CN113379591B - 速度确定方法、速度确定装置、电子设备及存储介质 - Google Patents
速度确定方法、速度确定装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113379591B CN113379591B CN202110688735.8A CN202110688735A CN113379591B CN 113379591 B CN113379591 B CN 113379591B CN 202110688735 A CN202110688735 A CN 202110688735A CN 113379591 B CN113379591 B CN 113379591B
- Authority
- CN
- China
- Prior art keywords
- information
- detected
- moving object
- speed
- image frame
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000001514 detection method Methods 0.000 claims abstract description 27
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 108010001267 Protein Subunits Proteins 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例提供了一种速度确定方法、速度确定装置、电子设备及存储介质。可应用于速度计算技术领域。该方法包括：获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，其中，图像帧序列的图像帧中包括待检测移动物体和车道，比例信息是根据车道的长度和实际车道的长度确定的；对图像帧序列进行目标检测，得到用于表征待检测移动物体的图像块样本；将图像块样本输入跟踪器，输出待检测移动物体的速度信息；根据比例信息和速度信息，确定待检测移动物体的实际车速信息。
Description
技术领域
本公开涉实施例涉及速度计算技术领域，更具体地，涉及一种速度确定方法、速度确定装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
随着深度学习和自动驾驶技术的日益普及，智能交通分析已成为活跃的研究领域，其中智能交通分析包括车速估算。车速估算的方法包括电感线圈回路测速，激光测速，雷达测速等，上述方法均需要安装相应的设备。
在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：车速计算时需要较多的电子设备且计算过程较为复杂。
发明内容
有鉴于此，本公开实施例提供了一种速度确定方法、速度确定装置、电子设备、计算机可读存储介质及计算机程序产品。
本公开实施例的一个方面提供了一种速度确定方法，包括：
获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，其中，上述图像帧序列的图像帧中包括待检测移动物体和车道，上述比例信息是根据上述车道的长度和实际车道的长度确定的；
对上述图像帧序列进行目标检测，得到用于表征上述待检测移动物体的图像块样本；
将上述图像块样本输入跟踪器，输出上述待检测移动物体的速度信息；
根据上述比例信息和上述速度信息，确定上述待检测移动物体的实际车速信息。
根据本公开的实施例，上述待检测移动物体包括多个；
其中，上述将上述图像块样本输入跟踪器，输出上述待检测移动物体的速度信息，包括：
将上述图像块样本输入上述跟踪器，输出多个上述待检测移动物体的多个跟踪信息和多个速度分量信息，其中，每个上述待检测移动物体具有一个上述跟踪信息和至少一个上述速度分量信息；
针对多个上述待检测移动物体中的每个待检测移动物体，根据与上述待检测物体对应的跟踪信息，从上述多个速度分量信息中确定上述待检测移动物体的速度分量信息；
利用卡尔曼滤波方法处理上述待检测移动物体的速度分量信息，得到上述待检测移动物体的速度信息。
根据本公开的实施例，上述比例信息包括横向比例信息和纵向比例信息；
其中，上述根据上述比例信息和上述速度信息，确定上述待检测移动物体的实际车速信息，包括：
根据上述速度信息，确定上述待检测移动物体的横向速度信息和纵向速度信息；
根据上述横向速度信息和上述横向比例信息，确定上述待检测移动物体的实际横向速度信息；
根据上述纵向速度信息和上述纵向比例信息，确定上述待检测移动物体的实际纵向速度信息；
根据上述实际横向速度信息和上述实际纵向速度信息，确定上述待检测移动物体的实际车速信息。
根据本公开的实施例，上述根据上述纵向速度信息和上述纵向比例信息，确定上述待检测移动物体的实际纵向速度信息，包括：
利用线性补偿器，对上述纵向速度信息和上述纵向比例信息进行补偿，以确定上述待检测移动物体的实际纵向速度信息。
根据本公开的实施例，上述线性补偿器包括：
其中，L1表示上述实际车道中第一参照物的长度，L2表示上述实际车道中第二参照物的长度，上述第一参照物和上述第二参照物的高度不同，l1表示上述图像帧中上述第一参照物的像素长度，l2表示上述图像帧中上述第二参照物的像素长度，y表示上述图像帧中上述待检测移动物体的纵坐标，ymax表示上述图像帧中上述待检测移动物体的最大纵坐标，ymin表示上述图像帧中上述待检测移动物体的最小纵坐标。
