CN113516712A - 目标位置确定方法和装置 - Google Patents
目标位置确定方法和装置 Download PDFInfo
- Publication number
- CN113516712A CN113516712A CN202110458055.7A CN202110458055A CN113516712A CN 113516712 A CN113516712 A CN 113516712A CN 202110458055 A CN202110458055 A CN 202110458055A CN 113516712 A CN113516712 A CN 113516712A
- Authority
- CN
- China
- Prior art keywords
- lane line
- coordinate
- width
- point
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000000007 visual effect Effects 0.000 claims abstract description 45
- 230000003287 optical effect Effects 0.000 claims description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 230000009466 transformation Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种目标位置确定方法和装置,方法包括:基于单目视觉图像得到多个左车道线点和多个右车道线点;获取具有相同纵坐标的左车道线点和右车道线点的横坐标差值;获取车道宽度;根据所述车道宽度、所述单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标,计算高度方向坐标;根据多个所述纵坐标和对应的所述高度方向坐标确定道路高度信息;根据所述道路高度信息和所述目标的像素点坐标确定所述目标的空间位置。采用本申请实施例提供的目标位置确定方法,解决了单目视觉无法测量曲面路面中目标位置坐标的问题。
Description
技术领域
本申请涉及计算机软件处理技术领域,具体涉及一种目标位置确定方法和装置。
背景技术
自动驾驶过程中,需要实时监测道路目标位置而制定车辆行驶路径规划。目前,已有检测道路上目标的方法包括基于图像处理的方法,其中包括基于单目视觉的测距方法。
目前,基于单目视觉的测距方法根据逆透视变换原理,建立相机坐标系与车辆坐标系的坐标转换矩阵,通过采集的单目视觉图像中目标坐标和转换矩阵相乘而得到目标在车辆坐标系中的坐标。
但是,逆透视的变换原理有一前提假设:道路路面为一平面。而实际道路并不是平面,也会出现上坡斜面、下坡斜面等各种类型的斜坡面;采用前述的逆透视变换原理处理单目相机拍摄的斜坡面图像,使得测量精度并不能满足应用需求。
发明内容
为解决背景技术提及的技术问题,本申请提供一种目标位置确定方法和装置。
一方面,本申请提供一种基于单目视觉的目标位置确定方法,包括:
基于单目视觉图像得到多个左车道线点和多个右车道线点;
获取具有相同纵坐标的左车道线点和右车道线点的横坐标差值;
获取车道宽度;所述车道宽度为所述左车道线点对应的车道线和所述右车道线点对应的车道线之间的宽度;
根据所述车道宽度、所述单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标确定高度方向坐标;
根据多个所述纵坐标和对应的所述高度方向坐标,确定道路高度信息;
根据所述道路高度信息和目标的像素点坐标确定所述目标的空间位置。
可选地,获取车道宽度包括:
获取近端左车道线点和近端右车道线点;所述近端左车道线点和所述近端右车道线点分别为纵坐标到所述单目视觉图像下边缘距离满足预设条件的所述左车道线点和所述右车道线点;所述近端左车道线点和所述近端右车道线点的纵坐标相同;
采用逆透视变换算法确定所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标;
根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定所述车道宽度。
可选地,根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定所述车道宽度,包括:
获取历史车道宽度;所述历史车道宽度为历史周期确定的车道宽度;
根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定计算宽度;
根据所述历史车道宽度和所述计算宽度确定所述车道宽度。
可选地,获取车道宽度,包括:根据车辆的导航地图数据确定所述车道宽度。
可选地,所述单目相机的特征参数包括焦距参数和光轴坐标;
根据所述车道宽度、所述单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标,确定高度方向坐标,包括:
根据所述车道宽度、所述横坐标差值和所述焦距参数确定深度方向坐标;
根据所述深度方向坐标、所述焦距参数、所述光轴坐标和所述纵坐标确定所述高度方向坐标。
可选地,所述单目相机的特征参数包括焦距参数和光轴坐标;
根据所述道路高度信息和目标的像素点坐标确定所述目标的空间位置,包括:
根据所述目标的像素点纵坐标和所述道路高度信息确定所述目标的高度方向坐标;以及,
根据所述目标的像素点纵坐标、所述焦距参数、所述光轴坐标和所述道路高度信息确定所述目标的深度方向坐标和宽度方向坐标。
可选地,基于单目视觉图像得到多个左车道线点和多个右车道线点,包括:
获取所述车辆的偏航角;
根据所述偏航角旋转所述单目视觉图像,得到旋转后图像;
基于所述旋转后图像,得到多个所述左车道线点和多个所述右车道线点;或者,
基于所述单目视觉图像,得到多个所述左车道线点和多个右车道线点;以及,
根据所述偏航角旋转所述左车道线点和所述右车道线点,得到旋转后的所述左车道线点和旋转后的所述右车道线点。
可选地,根据所述道路高度信息和所述目标的像素点坐标确定所述目标的空间位置,包括:
根据所述目标的像素点坐标确定所述目标在地面上的投影点坐标;
根据所述道路高度信息和所述投影点坐标确定所述目标的空间位置坐标。
另一方面,本申请提供一种基于单目视觉的目标位置确定装置,包括:
图像处理单元,用于基于单目视觉图像得到多个左车道线点和多个右车道线点;
差值获取单元,用于获取具有相同纵坐标的左车道线点和右车道线点的横坐标差值;
