CN114882733B - 基于域控制器的停车位获取方法、电子设备及存储介质 - Google Patents

基于域控制器的停车位获取方法、电子设备及存储介质 Download PDF

Info

Publication number
CN114882733B
CN114882733B CN202210254116.2A CN202210254116A CN114882733B CN 114882733 B CN114882733 B CN 114882733B CN 202210254116 A CN202210254116 A CN 202210254116A CN 114882733 B CN114882733 B CN 114882733B
Authority
CN
China
Prior art keywords
vehicle
parking space
coordinates
image
domain controller
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
Application number
CN202210254116.2A
Other languages
English (en)
Other versions
CN114882733A (zh
Inventor
董昱威
文盈
钟晨
李博希
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.)
Shenzhen Dechi Micro Vision Technology Co ltd
Original Assignee
Shenzhen Dechi Micro Vision Technology 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 Shenzhen Dechi Micro Vision Technology Co ltd filed Critical Shenzhen Dechi Micro Vision Technology Co ltd
Priority to CN202210254116.2A priority Critical patent/CN114882733B/zh
Publication of CN114882733A publication Critical patent/CN114882733A/zh
Application granted granted Critical
Publication of CN114882733B publication Critical patent/CN114882733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Atmospheric Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于域控制器的停车位获取方法，包括以下步骤：对车辆姿态数据的时间戳以及车辆的全景影像系统采集的图像数据的时间戳进行同步，使用神经网络模型对图像数据进行停车位识别，得到停车位在图像数据中的参考位置，根据同一时刻下的图像数据和车辆姿态数据得到车辆在虚拟地图中的车辆坐标及车辆航向角，通过所述车辆坐标、车辆航向角和参考位置计算得到停车位在虚拟地图中的绝对坐标，以此实现对含有停车位的虚拟地图的建立。

