CN115082894A - 距离检测方法、车辆远光灯控制方法、设备、介质及车辆 - Google Patents

距离检测方法、车辆远光灯控制方法、设备、介质及车辆 Download PDF

Info

Publication number
CN115082894A
CN115082894A CN202210653543.8A CN202210653543A CN115082894A CN 115082894 A CN115082894 A CN 115082894A CN 202210653543 A CN202210653543 A CN 202210653543A CN 115082894 A CN115082894 A CN 115082894A
Authority
CN
China
Prior art keywords
vehicle
pair
lamp
distance
vehicle lamp
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
Application number
CN202210653543.8A
Other languages
English (en)
Inventor
秦欢
曹鑫坤
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.)
Anhui Weilai Zhijia Technology Co Ltd
Original Assignee
Anhui Weilai Zhijia 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 Anhui Weilai Zhijia Technology Co Ltd filed Critical Anhui Weilai Zhijia Technology Co Ltd
Priority to CN202210653543.8A priority Critical patent/CN115082894A/zh
Publication of CN115082894A publication Critical patent/CN115082894A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于辅助驾驶领域，具体提供一种距离检测方法、车辆远光灯控制方法、设备、介质及车辆，旨在解决夜晚场景下如何仅通过视觉图像处理，实现基于车灯对的车辆距离检测的问题。为此目的，本发明的方法包括：获取包含有车灯点、预测配对车灯点的偏移量以及车灯点分类特征的车灯点特征图，通过匈牙利匹配算法得到目标车灯对，再根据目标车灯对的像素级距离、预设车灯对距离和相机焦距，得到车间距离。在本发明的技术方案中，利用神经网络的学习能力，可以提高车灯对检测的准确性；通过引入预设车灯对距离，使车间距离的计算大大简化。本发明为夜晚情况下仅通过视觉图像处理进行车间距离检测提供了一种简单、可靠的解决方案，具有较高的实用性。

Description

距离检测方法、车辆远光灯控制方法、设备、介质及车辆
技术领域
本发明属于辅助驾驶领域，具体提供一种距离检测方法、电子设备、存储介质及车辆。
背景技术
随着计算技术、传感技术等新技术的快速发展，辅助驾驶功能已被众多汽车厂商所重视并开始应用，使驾驶过程变得更加轻松、安全。例如，辅助驾驶中的自动远光灯控制，可以在车辆夜间行车时，根据前方车辆的车间距离自动控制远光灯的开启或关闭，或者提醒本车驾驶员，注意控制远光灯，从而避免远光灯对前方车辆的驾驶员产生干扰，影响前方车辆和本车的行车安全。
在辅助驾驶的自动远光灯控制中，通常将本车与前方车辆的车间距离作为控制依据。在单目3D视觉方案中，通过激光雷达和视觉的联合标注可以获取图像中障碍物的3D属性，如位置、朝向、长宽高等；然后通过深度学习网络得到目标的距离。然而，对于夜晚场景下，前方车灯开启，无法看到车辆整体目标，只能看到车灯对的光源，并且无法用2D、3D联合标注的方式获取车辆目标距离时，如何仅通过视觉图像处理的方法，实现基于车灯对的车辆距离检测的问题。
