CN113435386A - 一种视觉车位无损滤波方法、装置及存储介质 - Google Patents

一种视觉车位无损滤波方法、装置及存储介质 Download PDF

Info

Publication number
CN113435386A
CN113435386A CN202110771835.7A CN202110771835A CN113435386A CN 113435386 A CN113435386 A CN 113435386A CN 202110771835 A CN202110771835 A CN 202110771835A CN 113435386 A CN113435386 A CN 113435386A
Authority
CN
China
Prior art keywords
parking space
visual
current moment
confidence
confidence coefficient
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.)
Granted
Application number
CN202110771835.7A
Other languages
English (en)
Other versions
CN113435386B (zh
Inventor
柳泉冰
邵力清
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.)
Zhejiang Geely Holding Group Co Ltd
Geely Automobile Research Institute Ningbo Co Ltd
Original Assignee
Zhejiang Geely Holding Group Co Ltd
Geely Automobile Research Institute Ningbo 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 Zhejiang Geely Holding Group Co Ltd, Geely Automobile Research Institute Ningbo Co Ltd filed Critical Zhejiang Geely Holding Group Co Ltd
Priority to CN202110771835.7A priority Critical patent/CN113435386B/zh
Publication of CN113435386A publication Critical patent/CN113435386A/zh
Application granted granted Critical
Publication of CN113435386B publication Critical patent/CN113435386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种视觉车位无损滤波方法、装置及存储介质，视觉车位无损滤波方法包括：获取静态车位与摄像头的实时相对位置信息，确定摄像头捕获的视觉车位图像的原始置信度；基于当前时刻摄像头捕获的视觉车位图像和对应的原始置信度、上一时刻无损滤波输出的车位位置和对应的车位置信度对当前时刻捕获的视觉车位图像进行无损滤波并更新输出当前时刻的车位位置，同时更新当前时刻的车位置信度。与现有技术相比，本发明避免了视觉车位的频繁抖动以及车位信息更新的延迟和失真，提高了泊车的准确、可靠性。

Description

一种视觉车位无损滤波方法、装置及存储介质
技术领域
本发明涉及汽车泊车技术领域，尤其是涉及一种视觉车位无损滤波方法、装置及存储介质。
背景技术
汽车泊车过程中，视觉车位是通过4个环视摄像头的图像识别技术来提取并输出给路径规划模块，最终通过执行控制来实现视觉车位的识别-泊车路径规划-车辆自动泊入。由于在车辆运动过程中，摄像头获取的图像因为相对位置、相对角度、道路的坡度、环境的光照强度以及处理器的时延等各种因素，随着车辆运动过程会不断变化，导致视觉车位出现不应该有的持续波动。例如车位位于环视拼接区域时，视觉车位的畸变会影响车位角点的位置和车位形状。对于有一定坡度的车位，不同角度下看到的车位角点位置和车位形状都不同。视觉车位的持续波动，会导致路径规划的输入目标持续波动，最终会影响到控制执行部件，导致在车辆泊入过程中，泊入的车位目标不断调整，甚至跳动，最终车辆的方向盘控制持续的抖动和车辆最终泊入位置的过多修正或者偏差，影响自动泊车的用户体验和控制精度。
