为根据所述位姿坐标与所述特征点空间坐标构建由所述光心至所述道路平面子坐标系的透视成像虚拟线束,解算所述车身特征点在所述道路平面子坐标系的虚拟映射坐标,并利用所述特征点像素坐标与所述虚拟映射坐标获取所述道路平面与所述像平面之间的单应性矩阵;以及图像痕迹分析模块,配置为接收在所述图像中选取的路面痕迹像素坐标,并根据所述单应性矩阵获取路面痕迹在所述道路平面子坐标系中的路面痕迹道路平面坐标。
在本发明的一实施例中,所述相机位姿估计模块还配置为在获取所述位姿坐标之前还包括判断所述相机是否标定,若标定则使用P3P位姿估计算法求解所述刚体变换关系,若未标定则使用P4Pf位姿估计算法求解所述刚体变换关系。
本发明的另一方面还提出了一种基于场景图像的轻微交通事故快速勘查系统,包括:存储器,用于存储可由处理器执行的指令;以及处理器,用于执行所述指令以实现上述的基于场景图像的轻微交通事故快速勘查方法。
本发明的另一方面还提出了一种存储有计算机程序代码的计算机可读介质,所述计算机程序代码在由处理器执行时实现上述的基于场景图像的轻微交通事故快速勘查方法。
与现有技术相比,本发明具有以下优点:
与现有技术所需要的专业设备和测量仪器相比,本发明仅需要获取当事人手机或相机拍摄的现场场景图像即可利用车身特征的像素-空间点对关系,并通过几何解析计算完成现场路面痕迹的勘查,有效的降低了事故调查中的勘查成本;
与现有技术的勘查时效性相比,本发明充分利用了目标车辆自身几何参数及空间结构信息,将车身平面特征映射投影至道路平面,不再依赖现场摆设的标定物,有效的简化了事故勘查流程,尤其为轻微事故的快速处理提供了便利和技术支持;以及
本发明所采集的道路交通事故场景信息可以归一化到以测量原点和测量基线所建立的路面绝对坐标系,实现了与现有交通事故现场勘查标准的对接,从而实现道路交通事故勘查的流程化和规范化。
附图说明
包括附图是为提供对本申请进一步的理解,它们被收录并构成本申请的一部分,附图示出了本申请的实施例,并与本说明书一起起到解释本发明原理的作用。附图中:
图1是本发明一实施例的一种基于场景图像的轻微交通事故快速勘查方法的流程示意图;
图2是本发明一实施例的一种基于场景图像的轻微交通事故快速勘查方法中建立物方空间坐标系的示意图;
图3是本发明的一实施例的基于场景图像的轻微交通事故快速勘查方法中选取车身特征点的示意图;
图4本发明另外一实施例的一种基于场景图像的轻微交通事故快速勘查方法的流程示意图;
图5是本发明一实施例的一种基于场景图像的轻微交通事故快速勘查系统的系统框图;以及
图6是本发明另外一实施例的一种基于场景图像的轻微交通事故快速勘查系统的系统框图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
尽管本申请中所使用的术语是从公知公用的术语中选择的,但是本申请说明书中所提及的一些术语可能是申请人按他或她的判断来选择的,其详细含义在本文的描述的相关部分中说明。此外,要求不仅仅通过所使用的实际术语,而是还要通过每个术语所蕴含的意义来理解本申请。
本发明的一实施例提出了一种基于场景图像的轻微交通事故快速勘查方法,可以仅基于场景图像对车辆交通事故进行勘查,有效的降低勘查成本并且提高勘查效率。
图1是本发明一实施例的一种基于场景图像的轻微交通事故快速勘查方法10的流程示意图。如图1所示,勘查方法10包括如下的步骤。
步骤11为获取车辆场景图像,并建立物方空间坐标系。具体来说,在步骤11中,可以在拍摄图像的场景中建立以车辆前轮或后轮的接地点为原点、以前轮和后轮之间的接地线为基准轴、且同时包含道路平面子坐标系和车身侧面子坐标系的物方空间坐标系。
进一步具体的,在本发明包括图1所示的勘查方法10的一些实施例中,可以通过查询可交换图像文件格式(EXIF)数据获取车辆场景照片的属性信息和拍摄数据。假设现场照片的分辨率为W×H、物理焦距为F,则其分辨率信息和焦距可以由EXIF数据表示为:
在本发明的一些实施例中,在获取车辆场景图像的同时,还会对事故现场的时空信息进行录入。该时空信息的录入可以采用向导对话框的输入形式建立与MicrosoftAccess数据库关联,而时空信息主要包含事故时间、事故地点、事故车辆、简要案情以及勘查人员信息等。
进一步的,如图2所示,是本发明一实施例的一种基于场景图像的轻微交通事故快速勘查方法中建立物方空间坐标系的示意图。如图2所示的建立物方空间坐标系的方式可以适用于如图1所示的勘查方法10,但是本发明不以此为限。例如,在本发明的一些其他的实施例中,如图1所示的勘查方法10中的步骤11所包含的建立物方空间坐标系的方式可以与图2展示的方式存在差异。