Description

基于域控制器的停车位获取方法、电子设备及存储介质
技术领域
本发明涉及自动泊车技术领域，尤其涉及一种基于域控制器的停车位获取方法、电子设备及存储介质。
背景技术
自动泊车是不用人工干预、自动停车入位的系统，降低驾驶员的驾驶负担。车辆的全景影像系统虽设置有多个泊车摄像头，但泊车摄像头的拍摄范围仍是有限的，即全景影像系统只能够观察到车辆周围一定范围内的区域，因而车辆无法获知可供选择的停车位的具体位置。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种基于域控制器的停车位获取方法、电子设备及存储介质，以解决现有的自动泊车系统无法获知可供选择的停车位的具体位置的问题。
本发明的目的采用如下技术方案实现：
一种基于域控制器的停车位获取方法，包括以下步骤：
同步步骤：对车辆姿态数据的时间戳以及车辆的全景影像系统采集的图像数据的时间戳进行同步；
识别步骤：使用神经网络模型对所述图像数据进行停车位识别，得到停车位在所述图像数据中的参考位置；
车辆状态获取步骤：根据同一时刻下的所述图像数据和车辆姿态数据得到所述车辆在虚拟地图中的车辆坐标及车辆航向角；
坐标计算步骤：通过所述车辆坐标、车辆航向角和参考位置计算得到所述停车位在所述虚拟地图中的绝对坐标。
在某些可选的实施例中，在所述坐标计算步骤之后，还包括：
校准步骤：将多次计算得到的所述绝对坐标映射并叠加至绝对坐标系，所述绝对坐标系中叠加超过预设比例的所述绝对坐标定义为叠加结果坐标。
在某些可选的实施例中，在所述校准步骤中，还包括：
对所述叠加结果坐标进行最大似然估计，得到停车位坐标。
在某些可选的实施例中，所述车辆姿态数据包括轮速脉冲信号和方向盘转角信号。
在某些可选的实施例中，所述车辆状态获取步骤还包括：
将所述方向盘转角信号通过多项式拟合得到前轮转角信息，通过所述轮速脉冲信号计算得到车轮速度信息，根据所述前轮转角信息和车轮速度信息得到所述车辆航向角。
在某些可选的实施例中，所述车辆状态获取步骤还包括：
建立车辆运动模型，将所述前轮转角信息和车轮速度信息代入所述车辆运动模型，得到车辆的角速度和线速度；通过所述角速度和线速度计算得到所述车辆航向角。
在某些可选的实施例中，所述车辆状态获取步骤还包括：
对所述角速度和线速度进行卡尔曼滤波后，计算得到所述车辆航向角。
在某些可选的实施例中，所述绝对坐标系中叠加超过80％的所述绝对坐标定义为所述叠加结果坐标。
为了解决相同的技术问题，本发明还提供了一种电子设备，包括存储器和处理器；
所述存储器用于存储可执行的计算机指令；
所述处理器用于执行所述计算机指令时实现上述方法的步骤。
为了解决相同的技术问题，本发明还提供了一种计算机可读存储介质，其存储有计算机指令，所述计算机指令被处理器执行时实现上述方法的步骤。
相比现有技术，本发明的有益效果在于：
利用神经网络模型识别全景影像系统可视范围内的停车位，以获知停车位在图像数据中的参考位置，根据车辆坐标、车辆航向角和参考位置计算得到停车位在虚拟地图中的绝对坐标，车辆即可根据已映射停车位的虚拟地图获知可供选择的停车位的具体位置。
附图说明
图1为发明的基于域控制器的停车位获取方法的步骤流程示意图；
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳的实施例。但是，本发明可以用许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
结合图1所示，示意性地显示了本发明的一种基于域控制器的停车位获取方法，包括以下步骤：
步骤S10、同步步骤：对车辆姿态数据的时间戳以及车辆的全景影像系统采集的图像数据的时间戳进行同步。其中，车辆姿态数据包括轮速脉冲信号和方向盘转角信号。具体地，采集车辆的轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳，根据轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳计算得到车辆姿态。
采集轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳，可在同一时刻下计算出当前的车辆姿态。例如，在需要计算04:37:26这一时刻的车辆姿态时，则要调取在04:37:26这一时刻的轮速脉冲数据及方向盘转角数据，根据轮速脉冲数据可计算得到车辆每个车轮的转速，根据方向盘转角数据可计算得到车辆的转向情况，由每个车轮的转速及转向情况即可计算得到在04:37:26这一时刻的车辆姿态。
步骤S20、识别步骤：使用神经网络模型对图像数据进行停车位识别，得到停车位在图像数据中的参考位置。对于停车位识别，在图像数据的画面中映射虚拟停车区域，提取画面中所观察到的停车框与虚拟停车区域相重叠的重叠图像。其中，生成一矩形或梯形的虚拟停车区域，并使虚拟停车区域覆盖至所观察到的停车框。
优选的，将图像数据的画面转换为环境鸟瞰图像，在环境鸟瞰图像中映射虚拟停车区域，提取环境鸟瞰图像中所观察到的停车框与虚拟停车区域相重叠的重叠图像，对重叠图像进行扩边，对扩边后的重叠图像进行掩膜处理以得到掩膜图像，对掩膜图像之外的区域进行置黑处理。使用神经网络模型对掩膜图像进行停车框边线识别。掩膜的设置使得神经网络模型能够专注于对掩膜图像进行停车框识别。
步骤S30、车辆状态获取步骤：根据同一时刻下的图像数据和车辆姿态数据得到车辆在虚拟地图中的车辆坐标及车辆航向角。基于步骤S10中的时间戳，以根据同一时刻的图像数据和车辆姿态数据得到车辆坐标及航向角。