目前的技术上，都是通过各种滤波，例如多帧平均滤波，或者卡尔曼滤波来减小这种波动/跳动，减小对控制精度的影响。但是这种滤波方式很难完全消除车位的波动/跳动，或者过强的滤波又会带来车位信息更新的明显迟滞，无法同时保证视觉车位的稳定性和准确性。如果采用双目或者三目摄像头是可以解决视觉车位的抖动问题，但是这将导致硬件成本的成倍增加，同时也意味着当前整车的硬件架构需要重新配置，项目需要推倒重来。因此，如何在现有整车硬件架构的基础上，在不增加任何硬件成本和项目成本的前提下有效的解决视觉车位的抖动和准确性成为亟待解决的技术问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种视觉车位无损滤波方法、装置及存储介质。
本发明的目的可以通过以下技术方案来实现：
一种视觉车位无损滤波方法，该方法包括：
获取静态车位与摄像头的实时相对位置信息，确定摄像头捕获的视觉车位图像的原始置信度；
基于当前时刻摄像头捕获的视觉车位图像和对应的原始置信度、上一时刻无损滤波输出的车位位置和对应的车位置信度对当前时刻捕获的视觉车位图像进行无损滤波并更新输出当前时刻的车位位置，同时更新当前时刻的车位置信度。
优选地，所述的实时相对位置信息包括摄像头与静态车位的夹角θ、摄像头与静态车位中心点的距离L。
优选地，所述的视觉车位图像的原始置信度的确定方式为：
判断θ是否在最优夹角范围内，同时判断L是否在预设距离内，若同时满足，则视觉车位图像的原始置信度设置为第一置信度D1；
若不能同时满足θ在预设夹角范围内且L在预设距离内，则判断静态车位是否处于拼接区域，若处于拼接区域，则视觉车位图像的原始置信度设置为第二置信度D2，若不处于拼接区域，则基于θ大小计算视觉车位图像的原始置信度，计算的原始置信度与θ的绝对值呈负相关关系且原始置信度限制于第三置信度D3和第四置信度D4之间；
所述的D1、D2、D3、D4满足：D1＞D4＞D3≥D2。
优选地，所述的最优夹角范围取值为-5°～5°。
优选地，基于θ大小计算视觉车位图像的原始置信度方式包括：
DT＝D4-[(D4-D3)·|θ|/θref] 0≤|θ|/θref≤1
DT＝D3 |θ|/θref＞1
其中，DT为视觉车位图像的原始置信度，θref为参考角度，θref为正常数。
优选地，所述的当前时刻的车位位置以及所述的当前时刻的车位置信度的更新方式包括：
若当前时刻摄像头捕获的视觉车位图像的原始置信度大于上一时刻无损滤波输出的车位位置的车位置信度，则更新当前时刻的车位位置，同时更新当前时刻的车位置信度；
若当前时刻摄像头捕获的视觉车位图像的原始置信度不大于上一时刻无损滤波输出的车位位置的车位置信度，则保持上一时刻输出的车位位置，同时根据当前时刻捕获的视觉车位图像中的车位位置与上一时刻输出的车位位置偏差更新当前时刻的车位置信度。
优选地，当前时刻摄像头捕获的视觉车位图像的原始置信度大于上一时刻无损滤波输出的车位位置的车位置信度时更新车位位置和车位置信度的方式包括：
若当前时刻摄像头捕获的视觉车位图像的原始置信度与上一时刻无损滤波输出的车位位置的车位置信度差值不小于设定预设阈值，则直接将当前时刻摄像头捕获的视觉车位图像中的车位位置输出，同时将当前时刻摄像头捕获的视觉车位图像的原始置信度作为当前时刻的车位置信度并输出；
若当前时刻摄像头捕获的视觉车位图像的原始置信度与上一时刻无损滤波输出的车位位置的车位置信度差值小于设定预设阈值，则将当前时刻摄像头捕获的视觉车位图像的原始置信度作为当前时刻的车位置信度，同时通过如下方式更新车位位置：
Zt＝Zt-1+(ZTt-Zt-1)×(Dt/Dt+Dt-1)
其中，Zt为当前时刻输出的车位位置，Zt-1为上一时刻输出的车位位置，ZTt为当前时刻摄像头捕获的视觉车位图像中的车位位置，Dt为当前时刻的车位置信度，Dt-1为上一时刻输出的车位位置的车位置信度。
优选地，所述的根据当前时刻捕获的视觉车位图像中的车位位置与上一时刻输出的车位位置偏差更新当前时刻的车位置信度的方式包括：
若当前时刻捕获的视觉车位图像中的车位位置的中心点与上一时刻输出的车位位置的中心点位置偏差不大于设定阈值，则当前时刻的车位置信度通过下式确定：
Dt＝Dt-1+max[0，(DTt-0.5)]*W1
若当前时刻捕获的视觉车位图像中的车位位置的中心点与上一时刻输出的车位位置的中心点位置偏差大于设定阈值，则当前时刻的车位置信度通过下式确定：
Dt＝Dt-1-max[0，(DTt-0.5)]*W2
其中，Dt为当前时刻的车位置信度，Dt-1为上一时刻的车位置信度，DTt为当前时刻捕获的视觉车位图像的原始置信度，W1、W2为权重系数。