车道宽度获取单元,用于获取车道宽度;所述车道宽度为所述左车道线点对应的车道线和所述右车道线点对应的车道线之间的宽度;
道路高度信息建立单元,用于根据所述车道宽度、所述单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标,确定高度方向坐标;以及,用于根据多个所述纵坐标和对应的所述高度方向坐标,确定道路高度信息;
目标位置确定单元,用于根据所述道路高度信息和目标的像素点坐标确定所述目标的空间位置坐标。
可选地,所述车道宽度获取单元包括:
近端点获取子单元,用于获取近端左车道线点和近端右车道线点;所述近端左车道线点和所述近端右车道线点分别为纵坐标到所述单目视觉图像下边缘距离满足预设条件的所述左车道线点和所述右车道线点;所述近端左车道线点和所述近端右车道线点的纵坐标相同;
坐标计算子单元,用于采用逆透视变换算法,确定所述近端左车道线点对应的宽度方向坐标和所述近端右车道线点对应的宽度方向坐标;
车道宽度确定子单元,用于根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定所述车道宽度。
可选地,所述单目相机的特征参数包括焦距参数和光轴坐标;所述道路高度信息建立单元包括:
深度坐标计算子单元,用于根据所述车道宽度、所述横坐标差值和所述焦距参数,计算深度方向坐标;
高度坐标计算子单元,用于根据所述深度方向坐标、所述焦距参数、所述光轴坐标和所述纵坐标,确定所述高度方向坐标。
可选地,所述单目相机的特征参数包括焦距参数和光轴坐标;
所述位置坐标确定单元用于根据所述目标的像素点纵坐标和所述道路高度信息计算所述目标的高度方向坐标;以及,
根据所述目标的像素点纵坐标、所述焦距参数、所述光轴坐标和所述道路高度信息计算所述目标的深度方向坐标和宽度方向坐标。
可选地,图像处理单元包括:偏航角获取子单元,用于获取所述车辆的偏航角;
车道线点确定子单元,用于根据所述偏航角旋转所述单目视觉图像,得到旋转后图像;以及,基于所述旋转后图像得到多个所述左车道线点和多个所述右车道线点;或者,
处理所述单目视觉图像,得到多个所述左车道线点和多个右车道线点;根据所述偏航角旋转所述左车道线点和右车道线点,得到旋转后的所述左车道线点和所述旋转后的所述右车道线点。
本申请提供的目标位置确定方法,利用车道宽度作为真实空间尺寸的参照,基于小孔成像原理确定出道路中车道线点的高度坐标,并基于多个车道线点对应的高度坐标和车道线点的纵坐标拟合出道路的高度信息;最后利用高度信息、目标的像素点坐标和单目相机的参数计算得到目标在三维空间的空间位置坐标。采用本申请实施例提供的目标位置确定方法,解决了单目视觉无法测量曲面路面中目标位置坐标的问题。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图;
图1是本申请实施例提供的目标位置确定方法的流程图;
图2是一个单目视觉图像的示意图;
图3是俯视角度的单目相机成像的原理示意图;
图4是侧视角度的单目相机成像原理示意图;
图5是本申请实施例提供的基于单目视觉的目标位置确定装置的结构示意图;
图6是本申请实施例提供的电子设备的结构示意图;
其中:11-图像处理单元,12-差值获取单元,13-车道宽度获取单元,14-道路高度信息建立单元,15-目标位置确定单元,21-处理器,22-存储器,23-通信接口,24-总线系统。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点,下面将对本申请的方案进行进一步描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,但本申请还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本申请的一部分实施例,而不是全部的实施例。
本申请实施例提供一种目标位置确定方法,能够实现在道路为斜坡道路的情况下,利用单目视觉图像确定目标位置的位置坐标。
图1是本申请实施例提供的目标位置确定方法的流程图。如图1所示,本申请实施例提供的目标位置确定方法包括步骤S101-S106。
S101:基于单目视觉图像得到多个左车道线点和多个右车道线点。
本申请实施例中,单目视觉图像是由安装在车辆上的单目相机拍摄道路路面形成的图像,单目视觉图像中具有车道线像素信息。
本申请实施例中,基于单目视觉图像得到多个左车道线点和多个右车道线点,是采用车道线检测算法识别出对应的车道线,并确定表示相应车道线的位置点。
车道线检测算法可以是基于霍夫变换、基于粒子滤波、基于卡尔曼滤波的常规车道线检测算法,也可以是基于颜色检测、边缘检测的车道线检测算法,还可以是基于深度学习模型的车道线检测算法(例如Lanenet算法),本申请实施例并不做特别地限定,只要其能够较为准确地识别出表征左侧车道线的左车道线点和表征右侧车道线的右车道线点即可。
应当注意的是,本申请实施例中的左车道线和右车道线是相对而言的;左车道线和右车道线仅表示由车辆行驶方向观察,两个车道线呈现左右关系。左车道线和右车道线可以是紧邻的车道线,也可以不是紧邻的车道线。考虑到实际应用的方便性,实际应用中左车道线和右车道线优选采用紧邻的车道线,并且左车道线和右车道线优选为车辆所在车道两侧的车道线。
在本申请实施例中,单目相机相对于车辆固定,其相对于道路的夹角随着车辆姿态的改变而改变,为了使得后续步骤准确地确定与实际车道宽度对应的像素宽度(也就是后文中提及的横坐标差值),步骤S101具体实施时可以执行如下步骤S1011-S1013。
S1011:获取车辆的偏航角。
车辆的偏航角可以根据车辆中加速度传感器生成的加速度数据和/或车辆导航系统确定的路面导航信息确定。
S1012:根据所述偏航角旋转所述单目视觉图像,得到旋转后图像。
根据偏航角旋转单目视觉图像,得到旋转后图像,是基于偏航角确定用于图像旋转的旋转矩阵,随后再基于旋转矩阵旋转单目视觉图像,得到旋转后的图像。
为了方便后文表述,旋转前图像像素的横坐标采用h表示,纵坐标采用v表示,旋转后图像像素的横坐标采用h′表示,旋转后图像像素的纵坐标采用v′表示。如果偏航角为θ,则旋转矩阵为对应的旋转后的单目视觉图像坐标为
S1013:基于旋转后图像得到多个左车道线点和右车道线点。
步骤S1013是按照前文中所说的各种可能的车道线识别算法,对旋转后图像进行识别,而确定左车道线点和右车道线点。
在另一个应用中,步骤S101具体实施中可以执行如下步骤S1014-S1016。
S1014:基于所述单目视觉图像得到多个所述左车道线点和多个右车道线点。
步骤S1014是按照前文所说的各种可能的车道线识别算法,确定左车道线点和右车道线点。
S1015:获取车辆的偏航角。
