CN114049307A - 基于双目立体视觉的路面高度检测方法、系统和智能终端 - Google Patents
基于双目立体视觉的路面高度检测方法、系统和智能终端 Download PDFInfo
- Publication number
- CN114049307A CN114049307A CN202111224285.3A CN202111224285A CN114049307A CN 114049307 A CN114049307 A CN 114049307A CN 202111224285 A CN202111224285 A CN 202111224285A CN 114049307 A CN114049307 A CN 114049307A
- Authority
- CN
- China
- Prior art keywords
- grid
- height
- road surface
- dimensional point
- densification
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000000280 densification Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000725 suspension Substances 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer 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
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于双目立体视觉的路面高度检测方法、系统和智能终端,所述方法包括:获取同一道路场景的左右视图,并对所述左右视图进行处理,得到所述道路场景的稠密视差图;基于所述稠密视差图,将目标区域的图像信息转换为世界坐标系下的三维点云信息;对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理;提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。其实现了在车辆辅助驾驶过程中能够提供较为准确的高度数据,从而为车身悬架的自适应调整提供数据支持,进而提高了车辆舒适性。
Description
技术领域
本发明涉及自动驾驶辅助技术领域,具体涉及一种基于双目立体视觉的路面高度检测方法、系统和智能终端。
背景技术
随着自动驾驶技术的发展,人们对于辅助驾驶车辆安全性和舒适性的要求也日益提高。在辅助驾驶过程中,路面高度是重要的调整参数之一,通过路面高度检测能够感知车辆行驶路面高度,从而为车身悬架的自适应调整提供数据支持。可见,路面高度的检测准确性直接影响到车辆舒适性。
因此,提供一种基于双目立体视觉的路面高度检测方法,以期在车辆辅助驾驶过程中能够提供较为准确的高度数据,从而为车身悬架的自适应调整提供数据支持,进而提高车辆舒适性。
发明内容
为此,本发明实施例提供一种基于双目立体视觉的路面高度检测方法、系统和智能终端,以期在车辆辅助驾驶过程中能够提供较为准确的高度数据,从而为车身悬架的自适应调整提供数据支持,进而提高车辆舒适性。
为了实现上述目的,本发明实施例提供如下技术方案:
一种基于双目立体视觉的路面高度检测方法,所述方法包括:
获取同一道路场景的左右视图,并对所述左右视图进行处理,得到所述道路场景的稠密视差图;
基于所述稠密视差图,将目标区域的图像信息转换为世界坐标系下的三维点云信息;
对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理;
提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。
进一步地,根据以下公式,将目标区域的图像信息转换为世界坐标系下的三维点云信息:
Z=B*F/disp
X=(Img_x-cx)*b/disp
Y=(Img_y-cy)*b/disp
其中,B为双目立体视觉成像系统中左相机光心到右相机光心的间距;
F为双目立体视觉成像系统中的相机焦距;
cx与cy为双目立体视觉成像系统中相机主点的图像坐标;
Img_x和Img_y是所述检测区域内的图像坐标点;
disp为图像点坐标为(Img_x,Img_y)的视差值;
X为世界坐标系下三维点距离相机的横向距离;
Y为世界坐标系下三维点距离相机的纵向距离;
Z为世界坐标系下三维点距离相机的深度距离。
进一步地,所述对目标区域内的三维点云进行栅格划分,具体包括:
将车辆前方的目标区域划分为预设规格的固定栅格区间,并将每个栅格中存在的数据点个数统计在对应栅格中。
进一步地,所述预设规格为边长为20cm的正方形栅格。
进一步地,所述对存在空洞的栅格区域进行稠密化处理,具体包括:
由上至下遍历栅格区域的每列,并获取各列的空置点;
在所述空置点的相邻两个有效点之间以线性插值的方式进行填充;
对所述栅格区域的各列均进行填充,以完成稠密化处理。
进一步地,所述提取稠密化处理后的栅格中的路面栅格区域,具体包括:
利用深度学习算法,将稠密化处理后的栅格进行分类,以得到路面栅格区域和障碍物栅格区域;
将所述障碍物栅格区域删除,以保留所述路面栅格区域。
进一步地,通过均值、高斯或中值滤波完成数据点高度统计。
本发明还提供一种基于双目立体视觉的路面高度检测系统,所述系统包括:
视差图获取单元,用于获取同一道路场景的左右视图,并对所述左右视图进行处理,得到所述道路场景的稠密视差图;
点云信息转换单元,用于基于所述稠密视差图,将目标区域的图像信息转换为世界坐标系下的三维点云信息;
稠密化处理单元,用于对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理;
检测结果输出单元,用于提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。
