CN115578468A - 外参标定方法、装置、计算机设备、存储介质 - Google Patents
外参标定方法、装置、计算机设备、存储介质 Download PDFInfo
- Publication number
- CN115578468A CN115578468A CN202211158526.3A CN202211158526A CN115578468A CN 115578468 A CN115578468 A CN 115578468A CN 202211158526 A CN202211158526 A CN 202211158526A CN 115578468 A CN115578468 A CN 115578468A
- Authority
- CN
- China
- Prior art keywords
- vanishing point
- determining
- point
- vanishing
- ray direction
- 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
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种外参标定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取同一场景中相机采集的像素图像和雷达采集的三维点云;根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;根据所述消失点对确定所述雷达和相机的目标外参。该方法不用标定工具辅助进行标定,可实现在线标定雷达和相机的外参,同时可提高外参标定的鲁棒性和精准度。
Description
技术领域
本申请涉及自动驾驶技术领域,特别是涉及一种外参标定方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着自动驾驶技术的发展,越来越多的车辆配备了高级辅助驾驶系统或自动驾驶系统。为了保证自动驾驶系统的正常工作,需要安装车载传感器获取三维世界的信息,对周边物体进行实时感知。相机和激光雷达是自动驾驶中常用的两种传感器,对无人车的正常驾驶起着关键性作用。为了能够同时得到对象的语义信息以及其在真实世界中的位置,需要将相机采集的图像和激光雷达扫描的点云进行关联,但是这两种传感器获取的信息都是位于自身坐标系中,为了能够进行关联,需要进行相机和激光雷达的外参标定。
传统技术中常用的外参标定方法需要基于标定工具,并且需要专门布置标定场景进行标定,无法实现在线标定。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实现在线标定的外参标定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种外参标定方法。所述方法包括:
获取同一场景中相机采集的像素图像和雷达采集的三维点云;
根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;
根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;
根据所述消失点对确定所述雷达和相机的目标外参。
在其中一个实施例中,所述根据所述像素图像确定第一消失点,包括:
对所述像素图像进行去畸变处理,得到第一图像;
对所述第一图像进行直线检测,得到第一直线;
根据所述第一直线确定所述第一消失点。
在其中一个实施例中,所述对所述第一图像进行直线检测,得到第一直线,包括:
对所述第一图像进行边缘检测,得到中间图像;
对所述中间图像进行直线检测得到所述第一直线。
在其中一个实施例中,所述根据所述三维点云确定第二消失点,包括:
对所述三维点云进行地面检测,得到第一点云;
基于点云强度信息对所述第一点云进行阈值分割,得到第二点云;
根据所述第二点云对道路标记线进行提取并进行直线拟合,得到第二直线;
根据所述第二直线确定所述第二消失点。
在其中一个实施例中,所述根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对,包括:
根据所述第一消失点确定所述第一消失点在相机坐标系下的第一射线方向,以及根据所述第二消失点确定所述第二消失点在雷达坐标系下的第二射线方向;
根据所述第一射线方向和所述第二射线方向,确定所述第一消失点与所述第二消失点相互匹配的消失点对。
在其中一个实施例中,所述根据所述第一消失点确定所述第一消失点在相机坐标系下的第一射线方向,以及根据所述第二消失点确定所述第二消失点在雷达坐标系下的第二射线方向,包括:
根据所述相机的内参和所述第一消失点在所述相机坐标系中的坐标,确定所述第一消失点在所述相机坐标系下的所述第一射线方向;
根据所述第二消失点在所述雷达坐标系中的坐标,确定所述第二消失点在所述雷达坐标系下的所述第二射线方向。
在其中一个实施例中,所述根据所述相机的内参和所述第一消失点在所述相机坐标系中的坐标,确定所述第一消失点在所述相机坐标系下的所述第一射线方向,包括:
将所述内参的倒数与所述第一消失点在所述相机坐标系中的坐标所对应的齐次坐标的导数的乘积,作为所述第一消失点在所述相机坐标系下的所述第一射线方向。
在其中一个实施例中,所述根据所述第二消失点在所述雷达坐标系中的坐标,确定所述第二消失点在所述雷达坐标系下的所述第二射线方向,包括:
将所述第二消失点在所述雷达坐标系中的坐标的导数,作为所述第二消失点在所述雷达坐标系下的所述第二射线方向。
在其中一个实施例中,根据所述第一射线方向和所述第二射线方向,确定所述第一消失点与所述第二消失点相互匹配的消失点对,包括:
根据所述第一射线方向和所述第二射线方向之间的夹角,确定所述第一消失点与所述第二消失点相互匹配的消失点对。
在其中一个实施例中,所述根据所述第一射线方向和所述第二射线方向之间的夹角,确定所述第一消失点与所述第二消失点相互匹配的消失点对,包括:
根据初始外参,针对所述第一消失点中的一个第一目标消失点,若只存在一个第二目标消失点,使得所述第一目标消失点对应的第一射线方向与所述第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,并且,针对所述第二目标消失点,只存在所述第一目标消失点使得所述第一目标消失点对应的第一射线方向与所述第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,则将所述第一目标消失点和所述第二目标消失点作为所述相互匹配的消失点对。
在其中一个实施例中,所述根据所述消失点对确定所述雷达和相机的目标外参,包括:
根据所述消失点对,确定对应的残差方程;所述残差方程表征所述消失点对所对应的射线方向之间的夹角;
根据所述残差方程,确定所述雷达和相机的目标外参。
在其中一个实施例中,所述残差方程为多个;所述根据所述残差方程,确定所述雷达和相机的目标外参,包括:
根据多个所述残差方程构建残差方程组;
根据所述残差方程组计算所述消失点对所对应的射线方向之间的夹角和外参;
当所述残差方程组中所述消失点对所对应的射线方向之间的夹角最小时,所对应的外参为所述雷达和相机的目标外参。
第二方面,本申请还提供了一种外参标定装置。所述装置包括:
数据获取模块,用于获取同一场景中相机采集的像素图像和雷达采集的三维点云;
消失点确定模块,用于根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;
消失点匹配模块,用于根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;
外参确定模块,用于根据所述消失点对确定所述雷达和相机的目标外参。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取同一场景中相机采集的像素图像和雷达采集的三维点云;
根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;
根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;
根据所述消失点对确定所述雷达和相机的目标外参。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取同一场景中相机采集的像素图像和雷达采集的三维点云;
根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;
根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;
根据所述消失点对确定所述雷达和相机的目标外参。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取同一场景中相机采集的像素图像和雷达采集的三维点云;
根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;
根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;
根据所述消失点对确定所述雷达和相机的目标外参。