如图2所示,在建立物方空间坐标系OXYZ时,以道路边沿和道路标线作为参考,以车辆前轮接地点为原点O,并且以前轮和后轮之间的接地线为基准轴X轴,垂直于X轴向上为Z轴,而垂直于X-Z平面并且指向拍摄该图像的相机一侧的为Y轴。按照如图2所示的方式建立的物方空间坐标系OXYZ同时包含道路平面子坐标系X-Y和车身侧面子坐标系X-Z的物方空间坐标系OXYZ。进一步的,在图2中,a、b、c、d为选取的车身特征点,以OR为原点,且以XR、YR为基线建立的绝对坐标系,这些内容将在下文详细介绍。
可以看出的是,在如图1所示的实施例中,优选地,步骤11中获取的车辆场景图像为如图2所示的车辆的完整侧身图像,以便于建立物方空间坐标系。并且,优选地,在步骤11中建立物方空间坐标系时,可以按照如图2所示的道路平面子坐标系X-Y与车身侧面子坐标系X-Z满足相互垂直约束,以便于后续步骤中的坐标获取和坐标位置解算。
进一步如图1所示,步骤12为选取车身特征点,获取特征点像素坐标和特征点空间坐标,以构建车身特征点的像素-空间点对的坐标集合。具体来说,在本发明的如图1所示的实施例中,步骤12的操作是在步骤11中所获取的车辆场景图像中选取不少于4个且位于车身侧面的多个车身特征点,获取多个车身特征点在图像的像平面中的特征点像素坐标、以及在物方空间坐标系中的特征点空间坐标,以构建多个车身特征点的像素-空间点对的坐标集合。示例性的,如上所述,在如图2所示的实施例中,选取的车身特征点可以为a、b、c和d。
如图3所示,为本发明的一实施例的基于场景图像的轻微交通事故快速勘查方法中选取车身特征点的示意图。在图3中的场景图像中,分别选取了车辆前轮和后轮接地点、以及前车门和后车门门缝与车身腰线交点处的特征点,并标记为pt1~pt4。如图3所示的选取车身特征点的方式可以适用于如图1所示的勘查方法10中的步骤12,但是本发明不以此为限。
进一步的,选取车身特征点的目的在于建立物方空间中车身侧面(即X-Z平面)特征点与场景图像的像平面对应特征的点对关系。在本发明的一些实施例中,包括如图3所示的情况,在进行特征点选择时考虑车辆一侧已知尺寸信息(查询或手工量取)的特征。同时,选取的四个特征点应位于同一平面(或近平面),且其中的任意三点不共线。
示例性的,在本发明的一实施例中,空间特征点对象定义为ObjPoints,其数据类型为vector<cv::Point3f>;像素特征点对象定义为ImgPoints,其数据类型为vector<cv::Point2f>,对应特征点对象的数据拾取和更新通过vector::push_back函数完成。
在图1中,步骤13为获取相机光心在物方空间坐标系中的位姿坐标。具体的,获取光心的位姿坐标的方式可以是根据坐标集合解算相机在拍摄图像时的相机空间坐标系与物方空间坐标系的刚体变换关系,从而获取相机的光心在物方空间坐标系中的位姿坐标。
在本发明的一实施例中,上述刚体变换关系为:
OC-XYZ=ROW-XYZ-T
其中,OC-XYZ为相机空间坐标系,OW-XYZ为物方空间坐标系,R为描述刚体变换关系的旋转矩阵,以及T为描述刚体变换关系的平移矩阵。
相机空间位姿求解是指建立物方空间与相机空间位姿的刚体变换关系,用以表征相机在物方空间位置、朝向等光学信息。示例性的,在本发明的一些实施例中,上述刚体变换可进一步由参数矩阵表示如下:
其中:R为旋转矩阵,大小为3×3,T为平移矩阵,大小为3×1。关于相机空间位姿求解的具体细节将在下文参照图4进一步详细说明。
继续根据图1所示,步骤14为获取道路平面与像平面之间的单应性矩阵。具体来说,获取该单应性矩阵的方式是根据在步骤13中获得的位姿坐标与特征点空间坐标构建由相机的光心至道路平面子坐标系的透视成像虚拟线束,解算车身特征点在道路平面子坐标系的虚拟映射坐标,并利用特征点像素坐标与虚拟映射坐标获取道路平面与像平面之间的单应性矩阵。
示例性的,在步骤14中所涉及的线束-道路平面交点求解是指解算车身特征点在道路平面对应虚拟映射位置的过程,物方空间下在步骤12选取的多个车身特征点在车身平面(例如,如图2所示的X-Z平面)的坐标假设为(XVi,0,ZVi),相机光心在物方空间下为(tx,ty,tz),线束空间方程可以表示为:
令z=0,则车身特征点在道路平面子坐标系(例如,如图2所示的X-Y平面坐标系)中的虚拟映射坐标位置(XRi,YRi,ZRi)为:
其中,(XVi,0,ZVi)为车身特征点空间坐标,(tx,ty,tz)为光心的位姿坐标。