如步骤S1011,车辆的偏航角可以根据车辆中加速度传感器生成的加速度数据和/或车辆导航系统确定的路面导航信息确定。
S1016:根据所述偏航角旋转所述左车道线点和右车道线点,得到旋转后的所述左车道线点和所述旋转后的所述右车道线点。
步骤S1016是基于偏航角确定用于像素点旋转的旋转矩阵,随后根据旋转矩阵旋转左车道线点和右车道线点,而得到旋转后的左车道线点和旋转后的右车道线点。其中,如果偏航角为θ,则旋转矩阵为如果变换前左车道线点坐标为(h_left,v_left),右车道线点为(h_right,v_right),则变换后左车道线点和右车道线点为(h_left′,v_left′)和(h_right′,v_right′),
在本申请实施例的再一应用中,还可以仅在车辆沿着车道线行驶,偏航角为0的情况下获取单目视觉图像,此时无需对获取的单目视觉图像或者像素点进行旋转。
应当注意的是,步骤S101中确定的左车道线点和右车道线点数量均为多个。
应当注意的是,本申请确定的左车道线点和右车道线点是表征车道线位置的虚拟点,此处采用左车道线点和右车道线点的表述,主要是用于本申请文件的叙述。实质上,本申请关注的是左车道线点和右车道线点对应的像素坐标,即相应点在单目视觉图像中的横坐标或者纵坐标;还应当注意的是,在一个纵坐标所在直线上,仅具有一个左车道线点和一个右车道线点。
S102:获取具有相同纵坐标的左车道线点和右车道线点的横坐标差值。
本申请实施例中,为了能够获取横坐标差值,首先基于单目视觉的纵坐标范围,依次查询是否有左车道线点和右车道线点同时具有此纵坐标;如果左车道线点和右车道线点具有相同的纵坐标,则获取此左车道线点和右车道线点对应的横坐标,并采用二者的横坐标做差值而得到横坐标差值。
图2是一个单目视觉图像的示意图。其中箭头长度表示相应的左车道线点和右车道线点之间的横坐标差值。从图中可以看到,随着距离单目相机的距离越来越远,横坐标差值逐渐地减小。另外,结合实际经验和对图2的视觉观察可知,图2中不同横坐标差值对应的实际车道宽度保持不变。
S103:获取车道宽度。
车道宽度为左车道线点对应的车道线和右车道线点对应的车道线之间的宽度。
本申请实施例中,获取左车道线和右车道线之间的车道宽度的方法有如下几种。
1.采用逆透视变换的方法,具体包括步骤S1031-S1033。
S1031:获取近端左车道线点和近端右车道线点。
本申请实施例中,近端左车道线点和近端右车道线点是具有相同的纵坐标,并且到单目视觉图像的下边缘距离满足预设条件的车道线点。前述的预设条件可以有如下情况:(1)到单目视觉图像的下边缘的距离最小;(2)到单目视觉图像的下边缘距离在设定的距离范围内,其中设定的距离范围是一较小的距离范围。
应当注意的是,不管是前述何种预设条件,其目标是尽可能地获得距离车辆较近的左车道线点和右车道线点。
S1032:采用逆透视变换算法,确定所述近端左车道线点对应的宽度方向坐标,以及所述近端右车道线点对应的宽度方向坐标。
步骤S1032中采用逆透视变换算法,确定两个车道线点的宽度方向坐标,是获取用于逆透视变换的变换矩阵,采用前述的变换矩阵与相应的车道线点坐标进行相乘,而得到车道线点对应的宽度方向坐标。
因为逆透视变换算法对近距离测距的误差很小,而近端左车道线点和近端右车道线点均为距离单目相机较近的点,所以采用步骤S1032处理,可以得到相对较为准确地近端左车道线点和近端右车道线点的宽度方向坐标。
S1033:根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定所述车道宽度。
步骤S1033实施过程中,根据近端左车道线点和近端右车道线点对应的宽度方向坐标确定车道宽度,首先是将两个宽度方向坐标相减,得到计算宽度,随后再基于计算宽度确定车道宽度。具体应用中,根据计算宽度得到车道宽度可以有如下几种方式。
(1)直接将计算宽度作为车道宽度使用,应当注意的是,这种方式下,计算车道宽度在一定范围内具有随机性,与真实的车道宽度有一定的差值。
(2)获取历史车道宽度,历史车道宽度为历史周期确定的车道宽度;随后,根据历史车道宽度和计算宽度确定车道宽度。实际应用中,历史车道宽度可以为多个。
本申请实施例中,可以为历史车道宽度和计算宽度预先设定权重,采用加权计算确定车道宽度。采用历史车道宽度和计算宽度计算车道宽度,可以减小车道宽度范围随机性,使得车道宽度更符合实际情况。
2.利用导航地图数据,确定车道宽度。
导航地图数据(特别是高清地图)中包含了大量的道路特征信息,其中就包括车道宽度信息。因此可以直接获取导航地图中的车道宽度。
S104:根据所述车道宽度、所述单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标,确定高度方向坐标。
在对步骤S104做具体说明前,首先对执行步骤S104的原理做介绍。
图3是俯视角度的单目相机成像的原理示意图,其中x表示深度方向距离,fu表示相机的焦距参数,lane_width表示车道宽度,pixel_width表示横坐标差值。根据小孔成像原理,fu/pixel_width=x/lane_width;因此确定相机的焦距参数、车道宽度和横坐标差值后,即可以确定深度方向距离x。
图4是侧视角度的单目相机成像原理示意图,其中fv为相机的焦距参数,x为深度方向距离,z为地面高度坐标(应当注意,此时地面高度坐标是以单目相机光轴为坐标原点的坐标),v-v0为地面点纵坐标v与单目相机光轴高度坐标v0的差值,则fv/x=(v-v0)/z。在确定深度方向距离、相机的焦距参数、地面成像点纵坐标与单目相机光轴高度坐标的差值后,可以得到z,继而得到地面点的高度坐标。
基于图3和图4展示的成像原理,步骤S104根据所述车道宽度、所述单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标,确定高度方向坐标具体可以如步骤S1041-S1042。
应当注意的是,单目相机参数包括焦距参数和光轴坐标,其中焦距参数采用fu和fv表示(请注意,实际应用中,fu和fv可能相同),光轴横坐标采用u0表示,光轴纵坐标采用v0表示。
S1041:根据所述车道宽度、所述横坐标差值和所述焦距参数,计算深度方向坐标。
步骤S1041是按照前文确定的fu/pixel_width=x/lane_width,得到深度方向坐标x。
S1042:根据所述深度方向坐标、所述焦距参数、所述光轴坐标和所述纵坐标,计算所述高度方向坐标。
步骤S1042是按照前文确定的fv/x=pixel_height/z,确定高度方向坐标z。
按照前述的步骤S104,针对多个横坐标差值、对应的像素点的纵坐标、单目相机的焦距参数和光轴坐标,可以得到对应地面点的高度方向坐标。
