CN115223384A - 一种车辆数据显示方法、装置、电子设备和存储介质 - Google Patents
一种车辆数据显示方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115223384A CN115223384A CN202110336485.1A CN202110336485A CN115223384A CN 115223384 A CN115223384 A CN 115223384A CN 202110336485 A CN202110336485 A CN 202110336485A CN 115223384 A CN115223384 A CN 115223384A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- image data
- cloud
- vehicle image
- 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 48
- 238000012360 testing method Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 17
- 238000003384 imaging method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000008447 perception Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例涉及一种车辆数据显示方法、装置、电子设备和存储介质。本公开的至少一个实施例中，通过获取摄像装置拍摄的测试影像数据，可调整摄像装置的视角，以使摄像装置处于良好取景状态；进而可获取摄像装置在良好取景状态下拍摄的车辆影像数据；从而可从云端获取与车辆影像数据相匹配的车辆数据；因此可基于车辆数据和车辆影像数据，合成增强显示数据，增强显示数据可以在非车载的任一电子设备上进行展示，便于车辆现场管理，提高用户或管理人员获取车辆数据的效率和管理车辆数据的效率。
Description
技术领域
本公开实施例涉及车辆数据显示技术领域，具体涉及一种车辆数据显示方法、装置、电子设备和存储介质。
背景技术
随着自动驾驶技术(包括无人驾驶技术)的发展，自动驾驶车辆的应用也越来越广，例如，自动驾驶出租车(Robotaxi)，在行驶过程中，Robotaxi车辆可以根据路况进行智能变道，还可以判断周边车辆的行驶状况，对近距离超车等情况作出自动避让等。
自动驾驶车辆在行驶过程中的自动驾驶数据有多种，例如包括感知信息、车辆位姿信息、路径规划信息、决策信息(包括超车、避让等行为决策，加速、减速等车辆控制决策)等自动驾驶的相关信息。目前，用户或管理人员若想了解某一自动驾驶车辆的自动驾驶数据，需要进入该自动驾驶车辆内，通过车载的人机交互界面来获取自动驾驶数据。
可见，目前的自动驾驶数据等车辆数据的显示方式主要通过车载的人机交互界面来显示，用户或管理人员在车辆现场不进入车辆的前提下难以获取车辆数据，不便于车辆现场管理、监控、诊断等。为此，亟需提供一种车辆数据显示方案，便于车辆现场管理。上述对问题的发现过程的描述，仅用于辅助理解本公开的技术方案，并不代表承认上述内容是现有技术。
发明内容
为了解决现有技术存在的至少一个问题，本公开的至少一个实施例提供了一种车辆数据显示方法、装置、电子设备和存储介质。
第一方面，本公开实施例提出一种车辆数据显示方法，所述方法包括：
获取摄像装置拍摄的测试影像数据；
基于所述测试影像数据调整所述摄像装置的视角，以使所述摄像装置处于良好取景状态；
获取所述摄像装置在良好取景状态下拍摄的车辆影像数据；
从云端获取与所述车辆影像数据相匹配的车辆数据；
基于所述车辆数据和所述车辆影像数据，合成增强显示数据。
在一些实施例中，所述良好取景状态为所述摄像装置所拍摄的车辆位于拍摄画面的预设范围内，且在所述预设范围内对所述车辆产生遮挡的区域满足预设条件。
在一些实施例中，所述从云端获取与所述车辆影像数据相匹配的车辆数据包括：
将车辆标识发送至所述云端，其中，所述车辆标识为基于所述车辆影像数据确定的车辆标识，或，所述车辆标识为预先获取的车辆标识；
获取所述云端基于所述车辆标识反馈的车辆数据。
在一些实施例中，所述从云端获取与所述车辆影像数据相匹配的车辆数据包括：
将所述车辆影像数据发送至所述云端；
获取所述云端基于车辆标识反馈的车辆数据，其中，所述车辆标识为所述云端基于所述车辆影像数据确定的车辆标识。
在一些实施例中，所述车辆标识基于所述车辆影像数据确定的方式包括：
将所述车辆影像数据输入预先训练的模型，通过所述模型对所述车辆影像数据进行识别，输出车辆标识；其中，所述模型的输入为车辆影像数据，输出为车辆影像数据相匹配的车辆标识。
在一些实施例中，所述车辆标识基于所述车辆影像数据确定的方式包括：
若所述车辆影像数据包括多个车辆，则所述车辆标识为位于拍摄画面的预设范围内的车辆标识。
在一些实施例中，所述从云端获取与所述车辆影像数据相匹配的车辆数据包括：
向云端发送车辆数据请求，所述车辆数据请求中携带有所述车辆影像数据；
获取所述云端发送的与所述车辆影像数据相匹配的车辆数据，其中，所述云端基于不同车辆上传的环境数据与所述车辆影像数据进行匹配，得到与所述车辆影像数据相匹配的车辆数据。
在一些实施例中，所述云端基于不同车辆上传的环境数据与所述车辆影像数据进行匹配，得到与所述车辆影像数据相匹配的车辆数据包括：
所述云端将不同车辆上传的环境数据与所述车辆影像数据输入预先训练的匹配模型，通过所述匹配模型进行匹配，输出与所述车辆影像数据相匹配的环境数据；其中，所述匹配模型的输入为车辆影像数据和不同的环境数据，输出为与车辆影像数据相匹配的环境数据；
所述云端基于与所述车辆影像数据相匹配的环境数据，确定与所述车辆影像数据相匹配的车辆数据。
在一些实施例中，所述车辆为自动驾驶出租车，所述车辆数据为所述自动驾驶出租车向所述云端上传的自动驾驶数据。
第二方面，本公开实施例还提出一种车辆数据显示装置，所述装置包括：
第一获取单元，用于获取摄像装置拍摄的测试影像数据；