上述的道路平面-像平面单应性矩阵求解是指依据上述空间线束与道路平面交点及其对应的像素位置求解单应性矩阵,对应点的数量为4,即可根据单应性矩阵解算像平面任一点对应的道路平面坐标,从而可以实现后续步骤中在图像上任意拾取路面痕迹便可以通过上述的单应性矩阵直接获得道路平面坐标,以完成仅根据图像的现场勘查。
具体的,单应性矩阵h表征的是道路平面与成像平面之间的位置映射关系,其未知数的数量为8,在齐次坐标下道路平面特征(X,Y)与图像像素特征(x,y)之间的关系可以表示为:
最后,在图1所示的勘查方法10中,步骤15接收在图像中选取的路面痕迹像素坐标,并根据单应性矩阵获取路面痕迹在道路平面子坐标系中的路面痕迹道路平面坐标。
在本发明的一些实施例中,在接收在图像中选取的路面痕迹像素坐标之前还包括,在图像中选取测量原点和测量基线,将道路平面子坐标系转化为以测量原点为坐标原点、以测量基线为坐标基轴的路面绝对坐标系,以实现路面痕迹道路平面坐标的绝对化。示例性的,如图2所示,路面绝对坐标系就设置为以OR为原点,且以XR、YR为基线建立的坐标系。
进一步具体的,在进行道路平面坐标绝对化的过程中,测量原点和测量基线为道路平面中的固定参照物,其中,测量原点可以是灯杆底座或标线端点,测量基线包括道路边缘和/或车道标线边缘。
更具体的,路面痕迹道路平面坐标的绝对化包括将路面痕迹的像素坐标在道路平面子坐标系中的道路平面坐标(xi,yi)转化为在路面绝对坐标系中的路面绝对坐标(x′i,y′i):
其中,(x0,y0)为测量原点,Ax+By+C=0为测量基线方程,A、B和C为该测量基线方程在该道路平面子坐标系中的常数值。
上述坐标绝对化公式中各数值的正负需根据像素相对位置关系进行综合判断。并且,在获取路面痕迹道路平面坐标时,所选取的路面痕迹通常是对于场景图像中的关键信息进行像素拾取,主要包含但不限于车辆停止位置、路面散落物以及路面痕迹等。拾取后的像素坐标经由单应性矩阵计算获取车辆坐标系下的空间位置,最后通过坐标系统绝对化变换即可提供有效的事故发生地路面痕迹的尺寸以及位置信息,从而实现轻微道路交通事故的现场快速勘查。
为了更好的理解本发明的基于场景图像的轻微交通事故快速勘查方法,以图3所示的场景图像为例,介绍各参数的求解实例。
如图3所示的四个车身特征点pt1~pt4在该场景图像的像平面中的像素坐标分别为:
pt1:(995,2222);pt2:(2947,1968);pt3:(2912,1250);pt4:(1344,1454)
在本发明的一些实施例中,在获取特征点空间坐标时,具体包括量取车身特征点之间的实际尺寸信息,并根据实际尺寸信息解算特征点空间坐标。
以如图3所示的4个像素点为例,以前轮接地点为空间坐标原点,前后轮接地点连线为X轴正方向,垂直于地面为Z轴正方向,经测量,pt1和pt2之间距离为270cm,pt1和pt3之间距离为276cm,pt1和pt4之间距离为105cm,pt2和pt3之间距离为106cm,pt2和pt4之间距离为240cm,则像素点对应的空间点坐标为(单位为厘米):
pt'1:(0,0,0);pt'2:(270,0,0);pt'3:(255,0,105.6);pt'4:(48.75,0,93)
进一步的,在如图3所示的实施例中,相机光心在空间坐标系中的位姿坐标经解算为:
camPos:(21.96,-344.6,192.93)
进行线束-道路平面交点求解后,车身特征点在道路平面的虚拟映射坐标经计算为:
pt”1:(0,0,0);pt”2:(270,0,0);pt”3:(536.8,416.7,0);pt”4:(73.7,320.7,0)
已知车身特征点的像素坐标及其在道路平面的虚拟映射坐标即可计算像面-路面单应性矩阵ParaDLTP2W和路面-像面单应性矩阵ParaDLTW2P。在本发明的一些实施例中,按照上述坐标绝对化的方式设置测量原点为坐标原点以及测量基线为坐标基轴,可以通过ParaDLTW2P自动计算Y轴的方位,绘制路面绝对坐标系统。在本实施例中,ParaDLTP2W和ParaDLTW2P矩阵的计算结果如下。
进一步拾取路面痕迹,测量路面上任一两点之间的间距,示例性的,如图3所示的路面痕迹31和32在一些情况下可以是与现场勘查相关的路面痕迹所在位置。具体的,痕迹31和32的端点像素坐标分别为(1336,2394)和(2764,2187),而根据上述的单应性矩阵求解的相对应的道路平面坐标为(36.43,-47.04)和(212.06,-47.91),路面痕迹31和32之间的距离为:
在本发明如图3所示的实施例中,经证实,实际测量场景图像中两个路面痕迹31和32之间的间距为176cm,而通过上述的基于场景图像的轻微交通事故快速勘查系统最终得到的该两个路面痕迹31和32之间的间距为175.6cm,由此便验证了本发明的基于场景图像的轻微交通事故快速勘查系统具有良好的测量准确性和实用性。