一种视觉车位无损滤波装置，包括存储器和处理器，所述存储器，用于存储计算机程序，所述处理器，用于当执行所述计算机程序时，实现所述的视觉车位无损滤波方法。
一种存储介质，其上存储有计算机程序，所述的计算机程序被处理器执行时实现所述的视觉车位无损滤波方法。
与现有技术相比，本发明具有如下优点：
(1)本发明利用静态车位与摄像头的实时相对位置关系来确定视觉车位图像的原始置信度，然后基于置信度来更新车位，将车位的抖动误差转化为置信度的变化，既隔绝了视觉车位的波动，又不会导致车位信息更新的延迟，减小误差，与多帧滤波或者卡尔曼滤波方式相比，本发明不会造成车位信息更新的延迟和失真；
(2)本发明利用图像处理后的车位信息来计算车位位置的置信度，同时通过置信度的比较来判断是否需要更新车位信息，逻辑运算的额外增加量极小(每周期增加的运算次数不超过1000次)，不会导致芯片算力需求的增加。
附图说明
图1为本发明一种视觉车位无损滤波方法的流程框图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。
实施例1
本实施例提供一种视觉车位无损滤波方法，该方法包括：
获取静态车位与摄像头的实时相对位置信息，确定摄像头捕获的视觉车位图像的原始置信度，其中，实时相对位置信息包括摄像头与静态车位的夹角θ、摄像头与静态车位中心点的距离L；
基于当前时刻摄像头捕获的视觉车位图像和对应的原始置信度、上一时刻无损滤波输出的车位位置和对应的车位置信度对当前时刻捕获的视觉车位图像进行无损滤波并更新输出当前时刻的车位位置，同时更新当前时刻的车位置信度。
在本实施例基于当前的4个单目环视摄像头，不改变任何硬件配置，仅仅通过软件策略和算法的设计，巧妙的利用静态物体与摄像头的相对位置关系来判断车位信息的更新逻辑，在不增加任何硬件成本和项目成本的前提下，有效的解决视觉车位的抖动和准确性问题。具体策略准则为：
1、当摄像头在+5/-5度的夹角范围内识别的车位图像，因为产生的畸变比较小，同时因为距离比较近，环境的光线，道路的坡道等对车位的识别影响也比较小，此时识别出来的车位位置相对比较准确。所以当前的策略是准确的找到车位图像最准确的时刻，并给这个时刻的车位以最高的置信度。
2、对于超出最优夹角范围(+/-5度)的车位图像，根据夹角的大小和各时刻车位位置的重合情况来计算得到合理的车位位置置信度；
3、对于严重超出最优夹角范围，在图像拼接区域的车位图像，给出最低范围的车位位置置信度；
4、车位位置是否更新取决于车位置信度，可以保证车位位置只有在更可靠时才更新，保证车位图像的稳定，同时车位位置更准确。
如图1所示，视觉车位图像的原始置信度的确定方式为：
判断θ是否在最优夹角范围内，同时判断L是否在预设距离内，若同时满足，则视觉车位图像的原始置信度设置为第一置信度D1；
若不能同时满足θ在预设夹角范围内且L在预设距离内，则判断静态车位是否处于拼接区域，若处于拼接区域，则视觉车位图像的原始置信度设置为第二置信度D2，若不处于拼接区域，则基于θ大小计算视觉车位图像的原始置信度，计算的原始置信度与θ的绝对值呈负相关关系且原始置信度限制于第三置信度D3和第四置信度D4之间；D1、D2、D3、D4满足：D1＞D4＞D3≥D2，最优夹角范围取值为-5°～5°，判断L是否满足标准的预设距离设置为7米。
基于θ大小计算视觉车位图像的原始置信度方式包括：
DT＝D4-[(D4-D3)·|θ|/θref] 0≤|θ|/θref≤1
DT＝D3 |θ|/θref＞1
其中，DT为视觉车位图像的原始置信度，θref为参考角度，θref为正常数，在本实施例中D1＝99％，D2＝50％，D3＝50％，D4＝70％，θref＝103。
需要说明的是：若处于拼接区域，则θ会比较大，其角度阈值与摄像头的安装位置相关，由前期测试获得。
当前时刻的车位位置以及当前时刻的车位置信度的更新方式包括：
若当前时刻摄像头捕获的视觉车位图像的原始置信度大于上一时刻无损滤波输出的车位位置的车位置信度，则更新当前时刻的车位位置，同时更新当前时刻的车位置信度；
若当前时刻摄像头捕获的视觉车位图像的原始置信度不大于上一时刻无损滤波输出的车位位置的车位置信度，则保持上一时刻输出的车位位置，同时根据当前时刻捕获的视觉车位图像中的车位位置与上一时刻输出的车位位置偏差更新当前时刻的车位置信度。
当前时刻摄像头捕获的视觉车位图像的原始置信度大于上一时刻无损滤波输出的车位位置的车位置信度时更新车位位置和车位置信度的方式包括：