相应地，本领域需要一种新的方案来解决上述问题。
发明内容
本发明旨在解决或部分解决上述技术问题，即，夜晚场景下如何仅通过视觉图像处理的方法，实现基于车灯对的车辆距离检测的问题。
在第一方面，本发明提供一种距离检测方法，所述方法包括：
通过车载相机获取车辆图像；
基于所述车辆图像，通过已训练的偏移获取模型得到车灯对特征图，所述车灯对特征图包括所述车辆图像中的车灯点和该车灯点对应的预测配对车灯点的偏移量；
基于所述车灯点和该车灯点对应的预测配对车灯点的偏移量，得到目标车灯对；
基于所述目标车灯对，结合预设车灯对距离和所述车载相机的相机内参，得到所述目标车灯对与所述车载相机之间的距离。
在上述距离检测方法的一个实施方式中，“基于所述目标车灯对，结合预设车灯对距离和所述车载相机的相机内参，得到所述目标车灯对与所述车载相机之间的距离”包括：
根据所述目标车灯对得到所述目标车灯对在所述车辆图像中的车灯对像素级距离w；
根据所述车灯对像素级距离w、所述预设车灯对距离D和所述相机内参c，得到所述目标车灯对与所述车载相机之间的距离d＝D*w/c。
在上述距离检测方法的一个实施方式中，“基于所述车灯点和该车灯点对应的预测配对车灯点的偏移量，得到目标车灯对”包括：
构建匹配成本函数costAB＝(DA′B+DAB′)/DAB；
根据所述匹配成本函数，得到全部所述车灯点中任意两个车灯点之间的匹配成本函数值；
基于所述匹配成本函数值，通过匈牙利匹配算法从全部所述车灯点中得到所述目标车灯对；
其中，costAB为车灯点A和车灯点B之间的匹配成本函数值，
所述车灯点A和所述车灯点B为全部所述车灯点中的任意两个车灯点，
A′为所述车灯点A对应的预测配对车灯点，根据所述车灯点A的位置和所述车灯点A对应的预测配对车灯点的偏移量确定A′的位置，
B′为所述车灯点B对应的预测配对车灯点，根据所述车灯点B的位置和所述车灯点B对应的预测配对车灯点的偏移量确定B′的位置，
DA′B为所述预测配对车灯点A′与所述车灯点B之间的距离，
DAB′为所述车灯点A与所述预测配对车灯点B′之间的距离，
DAB为所述车灯点A与所述车灯点B之间的距离。
在上述距离检测方法的一个实施方式中，所述车灯对特征图还包括车灯点分类特征，所述车灯点分类特征包括头车灯点和尾车灯点；
“根据所述匹配成本函数，得到全部所述车灯点中任意两个车灯点之间的匹配成本函数值”还包括：
根据所述匹配成本函数，分别获取全部所述头车灯点和/或全部所述尾车灯点的匹配成本函数值；
“基于所述匹配成本函数值，通过匈牙利匹配算法从全部所述车灯点中得到所述目标车灯对”还包括：
基于全部所述头车灯点的匹配成本函数值，通过匈牙利匹配算法从全部所述头车灯点中得到目标头车灯对；
并且/或者，基于全部所述尾车灯点的匹配成本函数值，通过匈牙利匹配算法从全部所述尾车灯点中得到目标尾车灯对。
在上述距离检测方法的一个实施方式中，所述方法还包括：
如果所述目标车灯对的两个车灯点之间的所述匹配成本函数值小于或等于预设成本阈值；并且，所述目标车灯对在所述车辆图像中的两个车灯点之间的连线与水平方向的夹角小于或等于预设倾角阈值，则判定所述目标车灯对的检测结果正确。
在上述距离检测方法的一个实施方式中，所述方法还包括：
通过训练样本使用smooth L1回归损失函数对所述偏移获取模型进行训练；
其中，所述训练样本包括已标注完成的样本车灯对和所述样本车灯对的两个车灯点之间的归一化偏移量，所述样本车灯对包括头车灯对和/或尾车灯对；
所述归一化偏移量包括归一化水平方向偏移量和归一化垂直方向偏移量，具体方法包括：
分别获取所述样本车灯对中的两个车灯点在所述车灯对特征图中的水平方向偏移量和垂直方向偏移量；
分别用所述水平方向偏移量和所述垂直方向偏移量除以对应方向的所述车灯对特征图的长度，得到所述归一化水平方向偏移量和和归一化垂直方向偏移量。
在第二方面，本发明提供一种车辆远光灯控制方法，所述方法包括：
根据上述任一项方案所述的距离检测方法得到目标车灯对与车载相机之间的距离；所述车载相机被设置在第一车辆上，所述目标双车灯位于第二车辆上，所述目标车灯对与车载相机之间的距离即为所述第一车辆与所述第二车辆之间的车间距离；