调整单元，用于基于所述测试影像数据调整所述摄像装置的视角，以使所述摄像装置处于良好取景状态；
第二获取单元，用于获取所述摄像装置在良好取景状态下拍摄的车辆影像数据；
第三获取单元，用于从云端获取与所述车辆影像数据相匹配的车辆数据；
合成显示单元，用于基于所述车辆数据和所述车辆影像数据，合成增强显示数据。
第三方面，本公开实施例还提出一种车辆现场管理系统，所述系统包括：佩戴式摄像装置和手持式车辆数据显示装置；
所述佩戴式摄像装置佩戴于管理人员头部或躯干；
所述手持式车辆数据显示装置由所述管理人员手持；
所述佩戴式摄像装置与所述手持式车辆数据显示装置通信连接；所述佩戴式摄像装置将拍摄的车辆现场数据发送给所述手持式车辆数据显示装置；
所述手持式车辆数据显示装置从云端获取与所述车辆现场数据相匹配的车辆数据，并基于所述车辆数据和所述车辆现场数据，合成增强显示数据。
第四方面，本公开实施例还提出一种电子设备，包括：处理器和存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行如第一方面任一实施例所述方法的步骤。
第五方面，本公开实施例还提出一种非暂态计算机可读存储介质，其中，所述非暂态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第一方面任一实施例所述方法的步骤。
可见，本公开的至少一个实施例中，通过获取摄像装置拍摄的测试影像数据，可调整摄像装置的视角，以使摄像装置处于良好取景状态；进而可获取摄像装置在良好取景状态下拍摄的车辆影像数据；从而可从云端获取与车辆影像数据相匹配的车辆数据；因此可基于车辆数据和车辆影像数据，合成增强显示数据，增强显示数据可以在非车载的任一电子设备上进行展示，便于车辆现场管理，提高用户或管理人员获取车辆数据的效率和管理车辆数据的效率。
附图说明
为了更清楚地说明本公开实施例的技术方案，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，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是一种车辆数据显示的示例性应用场景图；
图2是在图1所示的应用场景下拍摄车辆的示例性应用场景图；
图3是在图2所示的应用场景下增强显示车辆的示例性应用场景图；
图4是本公开实施例提供的一种车辆数据显示装置的框图；
图5是本公开实施例提供的一种电子设备的示例性框图；
图6是本公开实施例提供的一种车辆数据显示方法的示例性流程图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。基于所描述的本公开的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本公开保护的范围。
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。
本公开实施例提供了一种车辆数据显示方法、装置、电子设备或存储介质，通过获取摄像装置拍摄的测试影像数据，可调整摄像装置的视角，以使摄像装置处于良好取景状态；进而可获取摄像装置在良好取景状态下拍摄的车辆影像数据；从而可从云端获取与车辆影像数据相匹配的车辆数据；因此可基于车辆数据和车辆影像数据，合成增强显示数据，增强显示数据可以在非车载的任一电子设备上进行展示，便于车辆现场管理，提高用户或管理人员获取车辆数据的效率和管理车辆数据的效率。非车载的任一电子设备可以为智能手机、平板电脑、笔记本、智能穿戴设备等便携移动设备；非车载的任一电子设备还可以为台式计算机、具有显示功能的智能家电(例如智能电视)、服务器等固定设备。
车辆数据例如为自动驾驶数据，自动驾驶数据由自动驾驶车辆中搭载的不同等级自动驾驶系统产生，其中，不同等级自动驾驶系统例如包括：无人驾驶系统、辅助驾驶系统、驾驶辅助系统、高度自动驾驶系统、完全自动驾驶车辆等。
自动驾驶数据例如包括感知信息和车辆位姿信息。感知信息包括但不限于以下至少一个：障碍物信息、道路标志/标记、行人/车辆信息、可行驶区域。车辆位姿信息包括车辆位置信息和车辆姿态信息。感知信息和车辆位姿信息可基于传感数据、V2X(Vehicle to X，车用无线通信)数据、高精度地图等数据中的至少一种数据进行环境感知和车辆定位得到。其中，传感数据为车辆上安装的传感器采集的数据，传感数据包括但不限于图像、视频、激光点云、毫米波、GPS信息、车辆状态等。
自动驾驶数据例如包括路径规划信息和决策信息。决策信息可包括但不限于以下至少一种：行为决策(例如包括但不限于跟车、超车、停车、绕行等)，车辆控制决策(例如包括但不限于车辆航向、车辆速度、车辆的期望加速度、期望的方向盘转角等)。路径规划信息和决策信息基于感知信息、车辆位姿信息、V2X数据、高精度地图等数据中的至少一种数据进行规划和决策得到。
自动驾驶数据可由自动驾驶系统通过无线通讯网络(例如包括但不限于4G网络、5G网络等满足车联网数据传输需求的网络)实时上报给云端服务器(简称云端)。自动驾驶系统还可以将传感数据、车辆状态信息、车辆行驶信息以及车辆请求等车端信息发送给云端。云端可以基于用户设置或车辆请求对车辆进行远程控制。云端可以向车端的自动驾驶系统发送环境信息、定位信息、控制信息及车辆自动驾驶过程中需要的其他信息。在一些实施例中，云端服务器可以是一个服务器，也可以是一个服务器群组。服务器群组可以是集中式的，也可以是分布式的。在一些实施例中，云端服务器可以是本地的或远程的。
本公开实施例可应用于自动驾驶出租车(Robotaxi)的现场管理场景，提高管理人员获取Robotaxi车辆数据的效率和管理Robotaxi车辆数据的效率。应当理解的是，本公开实施例的应用场景仅仅是本公开的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以将本公开应用于其他类似情景。
图1是一种车辆数据显示的示例性应用场景图，该应用场景适用于Robotaxi车辆的现场管理。在图1中，佩戴式摄像装置11可佩戴于管理人员头部或躯干，例如，佩戴于管理人员的胸部。在一些实施例中，佩戴式摄像装置11可以为便携的摄像头，还可以为其他类型的影像采集装置。在图1中，手持式车辆数据显示装置12由管理人员手持。在一些实施例中，手持式车辆数据显示装置12可以为平板电脑，还可以为智能手机、笔记本、智能穿戴设备等便携移动设备。