若当前时刻摄像头捕获的视觉车位图像的原始置信度与上一时刻无损滤波输出的车位位置的车位置信度差值不小于设定预设阈值(本实施例中取为45％)，则直接将当前时刻摄像头捕获的视觉车位图像中的车位位置输出，同时将当前时刻摄像头捕获的视觉车位图像的原始置信度作为当前时刻的车位置信度并输出；
若当前时刻摄像头捕获的视觉车位图像的原始置信度与上一时刻无损滤波输出的车位位置的车位置信度差值小于设定预设阈值(本实施例中取为45％)，则将当前时刻摄像头捕获的视觉车位图像的原始置信度作为当前时刻的车位置信度，同时通过如下方式更新车位位置：
Zt＝Zt-1+(ZTt-Zt-1)×(Dt/Dt+Dt-1)
其中，Zt为当前时刻输出的车位位置，Zt-1为上一时刻输出的车位位置，ZTt为当前时刻摄像头捕获的视觉车位图像中的车位位置，Dt为当前时刻的车位置信度，Dt-1为上一时刻输出的车位位置的车位置信度。
根据当前时刻捕获的视觉车位图像中的车位位置与上一时刻输出的车位位置偏差更新当前时刻的车位置信度的方式包括：
若当前时刻捕获的视觉车位图像中的车位位置的中心点与上一时刻输出的车位位置的中心点位置偏差不大于设定阈值(本实施例中取5cm)，则当前时刻的车位置信度通过下式确定：
Dt＝Dt-1+max[0，(DTt-0.5)]*W1
同时设置此过程中车位置信度上限为90％，即若计算出的Dt大于90％则直接将当前时刻的车位置信度置为90％；
若当前时刻捕获的视觉车位图像中的车位位置的中心点与上一时刻输出的车位位置的中心点位置偏差大于设定阈值(本实施例中取5cm)，则当前时刻的车位置信度通过下式确定：
Dt＝Dt-1-max[0，(DTt-0.5)]*W2
同时设置此过程中车位置信度下限为60％，即若计算出的Dt小于60％则直接将当前时刻的车位置信度置为60％；
其中，Dt为当前时刻的车位置信度，Dt-1为上一时刻的车位置信度，DTt为当前时刻捕获的视觉车位图像的原始置信度，W1、W2为权重系数，本实施例中，W1＝W2＝1％。
需要说明书的是：图1中，定义的车位信息数据结构中，包含了车位位置信息和其他信息(车位角度，类型等)；而车位位置数据结构中，包含了车位角点位置坐标和车位中心点位置坐标。车位坐标仅指车位中心点的位置坐标，车位位置指车位角点的位置坐标和车位中心点的位置坐标。
实施例2
本实施例提供一种视觉车位无损滤波装置，包括存储器和处理器，所述存储器，用于存储计算机程序，所述处理器，用于当执行所述计算机程序时，实现实施例1中的视觉车位无损滤波方法，该方法在实施例1中已详细说明，在本实施例中不再赘述。
实施例3
本实施例提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现视觉车位无损滤波方法，该方法在实施例1中已详细说明，在本实施例中不再赘述。
上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (10)

1.一种视觉车位无损滤波方法，其特征在于，该方法包括：
获取静态车位与摄像头的实时相对位置信息，确定摄像头捕获的视觉车位图像的原始置信度；
基于当前时刻摄像头捕获的视觉车位图像和对应的原始置信度、上一时刻无损滤波输出的车位位置和对应的车位置信度对当前时刻捕获的视觉车位图像进行无损滤波并更新输出当前时刻的车位位置，同时更新当前时刻的车位置信度。
2.根据权利要求1所述的一种视觉车位无损滤波方法，其特征在于，所述的实时相对位置信息包括摄像头与静态车位的夹角θ、摄像头与静态车位中心点的距离L。
3.根据权利要求2所述的一种视觉车位无损滤波方法，其特征在于，所述的视觉车位图像的原始置信度的确定方式为：
判断θ是否在最优夹角范围内，同时判断L是否在预设距离内，若同时满足，则视觉车位图像的原始置信度设置为第一置信度D1；
若不能同时满足θ在预设夹角范围内且L在预设距离内，则判断静态车位是否处于拼接区域，若处于拼接区域，则视觉车位图像的原始置信度设置为第二置信度D2，若不处于拼接区域，则基于θ大小计算视觉车位图像的原始置信度，计算的原始置信度与θ的绝对值呈负相关关系且原始置信度限制于第三置信度D3和第四置信度D4之间；
所述的D1、D2、D3、D4满足：D1＞D4＞D3≥D2。
4.根据权利要求3所述的一种视觉车位无损滤波方法，其特征在于，所述的最优夹角范围取值为-5°～5°。
5.根据权利要求3所述的一种视觉车位无损滤波方法，其特征在于，基于θ大小计算视觉车位图像的原始置信度方式包括：
DT＝D4-[(D4-D3)·|θ|/θref] 0≤|θ/θref≤1
DT＝D3 |θ|/θref＞1
其中，DT为视觉车位图像的原始置信度，θref为参考角度，θref为正常数。
6.根据权利要求1所述的一种视觉车位无损滤波方法，其特征在于，所述的当前时刻的车位位置以及所述的当前时刻的车位置信度的更新方式包括：
