CN113781554A - 目标物位置的确定装置、交通动态图的建立装置及方法 - Google Patents
目标物位置的确定装置、交通动态图的建立装置及方法 Download PDFInfo
- Publication number
- CN113781554A CN113781554A CN202010522853.7A CN202010522853A CN113781554A CN 113781554 A CN113781554 A CN 113781554A CN 202010522853 A CN202010522853 A CN 202010522853A CN 113781554 A CN113781554 A CN 113781554A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- target object
- determining
- world coordinate
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 53
- 238000012544 monitoring process Methods 0.000 claims abstract description 100
- 238000001514 detection method Methods 0.000 claims abstract description 57
- 238000013136 deep learning model Methods 0.000 claims abstract description 19
- 238000013519 translation Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000009466 transformation Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 description 1
- 108010050014 systemin Proteins 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本申请实施例提供一种目标物位置的确定装置、交通动态图的建立装置及方法。该方法包括:使用监控相机的内部参数对所述监控相机拍摄的图像的畸变进行校正;使用深度学习模型检测校正后的图像中的目标物,得到所述目标物的检测框;根据所述目标物的检测框确定目标物参考点,并根据所述目标物参考点的图像像素坐标和所述监控相机的内部参数,确定所述目标物参考点在相机坐标系中的坐标;以及根据所述监控相机的外部参数和所述目标物参考点在相机坐标系中的坐标,确定所述目标物参考点在世界坐标系中的坐标点,并将所述坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为所述目标物在世界坐标系中的坐标。
Description
技术领域
本申请涉及信息技术领域。
背景技术
随着城市交通的发展,交通状况日益复杂。与高速公路相对简单的道路条件相比,城市道路交通的参与者很多,例如汽车,自行车,卡车,公共汽车,行人等。但是,这些参与者的可控性较低,并且其运动的不确定因素也很多,并且,在城市道路的十字路口体现的更为明显。此外,一旦十字路口发生事故,将造成严重的交通拥堵并带来很大的交通压力,这在人口密度高的城市尤为严重。因此,如何提高出行效率,减轻交通压力是城市交通管理亟待解决的问题。近年来,智能交通系统逐渐被应用于城市交通管理,另外智能交通系统还可以被应用于自动驾驶技术。
监控摄像头是智能交通系统中主要的环境信息采集传感器,但是其采集的图像只能描述物体的二维信息,而实际应用中更为关注的是物体之间的实际距离,因此,从二维的图像信息恢复物体的实际三维信息是非常有意义的。
目前,现有的方法包括基于深度相机来输出三维位置信息,在此基础上进一步计算物体的三维坐标;或者,对拍摄的图像进行透视变换以及坐标变换以计算三维坐标。
应该注意,上面对技术背景的介绍只是为了方便对本申请的技术方案进行清楚、完整的说明,并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。
发明内容
但是,现有的方法中,需要使用深度相机来进行拍摄,使用范围窄且成本较高,而使用透视变换的方法计算复杂度较高,并且,上述现有的方法得到的定位精度较低。
为了解决上述问题中的至少一个,本申请实施例提供一种目标物位置的确定装置、交通动态图的建立装置及方法,处理过程简单,并能够获得较高的定位精度。另外,基于目标物的实际位置建立交通动态图,能够为更多的应用提供可靠信息。
根据本申请实施例的第一方面,提供一种目标物位置的确定装置,所述目标物位置的确定装置包括:校正单元,其用于使用监控相机的内部参数对所述监控相机拍摄的图像的畸变进行校正;检测单元,其用于使用深度学习模型检测校正后的图像中的目标物,得到所述目标物的检测框;第一确定单元,其用于根据所述目标物的检测框确定目标物参考点,并根据所述目标物参考点的图像像素坐标和所述监控相机的内部参数,确定所述目标物参考点在相机坐标系中的坐标;以及第二确定单元,其用于根据所述监控相机的外部参数和所述目标物参考点在相机坐标系中的坐标,确定所述目标物参考点在世界坐标系中的坐标点,并将所述坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为所述目标物在世界坐标系中的坐标。
根据本申请实施例的第二方面,提供一种交通动态图的建立装置,所述装置包括:根据本申请实施例的第一方面所述的目标物位置的确定装置,以得到目标物在世界坐标系中的坐标;以及标记单元,其用于根据所述目标物在世界坐标系中的坐标,将所述目标物动态的标记在道路地图中。
根据本申请实施例的第三方面,提供一种电子设备,所述电子设备包括根据本申请实施例的第一方面所述的目标物位置的确定装置。