通过已训练的偏移计算模型获取车灯点分类特征，所述车灯点分类特征包括头车灯点和尾车灯点；
根据所述车灯点分类特征，得到所述目标车灯对为目标头车灯对或目标尾车灯对；
如果所述目标车灯对为所述目标头车灯对，当所述车间距离小于第一车距阈值时，关闭所述第一车辆的车辆远光灯和/或发出第一提示信息；
如果所述目标车灯对为所述目标尾车灯对，当所述车间距离小于第二车距阈值时，关闭所述第一车辆的车辆远光灯和/或发出第二提示信息；
其中，所述第一车距阈值大于所述第二车距阈值。
在第三方面，本发明提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述任一项方案所述的距离检测方法或车辆远光灯控制方法。
在第四方面，本发明提供一种存储介质，所述存储介质适于存储多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项方案所述的距离检测方法或车辆远光灯控制方法。
在第五方面，本发明提供一种车辆，所述车辆包括上述的电子设备。
本发明通过已经训练的偏移获取模型处理经预处理的车辆图像，得到包含有车灯点、该车灯点所对应的预测配对车灯点的偏移量以及车灯点分类特征的车灯点特征图，通过匈牙利匹配算法得到车灯点特征图中的目标车灯对，再根据目标车灯对得到目标车灯对的两个车灯点在车辆图像中的车灯对像素级距离；根据车灯对像素级距离、预设车灯对距离和相机焦距，得到目标车灯对与相机之间的距离，从而得到所需车间距离。在本发明的技术方案中，利用神经网络模型的学习能力，可以提高车灯对检测的准确性；通过引入预设车灯对距离，使车间距离的计算大大简化，因此，本发明为在夜晚情况下仅通过视觉图像处理进行车间距离检测提供了一种简单、可靠的解决方案，具有较高的实用性。
附图说明
下面结合附图来描述本发明的实施方式，附图中：
图1是本发明的实施例的距离检测方法的主要步骤流程图。
图2是本发明的实施例的车灯对特征图的示意图。
图3是本发明的实施例的目标车灯对与车载相机之间的距离计算原理的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将参照附图，对本发明实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明的实施例，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。
本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。本领域技术人员可以根据需要对其做出调整，以便适应具体的应用场合。
首先阅读图1，图1是本发明的实施例的距离检测方法的主要步骤流程图。如图1所示，本发明的距离检测方法包括：
步骤S101：通过车载相机获取车辆图像；
步骤S102：基于车辆图像，通过已训练的偏移获取模型得到车灯对特征图；
步骤S103：基于车灯点和该车灯点对应的预测配对车灯点的偏移量，得到目标车灯对；
步骤S104：基于目标车灯对，结合预设车灯对距离和车载相机的相机内参，得到目标车灯对与车载相机之间的距离。
在本发明的实施例中，第一车辆上安装有朝向为车辆前进的车载相机。步骤S101中，在夜间行车时，可通过车载相机获取车辆前方的车辆图像。
在步骤S102中，通常首先需要对车辆图像进行预处理，得到图像尺寸、图像颜色存储格式等符合偏移获取模型输入要求的待处理图像。图像预处理的方法包括等比缩放、颜色空间转化为RGB颜色空间、填充、颜色归一化等。本领域技术人员可根据偏移获取模型输入的待处理图像的图像尺寸、图像长宽比例、数据处理的速度要求等选择其中的一种或多种方法对车辆图像进行预处理。
作为示例，当车辆图像的图像长宽比例与待处理图像的图像长宽比例不一样时，可先对车辆图像进行填充，使填充后的车辆图像的图像长宽比例与待处理图像的一致，再进行图像的等比缩放。并且，为了提高图像处理的速度，可选择对每个像素进行颜色归一化处理。
车辆图像完成预处理后得到待处理图像，将待处理图像输入已训练的偏移获取模型，提取车辆图像中的车灯对信息，得到车灯对特征图。车灯对特征图中的信息包括：全部车灯点、每个车灯点对应的预测配对车灯点的偏移量和每个车灯点的车灯点分类特征，车灯点分类特征包括头车灯点和尾车灯点。