若当前时刻摄像头捕获的视觉车位图像的原始置信度大于上一时刻无损滤波输出的车位位置的车位置信度，则更新当前时刻的车位位置，同时更新当前时刻的车位置信度；
若当前时刻摄像头捕获的视觉车位图像的原始置信度不大于上一时刻无损滤波输出的车位位置的车位置信度，则保持上一时刻输出的车位位置，同时根据当前时刻捕获的视觉车位图像中的车位位置与上一时刻输出的车位位置偏差更新当前时刻的车位置信度。
7.根据权利要求6所述的一种视觉车位无损滤波方法，其特征在于，当前时刻摄像头捕获的视觉车位图像的原始置信度大于上一时刻无损滤波输出的车位位置的车位置信度时更新车位位置和车位置信度的方式包括：
若当前时刻摄像头捕获的视觉车位图像的原始置信度与上一时刻无损滤波输出的车位位置的车位置信度差值不小于设定预设阈值，则直接将当前时刻摄像头捕获的视觉车位图像中的车位位置输出，同时将当前时刻摄像头捕获的视觉车位图像的原始置信度作为当前时刻的车位置信度并输出；
若当前时刻摄像头捕获的视觉车位图像的原始置信度与上一时刻无损滤波输出的车位位置的车位置信度差值小于设定预设阈值，则将当前时刻摄像头捕获的视觉车位图像的原始置信度作为当前时刻的车位置信度，同时通过如下方式更新车位位置：
Zt＝Zt-1+(ZTt-Zt-1)×(Dt/Dt+Dt-1)
其中，Zt为当前时刻输出的车位位置，Zt-1为上一时刻输出的车位位置，ZTt为当前时刻摄像头捕获的视觉车位图像中的车位位置，Dt为当前时刻的车位置信度，Dt-1为上一时刻输出的车位位置的车位置信度。
8.根据权利要求6所述的一种视觉车位无损滤波方法，其特征在于，所述的根据当前时刻捕获的视觉车位图像中的车位位置与上一时刻输出的车位位置偏差更新当前时刻的车位置信度的方式包括：
若当前时刻捕获的视觉车位图像中的车位位置的中心点与上一时刻输出的车位位置的中心点位置偏差不大于设定阈值，则当前时刻的车位置信度通过下式确定：
Dt＝Dt-1+max[0，(DTt-0.5)]*W1
若当前时刻捕获的视觉车位图像中的车位位置的中心点与上一时刻输出的车位位置的中心点位置偏差大于设定阈值，则当前时刻的车位置信度通过下式确定：
Dt＝Dt-1-max[0，(DTt-0.5)]*W2
其中，Dt为当前时刻的车位置信度，Dt-1为上一时刻的车位置信度，DTt为当前时刻捕获的视觉车位图像的原始置信度，W1、W2为权重系数。
9.一种视觉车位无损滤波装置，其特征在于，包括存储器和处理器，所述存储器，用于存储计算机程序，所述处理器，用于当执行所述计算机程序时，实现如权利要求1至8任一项所述的视觉车位无损滤波方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述的计算机程序被处理器执行时实现如权利要求1至8任一项所述的视觉车位无损滤波方法。
CN202110771835.7A 2021-07-08 2021-07-08 一种视觉车位无损滤波方法、装置及存储介质 Active CN113435386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110771835.7A CN113435386B (zh) 2021-07-08 2021-07-08 一种视觉车位无损滤波方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110771835.7A CN113435386B (zh) 2021-07-08 2021-07-08 一种视觉车位无损滤波方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113435386A true CN113435386A (zh) 2021-09-24
CN113435386B CN113435386B (zh) 2023-06-02

Family

ID=77759574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110771835.7A Active CN113435386B (zh) 2021-07-08 2021-07-08 一种视觉车位无损滤波方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113435386B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102165493A (zh) * 2008-09-25 2011-08-24 澳大利亚国家Ict有限公司 对图像中的车辆的检测