根据本申请实施例的第四方面,提供一种目标物位置的确定方法,所述方法包括:使用监控相机的内部参数对所述监控相机拍摄的图像的畸变进行校正;使用深度学习模型检测校正后的图像中的目标物,得到所述目标物的检测框;根据所述目标物的检测框确定目标物参考点,并根据所述目标物参考点的图像像素坐标和所述监控相机的内部参数,确定所述目标物参考点在相机坐标系中的坐标;以及根据所述监控相机的外部参数和所述目标物参考点在相机坐标系中的坐标,确定所述目标物参考点在世界坐标系中的坐标点,并将所述坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为所述目标物在世界坐标系中的坐标。
根据本申请实施例的第五方面,提供一种交通动态图的建立方法,所述方法包括:根据本申请实施例的第四方面所述的目标物位置的确定方法,以得到目标物在世界坐标系中的坐标;以及根据所述目标物在世界坐标系中的坐标,将所述目标物动态的标记在道路地图中。
本申请的有益效果在于:基于深度学习模型检测得到的目标物检测框确定目标物参考点,并根据监控相机的外部参数和目标物参考点在相机坐标系中的坐标确定目标物参考点在世界坐标系中的坐标点,并直接将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,处理过程简单,并能够获得较高的定位精度。另外,基于目标物的实际位置建立交通动态图,能够为更多的应用提供可靠信息。
参照后文的说明和附图,详细公开了本申请的特定实施方式,指明了本申请的原理可以被采用的方式。应该理解,本申请的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内,本申请的实施方式包括许多改变、修改和等同。
针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在,但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。
附图说明
所包括的附图用来提供对本申请实施例的进一步的理解,其构成了说明书的一部分,用于例示本申请的实施方式,并与文字描述一起来阐释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本申请实施例1的目标物位置的确定装置的一示意图;
图2是本申请实施例1的第二获取单元的一示意图;
图3是本申请实施例1的校正后的图像的一示意图;
图4是本申请实施例1的第二确定单元的一示意图;
图5是本申请实施例2的交通动态图的建立装置的一示意图;
图6是本申请实施例3的电子设备的一示意图;
图7是本申请实施例3的电子设备的系统构成的一示意框图;
图8是本申请实施例4的目标物位置的确定方法的一示意图;
图9是本申请实施例5的交通动态图的建立方法的一示意图。
具体实施方式
参照附图,通过下面的说明书,本申请的前述以及其它特征将变得明显。在说明书和附图中,具体公开了本申请的特定实施方式,其表明了其中可以采用本申请的原则的部分实施方式,应了解的是,本申请不限于所描述的实施方式,相反,本申请包括落入所附权利要求的范围内的全部修改、变型以及等同物。
实施例1
本申请实施例提供一种目标物位置的确定装置。图1是本申请实施例1的目标物位置的确定装置的一示意图。
如图1所示,目标物位置的确定装置100包括:
校正单元101,其用于使用监控相机的内部参数对该监控相机拍摄的图像的畸变进行校正;
检测单元102,其用于使用深度学习模型检测校正后的图像中的目标物,得到该目标物的检测框;
第一确定单元103,其用于根据该目标物的检测框确定目标物参考点,并根据该目标物参考点的图像像素坐标和所述监控相机的内部参数,确定该目标物参考点在相机坐标系中的坐标;以及
第二确定单元104,其用于根据该监控相机的外部参数和该目标物参考点在相机坐标系中的坐标,确定该目标物参考点在世界坐标系中的坐标点,并将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为该目标物在世界坐标系中的坐标。
在本申请实施例中,涉及了三种坐标系,分别是图像像素坐标系、相机坐标系和世界坐标系。图像像素坐标系以像素个数为单位,表示二维图像中各个像素点的相对位置,例如,其原点为图像的左上角的像素点。相机坐标系是以相机的聚焦中心为原点,以光轴为Z轴建立的三维直角坐标系。世界坐标系中的三维坐标表示目标物的实际位置。
这样,基于深度学习模型检测得到的目标物检测框确定目标物参考点,并根据监控相机的外部参数和目标物参考点在相机坐标系中的坐标确定目标物参考点在世界坐标系中的坐标点,并直接将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,处理过程简单,并能够获得较高的定位精度。
在本申请实施例的一种实施方式中,目标物包含的物体种类可以根据实际需要而设置,例如,目标物可以包括各种类型的机动车辆、非机动车辆以及行人。
例如,机动车辆包括小汽车、卡车、厢式货车、摩托车以及公共汽车等,非机动车辆包括自行车以及三轮车等。
在本申请实施例中,校正单元101使用监控相机的内部参数对该监控相机拍摄的图像的畸变进行校正。
在本申请实施例中,目标物位置的确定装置100用于确定目标物的检测范围根据监控相机的拍摄范围而确定,监控相机的设置位置和拍摄范围可以根据实际需要而设置。
例如,将监控相机设置在十字路口的上方,将该十字路口的道路区域作为拍摄范围。
在本申请实施例中,监控相机可以采用各种常用的相机,例如,使用广角相机以获得较大的拍摄范围。使用广角相机拍摄的图像会产生畸变,因此需要对该图像的畸变进行校正。
在本申请实施例中,监控相机的内部参数可以是预先获得的,例如,通过内部参数的校准而获得。
例如,如图1所示,该装置100还包括:
第一获取单元105,其用于获得该监控相机的内部参数,该内部参数包括焦距和畸变参数。
在本申请实施例中,该内部参数可以包括焦距和畸变参数。另外,还可以包括主光轴点。