根据本公开的实施例，上述对上述图像帧序列进行目标检测，得到用于表征上述待检测移动物体的图像块样本，包括：
将上述图像帧序列中的图像帧输入检测器，输出用于表征上述待检测移动物体的边界框；
根据预设裁剪规则对上述边界框进行裁剪，得到与上述边界框对应的图像块；
根据上述图像块构建上述图像块样本。
根据本公开的实施例，上述通过仿射变换后的单目相机是根据目标矩阵调整上述单目相机的位置得到的，上述目标矩阵是在待检测平面为平面的情况下，将图像点信息映射至单应性矩阵得到的，上述待检测平面是对未校准图像进行投影得到的，上述未校准图像是由上述单目相机拍照得到的，上述待校准图像包括至少一个上述图像点信息。
本公开实施例的另一个方面提供了一种速度确定装置，包括：
获取模块，用于获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，其中，上述图像帧序列的图像帧中包括待检测移动物体和车道，上述比例信息是根据上述车道的长度和实际车道的长度确定的；
得到模块，用于对上述图像帧序列进行目标检测，得到用于表征上述待检测移动物体的图像块样本；
输出模块，用于将上述图像块样本输入跟踪器，输出上述待检测移动物体的速度信息；
确定模块，用于根据上述比例信息和上述速度信息，确定上述待检测移动物体的实际车速信息。
本公开实施例的另一个方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
本公开实施例的另一个方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开实施例的另一个方面提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例，因为采用获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，对所述图像帧序列进行目标检测，得到用于表征所述待检测移动物体的图像块样本，将所述图像块样本输入跟踪器，输出所述待检测移动物体的速度信息，并根据比例信息和所述速度信息，确定所述待检测移动物体的实际车速信息的技术手段，所以至少部分地克服了车速计算时需要较多的电子设备且计算过程较为复杂的技术问题，达到了省去对诸如激光雷达等电子设备的使用，进而降低了经济成本，同时提高了车速计算的准确性的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的应用速度确定方法的示例性系统架构；
图2示意性示出了根据本公开实施例的速度确定方法的流程图；
图3示意性示出了根据本公开实施例的输出待检测移动物体的速度信息的流程图；
图4示意性示出了根据本公开实施例的速度确定方法的场景示意图；
图5示意性示出了根据本公开的实施例的速度确定装置的框图；以及
图6示意性示出了根据本公开实施例的适于实现速度确定方法的电子设备的框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
随着深度学习和自动驾驶技术的日益普及，智能交通分析包括车速估算，道路异常事件检测已成为活跃的研究领域。尽管深度学习已在许多视觉任务上取得了最新的成果，包括对象检测，图像识别，和对象跟踪，但其在交通监控中的应用领域仍在研究中。
许多相关的智能交通系统仍基于传统技术，例如使用对噪声敏感的手工特征进行背景扣除和车辆分割。然而智能交通系统首先需要强大的车辆检测和跟踪算法来在变化的汽车方向或照明条件下随时间定位各个车辆。错误的定位和跟踪可能导致一定的影响。其次，从图像空间到现实世界的转换较为困难，同时还需要昂贵的测量设备，例如激光探测与测量设备(Light Detection And Ranging，LiDAR)。
在交通应用场景中，现有的车速确定方法可以分为基于硬件的方法和基于软件的方法。其中，基于硬件的方法包含电感线圈回路测速，激光测速，雷达测速等，基于软件的方法都是利用视频图片来构建算法进行车速的确定。
然而，基于硬件的方法都需要根据要求安装相应的硬件设备，由于户外环境复杂，需要定期的对硬件设备进行维修护理，这种方法的经济成本比较高，而且该类方法会受外界天气条件的制约。基于软件的方法则可以避免此类问题的出现，直接利用原有的监控摄像头捕捉有用信息即可。除了摄像头这个必备的要素之外，不需要额外安装其他设备。
有鉴于此，本公开的实施例提供了一种速度确定方法、速度确定装置、电子设备、计算机可读存储介质及计算机程序产品。该方法包括获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息；对图像帧序列进行目标检测，得到用于表征待检测移动物体的图像块样本；将图像块样本输入跟踪器，输出待检测移动物体的速度信息；根据比例信息和速度信息，确定待检测移动物体的实际车速信息。
图1示意性示出了根据本公开实施例的可以应用速度确定方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括单目相机101、102、103，网络104和服务器105。网络104用以在单目相机101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等。
单目相机101、102、103通过网络104与服务器105交互，以发送消息等。