佩戴式摄像装置11与手持式车辆数据显示装置12通信连接。在一些实施例中，通信连接的方式例如为蓝牙连接，还可以为其他无线方式连接。佩戴式摄像装置11可将拍摄的车辆现场数据发送给手持式车辆数据显示装置12。图2是在图1所示的应用场景下拍摄车辆的示例性应用场景图。在图2中，管理人员21胸部佩戴的摄像头可拍摄车辆22的影像数据，并将包括车辆22和其周围环境在内的车辆现场数据发送给平板电脑。
手持式车辆数据显示装置12可从云端获取与车辆现场数据相匹配的车辆数据，车辆数据可以为自动驾驶数据。手持式车辆数据显示装置12可基于从云端获取的车辆数据和从佩戴式摄像装置11获取的车辆现场数据，合成增强显示数据，增强显示数据不仅包括车辆的真实影像，而且包括自动驾驶数据的虚拟影像。手持式车辆数据显示装置12可控制增强显示数据的展示，例如手持式车辆数据显示装置12可以将增强显示数据展示在自身配备的显示屏中，还可以将增强显示数据发送给独立的显示器进行显示。图3是在图2所示的应用场景下增强显示车辆的示例性应用场景图，在图3中管理人员可通过平板电脑的显示屏观察车辆的增强显示数据31，增强显示数据31包括车辆的真实影像以及该车辆自动驾驶数据的虚拟影像。
在一些实施例中，基于图1所示的应用场景，可提供一种车辆现场管理系统，包括图1中的佩戴式摄像装置11和手持式车辆数据显示装置12。管理人员通过手持式车辆数据显示装置12可观察到佩戴式摄像装置11所拍摄车辆的真实影像，还可观察到该车辆自动驾驶数据的虚拟影像，使管理人员可以在观察真实车辆的同时通过可视化的自动驾驶数据增强对车辆相关信息的即时了解，便于管理人员对车辆进行监控、检测、诊断和管理，提高管理人员获取车辆数据的效率和管理车辆数据的效率。
图4是本公开实施例提供的一种车辆数据显示装置40的框图。在一些实施例中，车辆数据显示装置40可以实现为图1中的手持式车辆数据显示装置12或者手持式车辆数据显示装置12的一部分。在另一些实施例中，车辆数据显示装置40可以实现为非车载的任一电子设备，非车载的任一电子设备可以为台式计算机、具有显示功能的智能家电(例如智能电视)、服务器等固定设备。
如图4所示，车辆数据显示装置40可包括但不限于：第一获取单元41、调整单元42、第二获取单元43、第三获取单元44、合成显示单元45以及其他辅助车辆数据显示的单元，例如存储单元、显示单元等。存储单元可存储第一获取单元41和第二获取单元43所获取的数据。显示单元可显示合成显示单元45所合成的增强显示数据。
第一获取单元41，用于获取摄像装置拍摄的测试影像数据。摄像装置在开始拍摄后可能没有处于良好取景状态。例如，摄像装置的拍摄画面中不存在车辆。
又例如，摄像装置拍摄画面中虽然存在车辆，但是车辆没有位于拍摄画面的预设范围内。在一些实施例中，预设范围的中心位置与拍摄画面的中心位置相重合。在另一些实施例中，预设范围还可以是拍摄画面中的任意范围。
还例如，虽然车辆拍摄画面的预设范围内，但是在预设范围内对该车辆产生遮挡的区域没有满足预设条件，预设条件可以理解为：不影响用户对车辆位置、姿态、形状的整体感观而存在的遮挡区域。在一些实施例中，预设条件例如为遮挡的区域占预设范围的百分比小于预设阈值，该预设阈值可根据实际应用场景而进行设计，本实施例不限定预设阈值的具体取值。
因此，摄像装置在开始拍摄后所拍摄的影像数据为测试数据，直至调整单元42调整摄像装置的视角，以使摄像装置处于良好取景状态后，摄像装置拍摄的影像数据才是车辆影像数据。
在一些实施例中，摄像装置响应拍摄指令而开始拍摄，更进一步地，摄像装置响应车辆现场管理指令而开始拍摄，其中，车辆现场管理指令为车辆数据显示装置40向摄像装置发送的指令。
在一些实施例中，车辆数据显示装置40可提供用户界面，用户界面上设置车辆现场管理指令的触发控件，管理人员通过对触发控件进行点击或滑动等操作，使车辆数据显示装置40向摄像装置发送的车辆现场管理指令。
在一些实施例中，摄像装置在开始拍摄后，可将拍摄的测试影像数据实时发送给车辆数据显示装置40，具体地，由第一获取单元41获取摄像装置拍摄的测试影像数据。
调整单元42，用于基于测试影像数据调整摄像装置的视角，以使摄像装置处于良好取景状态。良好取景状态为：摄像装置可以拍摄到车辆，且拍摄的车辆位于拍摄画面的预设范围内，且在预设范围内对车辆产生遮挡的区域满足预设条件。
在一些实施例中，预设范围的中心位置与拍摄画面的中心位置相重合。在另一些实施例中，预设范围还可以是拍摄画面中的任意范围。
在一些实施例中，预设条件可以理解为：不影响用户对车辆位置、姿态、形状的整体感观而存在的遮挡区域。在一些实施例中，预设条件例如为遮挡的区域占预设范围的百分比小于预设阈值，该预设阈值可根据实际应用场景而进行设计，本实施例不限定预设阈值的具体取值。
在一些实施例中，调整单元42可以基于测试影像数据判断摄像装置是否处于良好取景状态。在一些实施例中，调整单元42判断摄像装置没有处于良好取景状态后，可以直接向摄像装置发送调整视角指令，并根据摄像装置实时反馈的测试影像数据判断摄像装置是否处于良好取景状态。在一些实施例中，调整单元42判断摄像装置没有处于良好取景状态后，可以通过文字、语音、灯光或者任一组合方式提醒用户或管理人员手动调整摄像装置的视角。
在一些实施例中，调整单元42可以不判断摄像装置是否处于良好取景状态，而是直接将测试影像数据进行展示，由用户或管理人员人为判断摄像装置是否处于良好取景状态，并在摄像装置没有处于良好取景状态时，调整摄像装置的视角，直至摄像装置处于良好取景状态。本实施例中，由于调整单元42属于被动式调整，车辆数据显示装置40可提供用户界面，用户界面上设置“调整开始”控件和“调整完成”控件。管理人员对“调整开始”控件进行点击等操作后，可调整摄像装置的视角，并在完成调整后，对“调整完成”控件进行点击等操作，这样，调整单元42可以响应“调整完成”控件的点击等操作，触发第二获取单元43获取摄像装置在良好取景状态下拍摄的车辆影像数据。
第二获取单元43，用于获取摄像装置在良好取景状态下拍摄的车辆影像数据。第二获取单元43在调整单元42完成摄像装置的视角调整后，获取摄像装置拍摄的车辆影像数据。其中，车辆影像数据为包括车辆及其周围环境在内的车辆现场数据。