在本申请实施例中,第一获取单元105可以采用各种方法进行内部参数的校准,例如,基于张氏棋盘格校准算法(Zhang’s checkerboard calibration algorithm)进行内部参数的校准。
例如,监控相机从不同的角度拍摄多个图像用于内部参数的校准,例如,拍摄至少15个图像。
例如,第一获取单元105可以基于张氏棋盘格校准算法,根据从二维到三维的投影公式,即根据以下的公式(1)来获得监控相机的内部参数:
在本申请实施例中,根据得到的fx和fy以及cx和cy可以计算监控相机的畸变参数并对图像进行畸变校正。计算畸变参数以及对图像进行畸变校正可以采用各种方法。
例如,
通过以下的公式(2)表示相机坐标系和图像像素坐标系的转换关系:
其中,u和v表示图像像素坐标,s表示比例因子,fx和fy表示焦距,cx和cy表示主光轴点,(Xc,Yc,Zc)表示相机坐标系的三维坐标。
根据以上的公式(2)可以得到以下的公式(3):
其中,u和v表示图像像素坐标,s表示比例因子,fx和fy表示焦距,cx和cy表示主光轴点,(Xc,Yc,Zc)表示相机坐标系的三维坐标。
上述公式(3)中u和v的等式表示的是理论上图像坐标位置的计算公式,但是在实际情况下,相机存在畸变,实际的计算公式通过以下的公式(4)和(5)表示:
其中,ud和vd表示校正了畸变后的图像像素坐标,fx和fy表示焦距,cx和cy表示主光轴点,r2=x′2+y′2,P1和P2表示切向畸变,k1和k2表示径向畸变系数。
在本申请实施例中,上述P1和P2以及k1和k2可以统称为畸变系数。在计算得到了上述畸变系数之后,校正单元101可以根据以上的公式(4)计算ud和vd,从而对图像的畸变进行校正。在本申请实施例中,检测单元102使用深度学习模型检测校正后的图像中的目标物,得到该目标物的检测框。检测单元102可以使用各种深度学习模型进行目标物的检测,其检测得到的目标物的数量和预先设定的目标物的种类以及该图像的实际内容有关。
在本申请实施例中,但检测单元102检测到多个目标物时,该装置100分别确定多个目标物的位置,而本申请实施例不对确定的顺序进行限制。
例如,检测单元102输出的结果包括检测到的目标物检测框以及目标物的种类,另外,还可以包括相应的检测框信息,例如以(x,y,w,h)表示,其中,x,y表示检测框左上角的像素点坐标,即该像素点的图像像素坐标,w表示检测框的宽度,h表示检测框的高度,这些参数的单位是像素点的个数。
在本申请实施例中,第一确定单元103根据该目标物的检测框确定目标物参考点,并根据该目标物参考点的图像像素坐标和所述监控相机的内部参数,确定该目标物参考点在相机坐标系中的坐标。
在本申请实施例中,通过该目标物参考点能够大致的表示目标物与地面的接触点,即着陆点。第一确定单元103可以根据实际情况来确定目标物检测框参考点。
例如,根据目标物的体积来确定目标物参考点。例如,对于体积较小的目标物,例如行人,可以将检测框的底边中心点作为目标物参考点;而对于体积较大的目标物,例如汽车,可以将检测框的底边中心点或检测框中心点作为目标物参考点。
以将检测框的底边中心点作为目标物参考点为例,该目标物参考点在图像像素坐标系中可以表示为其中,u=x+w/2,v=y+h,x,y表示检测框左上角的像素点坐标,w表示检测框的宽度,h表示检测框的高度。从而,获得了该目标物参考点的图像像素坐标(u,v)。
在获得了该目标物参考点的图像像素坐标之后,可以根据该目标物参考点的图像像素坐标和该监控相机的内部参数,确定该目标物参考点在相机坐标系中的坐标。
例如,对于图像像素坐标系中的目标物参考点根据内部参数可以得到相机坐标系中的相应点例如,根据获得的内部参数(fx,fy,cx,cy)以及校正了畸变后的图像像素坐标ud和vd,并令s=Zc=1,根据以上的公式(2)计算得到相机坐标(Xc,Yc,1)。
在本申请实施例中,比例因子s和Zc有关,本申请实施例以Zc=1为例进行说明,但是,其也可以设置为其他数值。
在本申请实施例中,监控相机的外部参数用于确定相机的姿势,例如,该外部参数可以包括变换矩阵和平移矢量。
通过监控相机的外部参数,可以将相机坐标系转换为世界坐标系,例如,根据以下的公式(6)进行转换:
其中,(Xc,Yc,Zc)表示相机坐标系的三维坐标,(X,Y,Z)表示世界坐标系的三维坐标,R表示相机坐标系相对于世界坐标系的变换矩阵,T表示相机坐标系相对于世界坐标系的平移矢量。
在本申请实施例中,监控相机的外部参数可以是预先获得的,例如,如图1所示,该装置100还包括:
第二获取单元106,其用于获得该监控相机的外部参数,该外部参数包括相机坐标系相对于世界坐标系的旋转矩阵和平移矢量。
例如,第二获取单元106采用PNP(Perspective-n-Point)算法来计算监控相机的外部参数。这样,能够获得较高的计算精度。
以下对本申请实施例的获得该监控相机的外部参数的方法进行具体说明。
图2是本申请实施例1的第二获取单元的一示意图。如图2所示,第二获取单元106包括:
第六确定单元201,其用于确定该校正后的图像中满足预设条件的多个点作为外部参数参考点并确定该校正后的图像中的世界坐标系的原点;
第一计算单元202,其用于根据该校正后的图像中的世界坐标系的原点,计算各个外部参数参考点在世界坐标系中的坐标;以及
第七确定单元203,其用于根据该监控相机的内部参数、各个外部参数参考点在图像像素坐标系中的坐标以及各个外部参数参考点在世界坐标系中的坐标,确定该旋转矩阵和该平移矢量。
在本申请实施例中,第六确定单元201确定该校正后的图像中满足预设条件的多个点作为外部参数参考点并确定该校正后的图像中的世界坐标系的原点。
例如,该预设条件是具有明显的特征。例如,车道线和人行道线的角点具有明显的特征,可以将车道线和人行道线的角点作为外部参数参考点。
在本申请实施例中,外部参数参考点的数量可以根据实际需要而确定,例如,使用超过20个的外部参数参考点,这样,能够进一步提高计算精度。
这样,基于具有明显特征的多个参考点,能够准确的确定相机的外部参数,从而进一步提高目标物定位的精度。