CN103727947A (zh) * 2013-12-27 2014-04-16 北京苍穹数码测绘有限公司 基于ukf滤波的bds与gis深耦合定位方法和系统
US20140247352A1 (en) * 2013-02-27 2014-09-04 Magna Electronics Inc. Multi-camera dynamic top view vision system
CN105890596A (zh) * 2016-03-30 2016-08-24 南京航空航天大学 输出速率可调的视觉导航最优信息估计方法
CN106494395A (zh) * 2016-09-30 2017-03-15 惠州华阳通用电子有限公司 一种基于数据融合的自动泊车控制方法及装置
US20180009380A1 (en) * 2010-12-22 2018-01-11 Magna Electronics Inc. Vision display system for vehicle
US20190050000A1 (en) * 2017-08-08 2019-02-14 Skydio, Inc. Image space motion planning of an autonomous vehicle
CN109649382A (zh) * 2018-12-29 2019-04-19 百度在线网络技术（北京）有限公司 自动泊车的路径规划方法及装置、电子设备和计算机可读介质
CN109733284A (zh) * 2019-02-19 2019-05-10 广州小鹏汽车科技有限公司 一种应用于车辆的安全泊车辅助预警方法及系统
CN109733384A (zh) * 2018-12-25 2019-05-10 科大讯飞股份有限公司 泊车路径设置方法及系统
CN111081064A (zh) * 2019-12-11 2020-04-28 上海赫千电子科技有限公司 一种车载以太网的自动泊车系统及自动代客泊车方法
CN112257698A (zh) * 2020-12-23 2021-01-22 深圳佑驾创新科技有限公司 环视图车位检测结果的处理方法、装置、设备和存储介质
CN112550278A (zh) * 2020-12-03 2021-03-26 上汽大众汽车有限公司 一种基于环视摄像头和超声波雷达检测的自动泊车方法和系统
CN112815939A (zh) * 2021-01-04 2021-05-18 清华大学深圳国际研究生院 移动机器人的位姿估计方法及计算机可读存储介质

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102165493A (zh) * 2008-09-25 2011-08-24 澳大利亚国家Ict有限公司 对图像中的车辆的检测
US20180009380A1 (en) * 2010-12-22 2018-01-11 Magna Electronics Inc. Vision display system for vehicle
US20140247352A1 (en) * 2013-02-27 2014-09-04 Magna Electronics Inc. Multi-camera dynamic top view vision system
CN103727947A (zh) * 2013-12-27 2014-04-16 北京苍穹数码测绘有限公司 基于ukf滤波的bds与gis深耦合定位方法和系统
CN105890596A (zh) * 2016-03-30 2016-08-24 南京航空航天大学 输出速率可调的视觉导航最优信息估计方法
CN106494395A (zh) * 2016-09-30 2017-03-15 惠州华阳通用电子有限公司 一种基于数据融合的自动泊车控制方法及装置
US20190050000A1 (en) * 2017-08-08 2019-02-14 Skydio, Inc. Image space motion planning of an autonomous vehicle
CN109733384A (zh) * 2018-12-25 2019-05-10 科大讯飞股份有限公司 泊车路径设置方法及系统
CN109649382A (zh) * 2018-12-29 2019-04-19 百度在线网络技术（北京）有限公司 自动泊车的路径规划方法及装置、电子设备和计算机可读介质