在本发明的另外一些实施例中,本发明的一种基于场景图像的轻微交通事故快速勘查方法40的流程示意图如图4所示。与图1所示的勘查方法10不同的是,在获取相机的光心在物方空间坐标系中的位姿坐标之前,还包括步骤43判断相机是否标定,并根据标定的结果采用不同的解算方法求解相机光心的位姿坐标。
具体来说,若步骤43中的判断结果为是,即相机已标定,也就是已知相机的参数,则执行步骤44,使用P3P位姿估计算法,获取相机光心在物方空间坐标系中的位姿坐标。其中,P3P位姿估计算法包括根据特征点像素坐标和特征点空间坐标构建余弦定理方程,通过吴消元法进行消元以得到余弦定理方程的等效方程,以及进行重投影误差寻优以得到旋转矩阵和平移矩阵。
另一方面,如果步骤43中的判断结果为否,即相机未标定,也就是相机的参数未知,则执行步骤45,使用P4Pf位姿估计算法,获取相机光心在物方空间坐标系中的位姿坐标。P4Pf位姿估计算法包括根据相机的等效焦距和车身特征点的尺度因子构建相机空间坐标系与像平面的多项式方程,以及对多项式方程进行Grobner基求解以得到旋转矩阵和平移矩阵。
具体的,上述相机的参数包含内参数矩阵K及畸变系数D,借助Matlab中的CameraCalibrator工具箱完成相机内参标定,相机内参数矩阵K、畸变系数D可表示为以下形式:
其中:fx为X方向等效焦距、fy为Y方向等效焦距、成像中心位置(u0,v0)、坐标轴不正交性s,k1、k2为相机径向畸变系数,p1、p2为切向畸变系数。畸变系数用于获取严格满足透视规律的现场场景照片。
在上述步骤44中,余弦定理构建方程是根据光心、像素点以及空间点之间共线关系,假设相机光心为O,四个特征点空间位置分别为A、B、C、D,对应的像素点为a、b、c、d。选取三个特征点构建代数方程如下(以△OAB为例):
OA2+OB2-2OA·OB·cos(a,b)=AB2
通过变量消元,上述代数方程可建立二元二次方程。
具体地,所述的吴消元法用以解算构建的二元二次方程,通过吴消元法的零点分解方法,进而得到待求解二元二次方程的等效方程如下:
具体地,上述的相机空间-物方空间刚体变换是指已知特征点在相机空间坐标Xi C与物方空间坐标Xi求解旋转矩阵R及平移矩阵T的过程。R、T的求解应满足以下要求:
通过奇异值分解(SVD)获取最优旋转矩阵R,则平移矩阵T可以表示为:
T=[tx ty tz]T=Xi C-RXi
重投影误差寻优通过求解的相机空间-物方空间刚体变换关系,将第四个特征点代入求解的透视成像模型中,特征点经由透视变换后重投影误差最小时的刚体变换作为有效解。重投影误差可以表示为:
另一方面,在上述步骤45中,相机空间-像平面多项式方程依据特征点空间欧氏范数已知条件,建立起的关于等效焦距f、特征点尺度因子λi,i=1,2,3,4的等式方程。相机空间-像平面多项式方程可以表示为:
所述的Grobner基求解是指对多项式方程求解未知数f、λ1、λ2、λ3、λ4的过程,特征点的数量为4个,因此建立的多项式方程的个数可以表示为:
在如图4所示的实施例中,其他步骤的细节可以参考上述如图1所示的勘查方法10的说明,在此不再赘述。
本申请中图1和图4使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,或将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
上述的基于场景图像的轻微交通事故快速勘查方法,通过一系列坐标系的建立和关键参数的获取及解算,最终实现了仅基于场景图像中的路面痕迹,便可以直接解算出各路面痕迹在实际场景中的位置和相互之间的距离,简单方便的完成了事故现场的勘查。在本发明的一些实施例中,还可以通过坐标绝对化而规范事故现场勘查的流程和规范,为交通事故勘查提供了便利和技术支持。
本发明的另一方面还提出了一种基于场景图像的轻微交通事故快速勘查系统,可以仅基于场景图像对车辆交通事故进行勘查,有效的降低勘查成本并且提高勘查效率。
如图5所示,本发明的一种基于场景图像的轻微交通事故快速勘查系统50包括以下的模块:场景信息录入模块51、特征拾取交互模块52、相机位姿估计模块53、映射参数解析模块54以及图像痕迹分析模块55。
具体来说,场景信息录入模块51配置为录入事故基本信息获取车辆场景图像,在拍摄图像的场景中建立以车辆前轮或后轮的接地点为原点、以前轮和后轮之间的接地线为基准轴、且同时包含道路平面子坐标系和车身侧面子坐标系的物方空间坐标系。