上述外参标定方法、装置、计算机设备、存储介质和计算机程序产品,通过获取同一场景中相机采集的像素图像和雷达采集的三维点云;根据像素图像确定第一消失点,以及根据三维点云确定第二消失点;根据第一消失点和第二消失点,确定第一消失点与第二消失点相互匹配的消失点对;根据消失点对确定雷达和相机的目标外参。本申请提供的外参标定方法,不用标定工具辅助进行标定,在需要标定时触发相应标定流程即可进行标定,可实现在线标定雷达和相机的外参,同时可提高外参标定的鲁棒性和精准度。
附图说明
图1为一个实施例中外参标定方法的应用环境图;
图2为一个实施例中外参标定方法的流程示意图;
图3为一个实施例中根据像素图像确定第一消失点的流程示意图;
图4为一个实施例中第一消失点的确定流程示意图;
图5为一个实施例中第一消失点的检测结果示意图;
图6为另一个实施例中第一消失点的确定流程示意图;
图7为一个实施例中根据三维点云确定第二消失点的流程示意图;
图8为一个实施例中第二直线示意图;
图9为一个实施例中第二消失点的确定流程示意图;
图10为一个实施例中步骤206的流程示意图;
图11为另一个实施例中外参标定方法的流程示意图;
图12为一个实施例中外参标定装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一消失点称为第二消失点,且类似地,可将第二消失点称为第一消失点。第一消失点和第二消失点两者都是消失点,但其不是同一消失点。
本申请实施例提供的外参标定方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。服务器104获取终端102发送的同一场景中相机采集的像素图像和雷达采集的三维点云;根据像素图像确定第一消失点,以及根据三维点云确定第二消失点;根据第一消失点和第二消失点,确定第一消失点与第二消失点相互匹配的消失点对;根据消失点对确定雷达和相机的目标外参。
其中,终端102可以是自动驾驶终端,在一个实施例中,终端102可以是无人驾驶车辆,或者是具有自动驾驶能力的有人驾驶车辆。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在此需要说明的是,本申请实施例还可以单独应用于终端,也可以单独应用于服务器,在此不作具体限定。
在一个实施例中,如图2所示,提供了一种外参标定方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取同一场景中相机采集的像素图像和雷达采集的三维点云。
本实施例中,同一场景可以是指在同一时刻对应的场景。服务器获取同一场景中相机采集的像素图像和雷达采集的三维点云。可以理解地,本实施例中的同一场景可以包括以下情形:相机拍摄像素图像的时间与雷达采集三维点云的时间之间间隔的时长小于预设时长,预设时长可根据经验设定,可以基于不同采集场景和采集工具精度的不同而适应性调整。相机和雷达可以采集一组或多组数据,在此不作限定,服务器可以获取相机采集的像素图像和雷达采集的三维点云,从其中选取同一场景中的像素图像和三维点云。
在此需要说明的是,相机采集的像素图像为二维图像数据,而雷达采集的数据为三维点云数据。在具体应用场景中,可以是将相机和雷达安装在同一对象上进行采集,例如,在自动驾驶领域,相机和雷达均属于自动驾驶车辆上安装的车载传感器。其中,雷达可以是激光雷达、固态雷达、超声波雷达或毫米波雷达等。
步骤204,根据像素图像确定第一消失点,以及根据三维点云确定第二消失点。
消失点(End Point),是指平行线的视觉相交点。假设空间中存在一组平行线,那么该组平行线的交点在无穷远处,无穷远处的交点投影到图像中的位置即为消失点,用齐次坐标表示为[x,y,1]或者[x,y]。同理,三维空间的消失点是指三维空间中的平行线在无穷远处的交点,用齐次坐标表示为[x,y,z,0]或者[x,y,z]。本实施例中,第一消失点对应的是像素图像中的平行线组对应的交点,第二消失点对应的是三维点云中的平行线组对应的交点。由于不管是在像素图像还是三维点云中,都可能存在多组平行线,因此第一消失点或第二消失点的数量可能是一个,也可能是多个。
步骤206,根据第一消失点和第二消失点,确定第一消失点与第二消失点相互匹配的消失点对。
本实施例中,在分别确定第一消失点和第二消失点后,根据第一消失点和第二消失点确定相互匹配的消失点对。其中,相互匹配的消失点对是指分别在像素图像和三维点云中对应的同一场景中的同一组平行线的交点。示例性地,针对同一场景中的某一组平行线,其在像素图像中的消失点为A,在三维点云中的消失点为B,那么,A消失点和B消失点组成一组相互匹配的消失点对。可以理解地,若第一消失点对应在像素图像中的平行线组与第二消失点在三维点云中的平行线组之间的夹角小于预设角度,也可以认为第一消失点和第二消失点是相互匹配的消失点对。其中,预设角度可以根据具体情况进行设定。
步骤208,根据消失点对确定雷达和相机的目标外参。
可选地,当消失点对有多个时,根据消失点对,确定对应的残差方程,根据残差方程组成的方程组,优化得到雷达和相机的目标外参。