第三获取单元44，用于从云端获取与车辆影像数据相匹配的车辆数据。车辆影像数据中的车辆为自动驾驶车辆。车辆数据包括自动驾驶数据，自动驾驶数据例如包括感知信息、车辆位姿信息、路径规划信息和决策信息中的一种或多种。在一些实施例中，自动驾驶车辆为自动驾驶出租车(Robotaxi)，车辆数据为Robotaxi向云端上传的自动驾驶数据。
与车辆影像数据相匹配的车辆数据是车辆影像数据中的车辆向云端上报的车辆数据，也即，车辆影像数据和车辆数据均针对同一车辆，且车辆影像数据是由车辆外部的摄像装置所拍摄的数据，而车辆数据是由车辆内部的自动驾驶系统所生成的数据。
云端除了获取车辆影像数据中的车辆上报的车辆数据，还获取其他车辆上报的车辆数据。云端需要从不同车辆上报的车辆数据中找到车辆影像数据中的车辆上报的车辆数据。
在一些实施例中，为了便于云端找到车辆影像数据中的车辆上报的车辆数据，第三获取单元44可以将车辆标识发送至云端，其中，车辆标识用于对车辆唯一识别。
在一些实施例中，车辆标识为预先获取的车辆标识，车辆标识可以为车辆ID(Identity Document，身份标识)、车牌或基于预设规则进行车辆识别编码得到的字符串等。
在一些实施例中，车辆标识为基于车辆影像数据确定的车辆标识。例如，第三获取单元44将车辆影像数据输入预先训练的模型，通过模型对车辆影像数据进行识别，输出车辆标识；其中，模型的输入为车辆影像数据，输出为车辆影像数据相匹配的车辆标识。又例如，第三获取单元44通过车辆影像数据进行图像识别，得到车辆影像数据中车辆的车牌。需要说明的是，若车辆影像数据包括多个车辆，则车辆标识为位于拍摄画面的预设范围内的车辆标识。
可见，第三获取单元44将车辆标识发送至云端后，可获取云端基于车辆标识反馈的车辆数据。
在一些实施例中，为了便于云端找到车辆影像数据中的车辆上报的车辆数据，第三获取单元44可以将车辆影像数据发送至云端，云端可基于车辆影像数据确定车辆标识。
在一些实施例中，云端获取车辆影像数据后，将车辆影像数据输入预先训练的模型，通过模型对车辆影像数据进行识别，输出车辆标识；其中，模型的输入为车辆影像数据，输出为车辆影像数据相匹配的车辆标识。需要说明的是，若车辆影像数据包括多个车辆，则车辆标识为位于拍摄画面的预设范围内的车辆标识。
可见，第三获取单元44将车辆影像数据发送至云端后，可获取云端基于车辆标识反馈的车辆数据，其中，车辆标识为云端基于车辆影像数据确定的车辆标识。
在一些实施例中，第三获取单元44可向云端发送车辆数据请求，车辆数据请求中携带有车辆影像数据；第三获取单元44进而可获取云端发送的与车辆影像数据相匹配的车辆数据。本实施例中，云端无需先获取车辆标识，再基于车辆标识查找与车辆影像数据相匹配的车辆数据，而是直接基于不同车辆上传的环境数据与车辆影像数据进行匹配，得到与车辆影像数据相匹配的车辆数据。
在一些实施例中，云端基于不同车辆上传的环境数据与车辆影像数据进行匹配，具体为：云端将不同车辆上传的环境数据与车辆影像数据输入预先训练的匹配模型，通过匹配模型进行匹配，输出与车辆影像数据相匹配的环境数据；进而云端基于与车辆影像数据相匹配的环境数据，确定与车辆影像数据相匹配的车辆数据。其中，其中，匹配模型的输入为车辆影像数据和不同的环境数据，输出为与车辆影像数据相匹配的环境数据。
环境数据为车辆上安装的图像传感器拍摄的图像数据。车辆不仅可以将车辆数据上报云端，而且可以将环境数据上报云端。因此，车辆影像数据中的车辆不仅可以将车辆数据上报云端，而且可以将环境数据上报云端。这样，云端可以获取不同车辆(包括车辆影像数据中的车辆)上报的环境数据和车辆数据。可见，云端确定与车辆影像数据相匹配的环境数据后，可查找上报该环境数据的车辆，进而将查找到的车辆上报的车辆数据作为与车辆影像数据相匹配的车辆数据。
合成显示单元45，用于基于车辆数据和车辆影像数据，合成增强显示数据。合成显示单元45可以将车辆数据可视化，得到车辆数据的虚拟影像，进而将车辆数据的虚拟影像与车辆影像数据合成为增强显示数据。其中，车辆影像数据实质上为车辆的真实影像，因此，增强显示数据不仅包括车辆的真实影像，而且包括车辆数据的虚拟影像。在一些实施例中，合成显示单元45基于增强现实(Augmented Reality，AR)实时地在车辆影像数据的基础上叠加车辆数据的虚拟影像，车辆的真实影像和车辆数据的虚拟影像处于相同的空间坐标环境中，保持相同的运动学特征，叠加的过程属于AR领域成熟技术，不再赘述。
在一些实施例中，车辆数据显示装置40中各单元的划分仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如可以将多个单元实现为一个单元；也可以将一个单元划分为多个子单元。可以理解的是，各个单元或子单元能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以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。
基于以上各实施例的描述可见，车辆数据显示装置40通过获取摄像装置拍摄的测试影像数据，可调整摄像装置的视角，以使摄像装置处于良好取景状态；进而可获取摄像装置在良好取景状态下拍摄的车辆影像数据；从而可从云端获取与车辆影像数据相匹配的车辆数据；因此可基于车辆数据和车辆影像数据，合成增强显示数据，增强显示数据可以在非车载的任一电子设备上进行展示，便于车辆现场管理，提高用户或管理人员获取车辆数据的效率和管理车辆数据的效率。
图5是本公开实施例提供的一种电子设备的结构示意图。电子设备可以为图4中的车辆数据显示装置40的硬件实现。
如图5所示，电子设备包括：至少一个处理器501、至少一个存储器502和至少一个通信接口503。电子设备中的各个组件通过总线系统504耦合在一起。通信接口503，用于与外部设备之间的信息传输。可理解地，总线系统504用于实现这些组件之间的连接通信。总线系统504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5中将各种总线都标为总线系统504。