其中，将方向盘转角信号通过多项式拟合得到前轮转角信息，通过轮速脉冲信号计算得到车轮速度信息；建立车辆运动模型，将前轮转角信息和车轮速度信息代入车辆运动模型，得到车辆的角速度和线速度；对角速度和线速度进行卡尔曼滤波后，计算得到车辆航向角。
步骤S40、坐标计算步骤：通过车辆坐标、车辆航向角和参考位置计算得到停车位在虚拟地图中的绝对坐标。当获知了车辆坐标及车辆航向角，即可得到车辆在虚拟地图中的位置及姿态，再结合步骤S20中得到的参考位置，能得到停车位在虚拟地图中的绝对坐标。
步骤S50、校准步骤：将多次计算得到的绝对坐标映射并叠加至绝对坐标系，绝对坐标系中叠加超过80％的绝对坐标定义为叠加结果坐标。对叠加结果坐标进行最大似然估计，得到停车位坐标。正是考虑到神经网络模型的计算仍存在偏差以及全景影像系统的泊车摄像头存在镜头画面畸变，为得到更为准确的停车位坐标，需要对多次计算得到的绝对坐标进行叠加，并获得叠加结果坐标。
实施例二
为了解决相同的技术问题，本发明还提供了一种电子设备，包括存储器和处理器，存储器用于存储可执行的计算机指令，处理器用于执行计算机指令时实现上述方法的步骤。
实施例三
为了解决相同的技术问题，本发明还提供了一种计算机可读存储介质，其存储有计算机指令，计算机指令被处理器执行时实现上述方法的步骤。
相比现有技术，本发明的有益效果在于：
利用神经网络模型识别全景影像系统可视范围内的停车位，以获知停车位在图像数据中的参考位置，根据车辆坐标、车辆航向角和参考位置计算得到停车位在虚拟地图中的绝对坐标，车辆即可根据已映射停车位的虚拟地图获知可供选择的停车位的具体位置。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于域控制器的停车位获取方法，其特征在于，包括以下步骤：
同步步骤：采集车辆的轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳，根据轮速脉冲数据及其时间戳以及方向盘转角数据及其时间戳计算得到车辆姿态数据，对车辆姿态数据的时间戳以及车辆的全景影像系统采集的图像数据的时间戳进行同步；
识别步骤：使用神经网络模型对所述图像数据进行停车位识别，得到停车位在所述图像数据中的参考位置；
所述识别步骤还包括：将图像数据的画面转换为环境鸟瞰图像，在环境鸟瞰图像中映射虚拟停车区域，提取环境鸟瞰图像中所观察到的停车框与虚拟停车区域相重叠的重叠图像，对重叠图像进行扩边，对扩边后的重叠图像进行掩膜处理以得到掩膜图像，对掩膜图像之外的区域进行置黑处理；
车辆状态获取步骤：根据同一时刻下的所述图像数据和车辆姿态数据得到所述车辆在虚拟地图中的车辆坐标及车辆航向角；
坐标计算步骤：通过所述车辆坐标、车辆航向角和参考位置计算得到所述停车位在所述虚拟地图中的绝对坐标。
2.根据权利要求1所述的基于域控制器的停车位获取方法，其特征在于，在所述坐标计算步骤之后，还包括：
校准步骤：将多次计算得到的所述绝对坐标映射并叠加至绝对坐标系，所述绝对坐标系中叠加超过预设比例的所述绝对坐标定义为叠加结果坐标。
3.根据权利要求2所述的基于域控制器的停车位获取方法，其特征在于，在所述校准步骤中，还包括：
对所述叠加结果坐标进行最大似然估计，得到停车位坐标。
4.根据权利要求1所述的基于域控制器的停车位获取方法，其特征在于，所述车辆姿态数据包括轮速脉冲信号和方向盘转角信号。
5.根据权利要求4所述的基于域控制器的停车位获取方法，其特征在于，所述车辆状态获取步骤还包括：
将所述方向盘转角信号通过多项式拟合得到前轮转角信息，通过所述轮速脉冲信号计算得到车轮速度信息，根据所述前轮转角信息和车轮速度信息得到所述车辆航向角。
6.根据权利要求5所述的基于域控制器的停车位获取方法，其特征在于，所述车辆状态获取步骤还包括：
建立车辆运动模型，将所述前轮转角信息和车轮速度信息代入所述车辆运动模型，得到车辆的角速度和线速度；通过所述角速度和线速度计算得到所述车辆航向角。
7.根据权利要求6所述的基于域控制器的停车位获取方法，其特征在于，所述车辆状态获取步骤还包括：
对所述角速度和线速度进行卡尔曼滤波后，计算得到所述车辆航向角。
8.根据权利要求2所述的基于域控制器的停车位获取方法，其特征在于，所述绝对坐标系中叠加超过80％的所述绝对坐标定义为所述叠加结果坐标。
9.一种电子设备，其特征在于，包括存储器和处理器；
所述存储器用于存储可执行的计算机指令；
所述处理器用于执行所述计算机指令时实现权利要求1至8任一项所述方法的步骤。
10.一种计算机可读存储介质，其存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1至8任一项所述方法的步骤。
CN202210254116.2A 2022-03-15 2022-03-15 基于域控制器的停车位获取方法、电子设备及存储介质 Active CN114882733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210254116.2A CN114882733B (zh) 2022-03-15 2022-03-15 基于域控制器的停车位获取方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210254116.2A CN114882733B (zh) 2022-03-15 2022-03-15 基于域控制器的停车位获取方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN114882733A CN114882733A (zh) 2022-08-09
CN114882733B true CN114882733B (zh) 2023-12-01