本发明还提供一种智能终端,所述智能终端包括:数据采集装置、处理器和存储器;
所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行如上所述的方法。
本发明还提供一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如上所述的方法。
本发明所提供的基于双目立体视觉的路面高度检测方法,通过对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理,提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。实现了在车辆辅助驾驶过程中能够提供较为准确的高度数据,从而为车身悬架的自适应调整提供数据支持,进而提高了车辆舒适性。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明所提供的基于双目立体视觉的路面高度检测方法一种具体实施方式的流程图;
图2为栅格点稠密化示意图;
图3为本发明所提供的基于双目立体视觉的路面高度检测系统一种具体实施方式的结构框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
摄像头在障碍物感知上成为必不可少的一项,而双目立体相机近距离能提供精确的点云数据,非常适合用于感知车辆前方地面高度。有了前方地面高度的信息,就可以依据此对车身悬架进行自适应的调整,提高乘客乘坐舒适度的。因此,本发明所提供的基于双目立体视觉的路面高度检测方法,可以实现感知地面高度信息,为高阶功能提供支持。
在一种具体实施方式中,如图1所示,本发明所提供的基于双目立体视觉的路面高度检测方法包括以下步骤:
S1:获取同一道路场景的左右视图,并对所述左右视图进行处理,得到所述道路场景的稠密视差图。
S2:基于所述稠密视差图,将目标区域的图像信息转换为世界坐标系下的三维点云信息。
具体地,根据以下公式,将目标区域的图像信息转换为世界坐标系下的三维点云信息:
Z=B*F/disp
X=(Img_x-cx)*b/disp
Y=(Img_y-cy)*b/disp
其中,B为双目立体视觉成像系统中左相机光心到右相机光心的间距;
F为双目立体视觉成像系统中的相机焦距;
cx与cy为双目立体视觉成像系统中相机主点的图像坐标;
Img_x和Img_y是所述检测区域内的图像坐标点;
disp为图像点坐标为(Img_x,Img_y)的视差值;
X为世界坐标系下三维点距离相机的横向距离;
Y为世界坐标系下三维点距离相机的纵向距离;
Z为世界坐标系下三维点距离相机的深度距离。
S3:对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理。
其中,所述对目标区域内的三维点云进行栅格划分,具体包括:
将车辆前方的目标区域划分为预设规格的固定栅格区间,并将每个栅格中存在的数据点个数统计在对应栅格中。所述预设规格为边长为20cm的正方形栅格。
在一个具体场景中,一般立体视觉提供的三维点云数据量能到达百万级别,对大量的数据点进行处理耗时较长。在不降低感知输出能力情况下,加速计算的方法通常是进行栅格降采样。将物理空间划分成固定尺寸的栅格位置。兼顾速度和性能情况,可以选择栅格尺寸20cm*20cm。即将车辆前方物理区间划分成20cm宽20cm长的固定栅格区间。每个栅格中存在的数据点个统计在对应栅格中。
在步骤S3中,所述对存在空洞的栅格区域进行稠密化处理,具体包括:
由上至下遍历栅格区域的每列,并获取各列的空置点;
在所述空置点的相邻两个有效点之间以线性插值的方式进行填充;
对所述栅格区域的各列均进行填充,以完成稠密化处理。
在上述场景中,视差图转换的三维点云在部分区域会出现空洞,基于三维空间中地面是连续的假设,对相应区域进行填充。如图2所示,填充方式按照栅格每列从上往下,找到第一个空置点a,空置点a相邻的两个有效点P1和P2;P1和P2中存放对应栅格的数据点数,a和b是两个有效点P1、P2包含的空置点,将a和b两个栅格以线性插值方式进行填充。
S4:提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图,可以通过均值、高斯或中值滤波完成数据点高度统计。
获得的稠密的栅格中,一部分区域是地面栅格,一部分是障碍物栅格,需要将两者进行区分。障碍物检测现阶段常见的技术手段是通过深度学习检测,将场景中运动目标(常见的车辆,行人)检测出来排除掉。
进一步地,所述提取稠密化处理后的栅格中的路面栅格区域,具体包括:
利用深度学习算法,将稠密化处理后的栅格进行分类,以得到路面栅格区域和障碍物栅格区域;
将所述障碍物栅格区域删除,以保留所述路面栅格区域。
在上述具体实施方式中,本发明所提供的基于双目立体视觉的路面高度检测方法,通过对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理,提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。实现了在车辆辅助驾驶过程中能够提供较为准确的高度数据,从而为车身悬架的自适应调整提供数据支持,进而提高了车辆舒适性。
除了上述方法,本发明还提供一种基于双目立体视觉的路面高度检测系统,如图3所示,在一种具体实施方式中,所述系统包括:
视差图获取单元100,用于获取同一道路场景的左右视图,并对所述左右视图进行处理,得到所述道路场景的稠密视差图;
点云信息转换单元200,用于基于所述稠密视差图,将目标区域的图像信息转换为世界坐标系下的三维点云信息;
稠密化处理单元300,用于对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理;
检测结果输出单元400,用于提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。