在确定多个地面点的高度方向坐标后,即可以执行后续步骤S105。
S105:根据多个所述纵坐标和对应的所述高度方向坐标,得到道路高度信息。
步骤S105中,建立的道路高度信息是利用纵坐标预测对应的高度方向坐标的信息。
具体实施中,可以采用曲线拟合的方法,利用已知的纵坐标和对应的高度方向坐标,得到对应的道路高度信息。应当注意的是,实际应用中,在确定道路高度信息的过程中,可能还需要相机光轴纵坐标v0。
本申请实施例中,具体的曲线拟合方法可以为样条曲线拟合、最小二乘法曲线拟合等本领域已知的各种曲线拟合方法。例如,在本申请实施例的一个具体应用中,采用了最小二乘法曲线拟合方法,得到了道路高度信息为H(v)=c0+c1×v+c2×v2+c3×v3。
S106:根据所述道路高度信息和所述目标的像素点坐标确定所述目标的空间位置坐标。
步骤S106中,目标的空间位置坐标包括目标的高度方向坐标z,深度方向坐标x和宽度方向坐标y。
本申请实施例的一个具体应用中,根据目标点的像素点坐标确定目标点的空间位置坐标,可以是根据目标点的像素点求算目标点在路面上的投影点,随后再基于投影点坐标和道路高度信息确定目标点的空间位置坐标。
实际应用中,道路高度信息可以采用道路高度表达式表示,具体应用中,步骤S106中计算高度方向坐标z的过程为:直接将目标在路面上的投影点的纵坐标带入到道路高度表达式中,而得到目标的高度方向坐标z。
步骤S106中计算目标的深度方向坐标x的过程为:根据所述目标在路面上投影点的纵坐标、所述焦距参数、所述光轴对应的像素点纵坐标和所述道路高度信息计算所述目标的深度方向坐标x,采用公式表示为:x=H(v)*fv*(v-v0)。
步骤S106中计算目标的宽度方向坐标y的过程为:根据目标在路面上投影点横坐标、焦距参数、光轴对应的像素点横坐标和道路高度信息计算目标的宽度方向坐标y,采用公式表示为y=H(v)*fu*(u-u0)。
本申请实施例提供的目标位置确定方法,利用车道宽度作为真实空间尺寸的参照,基于小孔成像原理确定出道路中车道线点的高度坐标,并基于多个车道线点对应的高度坐标和车道线点的纵坐标拟合出道路的高度信息;最后利用高度信息、目标的像素点坐标和单目相机的参数计算得到目标在三维空间的空间位置坐标。
采用本申请实施例提供的目标位置确定方法,解决了单目视觉无法测量曲面路面中目标位置坐标的问题,当然,本申请实施例提供的目标位置确定方法也可以应用于平面道路上目标位置坐标的确定。
应当注意的是,前述曲面路面是指的是整体延伸方向为直线并且具有高度起伏的路面,并不是指道路本身为弯曲道路的路面;当然,实际应用中,如果道路虽然为弯曲道路,但是道路的曲率半径很大(例如道路为高速公路)而可以将距离车辆一段距离简化为直线的情况下,也可以采用本申请实施例提供的目标位置确定方法确定此弯曲道路上的目标位置坐标。
此外,本申请实施例提供的基于单目视觉的目标位置确定方法,目标位置的确定仅与相机参数、拍摄的单目图像和车道宽度相关,并不会如现有采用逆透视变换方法计算目标位置坐标的方法受相机俯仰角颠簸和高度颠簸影响的问题,因此测量具有更高的可靠性。
实际应用中,采用本申请实施例提供的目标位置确定方法,还可以实现道路路面高度的测量。
除了提供前述的基于单目视觉的目标位置确定方法外,本申请实施例还提供一种与前述方法具有相同发明构思的基于单目视觉的目标位置确定装置。
图5是本申请实施例提供的目标位置确定装置的结构示意图。如图5所示,目标位置确定装置包括图像处理单元11、差值获取单元12,车道宽度获取单元13,道路高度信息建立单元14和目标位置确定单元15。
图像处理单元11用于基于单目视觉图像得到多个左车道线点和多个右车道线点。
本申请实施例中,单目视觉图像是由安装在车辆上的单目相机拍摄道路路面形成的图像,单目视觉图像中具有车道线图像信息。
本申请实施例中,处理单目视觉图像而得到多个左车道线点和多个右车道线点,是采用车道线检测算法识别出对应的车道线,并确定表示相应车道线的位置点。
车道线检测算法可以是基于霍夫变换、基于粒子滤波、基于卡尔曼滤波的常规车道线检测算法,也可以是基于颜色检测、边缘检测的车道线检测算法,还可以是基于深度学习模型的车道线检测算法(例如Lanenet算法),本申请实施例并不做特别地限定,只要其能够较为准确地识别出表征左侧车道线的左车道线点和表征右侧车道线的右车道线点即可。
应当注意的是,本申请实施例中的左车道线和右车道线是相对而言的;左车道线和右车道线仅表示由车辆行驶方向观察,两个车道线呈现左右关系。左车道线和右车道线可以是紧邻的车道线,也可以不是紧邻的车道线。考虑到实际应用的方便性,实际应用中左车道线和右车道线优选采用紧邻的车道线,并且左车道线和右车道线优选为车辆所在车道两侧的车道线。
在本申请实施例中,单目相机相对于车辆固定,其相对于道路的夹角随着车辆姿态的改变而改变,为了使得后续步骤中准确地确定与实际车道宽度对应的像素宽度(也就是后文中提及的横坐标差值),图像处理单元11可以包括偏航角获取子单元和车道线点确定子单元。
偏航角获取子单元用于获取所述车辆的偏航角。车辆的偏航角可以根据车辆中加速度传感器生成的加速度数据和/或车辆导航系统确定的路面导航信息确定。
在一个实施例中,车道线点确定子单元可以根据所述偏航角旋转所述单目视觉图像,得到旋转后图像;根据偏航角旋转单目视觉图像,得到旋转后图像,是基于偏航角确定用于图像旋转的旋转矩阵,随后再基于旋转矩阵旋转单目视觉图像,得到旋转后的图像。随后处理所述旋转后图像,得到多个所述左车道线点和多个所述右车道线点。
在另一个实施例中,车道线点确定子单元可以首先处理所述单目视觉图像,得到多个所述左车道线点和多个右车道线点;随后根据所述偏航角旋转所述左车道线点和右车道线点,得到旋转后的所述左车道线点和所述旋转后的所述右车道线点。
应当注意的是,本申请确定的左车道线点和右车道线点是表征车道线位置的虚拟点,此处采用左车道线点和右车道线点的表述,主要是用于本申请文件的叙述。实质上,本申请关注的是左车道线点和右车道线点对应的像素坐标,即相应点在单目视觉图像中的横坐标或者纵坐标;还应当注意的是,在一个纵坐标所在直线上,仅具有一个左车道线点和右车道线点。
差值获取单元12用于获取具有相同纵坐标的左车道线点和右车道线点的横坐标差值。本申请实施例中,为了能够获取横坐标差值,首先基于单目视觉的纵坐标范围,依次查询是否有左车道线点和右车道线点同时具有此纵坐标;如果左车道线点和右车道线点具有相同的纵坐标,则获取此左车道线点和右车道线点对应的横坐标,并采用二者的横坐标做差值而得到横坐标差值。
车道宽度获取单元13用于获取车道宽度。所述车道宽度为所述左车道线点对应的车道线和所述右车道线点对应的车道线之间的宽度