步骤S102中的偏移获取模型的具体模型结构本发明实施例不做限定，示例性的，偏移获取模型可选用ResNet网络、HRNet网络等网络实现。本领域技术人员可根据实际情况选用适合的技术方案。
如图2所示的车灯对特征图的示意图中，选取车灯对特征图的左上顶点为坐标原点，建立车灯对特征图的像素坐标系，其中u轴方向为水平方向，v轴方向为垂直方向。图2中，A、B、C、D、E、F和G点为通过偏移获取模型得到的车灯点，以及每个车灯点在车灯点特征图的位置。例如车灯点A的位置坐标为A(uA,vA)，车灯点B的位置坐标为B(uB,vB)。
同时车灯对特征图的信息还包括每个车灯点所对应的预测配对车灯点的偏移量。例如图2所示的车灯点A对应的预测配对车灯点A＇的偏移量ΔUA和ΔVA。
继续阅读图2，通过车灯点A和车灯点B的说明步骤S103的实现过程。如图2所示，ΔUA为车灯点A对应的预测配对车灯点A＇的水平方向的水平偏移量，ΔVA为车灯点A对应的预测配对车灯点A＇的垂直方向的垂直偏移量。根据车灯点A的位置，结合ΔUA和ΔVA可以得到车灯点A对应的预测配对车灯点A＇的位置A＇(uA+ΔUA,vA+ΔVA)。同样方法，根据车灯点B的位置，结合车灯点B对应的预测配对车灯点的水平偏移量ΔUB和垂直偏移量ΔVB，可以得到车灯点B对应的预测配对车灯点B′的位置B′(uB-ΔUB，vB-ΔVB)。
将车灯点A和车灯点B的坐标数据代入已构建的匹配成本函数，得到车灯点A和车灯点B之间的匹配成本函数值的计算公式为：
costAB＝(D A′B+DAB′)/DAB
式中，costAB为车灯点A和车灯点B之间的匹配成本函数值，
DA′B为预测配对车灯点A′与车灯点B之间的距离，DAB′为车灯点A与预测配对车灯点B′之间的距离，DAB为车灯点A与车灯点B之间的距离。
在本实施例中，距离计算方法为：
Figure BDA0003686865960000071
Figure BDA0003686865960000072
Figure BDA0003686865960000073
根据上式计算得到DA′B、DAB′和DAB，即可得到车灯点A和车灯点B之间的匹配成本函数值costAB。参照上述计算方法，得到全部车灯点之间的匹配成本函数值。
构建车灯点集合1和集合2，集合1和集合2中均包含全部车灯点：A、B、C、D、E、F和G。基于车灯对特征图中任意两个车灯点之间的匹配成本函数值，通过匈牙利匹配算法，对集合1和集合2中的车灯点进行配对，得到匹配最优解，匹配最优解中包含一组或多组配对车灯点，从而得到一个或多个目标车灯对。作为示例，匹配最优解包含一组配对车灯点A和B，得到由车灯点A和车灯点B组成的目标车灯对。
需要说明的是，在匈牙利匹配算法运行过程中，会出现集合1和集合2中同一车灯点的匹配过程，此时，可预先设置同一车灯点的匹配成本函数值为一个极大数，且远远大于任意两个不同车灯点的匹配成本函数值，从而使最优匹配结果中不包含同一车灯点的配对结果。所为示例，可设置costAA＝costBB＝…＝costFF＝costGG，其数值为可设置为匹配成本函数值定义的数据类型的最大正数。
优选地，在得到目标车灯对检测结果后，为了进一步验证目标车灯对的正确性，减少误检情况发生。可根据匹配成本函数值和目标车灯对的两个车灯点之间的连线与水平方向的夹角，对目标车灯对进行验证。通过预设成本阈值检验模型输出的预测配对车灯点与真实车灯点的偏离程度，匹配成本函数值越小，偏离程度就越小；通过预设倾角阈值检验目标车灯对的两个车灯点的连线是否水平，是否符合实际场景中车辆车灯对的连线与地面平行的情况。
如果目标车灯对的两个车灯点之间的匹配成本函数值小于或等于预设成本阈值；并且，目标车灯对在车辆图像中的两个车灯点之间的连线与水平方向的夹角小于或等于预设倾角阈值，则判定目标车灯对的检测结果正确，否则，目标车灯对的检测结果不正确。作为示例，可设置预设成本阈值为0.2，预设倾角阈值为10°。
在得到目标车灯对后，可根据车灯点分类特征将目标车灯对细分为目标头车灯对和目标尾车灯对。