服务器105可以是提供各种服务的服务器，例如对单目相机101、102、103所拍摄得到的图像帧序列进行处理的后台管理服务器(仅为示例)。后台管理服务器可以对接收到图像帧序列等数据进行分析等处理。
需要说明的是，本公开实施例所提供的速度确定方法一般可以由单目相机101、102、或103执行，或者也可以由不同于单目相机101、102、或103的其他单目相机执行。相应地，本公开实施例所提供的速度确定装置也可以设置于单目相机101、102、或103中，或设置于不同于单目相机101、102、或103的其他单目相机中。或者，本公开实施例所提供的速度确定方法也可以由服务器105执行。相应地，本公开实施例所提供的速度确定装置一般可以设置于服务器105中。本公开实施例所提供的速度确定方法也可以由不同于服务器105且能够与单目相机101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的速度确定装置也可以设置于不同于服务器105且能够与单目相机101、102、103和/或服务器105通信的服务器或服务器集群中。
例如，图像帧序列可以原本存储在单目相机101、102、或103中的任意一个(例如，单目相机101，但不限于此)之中，或者存储在外部存储设备上并可以导入到单目相机101中。然后，单目相机101可以在本地执行本公开实施例所提供的速度确定方法，或者将图像帧序列发送到其他单目相机、服务器或服务器集群，并由接收该图像帧序列的其他单目相机、服务器、或服务器集群来执行本公开实施例所提供的速度确定方法。
应该理解，图1中的单目相机、网络和服务器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单目相机、网络和服务器。
图2示意性示出了根据本公开实施例的速度确定方法的流程图。
如图2所示，该方法包括操作S201～S204。
在操作S201，获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，其中，图像帧序列的图像帧中包括待检测移动物体和车道，比例信息是根据车道的长度和实际车道的长度确定的。
在操作S202，对图像帧序列进行目标检测，得到用于表征待检测移动物体的图像块样本。
在操作S203，将图像块样本输入跟踪器，输出待检测移动物体的速度信息。
在操作S204，根据比例信息和速度信息，确定待检测移动物体的实际车速信息。
根据本公开的实施例，比例信息是根据车道的长度和实际车道的长度确定的，例如可以为1∶100。待检测移动物体可以包括但不限于车辆。
根据本公开的实施例，可以使用Mask-RCNN算法进行目标检测。Mask-RCNN(Reffactie Centrum Noord Nederland)包括用于预测目标掩模新分支。Mask-RCNN可以通过检测和分割的联合学习，使用边界框对待检测移动物体进行定位。同时，Mask-RCNN能够检测到不同比例的待检测移动物体，因此，待检测移动物体可以以任何比例出现在图像帧序列中。
根据本公开的实施例，对通过仿射变换后的单目相机拍摄得到的图像帧序列进行目标检测，从而确定包括待检测移动物体的图像块样本。使用跟踪器处理图像块样本，可以得到待检测移动物体的速度信息，根据比例信息和速度信息，确定待检测移动物体的实际车速信息。
根据本公开的实施例，因为采用获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，对图像帧序列进行目标检测，得到用于表征待检测移动物体的图像块样本，将图像块样本输入跟踪器，输出待检测移动物体的速度信息，并根据比例信息和速度信息，确定待检测移动物体的实际车速信息的技术手段，所以至少部分地克服了车速计算时需要较多的电子设备且计算过程较为复杂的技术问题，进而达到了省去对诸如激光雷达等电子设备的使用，进而降低了经济成本，同时提高了车速计算的准确性的技术效果。
图3示意性示出了根据本公开实施例的输出待检测移动物体的速度信息的流程图。
根据本公开的实施例，待检测移动物体可以包括多个。
如图3所示，输出待检测移动物体的速度信息可以包括操作S301～S303。
在操作S301，将图像块样本输入跟踪器，输出多个待检测移动物体的多个跟踪信息和多个速度分量信息，其中，每个待检测移动物体具有一个跟踪信息和至少一个速度分量信息。
在操作S302，针对多个待检测移动物体中的每个待检测移动物体，根据与待检测物体对应的跟踪信息，从多个速度分量信息中确定待检测移动物体的速度分量信息。
在操作S303，利用卡尔曼滤波方法处理待检测移动物体的速度分量信息，得到待检测移动物体的速度信息。
根据本公开的实施例，跟踪信息可以包括车牌信息或出入证信息。跟踪器使用的算法可以包括SORT(Simple Online and Real Time Tracking)算法。
根据本公开的实施例，SORT算法是一种实时的在线跟踪算法，其使用卡尔曼滤波器将图像帧序列中每一帧的检测结果关联起来，具体而言，SORT算法使用线性高斯状态空间模型来逼近每个待检测移动物体的动态。每个待检测移动物体的状态建模可以用公式(1)表示。
其中，x表示待检测移动物体的中心横坐标，y表示待检测移动物体的中心纵坐标，s表示待检测移动物体的检测框的尺寸，r表示待检测移动物体的检测框比例，其中比例为一个常量，分别表示预测的下一帧中待检测移动物体的中心横纵坐标以及检测框的尺寸。