在上述具体实施方式中,本发明所提供的基于双目立体视觉的路面高度检测系统,通过对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理,提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。实现了在车辆辅助驾驶过程中能够提供较为准确的高度数据,从而为车身悬架的自适应调整提供数据支持,进而提高了车辆舒适性。
本发明还提供一种智能终端,所述智能终端包括:数据采集装置、处理器和存储器;
所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行如上所述的方法。
与上述实施例相对应的,本发明实施例还提供了一种计算机存储介质,该计算机存储介质中包含一个或多个程序指令。其中,所述一个或多个程序指令用于被一种双目相机深度标定系统执行如上所述的方法。
在本发明实施例中,处理器可以是一种集成电路芯片,具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application Specific工ntegrated Circuit,简称ASIC)、现场可编程门阵列(FieldProgrammable Gate Array,简称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。
可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。结合本发明实施例所公开的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模块组合执行完成。软件模块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。处理器读取存储介质中的信息,结合其硬件完成上述方法的步骤。
存储介质可以是存储器,例如可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
其中,非易失性存储器可以是只读存储器(Read-Only Memory,简称ROM)、可编程只读存储器(Programmable ROM,简称PROM)、可擦除可编程只读存储器(Erasable PROM,简称EPROM)、电可擦除可编程只读存储器(Electrically EPROM,简称EEPROM)或闪存。
易失性存储器可以是随机存取存储器(Random Access Memory,简称RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(Static RAM,简称SRAM)、动态随机存取存储器(Dynamic RAM,简称DRAM)、同步动态随机存取存储器(Synchronous DRAM,简称SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM,简称DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM,简称ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM,简称SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM,简称DRRAM)。
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时,可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (10)
1.一种基于双目立体视觉的路面高度检测方法,其特征在于,所述方法包括:
获取同一道路场景的左右视图,并对所述左右视图进行处理,得到所述道路场景的稠密视差图;
基于所述稠密视差图,将目标区域的图像信息转换为世界坐标系下的三维点云信息;
对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理;
提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。
2.根据权利要求1所述的路面高度检测方法,其特征在于,根据以下公式,将目标区域的图像信息转换为世界坐标系下的三维点云信息:
Z=B*F/disp
X=(Img_x-cx)*b/disp
Y=(Img_y-cy)*b/disp
其中,B为双目立体视觉成像系统中左相机光心到右相机光心的间距;
F为双目立体视觉成像系统中的相机焦距;
cx与cy为双目立体视觉成像系统中相机主点的图像坐标;
Img_x和Img_y是所述检测区域内的图像坐标点;
disp为图像点坐标为(Img_x,Img_y)的视差值;
X为世界坐标系下三维点距离相机的横向距离;
Y为世界坐标系下三维点距离相机的纵向距离;
Z为世界坐标系下三维点距离相机的深度距离。
3.根据权利要求1所述的路面高度检测方法,其特征在于,所述对目标区域内的三维点云进行栅格划分,具体包括:
将车辆前方的目标区域划分为预设规格的固定栅格区间,并将每个栅格中存在的数据点个数统计在对应栅格中。
4.根据权利要求3所述的路面高度检测方法,其特征在于,所述预设规格为边长为20cm的正方形栅格。
5.根据权利要求4所述的路面高度检测方法,其特征在于,所述对存在空洞的栅格区域进行稠密化处理,具体包括:
由上至下遍历栅格区域的每列,并获取各列的空置点;
在所述空置点的相邻两个有效点之间以线性插值的方式进行填充;
对所述栅格区域的各列均进行填充,以完成稠密化处理。
6.根据权利要求1所述的路面高度检测方法,其特征在于,所述提取稠密化处理后的栅格中的路面栅格区域,具体包括:
利用深度学习算法,将稠密化处理后的栅格进行分类,以得到路面栅格区域和障碍物栅格区域;
将所述障碍物栅格区域删除,以保留所述路面栅格区域。
7.根据权利要求1所述的路面高度检测方法,其特征在于,通过均值、高斯或中值滤波完成数据点高度统计。
8.一种基于双目立体视觉的路面高度检测系统,其特征在于,所述系统包括:
视差图获取单元,用于获取同一道路场景的左右视图,并对所述左右视图进行处理,得到所述道路场景的稠密视差图;