上述外参标定方法中,通过获取同一场景中相机采集的像素图像和雷达采集的三维点云;根据像素图像确定第一消失点,以及根据三维点云确定第二消失点;根据第一消失点和第二消失点,确定第一消失点与第二消失点相互匹配的消失点对;根据消失点对确定雷达和相机的目标外参。本实施例提供的外参标定方法,不用标定工具辅助进行标定,在需要标定时触发相应标定流程即可进行标定,可实现在线标定雷达和相机的外参,提高外参标定结果的鲁棒性和精准度。
在一个实施例中,如图3所示,步骤204中根据像素图像确定第一消失点,包括以下步骤302至步骤306。
步骤302,对像素图像进行去畸变处理,得到第一图像。
图像畸变是由于透镜制造精度以及组装工艺的偏差会引入畸变,导致原始图像失真。镜头的畸变通常包括径向畸变和切向畸变,从镜头获取的原始图像通常都存在上述两种畸变。
可选地,根据相机内参和像素图像对应的畸变参数进行去畸变处理,得到第一图像。示例性地,将像素图像中的像素坐标根据相机内参转换到相机坐标系下,根据相机坐标系下的坐标及畸变参数计算畸变量,以及确认畸变位置,根据畸变量和畸变位置将图像恢复至畸变前,将相机坐标系下的坐标转换为像素图像中的像素坐标,可得到第一图像。
步骤304,对第一图像进行直线检测,得到第一直线。
可选地,可通过霍夫变换(Hough Transform)对第一图像进行直线检测,得到第一直线。
可选地,可以先对第一图像进行边缘检测,得到中间图像,然后再对中间图像进行直线检测得到第一直线。
本实施例中,针对自动驾驶场景,直线检测包括行驶道路上的车道线检测,第一直线即为检测出的车道线。
步骤306,根据第一直线确定第一消失点。
本实施例中,第一直线可以包括像素图像中的所有直线,确定像素图像中平行直线对应的第一消失点。其中,第一直线可以包括多组平行线,每组平行线至少包括2条第一直线,每组平行线对应一个第一消失点,即,第一消失点可以是多个。可以理解地,第一直线是二维坐标系下的直线,第一消失点为像素图像上的点。
可选地,可以根据J-Linkage算法(J算法)对第一直线对应的第一消失点进行估计。
在一个示例中,第一消失点的确定流程如图4所示,第一消失点检测结果如图5所示,理想情况下,同一组车道线都会经过同一个第一消失点。
上述实施例中,通过对像素图像进行去畸变处理后得到第一图像,对第一图像进行直线检测,得到第一直线,根据第一直线确定像素图像对应的第一消失点,第一消失点的准确度会更高。
在一些实施例中,步骤304中对第一图像进行直线检测,得到第一直线,包括:对第一图像进行边缘检测,得到中间图像;对中间图像进行直线检测得到第一直线。
本实施例中,对像素图像进行去畸变处理后得到第一图像,可以根据边缘检测算子对第一图像进行边缘检测,得到中间图像,对中间图像进行直线检测得到第一直线,根据第一直线确定像素图像对应的第一消失点。在一个示例中,对应的第一消失点的确定流程如图6所示。
边缘检测算子,例如可以是Sobel算子、Prewitt算子、Roberts算子、Canny算子、Marr-Hildreth算子等中的任一种。
可选地,可以通过Canny算子进行边缘检测,得到中间图像,根据Hough变换对中间图像进行直线检测,得到第一直线。
在一个实施例中,如图7所示,步骤204中根据三维点云确定第二消失点,包括以下步骤702至步骤708。
步骤702,对三维点云进行地面检测,得到第一点云。
可选地,基于地面特征,根据预设地面条件对符合地面特征的三维点云进行筛选,实现三维点云中的地面检测,得到第一点云。
可选地,通过拟合地面方程实现三维点云中的地面检测,得到第一点云。本实施例中对三维点云进行地面检测得到第一点云,还可以使用其他方法实现。
步骤704,基于点云强度信息对第一点云进行阈值分割,得到第二点云。
可选地,服务器基于点云强度信息对第一点云进行二值化处理,将第一点云分为两类,一类是点云强度高于强度阈值的,另一类是点云强度不高于强度阈值的,从而得到第二点云。其中,本实施例中的强度阈值可以是固定阈值,也可以是动态自适应阈值。
步骤706,根据第二点云对道路标记线进行提取并进行直线拟合,得到第二直线。
基于道路标记线的特征对第二点云中的道路标记线对应的点云进行提取,并对提取的点云进行直线拟合,得到第二直线。其中,直线拟合例如可以使用最小二乘法、霍夫变换等实现。在一个示例中,第二直线的示意图如图8所示。
步骤708,根据第二直线确定第二消失点。
本实施例中,第二直线中包括三维点云中通过直线拟合对应的所有直线,通过第二直线确定三维点云对应的第二消失点。其中,第二直线可以包括多组平行线,每组平行线至少包括2条第二直线,每组平行线可确定一个第二消失点。可以理解地,第二直线是三维坐标系下的直线,得到的第二消失点为雷达坐标系下的点。