可以理解，本实施例中的存储器502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。
在一些实施方式中，存储器502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，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用任务。实现本公开实施例提供的车辆数据显示方法的程序可以包含在应用程序中。
在本公开实施例中，处理器501通过调用存储器502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，处理器501用于执行本公开实施例提供的车辆数据显示方法各实施例的步骤。
本公开实施例提供的车辆数据显示方法可以应用于处理器501中，或者由处理器501实现。处理器501可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(Digital Signal Processor，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。
本公开实施例提供的车辆数据显示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502，处理器501读取存储器502中的信息，结合其硬件完成方法的步骤。
图6为本公开实施例提供的一种车辆数据显示方法的示例性流程图。该方法的执行主体为电子设备。
如图6所示，在步骤601中，获取摄像装置拍摄的测试影像数据。在一些实施例中，摄像装置响应拍摄指令而开始拍摄，更进一步地，摄像装置响应车辆现场管理指令而开始拍摄，其中，车辆现场管理指令为电子设备向摄像装置发送的指令。
在一些实施例中，电子设备可提供用户界面，用户界面上设置车辆现场管理指令的触发控件，管理人员通过对触发控件进行点击或滑动等操作，使电子设备向摄像装置发送的车辆现场管理指令。
在一些实施例中，摄像装置在开始拍摄后，可将拍摄的测试影像数据实时发送给电子设备。
在步骤602中，基于测试影像数据调整摄像装置的视角，以使摄像装置处于良好取景状态。在一些实施例中，良好取景状态为摄像装置所拍摄的车辆位于拍摄画面的预设范围内，且在预设范围内对车辆产生遮挡的区域满足预设条件。
在一些实施例中，预设范围的中心位置与拍摄画面的中心位置相重合。在另一些实施例中，预设范围还可以是拍摄画面中的任意范围。
在一些实施例中，预设条件可以理解为：不影响用户对车辆位置、姿态、形状的整体感观而存在的遮挡区域。在一些实施例中，预设条件例如为遮挡的区域占预设范围的百分比小于预设阈值，该预设阈值可根据实际应用场景而进行设计，本实施例不限定预设阈值的具体取值。
在一些实施例中，电子设备可以基于测试影像数据判断摄像装置是否处于良好取景状态。在一些实施例中，电子设备判断摄像装置没有处于良好取景状态后，可以直接向摄像装置发送调整视角指令，并根据摄像装置实时反馈的测试影像数据判断摄像装置是否处于良好取景状态。在一些实施例中，电子设备判断摄像装置没有处于良好取景状态后，可以通过文字、语音、灯光或者任一组合方式提醒用户或管理人员手动调整摄像装置的视角。
在一些实施例中，电子设备可以不判断摄像装置是否处于良好取景状态，而是直接将测试影像数据进行展示，由用户或管理人员人为判断摄像装置是否处于良好取景状态，并在摄像装置没有处于良好取景状态时，调整摄像装置的视角，直至摄像装置处于良好取景状态。本实施例中，由于电子设备属于被动式调整，电子设备可提供用户界面，用户界面上设置“调整开始”控件和“调整完成”控件。管理人员对“调整开始”控件进行点击等操作后，可调整摄像装置的视角，并在完成调整后，对“调整完成”控件进行点击等操作。
在步骤603中，获取摄像装置在良好取景状态下拍摄的车辆影像数据。电子设备确定完成摄像装置的视角调整后，获取摄像装置拍摄的车辆影像数据。其中，车辆影像数据为包括车辆及其周围环境在内的车辆现场数据。
在步骤604中，从云端获取与车辆影像数据相匹配的车辆数据。车辆影像数据中的车辆为自动驾驶车辆。车辆数据包括自动驾驶数据，自动驾驶数据例如包括感知信息、车辆位姿信息、路径规划信息和决策信息中的一种或多种。在一些实施例中，自动驾驶车辆为自动驾驶出租车(Robotaxi)，车辆数据为Robotaxi向云端上传的自动驾驶数据。
与车辆影像数据相匹配的车辆数据是车辆影像数据中的车辆向云端上报的车辆数据，也即，车辆影像数据和车辆数据均针对同一车辆，且车辆影像数据是由车辆外部的摄像装置所拍摄的数据，而车辆数据是由车辆内部的自动驾驶系统所生成的数据。
云端除了获取车辆影像数据中的车辆上报的车辆数据，还获取其他车辆上报的车辆数据。云端需要从不同车辆上报的车辆数据中找到车辆影像数据中的车辆上报的车辆数据。
在步骤605中，基于车辆数据和车辆影像数据，合成增强显示数据。电子设备可以将车辆数据可视化，得到车辆数据的虚拟影像，进而将车辆数据的虚拟影像与车辆影像数据合成为增强显示数据。其中，车辆影像数据实质上为车辆的真实影像，因此，增强显示数据不仅包括车辆的真实影像，而且包括车辆数据的虚拟影像。在一些实施例中，电子设备基于增强现实(Augmented Reality，AR)实时地在车辆影像数据的基础上叠加车辆数据的虚拟影像，车辆的真实影像和车辆数据的虚拟影像处于相同的空间坐标环境中，保持相同的运动学特征，叠加的过程属于AR领域成熟技术，不再赘述。
在一些实施例中，电子设备从云端获取与车辆影像数据相匹配的车辆数据的一种方式如下A1和B1：
A1、将车辆标识发送至云端，其中，车辆标识为基于车辆影像数据确定的车辆标识，或，车辆标识为预先获取的车辆标识。
B1、获取云端基于车辆标识反馈的车辆数据。
在一些实施例中，电子设备基于车辆影像数据确定车辆标识包括：将车辆影像数据输入预先训练的模型，通过模型对车辆影像数据进行识别，输出车辆标识；其中，模型的输入为车辆影像数据，输出为车辆影像数据相匹配的车辆标识。若车辆影像数据包括多个车辆，则车辆标识为位于拍摄画面的预设范围内的车辆标识
在一些实施例中，电子设备从云端获取与车辆影像数据相匹配的车辆数据的另一种方式如下A2和B2：
A2、将车辆影像数据发送至云端。