特征拾取交互模块52配置为在图像中选取不少于4个且位于车身侧面的多个车身特征点,获取多个车身特征点在图像的像平面中的特征点像素坐标、以及在物方空间坐标系中的特征点空间坐标,以构建多个车身特征点的像素-空间点对的坐标集合。
相机位姿估计模块53配置为根据坐标集合解算相机在拍摄图像时的相机空间坐标系与物方空间坐标系的刚体变换关系,以获取相机的光心在物方空间坐标系中的位姿坐标。
映射参数解析模块54配置为根据位姿坐标与特征点空间坐标构建由光心至道路平面子坐标系的透视成像虚拟线束,解算车身特征点在道路平面子坐标系的虚拟映射坐标,并利用特征点像素坐标与虚拟映射坐标获取道路平面与像平面之间的单应性矩阵。
图像痕迹分析模块55配置为接收在图像中选取的路面痕迹像素坐标,并根据单应性矩阵获取路面痕迹在道路平面子坐标系中的路面痕迹道路平面坐标。
特别的,在本发明的一些实施例中,如图5所示的相机位姿估计模块53还配置为在获取位姿坐标之前还包括判断相机是否标定,若标定则使用P3P位姿估计算法求解刚体变换关系,若未标定则使用P4Pf位姿估计算法求解刚体变换关系。
其他关于本发明的一种基于场景图像的轻微交通事故快速勘查系统的细节可以参考上述勘查方法的说明,在此不再赘述。
本发明的另一方面还提出了一种基于场景图像的轻微交通事故快速勘查系统,包括:存储器,用于存储可由处理器执行的指令;以及处理器,用于执行所述指令以实现上述的基于场景图像的轻微交通事故快速勘查方法。
如图6所示,是本发明一实施例的一种基于场景图像的轻微交通事故快速勘查系统60的系统框架图。基于场景图像的轻微交通事故快速勘查系统60可包括内部通信总线61、处理器(Processor)62、只读存储器(ROM)63、随机存取存储器(RAM)64、以及通信端口65。当应用在个人计算机上时,基于场景图像的轻微交通事故快速勘查系统60还可以包括硬盘66。
内部通信总线61可以实现基于场景图像的轻微交通事故快速勘查系统60组件间的数据通信。处理器62可以进行判断和发出提示。在一些实施例中,处理器62可以由一个或多个处理器组成。通信端口65可以实现基于场景图像的轻微交通事故快速勘查系统60与外部的数据通信。在一些实施例中,基于场景图像的轻微交通事故快速勘查系统60可以通过通信端口65从网络发送和接受信息以及数据。
基于场景图像的轻微交通事故快速勘查系统60还可以包括不同形式的程序储存单元以及数据储存单元,例如硬盘66,只读存储器(ROM)63和随机存取存储器(RAM)64,能够存储计算机处理和/或通信使用的各种数据文件,以及处理器62所执行的可能的程序指令。处理器执行这些指令以实现方法的主要部分。处理器处理的结果通过通信端口传给用户设备,在用户界面上显示。
本发明的另一方面还提出了一种存储有计算机程序代码的计算机可读介质,所述计算机程序代码在由处理器执行时实现上述的基于场景图像的轻微交通事故快速勘查方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述发明披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
本申请的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。例如,计算机可读介质可包括,但不限于,磁性存储设备(例如,硬盘、软盘、磁带……)、光盘(例如,压缩盘CD、数字多功能盘DVD……)、智能卡以及闪存设备(例如,卡、棒、键驱动器……)。
计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
虽然本申请已参照当前的具体实施例来描述,但是本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本申请,在没有脱离本申请精神的情况下还可作出各种等效的变化或替换,因此,只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。
Claims (15)
1.一种基于场景图像的轻微交通事故快速勘查方法,其特征在于,包括以下步骤:
获取车辆场景图像,在拍摄所述图像的场景中建立以车辆前轮或后轮的接地点为原点、以所述前轮和所述后轮之间的接地线为基准轴、且同时包含道路平面子坐标系和车身侧面子坐标系的物方空间坐标系;
在所述图像中选取不少于4个且位于车身侧面的多个车身特征点,获取所述多个车身特征点在所述图像的像平面中的特征点像素坐标、以及在所述物方空间坐标系中的特征点空间坐标,以构建所述多个车身特征点的像素-空间点对的坐标集合;