Family

ID=82667623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210254116.2A Active CN114882733B (zh) 2022-03-15 2022-03-15 基于域控制器的停车位获取方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114882733B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104627068A (zh) * 2015-01-27 2015-05-20 江苏大学 一种自动泊车过程中车身航向角的计算系统及方法
CN105172793A (zh) * 2015-09-25 2015-12-23 广州橙行智动汽车科技有限公司 自动驾驶汽车的位姿估算方法
CN107301788A (zh) * 2017-08-17 2017-10-27 京东方科技集团股份有限公司 虚拟停车场停车方法以及系统
CN108016354A (zh) * 2017-12-04 2018-05-11 惠州市德赛西威汽车电子股份有限公司 一种画面盲区可见的全景泊车系统及其方法
CN109649384A (zh) * 2019-02-15 2019-04-19 华域汽车系统股份有限公司 一种泊车辅助方法
CN109738900A (zh) * 2019-01-02 2019-05-10 广州小鹏汽车科技有限公司 一种可停车位的检测方法及装置
CN110361008A (zh) * 2019-07-10 2019-10-22 北京智行者科技有限公司 地下车库自动泊车的定位方法及装置
CN110490172A (zh) * 2019-08-27 2019-11-22 北京茵沃汽车科技有限公司 信息融合泊车的停车位位置补偿方法、系统、装置、介质
CN110796063A (zh) * 2019-10-24 2020-02-14 百度在线网络技术（北京）有限公司 用于检测车位的方法、装置、设备、存储介质以及车辆
CN110969655A (zh) * 2019-10-24 2020-04-07 百度在线网络技术（北京）有限公司 用于检测车位的方法、装置、设备、存储介质以及车辆
CN111986506A (zh) * 2020-07-20 2020-11-24 苏州易航远智智能科技有限公司 基于多视觉系统的机械式停车位泊车方法
CN112631288A (zh) * 2020-12-09 2021-04-09 上海欧菲智能车联科技有限公司 泊车定位方法、装置、车辆及存储介质
CN112776797A (zh) * 2021-02-27 2021-05-11 重庆长安汽车股份有限公司 泊出原始车位创建方法、系统、车辆和存储介质
CN113296139A (zh) * 2021-05-27 2021-08-24 桂林电子科技大学 一种自适应图像光流与rtk融合测姿方法
CN113570643A (zh) * 2020-04-29 2021-10-29 Aptiv技术有限公司 跟踪对象的方法和系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104627068A (zh) * 2015-01-27 2015-05-20 江苏大学 一种自动泊车过程中车身航向角的计算系统及方法
CN105172793A (zh) * 2015-09-25 2015-12-23 广州橙行智动汽车科技有限公司 自动驾驶汽车的位姿估算方法
CN107301788A (zh) * 2017-08-17 2017-10-27 京东方科技集团股份有限公司 虚拟停车场停车方法以及系统
CN108016354A (zh) * 2017-12-04 2018-05-11 惠州市德赛西威汽车电子股份有限公司 一种画面盲区可见的全景泊车系统及其方法
CN109738900A (zh) * 2019-01-02 2019-05-10 广州小鹏汽车科技有限公司 一种可停车位的检测方法及装置
CN109649384A (zh) * 2019-02-15 2019-04-19 华域汽车系统股份有限公司 一种泊车辅助方法
CN110361008A (zh) * 2019-07-10 2019-10-22 北京智行者科技有限公司 地下车库自动泊车的定位方法及装置
CN110490172A (zh) * 2019-08-27 2019-11-22 北京茵沃汽车科技有限公司 信息融合泊车的停车位位置补偿方法、系统、装置、介质
CN110796063A (zh) * 2019-10-24 2020-02-14 百度在线网络技术（北京）有限公司 用于检测车位的方法、装置、设备、存储介质以及车辆
CN110969655A (zh) * 2019-10-24 2020-04-07 百度在线网络技术（北京）有限公司 用于检测车位的方法、装置、设备、存储介质以及车辆
CN113570643A (zh) * 2020-04-29 2021-10-29 Aptiv技术有限公司 跟踪对象的方法和系统
CN111986506A (zh) * 2020-07-20 2020-11-24 苏州易航远智智能科技有限公司 基于多视觉系统的机械式停车位泊车方法
CN112631288A (zh) * 2020-12-09 2021-04-09 上海欧菲智能车联科技有限公司 泊车定位方法、装置、车辆及存储介质
CN112776797A (zh) * 2021-02-27 2021-05-11 重庆长安汽车股份有限公司 泊出原始车位创建方法、系统、车辆和存储介质
CN113296139A (zh) * 2021-05-27 2021-08-24 桂林电子科技大学 一种自适应图像光流与rtk融合测姿方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于虚拟现实技术的全景泊车系统及其扩展应用;文翊;丁宗阳;李泽彬;孙国正;何班本;;汽车科技(第02期);全文 *
迁移学习场景下的实时停车位置检测;邢家源;张军;薛晨兴;雷雨婷;孙彦;;天津职业技术师范大学学报(第04期);全文 *