在步骤S104中，首先需要将车灯对特征图中的目标车灯对的位置对应到车辆图像中。由于车辆图像、待处理图像和车灯对特征图的图像长宽比例在数据处理过程中保持不变，因此通过图像的比例缩放即可确定同一车灯点在各个图像中的位置。
同样方式建立车辆图像的像素坐标系，在得到目标车灯对的两个车灯点在车辆图像中的位置后，即可得到车辆图像中的目标车灯对的车灯对像素级距离。
根据小孔成像原理，车灯对像素级距离w、相机内参c、车灯对实际宽度D和目标车灯对与车载相机之间的距离d存在如图3所示的关系，D/d＝w/c，其中相机内参c为相机焦距。
对于一些应用场景，如车辆辅助驾驶的夜间远光灯自动控制，对于距离的测量不需要很高的精度，此时参考大多数车辆车灯的宽度的平均值，将车灯对实际宽度D设置为一个固定值，即本发明实施例中的预设车灯对距离D＝1.86米，以简化距离检测过程，实现快速计算。
当已知车灯对像素级距离w、相机内参c、预设车灯对距离D时，可根据d＝D*w/c得到目标车灯对与车载相机之间的距离d。由于车载相机安装在第一车辆上，目标车灯对为第二车辆的车灯，此时，可将目标车灯对与车载相机之间的距离d作为第一车辆和第二车辆之间的车间距离。
在本发明的另一优选实施例中，可根据步骤S102中得到的车灯点分类特征，优化步骤103中的相关处理过程。
在步骤102中可以得到每个车灯点的车灯点分类特征，通过车灯点分类特征可以区分车灯点是头车灯点或尾车灯点。
此时，优化后的步骤S103包括：分别获取全部头车灯点和/或全部尾车灯点的匹配成本函数值，即不同分类特征之间的车灯点不互相计算匹配成本函数值。
作为示例，图2中车灯点A、B、C、D为头车灯点，车灯点E、F、G为尾车灯点；此时分别计算头车灯点A、B、C、D中的任意两个头车灯点的匹配成本函数值，尾车灯点E、F、G中任意两个尾车灯点的匹配成本函数值，不会再计算车灯点A和车灯点E之间的匹配成本函数值。
优化后的步骤S103还包括：通过匈牙利匹配算法对全部头车灯点和全部尾车灯点分别进行车灯点配对，得到全部头车灯点中的目标车灯对(目标头车灯对)和全部尾车灯点中的目标车灯对(即目标头车灯对)。
通过区分头车灯点和尾车灯点，可以减少匹配成本函数值的计算量、匈牙利匹配算法的运算量，从而提高数据处理速度；并且根据实际情况限定头车灯点和尾车灯点之间不允许进行配对，可以避免头车灯点和尾车灯点之间的误配对，提高了车灯对检测的准确性。
在偏移获取模型使用之前，还需要对偏移获取模型通过训练样本使用smooth L1回归损失函数进行训练。
样本图像为已经完成标注的车辆图像，在本发明的实施例中，标注的内容包括：样本车灯对ID、样本车灯点分类特征、样本车灯对中的两个样本车灯点之间的归一化偏移量。
样本车灯点分类特征同样分为头车灯点和尾车灯点。归一化偏移量包括归一化水平方向偏移量和归一化垂直方向偏移量，归一化偏移量的获取方法为：
在车灯对特征图中分别获取样本车灯对中的两个样本车灯点在水平方向偏移量和垂直方向偏移量；
用水平方向偏移量除以水平方向的车灯对特征图长度，得到归一化水平方向偏移量；
用垂直方向偏移量除以垂直方向的车灯对特征图长度，得到归一化垂直方向偏移量。
需要说明的是，图像预处理的方法(颜色空间转化为RGB颜色空间、填充、颜色归一化等)、ResNet网络、HRNet网络、使用smooth L1回归损失函数进行模型训练等均为本领域技术人员常用的图像处理、特征提取、数据匹配的方法，在此不再赘述。
进一步，本发明还提供了一种车辆远光灯控制方法，根据上述距离检测方法得到目标车灯对与车载相机之间的距离，车载相机被设置在第一车辆上，目标双车灯位于第二车辆上，相应地，目标车灯对与车载相机之间的距离即为第一车辆与第二车辆之间的车间距离。
根据车灯点分类特征(头车灯点和尾车灯点)，可将目标车灯对细分为目标头车灯对或目标尾车灯对。
如果目标车灯对为目标头车灯对，说明两车对向行驶，当车间距离小于第一车距阈值时，关闭车辆远光灯和/或发出第一提示信息。所为示例，第一提示的内容包括：对向来车，请关闭车辆远光灯，信息提示方法优选车辆内的音响设备。
如果目标车灯对为目标尾车灯对，说明两车同向行驶，当车间距离小于第二车距阈值时，关闭车辆远光灯和/或发出第二提示信息。所为示例，第二提示的内容包括：同向车辆，请关闭车辆远光灯，信息提示方法优选车辆内的音响设备。