根据本公开的实施例，当SORT算法检测到的信息与待检测移动物体关联的情况下，检测到的边界框用于更新待检测移动物体的状态信息，例如位置信息。
根据本公开的实施例，当SORT算法检测到的信息与待检测移动物体未关联的情况下，则使用线性速度-密度模型进行速度分量信息的确定。
根据本公开的实施例，跟踪器处理图像块样本，得到多个待检测移动物体的多个跟踪信息和多个速度分量信息。从多个速度分量信息中确定待检测移动物体的速度分量信息。使用卡尔曼滤波方法处理待检测移动物体的速度分量信息，得到待检测移动物体的速度信息。
根据本公开的实施例，比例信息可以包括横向比例信息和纵向比例信息。
其中，根据比例信息和速度信息，确定待检测移动物体的实际车速信息，可以包括如下操作。
根据速度信息，确定待检测移动物体的横向速度信息和纵向速度信息。根据横向速度信息和横向比例信息，确定待检测移动物体的实际横向速度信息。根据纵向速度信息和纵向比例信息，确定待检测移动物体的实际纵向速度信息。根据实际横向速度信息和实际纵向速度信息，确定待检测移动物体的实际车速信息。
根据本公开的实施例，速度信息为像素空间中的速度，为了将速度信息从像素空间转换为现实世界的速度，需要在水平和垂直两个方向上进行比例恢复，其中，纵向可以包括垂直方向，横向可以包括水平方向。
根据本公开的实施例，将速度信息分解为横向速度信息和纵向速度信息，并根据横向比例信息和纵向比例信息分别对横向速度信息和纵向速度信息进行比例恢复，以得到现实世界的实际横向速度信息和实际纵向速度信息。根据实际横向速度信息和实际纵向速度信息确定待检测移动物体的实际车速信息。
根据本公开的实施例，实际车速信息可以由公式(2)进行计算。
其中，v表示实际车速信息，表示横向速度信息，/>表示纵向速度信息，sx表示横向比例信息，sy表示纵向比例信息。
根据本公开的实施例，横向比例信息中的比例因子可以根据公式(3)确定。
其中，W表示实际车道宽度，w表示图像帧中的车道宽度，Sx表示横向比例信息中的比例因子。
根据本公开的实施例，根据纵向速度信息和纵向比例信息，确定待检测移动物体的实际纵向速度信息，包括：
利用线性补偿器，对纵向速度信息和纵向比例信息进行补偿，以确定待检测移动物体的实际纵向速度信息。
根据本公开的实施例，线性补偿器包括公式(4)～(6)。
其中，L1表示实际车道中第一参照物的长度，L2表示实际车道中第二参照物的长度，第一参照物和第二参照物的高度不同，l1表示图像帧中第一参照物的像素长度，l2表示图像帧中第二参照物的像素长度，y表示图像帧中待检测移动物体的纵坐标，ymax表示图像帧中待检测移动物体的最大纵坐标，ymin表示图像帧中待检测移动物体的最小纵坐标。
根据本公开的实施例，纵向的车道经过投影和校正后，图像帧中的像素被拉伸，因此，沿纵向的车道的标记尺度是非线性变化的。从而使用线性补偿器对纵向比例信息进行补偿。
根据本公开的实施例，对图像帧序列进行目标检测，得到用于表征待检测移动物体的图像块样本，可以包括如下操作。
将图像帧序列中的图像帧输入检测器，输出用于表征待检测移动物体的边界框。根据预设裁剪规则对边界框进行裁剪，得到与边界框对应的图像块。根据图像块构建图像块样本。
根据本公开的实施例，预设裁剪规则可以由工作人员进行给定。
根据本公开的实施例，将图像帧序列中的图像帧输入检测器，输出用于表征待检测移动物体的边界框，边界框可以用公式(7)表示。
Bi＝(li，ti，ri，bi) (7)
其中，li为该边界框的左边界坐标，ti为该边界框的上边界坐标，ri为该边界框的右边界坐标，bi为该边界框的下边界坐标，li、ti、ri、bi可以为以像素为单位的坐标。
根据本公开的实施例，根据预设裁剪规则对该边界框(bounding box)进行裁剪，得到与该边界框对应的图像块；根据该图像块构建该图像块样本。
根据本公开的实施例，通过仿射变换后的单目相机是根据目标矩阵调整单目相机的位置得到的，目标矩阵是在待检测平面为平面的情况下，将图像点信息映射至单应性矩阵得到的，待检测平面是对未校准图像进行投影得到的，未校准图像是由单目相机拍照得到的，待校准图像包括至少一个图像点信息。
根据本公开的实施例，车道可以近似于平面区域。对于该平面区域，应用仿射变换将图像帧的图像域中的点x＝[x，y，1]T映射到校正域中的点X＝[X，Y，1]T的单应性矩阵H中，如公式(8)所示。
其中，hi，j为Hx的子矩阵，i和j均为大于等于1的正整数，x表示待检测移动物体的中心横坐标，y表示待检测移动物体的中心纵坐标。
在车道为非平面区域的情况下，通过比例恢复进行补偿，以使得车道为平面区域。
在确定Hx的情况下，可以通过微分上述公式获得待检测移动物体在校正域中的横向速度信息和纵向速度信息，如公式(9)所示。
其中，Ci，j代表对应于hi，j的Hx的子矩阵，表示横向速度信息，/>表示纵向速度信息。
基于检测两个纵向的消失点来计算H。两个消失点分别可以表示为v1和v2，其中，v1对应于车道纵向，v2对应于车道横向，则有公式(10)。
其中H的形式如公式(11)所示。
可以使用公式(10)和公式(11)求解公式(8)中的参数，进而对单目相机进行校正，以获得通过仿射变换后的单目相机。
图4示意性示出了根据本公开实施例的速度确定方法的场景示意图。
如图4所示，将仿射变换后的单目相机拍摄的图像帧序列进行目标检测，得到待检测移动物体的图像块样本，将图像块样本输入至跟踪器中，得到待检测移动物体的速度信息，根据比例信息和速度信息计算待检测移动物体的实际车速信息。