根据所述坐标集合解算相机在拍摄所述图像时的相机空间坐标系与所述物方空间坐标系的刚体变换关系,以获取所述相机的光心在所述物方空间坐标系中的位姿坐标;
根据所述位姿坐标与所述特征点空间坐标构建由所述光心至所述道路平面子坐标系的透视成像虚拟线束,解算所述车身特征点在所述道路平面子坐标系的虚拟映射坐标,并利用所述特征点像素坐标与所述虚拟映射坐标获取所述道路平面与所述像平面之间的单应性矩阵;以及
接收在所述图像中选取的路面痕迹像素坐标,并根据所述单应性矩阵获取路面痕迹在所述道路平面子坐标系中的路面痕迹道路平面坐标。
2.如权利要求1所述的方法,其特征在于,所述图像包括车辆的完整侧身图像,且所述道路平面子坐标系与所述车身侧面子坐标系满足相互垂直约束。
3.如权利要求1所述的方法,其特征在于,在获取所述特征点空间坐标时,具体包括量取所述多个车身特征点之间的实际尺寸信息,并根据所述实际尺寸信息解算所述特征点空间坐标。
4.如权利要求1所述的方法,其特征在于,所述刚体变换关系为:
OC-XYZ=ROW-XYZ-T
其中,OC-XYZ为所述相机空间坐标系,OW-XYZ为所述物方空间坐标系,R为描述所述刚体变换关系的旋转矩阵,以及T为描述所述刚体变换关系的平移矩阵。
5.如权利要求4所述的方法,其特征在于,在获取所述位姿坐标之前还包括判断所述相机是否标定,若标定则使用P3P位姿估计算法求解所述刚体变换关系,若未标定则使用P4Pf位姿估计算法求解所述刚体变换关系。
6.如权利要求5所述的方法,其特征在于,所述P3P位姿估计算法包括根据所述特征点像素坐标和所述特征点空间坐标构建余弦定理方程,通过吴消元法进行消元以得到所述余弦定理方程的等效方程,并进行重投影误差寻优以得到所述旋转矩阵和所述平移矩阵。
7.如权利要求5或6所述的方法,其特征在于,所述P4Pf位姿估计算法包括根据所述相机的等效焦距和所述车身特征点的尺度因子构建所述相机空间坐标系与所述像平面的多项式方程,以及对所述多项式方程进行Grobner基求解以得到所述旋转矩阵和平移矩阵。
9.如权利要求1所述的方法,其特征在于,在接收在所述图像中选取的路面痕迹像素坐标之前还包括,在所述图像中选取测量原点和测量基线,将所述道路平面子坐标系转化为以所述测量原点为坐标原点、以所述测量基线为坐标基轴的路面绝对坐标系,以实现所述路面痕迹道路平面坐标的绝对化。
10.如权利要求9所述的方法,其特征在于,所述测量原点和测量基线为道路平面中的固定参照物,其中,所述测量原点包括灯杆底座或标线端点,所述测量基线包括道路边缘或车道标线边缘。
12.一种基于场景图像的轻微交通事故快速勘查系统,其特征在于,包括:
场景信息录入模块,配置为录入事故基本信息以及获取车辆场景图像,在拍摄所述图像的场景中建立以车辆前轮或后轮的接地点为原点、以所述前轮和所述后轮之间的接地线为基准轴、且同时包含道路平面子坐标系和车身侧面子坐标系的物方空间坐标系;
特征拾取交互模块,配置为在所述图像中选取不少于4个且位于车身侧面的多个车身特征点,获取所述多个车身特征点在所述图像的像平面中的特征点像素坐标、以及在所述物方空间坐标系中的特征点空间坐标,以构建所述多个车身特征点的像素-空间点对的坐标集合;
相机位姿估计模块,配置为根据所述坐标集合解算相机在拍摄所述图像时的相机空间坐标系与所述物方空间坐标系的刚体变换关系,以获取所述相机的光心在所述物方空间坐标系中的位姿坐标;
映射参数解析模块,配置为根据所述位姿坐标与所述特征点空间坐标构建由所述光心至所述道路平面子坐标系的透视成像虚拟线束,解算所述车身特征点在所述道路平面子坐标系的虚拟映射坐标,并利用所述特征点像素坐标与所述虚拟映射坐标获取所述道路平面与所述像平面之间的单应性矩阵;以及
图像痕迹分析模块,配置为接收在所述图像中选取的路面痕迹像素坐标,并根据所述单应性矩阵获取路面痕迹在所述道路平面子坐标系中的路面痕迹道路平面坐标。
13.如权利要求12所述的系统,其特征在于,所述相机位姿估计模块还配置为在获取所述位姿坐标之前还包括判断所述相机是否标定,若标定则使用P3P位姿估计算法求解所述刚体变换关系,若未标定则使用P4Pf位姿估计算法求解所述刚体变换关系。
14.一种基于场景图像的轻微交通事故快速勘查系统,包括:
存储器,用于存储可由处理器执行的指令;以及
处理器,用于执行所述指令以实现如权利要求1-11任一项所述的方法。