CN109733284A (zh) * 2019-02-19 2019-05-10 广州小鹏汽车科技有限公司 一种应用于车辆的安全泊车辅助预警方法及系统
CN111081064A (zh) * 2019-12-11 2020-04-28 上海赫千电子科技有限公司 一种车载以太网的自动泊车系统及自动代客泊车方法
CN112550278A (zh) * 2020-12-03 2021-03-26 上汽大众汽车有限公司 一种基于环视摄像头和超声波雷达检测的自动泊车方法和系统
CN112257698A (zh) * 2020-12-23 2021-01-22 深圳佑驾创新科技有限公司 环视图车位检测结果的处理方法、装置、设备和存储介质
CN112815939A (zh) * 2021-01-04 2021-05-18 清华大学深圳国际研究生院 移动机器人的位姿估计方法及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
叶浩: "全自动泊车系统的车位智能识别与泊车路径跟踪控制", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *
叶浩: "全自动泊车系统的车位智能识别与泊车路径跟踪控制", 《中国优秀硕士学位论文全文数据库（电子期刊）》, 30 November 2019 (2019-11-30) *

Also Published As

Publication number Publication date
CN113435386B (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN108805934B (zh) 一种车载摄像机的外部参数标定方法及装置
EP3627109B1 (en) Visual positioning method and apparatus, electronic device and system
CN110148185B (zh) 确定成像设备坐标系转换参数的方法、装置和电子设备
US9536306B2 (en) Vehicle vision system
US8885049B2 (en) Method and device for determining calibration parameters of a camera
JP6458439B2 (ja) 車載カメラ較正装置、画像生成装置、車載カメラ較正方法、画像生成方法
CN110850872A (zh) 机器人巡检方法、装置、计算机可读存储介质及机器人
WO2018177159A1 (zh) 运动物体的位置确定方法及系统
CN109872366B (zh) 一种物体的三维位置检测方法和装置
JP2018124787A (ja) 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム
WO2018120040A1 (zh) 一种障碍物检测方法及装置
CN112348752B (zh) 一种基于平行约束的车道线消失点补偿方法及装置
CN112862899B (zh) 用于图像获取设备的外参标定方法、装置和系统
CN114111774B (zh) 车辆的定位方法、系统、设备及计算机可读存储介质
CN110766760A (zh) 用于相机标定的方法、装置、设备和存储介质
CN113640778A (zh) 一种基于无重叠视场的多激光雷达的联合标定方法
US11880993B2 (en) Image processing device, driving assistance system, image processing method, and program
CN111260539A (zh) 鱼眼图目标识别方法及其系统
CN110853085A (zh) 基于语义slam的建图方法和装置及电子设备
JP2008020225A (ja) 自己位置推定プログラム、自己位置推定方法および自己位置推定装置
CN110728720A (zh) 用于相机标定的方法、装置、设备和存储介质
CN110751693A (zh) 用于相机标定的方法、装置、设备和存储介质
CN110929661A (zh) 一种基于卷积神经网络的可停靠车位检测方法及系统
CN114119749A (zh) 一种基于密集关联的单目3d车辆检测方法
CN113435386A (zh) 一种视觉车位无损滤波方法、装置及存储介质

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
GR01 Patent grant
GR01 Patent grant