图5示意性示出了根据本公开的实施例的速度确定装置的框图。
如图5所示，速度确定装置500可以包括获取模块510、得到模块520、输出模块530和确定模块540。
获取模块510，用于获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，其中，图像帧序列的图像帧中包括待检测移动物体和车道，比例信息是根据车道的长度和实际车道的长度确定的。
得到模块520，用于对图像帧序列进行目标检测，得到用于表征待检测移动物体的图像块样本。
输出模块530，用于将图像块样本输入跟踪器，输出待检测移动物体的速度信息。
确定模块540，用于根据比例信息和速度信息，确定待检测移动物体的实际车速信息。
根据本公开的实施例，因为采用获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，对图像帧序列进行目标检测，得到用于表征待检测移动物体的图像块样本，将图像块样本输入跟踪器，输出待检测移动物体的速度信息，并根据比例信息和速度信息，确定待检测移动物体的实际车速信息的技术手段，所以至少部分地克服了车速计算时需要较多的电子设备且计算过程较为复杂的技术问题，达到了省去对诸如激光雷达等电子设备的使用，进而降低了经济成本，同时提高了车速计算的准确性的技术效果。
根据本公开的实施例，待检测移动物体可以包括多个。
根据本公开的实施例，输出模块530可以包括第一输入单元、第一确定单元和第一得到单元。
第一输入单元，用于将图像块样本输入跟踪器，输出多个待检测移动物体的多个跟踪信息和多个速度分量信息，其中，每个待检测移动物体具有一个跟踪信息和至少一个速度分量信息。
第一确定单元，用于针对多个待检测移动物体中的每个待检测移动物体，根据与待检测物体对应的跟踪信息，从多个速度分量信息中确定待检测移动物体的速度分量信息。
第一得到单元，用于利用卡尔曼滤波方法处理待检测移动物体的速度分量信息，得到待检测移动物体的速度信息。
根据本公开的实施例，比例信息可以包括横向比例信息和纵向比例信息。
根据本公开的实施例，确定模块540可以包括第二确定单元、第三确定单元、第四确定单元和第五确定单元。
第二确定单元，用于根据速度信息，确定待检测移动物体的横向速度信息和纵向速度信息。
第三确定单元，用于根据横向速度信息和横向比例信息，确定待检测移动物体的实际横向速度信息。
第四确定单元，用于根据纵向速度信息和纵向比例信息，确定待检测移动物体的实际纵向速度信息。
第五确定单元，用于根据实际横向速度信息和实际纵向速度信息，确定待检测移动物体的实际车速信息。
根据本公开的实施例，第四确定单元可以包括补偿子单元。
补偿子单元，用于利用线性补偿器，对纵向速度信息和纵向比例信息进行补偿，以确定待检测移动物体的实际纵向速度信息。
根据本公开的实施例，线性补偿器可以包括：
其中，L1表示实际车道中第一参照物的长度，L2表示实际车道中第二参照物的长度，第一参照物和第二参照物的高度不同，l1表示图像帧中第一参照物的像素长度，l2表示图像帧中第二参照物的像素长度，y表示图像帧中待检测移动物体的纵坐标，ymax表示图像帧中待检测移动物体的最大纵坐标，ymin表示图像帧中待检测移动物体的最小纵坐标。
根据本公开的实施例，得到模块520可以包括第二输入单元、第二得到单元和构建单元。
第二输入单元，用于将图像帧序列中的图像帧输入检测器，输出用于表征待检测移动物体的边界框。
第二得到单元，用于根据预设裁剪规则对边界框进行裁剪，得到与边界框对应的图像块。
构建单元，用于根据图像块构建图像块样本。
根据本公开的实施例，通过仿射变换后的单目相机是根据目标矩阵调整单目相机的位置得到的，目标矩阵是在待检测平面为平面的情况下，将图像点信息映射至单应性矩阵得到的，待检测平面是对未校准图像进行投影得到的，未校准图像是由单目相机拍照得到的，待校准图像包括至少一个图像点信息。
根据本公开的实施例的模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑阵列(Programmable Logic Arrays，PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(Application Specific Integrated Circuit，ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，获取模块510、得到模块520、输出模块530和确定模块540中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，获取模块510、得到模块520、输出模块530和确定模块540中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块510、得到模块520、输出模块530和确定模块540中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
需要说明的是，本公开的实施例中速度确定装置部分与本公开的实施例中速度确定方法部分是相对应的，速度确定装置部分的描述具体参考速度确定方法部分，在此不再赘述。