本申请实施例中,获取车道宽度的方法有如下几种。
1.采用逆透视变化的方法,在此情况下车道宽度获取单元13包括近端点获取子单元、坐标计算子单元和车道宽度确定子单元。
近端点获取子单元,用于获取近端左车道线点和近端右车道线点;所述近端左车道线点和近端右车道线点纵坐标相同,并且纵坐标到所述单目视觉图像下边缘距离满足预设条件的车道线点。
前述的预设条件可以有如下情况:(1)到单目视觉图像的下边缘的距离最小;(2)到单目视觉图像的下边缘距离在设定的距离范围内,其中设定的距离范围是一较小的距离范围。
坐标计算子单元用于采用逆透视变换算法,计算所述近端左车道线点对应的宽度方向坐标,以及所述近端右车道线点对应的宽度方向坐标。
因为逆透视变换算法对近距离测距的误差很小,而近端左车道线点和近端右车道线点均为距离单目相机较近的点,所以坐标计算子单元可以得到相对较为准确地近端左车道线点和近端右车道线点的宽度方向坐标。
车道宽度确定子单元用于根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定所述车道宽度。
车道宽度确定子单元根据近端左车道线点和近端右车道线点对应的宽度方向坐标,计算车道宽度,首先是将两个宽度方向坐标相减,得到计算宽度,随后再基于计算宽度确定车道宽度。具体应用中,根据计算宽度得到车道宽度可以有如下几种方式。
(1)直接将计算宽度作为车道宽度使用,应当注意的是,这种方式下,计算车道宽度在一定范围内具有随机性,与真实的车道宽度有一定的差值。
(2)获取历史车道宽度,历史车道宽度为历史周期计算得到的车道宽度;随后,根据历史车道宽度和计算宽度确定车道宽度。实际应用中,历史车道宽度可以为多个。
本申请实施例中,可以为历史车道宽度和计算宽度预先设定权重,采用加权计算确定车道宽度。采用历史车道宽度和计算宽度计算车道宽度,可以减小车道宽度范围随机性,使得车道宽度更符合实际情况。
2.利用导航地图数据,确定车道宽度。导航地图数据(特别是高清地图)中包含了大量的道路特征信息,其中就包括车道宽度信息。因此可以直接获取导航地图中的车道宽度。
道路高度信息建立单元14用于根据所述车道宽度、所述单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标,确定高度方向坐标;以及用于根据多个所述纵坐标和对应的所述高度方向坐标,确定道路高度信息。
本申请实施例中,道路高度信息建立单元14包括深度坐标计算子单元和高度坐标计算子单元。
深度坐标计算子单元用于根据所述车道宽度、所述横坐标差值和所述焦距参数,计算深度方向坐标。
高度坐标计算子单元用于根据所述深度方向坐标、所述焦距参数、所述光轴坐标和所述纵坐标,计算所述高度方向坐标。
本申请具体实施中,可以采用曲线拟合的方法,利用已知的纵坐标和对应的高度方向坐标,得到对应的道路高度信息。应当注意的是,实际应用中,在确定道路高度信息的过程中,可能还需要相机光轴纵坐标v0。
本申请实施例中,具体的曲线拟合方法可以为样条曲线拟合、最小二乘法曲线拟合等本领域已知的各种曲线拟合方法。例如,在本申请实施例的一个具体应用中,采用了最小二乘法曲线拟合方法,得到了道路高度信息为H(v)=c0+c1×v+c2×v2+c3×v3。
目标位置确定单元15用于根据所述道路高度信息和所述目标的像素点坐标确定所述目标的空间位置坐标。
目标的空间位置坐标包括目标的高度方向坐标z,深度方向坐标x和宽度方向坐标y。
本申请实施例的一个具体应用中,根据目标点的像素点坐标确定目标点的空间位置坐标,可以是根据目标点的像素点求算目标点在路面上的投影点,随后再基于投影点坐标和道路高度信息确定目标点的空间位置坐标。
具体应用中,计算高度方向坐标z的过程为:根据所述目标的像素点纵坐标和所述道路高度信息计算所述目标的高度方向坐标,也就是直接将目标在路面上的投影点的纵坐标带入到道路高度信息中,而得到目标的高度方向坐标z。
具体应用中,计算目标的深度方向坐标x的过程为:根据所述目标在路面上投影点的纵坐标、所述焦距参数、所述光轴对应的像素点纵坐标和所述道路高度信息计算所述目标的深度方向坐标x,采用公式表示为:x=H(v)*fv*(v-v0)。
具体应用中,计算目标的宽度方向坐标y的过程为:根据目标在路面上投影点横坐标、焦距参数、光轴对应的像素点横坐标和道路高度信息计算目标的宽度方向坐标y,采用公式表示为y=H(v)*fu*(u-u0)。
本申请实施例提供的目标位置确定装置,利用车道宽度作为真实空间尺寸的参照,基于小孔成像原理确定出道路中车道线点的高度坐标,并基于多个车道线点对应的高度坐标和车道线点的纵坐标拟合出道路的高度信息;最后利用高度信息、目标的像素点坐标和单目相机的参数计算得到目标在三维空间的空间位置坐标。
采用本申请实施例提供的目标位置确定装置,解决了单目视觉无法测量曲面路面中目标位置坐标的问题,当然,本申请实施例提供的目标位置确定方法也可以应用与平面道路上目标位置坐标的确定。除了提供前述的基于单目视觉的目标位置确定方法和装置外,本申请实施例还提供一种电子设备。
图6是本申请实施例提供的电子设备的结构示意图。如图6所示,电子设备包括至少一个处理器21、至少一个存储器22和至少一个通信接口23。
本实施例中的存储器22可以是易失性存储器或非易失性存储器,或是前述的二者的结合。在一些具体实施方式中,存储器22存储了如下的元素:可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统和应用程序。其中,操作系统,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础任务以及处理基于硬件的任务。应用程序包含各种应用任务的应用程序。
在本申请实施例中,处理器21通过调用存储器22存储的程序或指令(具体的,可以是应用程序中存储的程序或指令),以执行步骤基于单目视觉的目标位置确定方法的步骤。
本申请实施例中,处理器21可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例提供的基于单目视觉的目标位置确定方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器22,处理器21读取存储器22中的信息,结合其硬件完成方法的步骤。
通信接口23用于实现智能驾驶控制系统与外部设备之间的信息传输,例如以获得各种车辆传感器数据,以及生成相应的控制指令并下发给车辆的执行机构。
电子设备中的存储器、处理器组件通过总线系统24耦合在一起,总线系统24用于实现这些组件之间的连接通信。本申请实施例中,总线系统可以为CAN总线,也可以是其他类型的总线。总线系统234除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见,在图3中将各种总线都标为总线系统24。