B2、获取云端基于车辆标识反馈的车辆数据，其中，车辆标识为云端基于车辆影像数据确定的车辆标识。
在一些实施例中，云端基于车辆影像数据确定车辆标识包括：
云端将车辆影像数据输入预先训练的模型，通过模型对车辆影像数据进行识别，输出车辆标识；其中，模型的输入为车辆影像数据，输出为车辆影像数据相匹配的车辆标识。若车辆影像数据包括多个车辆，则车辆标识为位于拍摄画面的预设范围内的车辆标识。
在一些实施例中，电子设备从云端获取与车辆影像数据相匹配的车辆数据的又一种方式如下A3和B3：
A3、向云端发送车辆数据请求，车辆数据请求中携带有车辆影像数据。
B3、获取云端发送的与车辆影像数据相匹配的车辆数据，其中，云端基于不同车辆上传的环境数据与车辆影像数据进行匹配，得到与车辆影像数据相匹配的车辆数据。
在一些实施例中，云端基于不同车辆上传的环境数据与车辆影像数据进行匹配，得到与车辆影像数据相匹配的车辆数据包括：
云端将不同车辆上传的环境数据与车辆影像数据输入预先训练的匹配模型，通过匹配模型进行匹配，输出与车辆影像数据相匹配的环境数据；其中，匹配模型的输入为车辆影像数据和不同的环境数据，输出为与车辆影像数据相匹配的环境数据；
云端基于与车辆影像数据相匹配的环境数据，确定与车辆影像数据相匹配的车辆数据。
以上各方法实施例的细节可参考装置实施例的描述，为避免重复，不再赘述。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员能够理解，本公开实施例并不受所描述的动作顺序的限制，因为依据本公开实施例，某些步骤可以采用其他顺序或者同时进行。另外，本领域技术人员能够理解，说明书中所描述的实施例均属于可选实施例。
本公开实施例还提出一种非暂态计算机可读存储介质，所述非暂态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车辆数据显示方法各实施例的步骤，为避免重复描述，在此不再赘述。
本公开实施例还提出一种计算机程序产品，其中，该计算机程序产品包括计算机程序，该计算机程序存储在非暂态计算机可读存储介质中，计算机的至少一个处理器从存储介质读取并执行该计算机程序，使得计算机执行如车辆数据显示方法各实施例的步骤，为避免重复描述，在此不再赘述。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
虽然结合附图描述了本公开的实施方式，但是本领域技术人员可以在不脱离本公开的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (13)
1.一种车辆数据显示方法，其特征在于，所述方法包括：
获取摄像装置拍摄的测试影像数据；
基于所述测试影像数据调整所述摄像装置的视角，以使所述摄像装置处于良好取景状态；
获取所述摄像装置在良好取景状态下拍摄的车辆影像数据；
从云端获取与所述车辆影像数据相匹配的车辆数据；
基于所述车辆数据和所述车辆影像数据，合成增强显示数据。
2.根据权利要求1所述的方法，其特征在于，所述良好取景状态为所述摄像装置所拍摄的车辆位于拍摄画面的预设范围内，且在所述预设范围内对所述车辆产生遮挡的区域满足预设条件。
3.根据权利要求1所述的方法，其特征在于，所述从云端获取与所述车辆影像数据相匹配的车辆数据包括：
将车辆标识发送至所述云端，其中，所述车辆标识为基于所述车辆影像数据确定的车辆标识，或，所述车辆标识为预先获取的车辆标识；
获取所述云端基于所述车辆标识反馈的车辆数据。
4.根据权利要求1所述的方法，其特征在于，所述从云端获取与所述车辆影像数据相匹配的车辆数据包括：
将所述车辆影像数据发送至所述云端；
获取所述云端基于车辆标识反馈的车辆数据，其中，所述车辆标识为所述云端基于所述车辆影像数据确定的车辆标识。
5.根据权利要求3或4所述的方法，其特征在于，所述车辆标识基于所述车辆影像数据确定的方式包括：
将所述车辆影像数据输入预先训练的模型，通过所述模型对所述车辆影像数据进行识别，输出车辆标识；其中，所述模型的输入为车辆影像数据，输出为车辆影像数据相匹配的车辆标识。
6.根据权利要求3或4所述的方法，其特征在于，所述车辆标识基于所述车辆影像数据确定的方式包括：
若所述车辆影像数据包括多个车辆，则所述车辆标识为位于拍摄画面的预设范围内的车辆标识。
7.根据权利要求1所述的方法，其特征在于，所述从云端获取与所述车辆影像数据相匹配的车辆数据包括：
向云端发送车辆数据请求，所述车辆数据请求中携带有所述车辆影像数据；
获取所述云端发送的与所述车辆影像数据相匹配的车辆数据，其中，所述云端基于不同车辆上传的环境数据与所述车辆影像数据进行匹配，得到与所述车辆影像数据相匹配的车辆数据。
8.根据权利要求7所述的方法，其特征在于，所述云端基于不同车辆上传的环境数据与所述车辆影像数据进行匹配，得到与所述车辆影像数据相匹配的车辆数据包括：
所述云端将不同车辆上传的环境数据与所述车辆影像数据输入预先训练的匹配模型，通过所述匹配模型进行匹配，输出与所述车辆影像数据相匹配的环境数据；其中，所述匹配模型的输入为车辆影像数据和不同的环境数据，输出为与车辆影像数据相匹配的环境数据；
所述云端基于与所述车辆影像数据相匹配的环境数据，确定与所述车辆影像数据相匹配的车辆数据。
9.根据权利要求1所述的方法，其特征在于，所述车辆为自动驾驶出租车，所述车辆数据为所述自动驾驶出租车向所述云端上传的自动驾驶数据。
10.一种车辆数据显示装置，其特征在于，所述装置包括：
第一获取单元，用于获取摄像装置拍摄的测试影像数据；
调整单元，用于基于所述测试影像数据调整所述摄像装置的视角，以使所述摄像装置处于良好取景状态；
第二获取单元，用于获取所述摄像装置在良好取景状态下拍摄的车辆影像数据；
第三获取单元，用于从云端获取与所述车辆影像数据相匹配的车辆数据；
合成显示单元，用于基于所述车辆数据和所述车辆影像数据，合成增强显示数据。
11.一种车辆现场管理系统，其特征在于，所述系统包括：佩戴式摄像装置和手持式车辆数据显示装置；
所述佩戴式摄像装置佩戴于管理人员头部或躯干；
所述手持式车辆数据显示装置由所述管理人员手持；
所述佩戴式摄像装置与所述手持式车辆数据显示装置通信连接；所述佩戴式摄像装置将拍摄的车辆现场数据发送给所述手持式车辆数据显示装置；