在本申请实施例中,可以将道路区域的中心点作为世界坐标系的原点,例如,将十字路口的中心点作为世界坐标系的原点。
图3是本申请实施例1的校正后的图像的一示意图。如图3所示,监控相机拍摄的是十字路口的画面。将各个人行道线的角点作为外部参数参考点,并将十字路口的中心点作为世界坐标系XOY的原点O。此时,世界坐标系的XOY平面在图3中的道路平面上,并令Z为0。
在本申请实施例中,第一计算单元202根据该校正后的图像中的世界坐标系的原点,计算各个外部参数参考点在世界坐标系中的坐标。例如,在世界坐标系中测量各个外部参数参考点在世界坐标系中的位置,从而也得到各个外部参数参考点在图像像素坐标系中相应的坐标。
在本申请实施例中,第七确定单元203根据该监控相机的内部参数、各个外部参数参考点在图像像素坐标系中的坐标以及各个外部参数参考点在世界坐标系中的坐标,确定该旋转矩阵和该平移矢量。
例如,第七确定单元203根据该监控相机的内部参数、各个外部参数参考点在图像像素坐标系中的坐标以及各个外部参数参考点在世界坐标系中的坐标,基于上述公式(1)计算得到变换矩阵R和平移矢量T。
在本申请实施例中,第二确定单元104根据该监控相机的外部参数和该目标物参考点在相机坐标系中的坐标,确定该目标物参考点在世界坐标系中的坐标点,并将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为该目标物在世界坐标系中的坐标。
以下对第二确定单元104确定投影点的方法进行具体的说明。
图4是本申请实施例1的第二确定单元的一示意图。如图4所示,第二确定单元104包括:
第三确定单元401,其用于根据该目标物参考点在相机坐标系中的坐标和该外部参数,确定该目标物参考点在世界坐标系中的第一坐标点;
第四确定单元402,其用于根据相机坐标系中的原点和该外部参数,确定该原点在世界坐标系中的第二坐标点;
第五确定单元403,其用于确定该第一坐标点和该第二坐标点的连线与世界坐标系中Z为0的平面的交点,并将该交点的坐标确定为该目标物在世界坐标系中的坐标。
在本申请实施例中,如上文所述,该目标物参考点在相机坐标系中的位置可以表示为结合监控相机的外部参数,即变换矩阵R和平移矢量T,第三确定单元401可以根据上述公式(6)计算得到该目标物参考点在世界坐标系中的第一坐标点
第四确定单元402根据相机坐标系中的原点和该外部参数,确定该原点在世界坐标系中的第二坐标点,例如,根据相机坐标系中的原点结合监控相机的外部参数,即变换矩阵R和平移矢量T,第四确定单元402可以根据上述公式(6)计算得到该原点在世界坐标系中的第二坐标点
这样,能够简单的得到目标物在世界坐标系中的坐标,且定位精度较高。
在本申请实施例中,例如,如图1所示,该装置100还可以包括:
第八确定单元107,其用于根据该目标物在世界坐标系中的坐标以及世界坐标系和GPS坐标系的变换关系,确定该目标物的GPS信息。
例如,预先确定世界坐标系和GPS坐标系的变换关系,世界坐标系和GPS坐标系的原点相同,该变换关系可以通过选取与世界坐标系中的OX方向平行的两个点作为参考点来计算GPS信息,从而计算出世界坐标系和GPS坐标系之间的旋转角度。通过该旋转角度,能够根据目标物在世界坐标系中的坐标计算出该目标物的GPS信息。
这样,能够将检测到的目标物投射到现有的地图,例如谷歌地图上,或者,还能够定制监控相机拍摄区域的本地地图,例如十字路口的地图。另外,还可以将得到的目标物GPS信息提供给车辆和交通管理平台使用,从而为车辆驾驶和交通管理提供更多有用信息。
在本申请实施例中,例如,如图1所示,该装置100还可以包括:
融合单元108,其用于在世界坐标系中融合多个监控相机拍摄的图像而得到的多个目标物。
在本申请实施例中,多个监控相机可以设置在不同的位置以拍摄不同的道路区域,对于各个监控相机分别获得基于该监控相机的拍摄图像检测到的目标物的世界三维坐标,融合单元108将基于这些监控相机得到的各个目标物在世界坐标系中进行融合,从而得到更多的目标物信息。
这样,通过丰富的目标物信息,能够构建详细的动态地图,从而为交通管理和自动驾驶等应用提供更多的有效信息。
由上述实施例可知,基于深度学习模型检测得到的目标物检测框确定目标物参考点,并根据监控相机的外部参数和目标物参考点在相机坐标系中的坐标确定目标物参考点在世界坐标系中的坐标点,并直接将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,处理过程简单,并能够获得较高的定位精度。
实施例2
本申请实施例还提供了一种交通动态图的建立装置,该装置包括实施例1中记载的目标物位置的确定装置,相同的内容不再重复说明。
图5是本申请实施例2的交通动态图的建立装置的一示意图。如图5所示,交通动态图的建立装置500包括:
目标物位置的确定装置501,以得到目标物在世界坐标系中的坐标;以及
标记单元502,其用于根据该目标物在世界坐标系中的坐标,将该目标物动态的标记在道路地图中。
在本申请实施例中,目标物位置的确定装置501与实施例1中的目标物位置的确定装置100的结构和功能相同,此处不再重复说明。
标记单元502基于目标物位置的确定装置501获得的目标物在世界坐标系中的坐标,将该目标物动态的标记在道路地图中。
例如,在一定时间范围内,按照时间顺序,将目标物位置的确定装置501确定的目标物在世界坐标系中的坐标标记在道路地图中,从而能够直观的获得动态的目标物信息,例如,车辆、行人和非机动车的位置、行驶方向和速度。
这样,有助于交通监管部门根据路口的实时情况调整路口的交通信号灯的长度,并为自动驾驶中的车辆视觉的盲点提供信息支持。
由上述实施例可知,基于深度学习模型检测得到的目标物检测框确定目标物参考点,并根据监控相机的外部参数和目标物参考点在相机坐标系中的坐标确定目标物参考点在世界坐标系中的坐标点,并直接将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,处理过程简单,并能够获得较高的定位精度。并且,另外,基于目标物的实际位置建立交通动态图,能够为更多的应用提供可靠信息。