15.一种存储有计算机程序代码的计算机可读介质,所述计算机程序代码在由处理器执行时实现如权利要求1-11任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110644050.3A CN113223096B (zh) | 2021-06-09 | 2021-06-09 | 基于场景图像的轻微交通事故快速勘查方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110644050.3A CN113223096B (zh) | 2021-06-09 | 2021-06-09 | 基于场景图像的轻微交通事故快速勘查方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113223096A CN113223096A (zh) | 2021-08-06 |
CN113223096B true CN113223096B (zh) | 2022-08-30 |
Family
ID=77083482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110644050.3A Active CN113223096B (zh) | 2021-06-09 | 2021-06-09 | 基于场景图像的轻微交通事故快速勘查方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113223096B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100290B (zh) * | 2022-06-20 | 2023-03-21 | 苏州天准软件有限公司 | 交通场景下的单目视觉定位方法及装置、设备、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118648A (zh) * | 2007-05-22 | 2008-02-06 | 南京大学 | 交通监视环境下的路况摄像机标定方法 |
CN101556152A (zh) * | 2009-04-23 | 2009-10-14 | 上海交通大学 | 交通事故现场图像数据信息采集及处理方法 |
CN102564403A (zh) * | 2012-01-06 | 2012-07-11 | 上海交通大学 | 基于图像引导的交通事故现场快速测绘系统 |
CN109443209A (zh) * | 2018-12-04 | 2019-03-08 | 四川大学 | 一种基于单应性矩阵的线结构光系统标定方法 |
CN110148223A (zh) * | 2019-06-03 | 2019-08-20 | 南京财经大学 | 三维地理场景模型中监控视频目标浓缩表达方法及系统 |
-
2021
- 2021-06-09 CN CN202110644050.3A patent/CN113223096B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101118648A (zh) * | 2007-05-22 | 2008-02-06 | 南京大学 | 交通监视环境下的路况摄像机标定方法 |
CN101556152A (zh) * | 2009-04-23 | 2009-10-14 | 上海交通大学 | 交通事故现场图像数据信息采集及处理方法 |
CN102564403A (zh) * | 2012-01-06 | 2012-07-11 | 上海交通大学 | 基于图像引导的交通事故现场快速测绘系统 |
CN109443209A (zh) * | 2018-12-04 | 2019-03-08 | 四川大学 | 一种基于单应性矩阵的线结构光系统标定方法 |
CN110148223A (zh) * | 2019-06-03 | 2019-08-20 | 南京财经大学 | 三维地理场景模型中监控视频目标浓缩表达方法及系统 |
Non-Patent Citations (3)
Title |
---|
A longitudinal scanline based vehicle trajectory reconstruction method for high-angle traffic video;TianyaZhang等;《Transportation Research Part C: Emerging Technologies》;20190413;104-128 * |