本申请实施例还提供一种车辆,车辆包括单目相机、车载处理器和承载存储器。所述单目相机用于获取单目视觉图像;所述车载处理器通过调用所述车载存储器存储的程序或指令,用于执行如前文提及的基于单目视觉的目标位置确定方法的步骤处理所述单目视觉图像,确定目标的空间位置。
本申请实施例还提出一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储程序或指令,程序或指令使计算机执行如前基于单目视觉的目标位置确定方法实施例的步骤,为避免重复描述,在此不再赘述。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (15)
1.一种目标位置确定方法,其特征在于,包括:
基于单目视觉图像得到多个左车道线点和多个右车道线点;
获取具有相同纵坐标的左车道线点和右车道线点的横坐标差值;
获取车道宽度;所述车道宽度为所述左车道线点对应的车道线和所述右车道线点对应的车道线之间的宽度;
根据所述车道宽度、单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标确定高度方向坐标;
根据多个所述纵坐标和对应的所述高度方向坐标,确定道路高度信息;
根据所述道路高度信息和目标的像素点坐标确定所述目标的空间位置。
2.根据权利要求1所述目标位置确定方法,其特征在于,获取车道宽度,包括:
获取近端左车道线点和近端右车道线点;所述近端左车道线点和所述近端右车道线点分别为纵坐标到所述单目视觉图像下边缘距离满足预设条件的所述左车道线点和所述右车道线点;所述近端左车道线点和所述近端右车道线点的纵坐标相同;
采用逆透视变换算法,确定所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标;
根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定所述车道宽度。
3.根据权利要求2所述目标位置确定方法,其特征在于,根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定所述车道宽度,包括:
获取历史车道宽度;所述历史车道宽度为历史周期确定的车道宽度;
根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定计算宽度;
根据所述历史车道宽度和所述计算宽度确定所述车道宽度。
4.根据权利要求1所述目标位置确定方法,其特征在于,获取车道宽度,包括:
根据车辆的导航地图数据确定所述车道宽度。
5.根据权利要求1-4任一项所述目标位置确定方法,其特征在于,所述单目相机的特征参数包括焦距参数和光轴坐标;
根据所述车道宽度、单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标,确定高度方向坐标,包括:
根据所述车道宽度、所述横坐标差值和所述焦距参数确定深度方向坐标;
根据所述深度方向坐标、所述焦距参数、所述光轴坐标和所述纵坐标确定所述高度方向坐标。
6.根据权利要求1-4任一项所述目标位置确定方法,其特征在于,所述单目相机的特征参数包括焦距参数和光轴坐标;
根据所述道路高度信息和目标的像素点坐标确定所述目标的空间位置,包括:
根据所述目标的像素点纵坐标和所述道路高度信息确定所述目标的高度方向坐标;以及,
根据所述目标的像素点纵坐标、所述焦距参数、所述光轴坐标和所述道路高度信息确定所述目标的深度方向坐标和宽度方向坐标。
7.根据权利要求1-4任一项所述目标位置确定方法,其特征在于,基于单目视觉图像得到多个左车道线点和多个右车道线点,包括:
获取所述车辆的偏航角;
根据所述偏航角旋转所述单目视觉图像,得到旋转后图像;
根据所述旋转后图像得到多个所述左车道线点和多个所述右车道线点;或者,
基于所述单目视觉图像得到多个所述左车道线点和多个右车道线点;以及,
根据所述偏航角旋转所述左车道线点和所述右车道线点,得到旋转后的所述左车道线点和旋转后的所述右车道线点。
8.根据权利要求1所述目标位置确定方法,其特征在于,根据所述道路高度信息和所述目标的像素点坐标确定所述目标的空间位置,包括:
根据所述目标的像素点坐标确定所述目标在地面上的投影点坐标;
根据所述道路高度信息和所述投影点坐标确定所述目标的空间位置坐标。
9.一种目标位置确定装置,其特征在于,包括:
图像处理单元,用于基于单目视觉图像得到多个左车道线点和多个右车道线点;
差值获取单元,用于获取具有相同纵坐标的左车道线点和右车道线点的横坐标差值;
车道宽度获取单元,用于获取车道宽度;所述车道宽度为所述左车道线点对应的车道线和所述右车道线点对应的车道线之间的宽度;
道路高度信息建立单元,用于根据所述车道宽度、所述单目相机的特征参数、所述横坐标差值和对应像素点的纵坐标,确定高度方向坐标;以及,
用于根据多个所述纵坐标和对应的所述高度方向坐标,确定道路高度信息;
目标位置确定单元,用于根据所述道路高度信息和目标的像素点坐标确定所述目标的空间位置坐标。
10.根据权利要求9所述目标位置确定装置,其特征在于,所述车道宽度获取单元包括:
近端点获取子单元,用于获取近端左车道线点和近端右车道线点;所述近端左车道线点和所述近端右车道线点分别为纵坐标到所述单目视觉图像下边缘距离满足预设条件的所述左车道线点和所述右车道线点;所述近端左车道线点和所述近端右车道线点的纵坐标相同;
坐标计算子单元,用于采用逆透视变换算法,确定所述近端左车道线点对应的宽度方向坐标和所述近端右车道线点对应的宽度方向坐标;
车道宽度确定子单元,用于根据所述近端左车道线点和所述近端右车道线点对应的宽度方向坐标确定所述车道宽度。
11.根据权利要求9或10任一项所述目标位置确定装置,其特征在于,所述单目相机的特征参数包括焦距参数和光轴坐标;所述道路高度信息建立单元包括:
深度坐标计算子单元,用于根据所述车道宽度、所述横坐标差值和所述焦距参数,确定深度方向坐标;
高度坐标计算子单元,用于根据所述深度方向坐标、所述焦距参数、所述光轴坐标和所述纵坐标,确定所述高度方向坐标。
12.根据权利要求9或10任一项所述目标位置确定装置,其特征在于,所述单目相机的特征参数包括焦距参数和光轴坐标;
所述位置坐标确定单元用于根据所述目标的像素点纵坐标和所述道路高度信息计算所述目标的高度方向坐标;以及,
根据所述目标的像素点纵坐标、所述焦距参数、所述光轴坐标和所述道路高度信息计算所述目标的深度方向坐标和宽度方向坐标。