图6示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，根据本公开实施例的电子设备600包括处理器601，其可以根据存储在只读存储器(Read-Only Memory，ROM)602中的程序或者从存储部分608加载到随机访问存储器(Random Access Memory，RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中，存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备600还可以包括输入/输出(I/O)接口605，输入/输出(I/O)接口605也连接至总线604。系统600还可以包括连接至I/O接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的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存储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。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储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执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：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(Erasable Programmable Read Only Memory，EPROM)或闪存)、便携式紧凑磁盘只读存储器(Computer Disc Read-Only Memory，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。
例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的速度确定方法。
在该计算机程序被处理器601执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分609被下载和安装，和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(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，上述模块、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，框图或流程图中的每个方框、以及框图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。本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。
Claims (7)
1.一种速度确定方法，包括：
获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，其中，所述图像帧序列的图像帧中包括待检测移动物体和车道，所述比例信息是根据所述车道的长度和实际车道的长度确定的；
对所述图像帧序列进行目标检测，得到用于表征所述待检测移动物体的图像块样本；
将所述图像块样本输入跟踪器，输出所述待检测移动物体的速度信息；以及
根据所述比例信息和所述速度信息，确定所述待检测移动物体的实际车速信息；
其中，所述待检测移动物体包括多个；
其中，所述将所述图像块样本输入跟踪器，输出所述待检测移动物体的速度信息，包括：
将所述图像块样本输入所述跟踪器，输出多个所述待检测移动物体的多个跟踪信息和多个速度分量信息，其中，每个所述待检测移动物体具有一个所述跟踪信息和至少一个所述速度分量信息；
针对多个所述待检测移动物体中的每个待检测移动物体，根据与所述待检测物体对应的跟踪信息，从所述多个速度分量信息中确定所述待检测移动物体的速度分量信息；以及
利用卡尔曼滤波方法处理所述待检测移动物体的速度分量信息，得到所述待检测移动物体的速度信息；
其中，所述比例信息包括横向比例信息和纵向比例信息；
其中，所述根据所述比例信息和所述速度信息，确定所述待检测移动物体的实际车速信息，包括：
根据所述速度信息，确定所述待检测移动物体的横向速度信息和纵向速度信息；
根据所述横向速度信息和所述横向比例信息，确定所述待检测移动物体的实际横向速度信息；
根据所述纵向速度信息和所述纵向比例信息，确定所述待检测移动物体的实际纵向速度信息；以及
根据所述实际横向速度信息和所述实际纵向速度信息，确定所述待检测移动物体的实际车速信息；
其中，所述根据所述纵向速度信息和所述纵向比例信息，确定所述待检测移动物体的实际纵向速度信息，包括：
利用线性补偿器，对所述纵向速度信息和所述纵向比例信息进行补偿，以确定所述待检测移动物体的实际纵向速度信息；
其中，所述线性补偿器包括：
其中，L1表示所述实际车道中第一参照物的长度，L2表示所述实际车道中第二参照物的长度，所述第一参照物和所述第二参照物的高度不同，l1表示所述图像帧中所述第一参照物的像素长度，l2表示所述图像帧中所述第二参照物的像素长度，y表示所述图像帧中所述待检测移动物体的纵坐标，ymax表示所述图像帧中所述待检测移动物体的最大纵坐标，ymin表示所述图像帧中所述待检测移动物体的最小纵坐标。
2.根据权利要求1所述的方法，其中，所述对所述图像帧序列进行目标检测，得到用于表征所述待检测移动物体的图像块样本，包括：