所述手持式车辆数据显示装置从云端获取与所述车辆现场数据相匹配的车辆数据，并基于所述车辆数据和所述车辆现场数据，合成增强显示数据。
12.一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至9任一项所述方法的步骤。
13.一种非暂态计算机可读存储介质，其特征在于，所述非暂态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9任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110336485.1A CN115223384B (zh) | 2021-03-29 | 2021-03-29 | 一种车辆数据显示方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110336485.1A CN115223384B (zh) | 2021-03-29 | 2021-03-29 | 一种车辆数据显示方法、装置、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115223384A true CN115223384A (zh) | 2022-10-21 |
| CN115223384B CN115223384B (zh) | 2024-01-16 |
Family
ID=83605187
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110336485.1A Active CN115223384B (zh) | 2021-03-29 | 2021-03-29 | 一种车辆数据显示方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115223384B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008031978A1 (fr) * | 2006-09-14 | 2008-03-20 | France Telecom | Procede de cadrage d'un objet dans une image et dispositif correspondant |
| CN101206799A (zh) * | 2006-12-20 | 2008-06-25 | 索尼株式会社 | 监控系统、监控装置和监控方法 |
| US20090110239A1 (en) * | 2007-10-30 | 2009-04-30 | Navteq North America, Llc | System and method for revealing occluded objects in an image dataset |
| CN101976341A (zh) * | 2010-08-27 | 2011-02-16 | 中国科学院自动化研究所 | 一种从交通图像中检测车辆位置、姿态和三维轮廓的方法 |
| JP2011165170A (ja) * | 2010-01-15 | 2011-08-25 | Toyota Central R&D Labs Inc | 対象物検出装置及びプログラム |
| US20130148852A1 (en) * | 2011-12-08 | 2013-06-13 | Canon Kabushiki Kaisha | Method, apparatus and system for tracking an object in a sequence of images |
| CN106603912A (zh) * | 2016-12-05 | 2017-04-26 | 科大讯飞股份有限公司 | 一种视频直播控制方法及装置 |
| CN107680195A (zh) * | 2017-11-13 | 2018-02-09 | 国网内蒙古东部电力有限公司 | 一种变电站智能机器人巡检辅助分析系统及方法 |
| CN108154146A (zh) * | 2017-12-25 | 2018-06-12 | 陈飞 | 一种基于图像识别的车辆追踪方法 |
| CN108364476A (zh) * | 2018-03-26 | 2018-08-03 | 京东方科技集团股份有限公司 | 获取车联网信息方法及其装置 |
| CN108551552A (zh) * | 2018-05-14 | 2018-09-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及移动终端 |
| CN110086988A (zh) * | 2019-04-24 | 2019-08-02 | 薄涛 | 拍摄角度调整方法、装置、设备及其存储介质 |
| CN110266952A (zh) * | 2019-06-28 | 2019-09-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备以及存储介质 |
| CN111427331A (zh) * | 2020-03-24 | 2020-07-17 | 新石器慧通（北京）科技有限公司 | 无人驾驶车辆的感知信息展示方法、装置和电子设备 |
| WO2020248957A1 (zh) * | 2019-06-10 | 2020-12-17 | 中南民族大学 | 遮挡的目标物体的检测方法、系统、设备及存储介质 |
-
2021
- 2021-03-29 CN CN202110336485.1A patent/CN115223384B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008031978A1 (fr) * | 2006-09-14 | 2008-03-20 | France Telecom | Procede de cadrage d'un objet dans une image et dispositif correspondant |