13.根据权利要求9或10任一项所述目标位置确定装置,其特征在于,图像处理单元包括:
偏航角获取子单元,用于获取所述车辆的偏航角;
车道线点确定子单元,用于根据所述偏航角旋转所述单目视觉图像,得到旋转后图像;以及,基于所述旋转后图像得到多个所述左车道线点和多个所述右车道线点;或者,
处理所述单目视觉图像,得到多个所述左车道线点和多个右车道线点;根据所述偏航角旋转所述左车道线点和右车道线点,得到旋转后的所述左车道线点和所述旋转后的所述右车道线点。
14.一种车辆,其特征在于,包括单目相机、车载处理器和车载存储器;
所述单目相机用于获取单目视觉图像;
所述车载处理器通过调用所述车载存储器存储的程序或指令,用于执行如权利要求1至8任一项所述方法的步骤处理所述单目视觉图像,确定目标的空间位置。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至8所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110458055.7A CN113516712B (zh) | 2021-04-27 | 2021-04-27 | 目标位置确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110458055.7A CN113516712B (zh) | 2021-04-27 | 2021-04-27 | 目标位置确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516712A true CN113516712A (zh) | 2021-10-19 |
CN113516712B CN113516712B (zh) | 2024-06-21 |
Family
ID=78063632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110458055.7A Active CN113516712B (zh) | 2021-04-27 | 2021-04-27 | 目标位置确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516712B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114440821A (zh) * | 2022-02-08 | 2022-05-06 | 三一智矿科技有限公司 | 基于单目相机的测距方法及装置、介质、设备 |
CN114659489A (zh) * | 2022-03-11 | 2022-06-24 | 苏州清研微视电子科技有限公司 | 一种基于凸透镜成像原理的前车距离检测方法和装置 |
CN114708245A (zh) * | 2022-04-21 | 2022-07-05 | 深圳信路通智能技术有限公司 | 车辆尺寸测量方法、装置、计算机设备、存储介质 |
CN115511938A (zh) * | 2022-11-02 | 2022-12-23 | 清智汽车科技(苏州)有限公司 | 基于单目摄像头的高度确定方法和装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08136237A (ja) * | 1994-11-10 | 1996-05-31 | Nissan Motor Co Ltd | 走行路勾配算出装置および車速制御装置 |
CN101930623A (zh) * | 2009-06-26 | 2010-12-29 | 比亚迪股份有限公司 | 一种三维道路模型化方法及装置 |
US20150104072A1 (en) * | 2013-10-11 | 2015-04-16 | Mando Corporation | Lane detection method and system using photographing unit |
CN106156723A (zh) * | 2016-05-23 | 2016-11-23 | 北京联合大学 | 一种基于视觉的路口精定位方法 |
CN109813282A (zh) * | 2017-11-21 | 2019-05-28 | 奇美车电股份有限公司 | 车用影像校正方法与系统 |
CN109900254A (zh) * | 2019-03-28 | 2019-06-18 | 合肥工业大学 | 一种单目视觉的路面坡度计算方法及其计算装置 |
CN109961483A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 汽车及单目摄像头的标定方法、系统 |
CN110044333A (zh) * | 2019-05-14 | 2019-07-23 | 芜湖汽车前瞻技术研究院有限公司 | 一种基于单目视觉的坡度检测方法和装置 |
JP2020527263A (ja) * | 2018-06-05 | 2020-09-03 | ベイジン センスタイム テクノロジー デベロップメント カンパニー, リミテッド | 視覚測位方法、装置、電子機器およびシステム |
CN112184799A (zh) * | 2019-07-05 | 2021-01-05 | 北京地平线机器人技术研发有限公司 | 车道线空间坐标确定方法、装置、存储介质和电子设备 |
CN112183241A (zh) * | 2020-09-11 | 2021-01-05 | 北京罗克维尔斯科技有限公司 | 基于单目图像的目标检测方法和装置 |
CN112184792A (zh) * | 2020-08-28 | 2021-01-05 | 辽宁石油化工大学 | 一种基于视觉的道路坡度计算方法及装置 |
-
2021
- 2021-04-27 CN CN202110458055.7A patent/CN113516712B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08136237A (ja) * | 1994-11-10 | 1996-05-31 | Nissan Motor Co Ltd | 走行路勾配算出装置および車速制御装置 |
CN101930623A (zh) * | 2009-06-26 | 2010-12-29 | 比亚迪股份有限公司 | 一种三维道路模型化方法及装置 |
US20150104072A1 (en) * | 2013-10-11 | 2015-04-16 | Mando Corporation | Lane detection method and system using photographing unit |