将所述图像帧序列中的图像帧输入检测器，输出用于表征所述待检测移动物体的边界框；
根据预设裁剪规则对所述边界框进行裁剪，得到与所述边界框对应的图像块；以及
根据所述图像块构建所述图像块样本。
3.根据权利要求1所述的方法，其中，所述通过仿射变换后的单目相机是根据目标矩阵调整所述单目相机的位置得到的，所述目标矩阵是在待检测平面为平面的情况下，将图像点信息映射至单应性矩阵得到的，所述待检测平面是对未校准图像进行投影得到的，所述未校准图像是由所述单目相机拍照得到的，所述待校准图像包括至少一个所述图像点信息。
4.一种速度确定装置，包括：
获取模块，用于获取由通过仿射变换后的单目相机拍摄得到的图像帧序列和比例信息，其中，所述图像帧序列的图像帧中包括待检测移动物体和车道，所述比例信息是根据所述车道的长度和实际车道的长度确定的；
得到模块，用于对所述图像帧序列进行目标检测，得到用于表征所述待检测移动物体的图像块样本；
输出模块，用于将所述图像块样本输入跟踪器，输出所述待检测移动物体的速度信息；以及
确定模块，用于根据所述比例信息和所述速度信息，确定所述待检测移动物体的实际车速信息；
其中，待检测移动物体可以包括多个；所述输出模块包括：
第一输入单元，用于将图像块样本输入跟踪器，输出多个待检测移动物体的多个跟踪信息和多个速度分量信息，其中，每个待检测移动物体具有一个跟踪信息和至少一个速度分量信息；
第一确定单元，用于针对多个待检测移动物体中的每个待检测移动物体，根据与待检测物体对应的跟踪信息，从多个速度分量信息中确定待检测移动物体的速度分量信息；
第一得到单元，用于利用卡尔曼滤波方法处理待检测移动物体的速度分量信息，得到待检测移动物体的速度信息；
其中，比例信息包括横向比例信息和纵向比例信息；
其中，所述确定模块包括：
第二确定单元，用于根据速度信息，确定待检测移动物体的横向速度信息和纵向速度信息；
第三确定单元，用于根据横向速度信息和横向比例信息，确定待检测移动物体的实际横向速度信息；
第四确定单元，用于根据纵向速度信息和纵向比例信息，确定待检测移动物体的实际纵向速度信息；
第五确定单元，用于根据实际横向速度信息和实际纵向速度信息，确定待检测移动物体的实际车速信息；
其中，第四确定单元包括：
补偿子单元，用于利用线性补偿器，对纵向速度信息和纵向比例信息进行补偿，以确定待检测移动物体的实际纵向速度信息；
其中，线性补偿器包括：
其中，L1表示实际车道中第一参照物的长度，L2表示实际车道中第二参照物的长度，第一参照物和第二参照物的高度不同，l1表示图像帧中第一参照物的像素长度，l2表示图像帧中第二参照物的像素长度，y表示图像帧中待检测移动物体的纵坐标，ymax表示图像帧中待检测移动物体的最大纵坐标，ymin表示图像帧中待检测移动物体的最小纵坐标。
5.一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1～3中任一项所述的方法。
6.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1～3中任一项所述的方法。
7.一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时用于实现权利要求1～3中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110688735.8A CN113379591B (zh) | 2021-06-21 | 2021-06-21 | 速度确定方法、速度确定装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110688735.8A CN113379591B (zh) | 2021-06-21 | 2021-06-21 | 速度确定方法、速度确定装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113379591A CN113379591A (zh) | 2021-09-10 |
| CN113379591B true CN113379591B (zh) | 2024-02-27 |
Family
ID=77578201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110688735.8A Active CN113379591B (zh) | 2021-06-21 | 2021-06-21 | 速度确定方法、速度确定装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113379591B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109903308A (zh) * | 2017-12-08 | 2019-06-18 | 百度在线网络技术（北京）有限公司 | 用于获取信息的方法及装置 |
| WO2020151172A1 (zh) * | 2019-01-23 | 2020-07-30 | 平安科技（深圳）有限公司 | 运动目标检测方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112567201B (zh) * | 2018-08-21 | 2024-04-16 | 深圳市大疆创新科技有限公司 | 距离测量方法以及设备 |