通常设置第一车距阈值大于第二车距阈值，是因为在相同距离情况下，对向行驶的车辆远光灯对司机的影响要大于同向行驶的车辆远光灯对司机的影响。作为示例，第一车距阈值设置为600米，第二车距阈值设置为300米。
进一步，本发明还提供了一种存储介质，该存储介质可以被配置成存储执行上述方法实施例的距离检测方法或车辆远光灯控制方法的程序，该程序可以由处理器加载并运行来实现上述距离检测方法或车辆远光灯控制方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该存储介质可以是包括各种电子设备形成的存储装置设备，可选地，本发明实施例中存储介质是非暂时性的可读写存储介质。
进一步，本发明还提供了一种电子设备，该电子设备包括处理器，处理器可以被配置成执行指令以实现上述方法实施例的距离检测方法或车辆远光灯控制方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该目标检测设备可以是包括各种电子设备形成的控制装置设备。
进一步，本发明还提供了一种车辆，该车辆包括上述电子设备，该电子设备包括处理器，处理器可以被配置成执行指令以实现上述方法实施例的距离检测方法或车辆远光灯控制方法。可选地，该车辆为安装有车载相机的、具有辅助驾驶功能的新能源汽车。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的方法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等序数词仅用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。应该理解这样使用的数据在适当的情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
另外，在本申请的描述中，术语“A和/或B”表示所有可能的A与B的组合，比如只是A、只是B或者A和B。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种距离检测方法，其特征在于，所述方法包括：
通过车载相机获取车辆图像；
基于所述车辆图像，通过已训练的偏移获取模型得到车灯对特征图，所述车灯对特征图包括所述车辆图像中的车灯点和该车灯点对应的预测配对车灯点的偏移量；
基于所述车灯点和该车灯点对应的预测配对车灯点的偏移量，得到目标车灯对；
基于所述目标车灯对，结合预设车灯对距离和所述车载相机的相机内参，得到所述目标车灯对与所述车载相机之间的距离。
2.根据权利要求1所述的距离检测方法，其特征在于，“基于所述目标车灯对，结合预设车灯对距离和所述车载相机的相机内参，得到所述目标车灯对与所述车载相机之间的距离”包括：
根据所述目标车灯对得到所述目标车灯对在所述车辆图像中的车灯对像素级距离w；
根据所述车灯对像素级距离w、所述预设车灯对距离D和所述相机内参c，得到所述目标车灯对与所述车载相机之间的距离d＝D*w/c。
3.根据权利要求1所述的距离检测方法，其特征在于，“基于所述车灯点和该车灯点对应的预测配对车灯点的偏移量，得到目标车灯对”包括：
构建匹配成本函数costAB＝(DA′B+DAB′)/DAB；
根据所述匹配成本函数，得到全部所述车灯点中任意两个车灯点之间的匹配成本函数值；
基于所述匹配成本函数值，通过匈牙利匹配算法从全部所述车灯点中得到所述目标车灯对；
其中，costAB为车灯点A和车灯点B之间的匹配成本函数值，
所述车灯点A和所述车灯点B为全部所述车灯点中的任意两个车灯点，
A′为所述车灯点A对应的预测配对车灯点，根据所述车灯点A的位置和所述车灯点A对应的预测配对车灯点的偏移量确定A′的位置，
B′为所述车灯点B对应的预测配对车灯点，根据所述车灯点B的位置和所述车灯点B对应的预测配对车灯点的偏移量确定B′的位置，
DA′B为所述预测配对车灯点A′与所述车灯点B之间的距离，
DAB′为所述车灯点A与所述预测配对车灯点B′之间的距离，
DAB为所述车灯点A与所述车灯点B之间的距离。
4.根据权利要求3所述的距离检测方法，其特征在于，