实施例3
本申请实施例还提供了一种电子设备,图6是本申请实施例3的电子设备的一示意图。如图6所示,电子设备600包括目标物位置的确定装置601,目标物位置的确定装置601可以是实施例1中的目标物位置的确定装置100,其具体的结构和功能与实施例1中的记载相同,此处不再赘述。
在本申请实施例的一种实施方式中,电子设备600可以是各种类型的电子设备,例如,计算机、终端设备或者服务器。
图7是本申请实施例3的电子设备的系统构成的一示意框图。如图7所示,电子设备700可以包括处理器701和存储器702;该存储器702耦合到该处理器701。该图是示例性的;还可以使用其它类型的结构,来补充或代替该结构,以实现电信功能或其它功能。
如图7所示,电子设备700还可以包括:输入单元703、显示器704、电源705。
在本申请实施例的一种实施方式中,实施例1所述的目标物位置的确定装置100的功能可以被集成到处理器701中。例如,处理器701可以被配置为:使用监控相机的内部参数对该监控相机拍摄的图像的畸变进行校正;使用深度学习模型检测校正后的图像中的目标物,得到该目标物的检测框;根据该目标物的检测框确定目标物参考点,并根据该目标物参考点的图像像素坐标和该监控相机的内部参数,确定该目标物参考点在相机坐标系中的坐标;以及根据该监控相机的外部参数和该目标物参考点在相机坐标系中的坐标,确定该目标物参考点在世界坐标系中的坐标点,并将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为该目标物在世界坐标系中的坐标。
例如,根据该监控相机的外部参数和该目标物参考点在相机坐标系中的坐标,确定该目标物参考点在世界坐标系中的坐标点,并将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,包括:根据该目标物参考点在相机坐标系中的坐标和该外部参数,确定该目标物参考点在世界坐标系中的第一坐标点;根据相机坐标系中的原点和该外部参数,确定该原点在世界坐标系中的第二坐标点;确定该第一坐标点和该第二坐标点的连线与世界坐标系中Z为0的平面的交点,并将该交点的坐标确定为该目标物在世界坐标系中的坐标。
例如,处理器701还可以被配置为:获得该监控相机的内部参数,该内部参数包括焦距和畸变参数。
例如,处理器701还可以被配置为:获得该监控相机的外部参数,该外部参数包括相机坐标系相对于世界坐标系的旋转矩阵和平移矢量。
例如,获得该监控相机的外部参数,包括:确定该校正后的图像中满足预设条件的多个点作为外部参数参考点并确定该校正后的图像中的世界坐标系的原点;根据该校正后的图像中的世界坐标系的原点,计算各个外部参数参考点在世界坐标系中的坐标;以及根据该监控相机的内部参数、各个外部参数参考点在图像像素坐标系中的坐标以及各个外部参数参考点在世界坐标系中的坐标,确定该旋转矩阵和该平移矢量。
例如,处理器701还可以被配置为:根据该目标物在世界坐标系中的坐标以及世界坐标系和GPS坐标系的变换关系,确定该目标物的GPS信息。
例如,处理器701还可以被配置为:在世界坐标系中融合多个监控相机拍摄的图像而得到的多个目标物。
例如,该目标物包括各种类型的机动车辆、非机动车辆以及行人。
在本申请实施例的另一种实施方式中,实施例1所述的目标物位置的确定装置100可以与该处理器701分开配置,例如可以将目标物位置的确定装置100配置为与处理器701连接的芯片,通过处理器701的控制来实现目标物位置的确定装置100的功能。
在本申请实施例的一种实施方式中,电子设备700也并不是必须要包括图7中所示的所有部件。
如图7所示,处理器701有时也称为控制器或操作控件,可以包括微处理器或其它处理器装置和/或逻辑装置,处理器701接收输入并控制电子设备700的各个部件的操作。
该存储器702,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。并且该处理器701可执行该存储器702存储的该程序,以实现信息存储或处理等。其它部件的功能与现有类似,此处不再赘述。电子设备700的各部件可以通过专用硬件、固件、软件或其结合来实现,而不偏离本申请的范围。
由上述实施例可知,基于深度学习模型检测得到的目标物检测框确定目标物参考点,并根据监控相机的外部参数和目标物参考点在相机坐标系中的坐标确定目标物参考点在世界坐标系中的坐标点,并直接将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,处理过程简单,并能够获得较高的定位精度。
实施例4
本申请实施例还提供一种目标物位置的确定方法,该方法对应于实施例1的目标物位置的确定装置。图8是本申请实施例4的目标物位置的确定方法的一示意图。如图8所示,该方法包括:
步骤801:使用监控相机的内部参数对该监控相机拍摄的图像的畸变进行校正;
步骤802:使用深度学习模型检测校正后的图像中的目标物,得到该目标物的检测框;
步骤803:根据该目标物的检测框确定目标物参考点,并根据该目标物参考点的图像像素坐标和该监控相机的内部参数,确定该目标物参考点在相机坐标系中的坐标;以及
步骤804:根据该监控相机的外部参数和该目标物参考点在相机坐标系中的坐标,确定该目标物参考点在世界坐标系中的坐标点,并将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为该目标物在世界坐标系中的坐标。
在本申请实施例中,上述各个步骤的具体实现方法与实施例1中的记载相同,此处不再重复说明。
由上述实施例可知,基于深度学习模型检测得到的目标物检测框确定目标物参考点,并根据监控相机的外部参数和目标物参考点在相机坐标系中的坐标确定目标物参考点在世界坐标系中的坐标点,并直接将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,处理过程简单,并能够获得较高的定位精度。