-
2021
- 2021-06-21 CN CN202110688735.8A patent/CN113379591B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109903308A (zh) * | 2017-12-08 | 2019-06-18 | 百度在线网络技术（北京）有限公司 | 用于获取信息的方法及装置 |
| WO2020151172A1 (zh) * | 2019-01-23 | 2020-07-30 | 平安科技（深圳）有限公司 | 运动目标检测方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 万燕 ; 周增刚 ; 李晓园 ; .基于双目视觉的车辆检测和车速测定.计算机应用与软件.2013,(08),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113379591A (zh) | 2021-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10964054B2 (en) | Method and device for positioning | |
| Zhao et al. | Detection, tracking, and geolocation of moving vehicle from uav using monocular camera | |
| Zhou et al. | Automated evaluation of semantic segmentation robustness for autonomous driving | |
| WO2020098708A1 (zh) | 车道线的检测及驾驶控制方法、装置和电子设备 | |
| CN113264066B (zh) | 障碍物轨迹预测方法、装置、自动驾驶车辆及路侧设备 | |
| Nieto et al. | Real-time lane tracking using Rao-Blackwellized particle filter | |
| CN109035292B (zh) | 基于深度学习的运动目标检测方法及装置 | |
| CN110349212B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
| EP4307219A1 (en) | Three-dimensional target detection method and apparatus | |
| CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
| CN113029128A (zh) | 视觉导航方法及相关装置、移动终端、存储介质 | |
| CN111985300A (zh) | 自动驾驶动态目标定位方法、装置、电子设备及存储介质 | |
| CN112149707B (zh) | 图像采集控制方法、装置、介质及设备 | |
| Feng et al. | Crack assessment using multi-sensor fusion simultaneous localization and mapping (SLAM) and image super-resolution for bridge inspection | |
| Kocur et al. | Traffic camera calibration via vehicle vanishing point detection | |
| Guo et al. | Visibility detection approach to road scene foggy images | |
| CN113012215A (zh) | 一种空间定位的方法、系统及设备 | |
| CN113379591B (zh) | 速度确定方法、速度确定装置、电子设备及存储介质 | |
| CN113112551B (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
| CN116453017A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
| CN113902047B (zh) | 图像元素匹配方法、装置、设备以及存储介质 | |
| JP7258101B2 (ja) | 画像の手ぶれ補正方法、装置、電子機器、記憶媒体、コンピュータプログラム製品、路側機およびクラウド制御プラットフォーム | |
| WO2023283929A1 (zh) | 双目相机外参标定的方法及装置 | |
| EP3288260A1 (en) | Image processing device, imaging device, equipment control system, equipment, image processing method, and carrier means | |
| JP7229111B2 (ja) | 地図更新データ生成装置及び地図更新データ生成方法 |
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 |