所述车灯对特征图还包括车灯点分类特征，所述车灯点分类特征包括头车灯点和尾车灯点；
“根据所述匹配成本函数，得到全部所述车灯点中任意两个车灯点之间的匹配成本函数值”还包括：
根据所述匹配成本函数，分别获取全部所述头车灯点和/或全部所述尾车灯点的匹配成本函数值；
“基于所述匹配成本函数值，通过匈牙利匹配算法从全部所述车灯点中得到所述目标车灯对”还包括：
基于全部所述头车灯点的匹配成本函数值，通过匈牙利匹配算法从全部所述头车灯点中得到目标头车灯对；
并且/或者，基于全部所述尾车灯点的匹配成本函数值，通过匈牙利匹配算法从全部所述尾车灯点中得到目标尾车灯对。
5.根据权利要求3所述的距离检测方法，其特征在于，所述方法还包括：
如果所述目标车灯对的两个车灯点之间的所述匹配成本函数值小于或等于预设成本阈值；并且，所述目标车灯对在所述车辆图像中的两个车灯点之间的连线与水平方向的夹角小于或等于预设倾角阈值，则判定所述目标车灯对的检测结果正确。
6.根据权利要求1-5中任一项所述的车距检测方法，其特征在于，所述方法还包括：
通过训练样本使用smooth L1回归损失函数对所述偏移获取模型进行训练；
其中，所述训练样本包括已标注完成的样本车灯对和所述样本车灯对的两个车灯点之间的归一化偏移量，所述样本车灯对包括头车灯对和/或尾车灯对；
所述归一化偏移量包括归一化水平方向偏移量和归一化垂直方向偏移量，具体方法包括：
分别获取所述样本车灯对中的两个车灯点在所述车灯对特征图中的水平方向偏移量和垂直方向偏移量；
分别用所述水平方向偏移量和所述垂直方向偏移量除以对应方向的所述车灯对特征图的长度，得到所述归一化水平方向偏移量和和归一化垂直方向偏移量。
7.一种车辆远光灯控制方法，其特征在于，所述方法包括：
根据权利要求1-6中任一项所述的距离检测方法得到目标车灯对与车载相机之间的距离；所述车载相机被设置在第一车辆上，所述目标双车灯位于第二车辆上，所述目标车灯对与车载相机之间的距离即为所述第一车辆与所述第二车辆之间的车间距离；
通过已训练的偏移计算模型获取车灯点分类特征，所述车灯点分类特征包括头车灯点和尾车灯点；
根据所述车灯点分类特征，得到所述目标车灯对为目标头车灯对或目标尾车灯对；
如果所述目标车灯对为所述目标头车灯对，当所述车间距离小于第一车距阈值时，关闭所述第一车辆的车辆远光灯和/或发出第一提示信息；
如果所述目标车灯对为所述目标尾车灯对，当所述车间距离小于第二车距阈值时，关闭所述第一车辆的车辆远光灯和/或发出第二提示信息；
其中，所述第一车距阈值大于所述第二车距阈值。
8.一种电子设备，所述电子设备包括处理器和存储器，所述存储器适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行权利要求1至6中任一项所述的距离检测方法或权利要求7所述的车辆远光灯控制方法。
9.一种存储介质，所述存储介质适于存储多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行权利要求1至6中任一项所述的距离检测方法或权利要求7所述的车辆远光灯控制方法。
10.一种车辆，其特征在于，所述车辆包括权利要求9所述的电子设备。
CN202210653543.8A 2022-06-09 2022-06-09 距离检测方法、车辆远光灯控制方法、设备、介质及车辆 Pending CN115082894A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210653543.8A CN115082894A (zh) 2022-06-09 2022-06-09 距离检测方法、车辆远光灯控制方法、设备、介质及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210653543.8A CN115082894A (zh) 2022-06-09 2022-06-09 距离检测方法、车辆远光灯控制方法、设备、介质及车辆

Publications (1)

Publication Number Publication Date