实施例5
本申请实施例还提供一种交通动态图的建立方法,该方法对应于实施例2的交通动态图的建立装置。图9是本申请实施例5的交通动态图的建立方法的一示意图。如图9所示,该方法包括:
步骤901:使用监控相机的内部参数对该监控相机拍摄的图像的畸变进行校正;
步骤902:使用深度学习模型检测校正后的图像中的目标物,得到该目标物的检测框;
步骤903:根据该目标物的检测框确定目标物参考点,并根据该目标物参考点的图像像素坐标和该监控相机的内部参数,确定该目标物参考点在相机坐标系中的坐标;
步骤904:根据该监控相机的外部参数和该目标物参考点在相机坐标系中的坐标,确定该目标物参考点在世界坐标系中的坐标点,并将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为该目标物在世界坐标系中的坐标;以及
步骤905:根据该目标物在世界坐标系中的坐标,将该目标物动态的标记在道路地图中。
在本申请实施例中,上述各个步骤的具体实现方法与实施例1和实施例2中的记载相同,此处不再重复说明。
由上述实施例可知,基于深度学习模型检测得到的目标物检测框确定目标物参考点,并根据监控相机的外部参数和目标物参考点在相机坐标系中的坐标确定目标物参考点在世界坐标系中的坐标点,并直接将该坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,处理过程简单,并能够获得较高的定位精度。并且,另外,基于目标物的实际位置建立交通动态图,能够为更多的应用提供可靠信息。
本申请实施例还提供一种计算机可读程序,其中当在目标物位置的确定装置或电子设备中执行所述程序时,所述程序使得计算机在所述目标物位置的确定装置或电子设备中执行实施例4所述的目标物位置的确定方法。
本申请实施例还提供一种存储有计算机可读程序的存储介质,其中所述计算机可读程序使得计算机在目标物位置的确定装置或电子设备中执行实施例4所述的目标物位置的确定方法。
结合本申请实施例描述的目标物位置的确定装置或电子设备中执行车道线识别方法可直接体现为硬件、由处理器执行的软件模块或二者组合。例如,图1中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合,既可以对应于计算机程序流程的各个软件模块,亦可以对应于各个硬件模块。这些软件模块,可以分别对应于图8所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(FPGA)将这些软件模块固化而实现。
软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息;或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该软件模块可以存储在移动终端的存储器中,也可以存储在可插入移动终端的存储卡中。例如,如果电子设备采用的是较大容量的MEGA-SIM卡或者大容量的闪存装置,则该软件模块可存储在该MEGA-SIM卡或者大容量的闪存装置中。
针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件、或者其任意适当组合。针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合,还可以实现为计算设备的组合,例如,DSP和微处理器的组合、多个微处理器、与DSP通信结合的一个或多个微处理器或者任何其它这种配置。
以上结合具体的实施方式对本申请进行了描述,但本领域技术人员应该清楚,这些描述都是示例性的,并不是对本申请保护范围的限制。本领域技术人员可以根据本申请的精神和原理对本申请做出各种变型和修改,这些变型和修改也在本申请的范围内。
本申请实施例还公开下述的附记:
1、一种目标物位置的确定装置,其特征在于,所述装置包括:
校正单元,其用于使用监控相机的内部参数对所述监控相机拍摄的图像的畸变进行校正;
检测单元,其用于使用深度学习模型检测校正后的图像中的目标物,得到所述目标物的检测框;
第一确定单元,其用于根据所述目标物的检测框确定目标物参考点,并根据所述目标物参考点的图像像素坐标和所述监控相机的内部参数,确定所述目标物参考点在相机坐标系中的坐标;以及
第二确定单元,其用于根据所述监控相机的外部参数和所述目标物参考点在相机坐标系中的坐标,确定所述目标物参考点在世界坐标系中的坐标点,并将所述坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为所述目标物在世界坐标系中的坐标。
2、根据附记1所述的装置,其特征在于,所述第二确定单元包括:
第三确定单元,其用于根据所述目标物参考点在相机坐标系中的坐标和所述外部参数,确定所述目标物参考点在世界坐标系中的第一坐标点;
第四确定单元,其用于根据相机坐标系中的原点和所述外部参数,确定所述原点在世界坐标系中的第二坐标点;
第五确定单元,其用于确定所述第一坐标点和所述第二坐标点的连线与世界坐标系中Z为0的平面的交点,并将所述交点的坐标确定为所述目标物在世界坐标系中的坐标。
3、根据附记1所述的装置,其特征在于,所述装置还包括:
第一获取单元,其用于获得所述监控相机的内部参数,所述内部参数包括焦距和畸变参数。
4、根据附记3所述的装置,其特征在于,所述装置还包括:
第二获取单元,其用于获得所述监控相机的外部参数,所述外部参数包括相机坐标系相对于世界坐标系的旋转矩阵和平移矢量。
5、根据附记4所述的装置,其特征在于,所述第二获取单元包括:
第六确定单元,其用于确定所述校正后的图像中满足预设条件的多个点作为外部参数参考点并确定所述校正后的图像中的世界坐标系的原点;
第一计算单元,其用于根据所述校正后的图像中的世界坐标系的原点,计算各个外部参数参考点在世界坐标系中的坐标;以及
第七确定单元,其用于根据所述监控相机的内部参数、各个外部参数参考点在图像像素坐标系中的坐标以及各个外部参数参考点在世界坐标系中的坐标,确定所述旋转矩阵和所述平移矢量。