Vehicle recognition and classification method based on laser scanning point cloud data;Xu Zewei等;《2015 International Conference on Transportation Information and Safety (ICTIS)》;20150903;44-49 * |
基于目标的相机标定方法;王利华等;《北京测绘》;20210325;372-375 * |
Also Published As
Publication number | Publication date |
---|---|
CN113223096A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429532B (zh) | 一种利用多平面标定板提高相机标定精确度的方法 | |
CN113409382B (zh) | 车辆损伤区域的测量方法和装置 | |
CA2653385C (en) | Method and apparatus for obtaining photogrammetric data to estimate impact severity | |
US9449378B2 (en) | System and method for processing stereoscopic vehicle information | |
WO2022142214A1 (zh) | 车辆位姿确定方法、车辆控制方法及相应的装置、车辆、存储介质 | |
CN112902874B (zh) | 图像采集装置及方法、图像处理方法及装置、图像处理系统 | |
Erickson et al. | The accuracy of photo-based three-dimensional scanning for collision reconstruction using 123D catch | |
CN112581421A (zh) | 三维点云处理方法、建筑物检测方法、装置、设备及介质 | |
CA3233222A1 (en) | Method, apparatus and device for photogrammetry, and storage medium | |
CN113223096B (zh) | 基于场景图像的轻微交通事故快速勘查方法和系统 | |
US11875524B2 (en) | Unmanned aerial vehicle platform based vision measurement method for static rigid object | |
JP5563930B2 (ja) | 非接触三次元計測装置及び非接触三次元計測方法 | |
CN113763478B (zh) | 无人车相机标定方法、装置、设备、存储介质及系统 | |
CN114913246B (zh) | 相机标定方法、装置、电子设备及存储介质 | |
JP2000171214A (ja) | 対応点検索方法及びこれを利用した三次元位置計測方法 | |
Atik et al. | An automatic image matching algorithm based on thin plate splines | |
CN112819900B (zh) | 一种智能立体摄影内方位、相对定向和畸变系数标定方法 | |
CN112066876B (zh) | 一种利用手机快速测量物体尺寸方法 | |
JP2002135807A (ja) | 3次元入力のためのキャリブレーション方法および装置 | |
Huang et al. | An Innovative Approach of Evaluating the Accuracy of Point Cloud Generated by Photogrammetry-Based 3D Reconstruction | |
CN113177903B (zh) | 前景点云和背景点云的融合方法、系统及设备 | |
CN113223086B (zh) | 适用低质量监控视频的车辆运行状态的重建方法和系统 | |
CN108364333B (zh) | 基于多方向摄影拟合俯视图的方法及装置 | |
CN115375748A (zh) | 一种形变量确定方法、装置及电子设备 | |
CN114445481A (zh) | 一种图像处理方法及图像处理装置-尺寸测量 |
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 |