CN115082894A true CN115082894A (zh) 2022-09-20

Family

ID=83251669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210653543.8A Pending CN115082894A (zh) 2022-06-09 2022-06-09 距离检测方法、车辆远光灯控制方法、设备、介质及车辆

Country Status (1)

Country Link
CN (1) CN115082894A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115610415A (zh) * 2022-11-17 2023-01-17 广汽埃安新能源汽车股份有限公司 车辆距离控制方法、装置、电子设备和计算机可读介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115610415A (zh) * 2022-11-17 2023-01-17 广汽埃安新能源汽车股份有限公司 车辆距离控制方法、装置、电子设备和计算机可读介质

Similar Documents

Publication Publication Date Title
CN107499307B (zh) 自动停车辅助装置以及包括该自动停车辅助装置的车辆
CN107341454B (zh) 一种场景中障碍物的检测方法及装置、电子设备
US11461595B2 (en) Image processing apparatus and external environment recognition apparatus
CN107392103B (zh) 路面车道线的检测方法及装置、电子设备
CN112289067B (zh) 信号显示推定系统
US10664710B2 (en) Start inspection method, apparatus and system applied to unmanned vehicle
US20190156131A1 (en) Image Processing Device, Outside Recognition Device
CN108266033A (zh) 自动停车系统和自动停车方法
JP5603687B2 (ja) 車両用白線認識装置
US10733889B2 (en) Method and device for parking assistance
JP4052310B2 (ja) 交差点までの距離算出方法、装置及びシステム
CN114454809A (zh) 一种智能灯光切换方法、系统及相关设备
JP4755227B2 (ja) 物体を認識するための方法
US10635910B2 (en) Malfunction diagnosis apparatus
US9436881B2 (en) Apparatus for predicting turns of a vehicle
JP2011053809A (ja) 車両用白線認識装置
CN109229009B (zh) 交通工具前照灯的控制方法、装置、交通工具及存储介质
US11042759B2 (en) Roadside object recognition apparatus
CN112001235A (zh) 车辆通行信息的生成方法、装置和计算机设备
CN111409455A (zh) 车辆的速度控制方法及装置、电子设备、存储介质
JP4951481B2 (ja) 路面標示認識装置
US9824449B2 (en) Object recognition and pedestrian alert apparatus for a vehicle
CN115082894A (zh) 距离检测方法、车辆远光灯控制方法、设备、介质及车辆
JP5538098B2 (ja) 車両用白線認識装置
JP2004355139A (ja) 車両認識装置

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