6、根据附记1所述的装置,其特征在于,所述装置还包括:
第八确定单元,其用于根据所述目标物在世界坐标系中的坐标以及世界坐标系和GPS坐标系的变换关系,确定所述目标物的GPS信息。
7、根据附记1所述的装置,其特征在于,所述装置还包括:
融合单元,其用于在世界坐标系中融合多个监控相机拍摄的图像而得到的多个目标物。
8、根据附记1所述的装置,其特征在于,
所述目标物包括各种类型的机动车辆、非机动车辆以及行人。
9、一种交通动态图的建立装置,其特征在于,所述装置包括:
根据附记1所述的目标物位置的确定装置,以得到目标物在世界坐标系中的坐标;以及
标记单元,其用于根据所述目标物在世界坐标系中的坐标,将所述目标物动态的标记在道路地图中。
10、一种电子设备,其特征在于,所述电子设备包括根据附记1所述的装置。
11、一种目标物位置的确定方法,其特征在于,所述方法包括:
使用监控相机的内部参数对所述监控相机拍摄的图像的畸变进行校正;
使用深度学习模型检测校正后的图像中的目标物,得到所述目标物的检测框;
根据所述目标物的检测框确定目标物参考点,并根据所述目标物参考点的图像像素坐标和所述监控相机的内部参数,确定所述目标物参考点在相机坐标系中的坐标;以及
根据所述监控相机的外部参数和所述目标物参考点在相机坐标系中的坐标,确定所述目标物参考点在世界坐标系中的坐标点,并将所述坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为所述目标物在世界坐标系中的坐标。
12、根据附记11所述的方法,其特征在于,根据所述监控相机的外部参数和所述目标物参考点在相机坐标系中的坐标,确定所述目标物参考点在世界坐标系中的坐标点,并将所述坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为目标物在世界坐标系中的坐标,包括:
根据所述目标物参考点在相机坐标系中的坐标和所述外部参数,确定所述目标物参考点在世界坐标系中的第一坐标点;
根据相机坐标系中的原点和所述外部参数,确定所述原点在世界坐标系中的第二坐标点;
确定所述第一坐标点和所述第二坐标点的连线与世界坐标系中Z为0的平面的交点,并将所述交点的坐标确定为所述目标物在世界坐标系中的坐标。
13、根据附记11所述的方法,其特征在于,所述方法还包括:
获得所述监控相机的内部参数,所述内部参数包括焦距和畸变参数。
14、根据附记13所述的方法,其特征在于,所述方法还包括:
获得所述监控相机的外部参数,所述外部参数包括相机坐标系相对于世界坐标系的旋转矩阵和平移矢量。
15、根据附记14所述的方法,其特征在于,获得所述监控相机的外部参数,包括:
确定所述校正后的图像中满足预设条件的多个点作为外部参数参考点并确定所述校正后的图像中的世界坐标系的原点;
根据所述校正后的图像中的世界坐标系的原点,计算各个外部参数参考点在世界坐标系中的坐标;以及
根据所述监控相机的内部参数、各个外部参数参考点在图像像素坐标系中的坐标以及各个外部参数参考点在世界坐标系中的坐标,确定所述旋转矩阵和所述平移矢量。
16、根据附记11所述的方法,其特征在于,所述方法还包括:
根据所述目标物在世界坐标系中的坐标以及世界坐标系和GPS坐标系的变换关系,确定所述目标物的GPS信息。
17、根据附记11所述的方法,其特征在于,所述方法还包括:
在世界坐标系中融合多个监控相机拍摄的图像而得到的多个目标物。
18、根据附记11所述的方法,其特征在于,
所述目标物包括各种类型的机动车辆、非机动车辆以及行人。
19、一种交通动态图的建立方法,其特征在于,所述方法包括:
根据附记11所述的目标物位置的确定方法,以得到目标物在世界坐标系中的坐标;以及
根据所述目标物在世界坐标系中的坐标,将所述目标物动态的标记在道路地图中。
Claims (10)
1.一种目标物位置的确定装置,其特征在于,所述装置包括:
校正单元,其用于使用监控相机的内部参数对所述监控相机拍摄的图像的畸变进行校正;
检测单元,其用于使用深度学习模型检测校正后的图像中的目标物,得到所述目标物的检测框;
第一确定单元,其用于根据所述目标物的检测框确定目标物参考点,并根据所述目标物参考点的图像像素坐标和所述监控相机的内部参数,确定所述目标物参考点在相机坐标系中的坐标;以及
第二确定单元,其用于根据所述监控相机的外部参数和所述目标物参考点在相机坐标系中的坐标,确定所述目标物参考点在世界坐标系中的坐标点,并将所述坐标点在世界坐标系中Z为0的平面中的投影点的坐标作为所述目标物在世界坐标系中的坐标。
2.根据权利要求1所述的装置,其特征在于,所述第二确定单元包括:
第三确定单元,其用于根据所述目标物参考点在相机坐标系中的坐标和所述外部参数,确定所述目标物参考点在世界坐标系中的第一坐标点;
第四确定单元,其用于根据相机坐标系中的原点和所述外部参数,确定所述原点在世界坐标系中的第二坐标点;
第五确定单元,其用于确定所述第一坐标点和所述第二坐标点的连线与世界坐标系中Z为0的平面的交点,并将该交点的坐标确定为所述目标物在世界坐标系中的坐标。
3.根据权利要求1所述的装置,其特征在于,所述装置还包括:
第一获取单元,其用于获得所述监控相机的内部参数,所述内部参数包括焦距和畸变参数。
4.根据权利要求3所述的装置,其特征在于,所述装置还包括:
第二获取单元,其用于获得所述监控相机的外部参数,所述外部参数包括相机坐标系相对于世界坐标系的旋转矩阵和平移矢量。
5.根据权利要求4所述的装置,其特征在于,所述第二获取单元包括:
第六确定单元,其用于确定所述校正后的图像中满足预设条件的多个点作为外部参数参考点并确定所述校正后的图像中的世界坐标系的原点;
第一计算单元,其用于根据所述校正后的图像中的世界坐标系的原点,计算各个外部参数参考点在世界坐标系中的坐标;以及
第七确定单元,其用于根据所述监控相机的内部参数、各个外部参数参考点在图像像素坐标系中的坐标以及各个外部参数参考点在世界坐标系中的坐标,确定所述旋转矩阵和所述平移矢量。