Also Published As

Publication number Publication date
CN114882733A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN109688392B (zh) Ar-hud光学投影系统及映射关系标定方法和畸变矫正方法
CN110009561B (zh) 一种监控视频目标映射到三维地理场景模型的方法及系统
CN111141311B (zh) 一种高精度地图定位模块的评估方法及系统
CN103517041B (zh) 基于多相机旋转扫描的实时全景监控方法和装置
CN108367714B (zh) 填充由镜子或其他车辆部件遮挡的周围视野区域
US9412168B2 (en) Image processing device and image processing method for camera calibration
CN101794448B (zh) 主从摄像机系统的全自动标定方法
CN107665505B (zh) 基于平面检测实现增强现实的方法及装置
CN111243034A (zh) 一种全景辅助泊车标定方法、装置、设备及存储介质
CN105100600A (zh) 用于全景可视系统中的自动校准的方法和装置
CN112561841A (zh) 激光雷达和相机的点云数据融合方法、装置
CN111179168A (zh) 一种车载360度全景环视监控系统及方法
KR101583663B1 (ko) 차량용 카메라의 교정판 제공 방법
US20130155190A1 (en) Driving assistance device and method
US11880993B2 (en) Image processing device, driving assistance system, image processing method, and program
CN109345471A (zh) 基于高精轨迹数据测量绘制高精地图数据方法
CN113029128A (zh) 视觉导航方法及相关装置、移动终端、存储介质
CN111768332A (zh) 一种车载环视实时3d全景图像的拼接方法及图形采集装置
CN109741241A (zh) 鱼眼图像的处理方法、装置、设备和存储介质
CN106296646A (zh) Avm系统的公差校正装置及其方法
WO2019156072A1 (ja) 姿勢推定装置
US20160288711A1 (en) Distance and direction estimation of a target point from a vehicle using monocular video camera
CN115790617A (zh) 基于相机感知的车道边线修正方法及系统
CN110673607B (zh) 动态场景下的特征点提取方法、装置、及终端设备
CN109345591A (zh) 一种车辆自身姿态检测方法和装置

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