| CN101206799A (zh) * | 2006-12-20 | 2008-06-25 | 索尼株式会社 | 监控系统、监控装置和监控方法 |
| US20090110239A1 (en) * | 2007-10-30 | 2009-04-30 | Navteq North America, Llc | System and method for revealing occluded objects in an image dataset |
| JP2011165170A (ja) * | 2010-01-15 | 2011-08-25 | Toyota Central R&D Labs Inc | 対象物検出装置及びプログラム |
| CN101976341A (zh) * | 2010-08-27 | 2011-02-16 | 中国科学院自动化研究所 | 一种从交通图像中检测车辆位置、姿态和三维轮廓的方法 |
| US20130148852A1 (en) * | 2011-12-08 | 2013-06-13 | Canon Kabushiki Kaisha | Method, apparatus and system for tracking an object in a sequence of images |
| CN106603912A (zh) * | 2016-12-05 | 2017-04-26 | 科大讯飞股份有限公司 | 一种视频直播控制方法及装置 |
| CN107680195A (zh) * | 2017-11-13 | 2018-02-09 | 国网内蒙古东部电力有限公司 | 一种变电站智能机器人巡检辅助分析系统及方法 |
| CN108154146A (zh) * | 2017-12-25 | 2018-06-12 | 陈飞 | 一种基于图像识别的车辆追踪方法 |
| CN108364476A (zh) * | 2018-03-26 | 2018-08-03 | 京东方科技集团股份有限公司 | 获取车联网信息方法及其装置 |
| CN108551552A (zh) * | 2018-05-14 | 2018-09-18 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及移动终端 |
| CN110086988A (zh) * | 2019-04-24 | 2019-08-02 | 薄涛 | 拍摄角度调整方法、装置、设备及其存储介质 |
| WO2020248957A1 (zh) * | 2019-06-10 | 2020-12-17 | 中南民族大学 | 遮挡的目标物体的检测方法、系统、设备及存储介质 |
| CN110266952A (zh) * | 2019-06-28 | 2019-09-20 | Oppo广东移动通信有限公司 | 图像处理方法、装置、电子设备以及存储介质 |
| CN111427331A (zh) * | 2020-03-24 | 2020-07-17 | 新石器慧通（北京）科技有限公司 | 无人驾驶车辆的感知信息展示方法、装置和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115223384B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6937443B2 (ja) | 撮像装置及び撮像装置の制御方法 | |
| CN110672111B (zh) | 车辆行车路径规划方法、装置、系统、介质和设备 | |
| WO2018149287A1 (zh) | 车载信息处理的方法及装置、车载移动终端、存储介质 | |
| CN110856107B (zh) | 智能导游方法、系统、服务器及车辆 | |
| CN111216127A (zh) | 一种机器人控制方法、装置、服务器及介质 | |
| WO2020100922A1 (ja) | データ配信システム、センサデバイス及びサーバ | |
| CN113483774B (zh) | 导航方法、装置、电子设备及可读存储介质 | |
| CN109089087A (zh) | 多通道影音联动装置 | |
| KR20210086583A (ko) | 무인 주행 차량의 제어 방법, 장치 및 전자 기기 | |
| CN113378605B (zh) | 多源信息融合方法及装置、电子设备和存储介质 | |
| WO2020211593A1 (zh) | 交通道路的数字化重建方法、装置和系统 | |
| CN114419572B (zh) | 多雷达目标检测方法、装置、电子设备及存储介质 | |
| CN108881846B (zh) | 信息融合方法、装置及计算机可读存储介质 | |
| CN114240769A (zh) | 一种图像处理方法以及装置 | |
| CN114425991A (zh) | 图像处理方法、介质、设备及图像处理系统 | |
| CN115223384B (zh) | 一种车辆数据显示方法、装置、电子设备和存储介质 | |
| CN115082690B (zh) | 目标识别方法、目标识别模型训练方法及装置 | |
| CN113432614B (zh) | 车辆导航方法、装置、电子设备及计算机可读存储介质 | |
| CN115407355A (zh) | 库位地图的验证方法、装置及终端设备 | |
| JP7254000B2 (ja) | 画像配信装置及び方法並びに画像配信システム | |
| CN115147785A (zh) | 一种车辆识别方法、装置、电子设备和存储介质 | |
| CN110868687B (zh) | 房产介绍方法、系统、服务器及车辆 | |
| CN113561988A (zh) | 一种基于视线追踪的语音控制方法、汽车及可读存储介质 | |
| JP6922447B2 (ja) | 情報処理システム、サーバおよび通信方法 | |
| CN111862576A (zh) | 追踪嫌疑目标的方法及相应的车辆、服务器、系统和介质 |
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 |