点云信息转换单元,用于基于所述稠密视差图,将目标区域的图像信息转换为世界坐标系下的三维点云信息;
稠密化处理单元,用于对目标区域内的三维点云进行栅格划分,并对存在空洞的栅格区域进行稠密化处理;
检测结果输出单元,用于提取稠密化处理后的栅格中的路面栅格区域,并通过数据点高度统计获取并输出对应栅格的高度,从而生成反映路面高度的栅格高度图。
9.一种智能终端,其特征在于,所述智能终端包括:数据采集装置、处理器和存储器;
所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111224285.3A CN114049307A (zh) | 2021-10-21 | 2021-10-21 | 基于双目立体视觉的路面高度检测方法、系统和智能终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111224285.3A CN114049307A (zh) | 2021-10-21 | 2021-10-21 | 基于双目立体视觉的路面高度检测方法、系统和智能终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114049307A true CN114049307A (zh) | 2022-02-15 |
Family
ID=80205810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111224285.3A Pending CN114049307A (zh) | 2021-10-21 | 2021-10-21 | 基于双目立体视觉的路面高度检测方法、系统和智能终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049307A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114495043A (zh) * | 2022-04-06 | 2022-05-13 | 北京中科慧眼科技有限公司 | 基于双目视觉系统的上下坡路况检测方法、系统和智能终端 |
-
2021
- 2021-10-21 CN CN202111224285.3A patent/CN114049307A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114495043A (zh) * | 2022-04-06 | 2022-05-13 | 北京中科慧眼科技有限公司 | 基于双目视觉系统的上下坡路况检测方法、系统和智能终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112906449B (zh) | 基于稠密视差图的路面坑洼检测方法、系统和设备 | |
CN103731652B (zh) | 移动面分界线认知装置和方法、以及移动体设备控制系统 | |
CN108520536B (zh) | 一种视差图的生成方法、装置及终端 | |
CN113240632A (zh) | 基于语义分割网络的路面检测方法、系统和智能终端 | |
CN114495043B (zh) | 基于双目视觉系统的上下坡路况检测方法、系统和智能终端 | |
CN112465831B (zh) | 基于双目立体相机的弯道场景感知方法、系统和装置 | |
US20220277470A1 (en) | Method and system for detecting long-distance target through binocular camera, and intelligent terminal | |
CN114509045A (zh) | 车轮区域高程检测方法和系统 | |
CN103679120A (zh) | 不平道路的检测方法和系统 | |
US11443151B2 (en) | Driving assistant system, electronic device, and operation method thereof | |
CN110926408A (zh) | 基于特征物的近距离测距方法、装置、系统和存储介质 | |
CN113792707A (zh) | 基于双目立体相机的地形环境检测方法、系统和智能终端 | |
CN113965742B (zh) | 基于多传感融合的稠密视差图提取方法、系统和智能终端 | |
WO2017115732A1 (ja) | 画像処理装置、物体認識装置、機器制御システム、画像処理方法及び画像処理プログラム | |
CN114049307A (zh) | 基于双目立体视觉的路面高度检测方法、系统和智能终端 | |
CN113781543B (zh) | 基于双目相机的限高装置检测方法、系统和智能终端 | |
CN113140002B (zh) | 基于双目立体相机的道路状况检测方法、系统和智能终端 | |
CN110969666A (zh) | 双目相机深度标定方法、装置、系统和存储介质 | |
CN112758067A (zh) | 基于双目立体相机的紧急制动方法、系统和智能终端 | |
CN113240631B (zh) | 基于rgb-d融合信息的路面检测方法、系统和智能终端 | |
CN113763303B (zh) | 基于双目立体视觉的实时地面融合方法、系统和智能终端 | |
CN111191538A (zh) | 基于双目相机的障碍物跟踪方法、装置、系统和存储介质 | |
CN113689565B (zh) | 基于双目立体视觉的路面平整度等级检测方法、系统和智能终端 | |
CN113674275B (zh) | 基于稠密视差图的路面不平度检测方法、系统和智能终端 | |
CN115100621A (zh) | 基于深度学习网络的地面场景检测方法和系统 |
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 |