6.根据权利要求1所述的装置,其特征在于,所述装置还包括:
第八确定单元,其用于根据所述目标物在世界坐标系中的坐标以及世界坐标系和GPS坐标系的变换关系,确定所述目标物的GPS信息。
7.根据权利要求1所述的装置,其特征在于,所述装置还包括:
融合单元,其用于在世界坐标系中融合多个监控相机拍摄的图像而得到的多个目标物。
8.根据权利要求1所述的装置,其特征在于,
所述目标物包括各种类型的机动车辆、非机动车辆以及行人。
9.一种交通动态图的建立装置,其特征在于,所述装置包括:
根据权利要求1所述的目标物位置的确定装置,以得到目标物在世界坐标系中的坐标;以及
标记单元,其用于根据所述目标物在世界坐标系中的坐标,将所述目标物动态的标记在道路地图中。
10.一种电子设备,其特征在于,所述电子设备包括根据权利要求1所述的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522853.7A CN113781554A (zh) | 2020-06-10 | 2020-06-10 | 目标物位置的确定装置、交通动态图的建立装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010522853.7A CN113781554A (zh) | 2020-06-10 | 2020-06-10 | 目标物位置的确定装置、交通动态图的建立装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781554A true CN113781554A (zh) | 2021-12-10 |
Family
ID=78834760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010522853.7A Pending CN113781554A (zh) | 2020-06-10 | 2020-06-10 | 目标物位置的确定装置、交通动态图的建立装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781554A (zh) |
-
2020
- 2020-06-10 CN CN202010522853.7A patent/CN113781554A/zh active Pending
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 | |
CN108647638B (zh) | 一种车辆位置检测方法及装置 | |
CN107577988B (zh) | 实现侧方车辆定位的方法、装置及存储介质、程序产品 | |
EP2541498B1 (en) | Method of determining extrinsic parameters of a vehicle vision system and vehicle vision system | |
US20200160561A1 (en) | Vehicle-mounted camera pose estimation method, apparatus, and system, and electronic device | |
EP3617944A1 (en) | Method and apparatus for recognizing object, device, vehicle and medium | |
CN110766760B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
LU502288B1 (en) | Method and system for detecting position relation between vehicle and lane line, and storage medium | |
JP4852905B2 (ja) | 画像処理装置、画像処理方法 | |
JP2018147393A (ja) | 標識認識システム | |
CN113256739A (zh) | 车载bsd摄像头的自标定方法、设备和存储介质 | |
JP2017181476A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
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 | |
CN112348752A (zh) | 一种基于平行约束的车道线消失点补偿方法及装置 | |
JP2007011994A (ja) | 道路認識装置 | |
JP2018073275A (ja) | 画像認識装置 | |
JP5062091B2 (ja) | 移動体識別装置、コンピュータプログラム及び光軸方向特定方法 | |
CN117152265A (zh) | 一种基于区域提取的交通图像标定方法及装置 | |
CN116486351A (zh) | 行车预警方法、装置、设备及存储介质 | |
Pan et al. | Virtual top-view camera calibration for accurate object representation | |
CN113781554A (zh) | 目标物位置的确定装置、交通动态图的建立装置及方法 | |
CN114755663A (zh) | 车辆传感器的外参校准方法、装置及计算机可读存储介质 | |
CN113688653A (zh) | 道路中心线的识别装置及方法、电子设备 | |
CN112070839A (zh) | 一种对后方车辆横纵向定位测距方法及设备 | |
CN113536854A (zh) | 一种高精地图路牌的生成方法、装置及服务器 |
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 |