CN106156723A (zh) * | 2016-05-23 | 2016-11-23 | 北京联合大学 | 一种基于视觉的路口精定位方法 |
CN109813282A (zh) * | 2017-11-21 | 2019-05-28 | 奇美车电股份有限公司 | 车用影像校正方法与系统 |
CN109961483A (zh) * | 2017-12-22 | 2019-07-02 | 比亚迪股份有限公司 | 汽车及单目摄像头的标定方法、系统 |
JP2020527263A (ja) * | 2018-06-05 | 2020-09-03 | ベイジン センスタイム テクノロジー デベロップメント カンパニー, リミテッド | 視覚測位方法、装置、電子機器およびシステム |
CN109900254A (zh) * | 2019-03-28 | 2019-06-18 | 合肥工业大学 | 一种单目视觉的路面坡度计算方法及其计算装置 |
CN110044333A (zh) * | 2019-05-14 | 2019-07-23 | 芜湖汽车前瞻技术研究院有限公司 | 一种基于单目视觉的坡度检测方法和装置 |
CN112184799A (zh) * | 2019-07-05 | 2021-01-05 | 北京地平线机器人技术研发有限公司 | 车道线空间坐标确定方法、装置、存储介质和电子设备 |
CN112184792A (zh) * | 2020-08-28 | 2021-01-05 | 辽宁石油化工大学 | 一种基于视觉的道路坡度计算方法及装置 |
CN112183241A (zh) * | 2020-09-11 | 2021-01-05 | 北京罗克维尔斯科技有限公司 | 基于单目图像的目标检测方法和装置 |
Non-Patent Citations (1)
Title |
---|
蒋如意: "视觉辅助驾驶系统多维度道路建模及车辆定位优化", 中国博士学位论文全文数据库 (信息科技辑) * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114440821A (zh) * | 2022-02-08 | 2022-05-06 | 三一智矿科技有限公司 | 基于单目相机的测距方法及装置、介质、设备 |
CN114440821B (zh) * | 2022-02-08 | 2023-12-12 | 三一智矿科技有限公司 | 基于单目相机的测距方法及装置、介质、设备 |
CN114659489A (zh) * | 2022-03-11 | 2022-06-24 | 苏州清研微视电子科技有限公司 | 一种基于凸透镜成像原理的前车距离检测方法和装置 |
CN114708245A (zh) * | 2022-04-21 | 2022-07-05 | 深圳信路通智能技术有限公司 | 车辆尺寸测量方法、装置、计算机设备、存储介质 |
CN115511938A (zh) * | 2022-11-02 | 2022-12-23 | 清智汽车科技(苏州)有限公司 | 基于单目摄像头的高度确定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113516712B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113516712A (zh) | 目标位置确定方法和装置 | |
CN108647638B (zh) | 一种车辆位置检测方法及装置 | |
CN103679119B (zh) | 自适应坡路检测方法和装置 | |
CN112183241B (zh) | 基于单目图像的目标检测方法和装置 | |
JP6995188B2 (ja) | 車載カメラの姿勢推定方法、装置およびシステムならびに電子機器 | |
CN110969064B (zh) | 一种基于单目视觉的图像检测方法、装置及存储设备 | |
CN104204726A (zh) | 移动物体位置姿态估计装置和移动物体位置姿态估计方法 | |
CN113256739B (zh) | 车载bsd摄像头的自标定方法、设备和存储介质 | |
DE112016000423T5 (de) | Abschnittslinienerkennungsvorrichtung | |
CN112862890B (zh) | 道路坡度预测方法、装置和存储介质 | |
JP5310027B2 (ja) | 車線認識装置、及び車線認識方法 | |
WO2017130285A1 (ja) | 車両判定装置、車両判定方法及び車両判定プログラム | |
CN111046719A (zh) | 用于转换图像的设备和方法 | |
CN116386000A (zh) | 基于高精地图和单目摄像头测量障碍物距离的方法、系统 | |
CN110515376B (zh) | 一种航迹推演校正的评价方法、终端和存储介质 | |
CN110827337B (zh) | 确定车载相机的姿态的方法、装置和电子设备 | |
KR102003387B1 (ko) | 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체 | |
WO2020100902A1 (ja) | 白線位置推定装置及び白線位置推定方法 | |
EP4102464A1 (en) | Method and apparatus with calibration | |
CN115507815A (zh) | 一种目标测距方法、装置及车辆 | |
CN113345087A (zh) | 基于单目视觉的地表模型拟合方法和装置 | |
CN113869440A (zh) | 图像处理方法、装置、设备、介质及程序产品 | |
KR20180081966A (ko) | 차량 인식을 통한 영상 교정 방법 | |
WO2016079117A1 (en) | Gradient detection based on perspective-transformed image | |
US20190355140A1 (en) | Systems and methods of determining stereo depth of an object using object class information |
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 |