可选地,可以根据J-Linkage算法(J算法)对第二消失点进行估计。在一个示例中,第二消失点的确定流程如图9所示。
上述实施例中,通过对三维点云中的地面进行检测得到第一点云,基于点云强度信息对第一点云进行阈值分割得到第二点云,根据第二点云对道路标记线进行提取并进行直线拟合得到第二直线,根据第二直线确定第二消失点,可准确确定三维点云中的第二消失点。
在一个实施例中,如图10所示,根据第一消失点和第二消失点,确定第一消失点与第二消失点相互匹配的消失点对的步骤206,包括步骤1002至步骤1004。
步骤1002,根据第一消失点确定第一消失点在相机坐标系下的第一射线方向,以及根据第二消失点确定第二消失点在雷达坐标系下的第二射线方向。
第一消失点为像素图像上的点,经过反投影可以转换为在相机坐标系下的第一射线方向。第一射线方向可以理解为在像素图像面对相机成像时,像素图像上的第一消失点与光心所在直线对应的方向。
第二消失点为三维点云中的点,根据第二消失点可确定对应在雷达坐标系下的第二射线方向。
一个第一消失点对应一个第一射线方向,一个第二消失点对应一个第二射线方向。
步骤1004,根据第一射线方向和第二射线方向,确定第一消失点与第二消失点相互匹配的消失点对。
可选地,可根据第一射线方向和第二射线方向之间的夹角情况,确定第一消失点和第二消失点相互匹配的消失点对。
理想情况下,若第一射线对应的第一消失点和第二射线对应的第二消失点是场景中同一组平行线对应的消失点,那么,第一射线方向和第二射线方向之间的夹角为零。
在一个实施例中,根据第一消失点确定第一消失点在相机坐标系下的第一射线方向,以及根据第二消失点确定第二消失点在雷达坐标系下的第二射线方向的步骤1002,包括:
根据相机的内参和第一消失点在相机坐标系中的坐标,确定第一消失点在相机坐标系下的第一射线方向;根据第二消失点在雷达坐标系中的坐标,确定第二消失点在雷达坐标系下的第二射线方向。
本实施例中,第一消失点在相机坐标系下的第一射线方向可以根据相机的内参矩阵和第一消失点在相机坐标系中的坐标进行确定;第二消失点在雷达坐标系下的第二射线方向,可以根据第二消失点在雷达坐标系中的坐标确定。
在一些实施例中,根据相机的内参和第一消失点在相机坐标系中的坐标,确定第一消失点在相机坐标系下的第一射线方向,包括:将相机内参的倒数与第一消失点在相机坐标系中的坐标所对应的齐次坐标的导数的乘积,作为第一消失点在相机坐标系下的第一射线方向。
在一些实施例中,根据第二消失点在雷达坐标系中的坐标,确定第二消失点在雷达坐标系下的第二射线方向,包括:将第二消失点在雷达坐标系中的坐标的导数,作为第二消失点在雷达坐标系下的第二射线方向。
可选地,将相机内参的倒数与第一消失点对应的齐次坐标的导数的乘积,作为第一消失点在相机坐标系下的第一射线方向;将第二消失点在雷达坐标系中的坐标的导数,作为第二消失点在雷达坐标系下的第二射线方向。
在一个示例中,第一消失点在像素图像上的坐标为Pc[xc,yc],相机坐标系下的第一射线方向D为:
D=K-1×[xc,yc,1]′ 公式(1)
其中,K为相机内参。
第二消失点在三维点云中的坐标为Pl[xl,yl,zl],那么,雷达坐标系下的第二射线方向E为:
E=[xl,yl,zl]′ 公式(2)
上述实施例中的方法可以准确确定第一消失点对应的第一射线方向和第二消失点对应的第二射线方向。
在一个实施例中,根据第一射线方向和第二射线方向,确定第一消失点和第二消失点相互匹配的消失点对的步骤1004,包括:根据第一射线方向和第二射线方向之间的夹角,确定第一消失点与第二消失点相互匹配的消失点对。
本实施例中,根据第一射线方向和第二射线方向之间的夹角情况,可以确定第一消失点与第二消失点相互匹配的消失点对。可选地,当第一射线方向与第二射线方向之间的夹角满足预设夹角条件时,对应的第一消失点与第二消失点为相互匹配的消失点对。可以理解地,第一射线方向与第二射线方向之间的夹角,包括与第一射线方向相平行的方向,和与第二射线方向相平行的方向之间的夹角。
在一个实施例中,根据第一射线方向和第二射线方向之间的夹角,确定第一消失点与第二消失点相互匹配的消失点对,包括:
根据初始外参,针对第一消失点中的一个第一目标消失点,若只存在一个第二目标消失点,使得第一目标消失点对应的第一射线方向与第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,并且,针对第二目标消失点,只存在第一目标消失点使得第一目标消失点对应的第一射线方向与第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,则将第一目标消失点和第二目标消失点作为相互匹配的消失点对。
本实施例中,在已知初始外参的情况下,根据相机内参可计算得到第一消失点对应的第一射线方向,进一步地,依次计算第一射线方向与初始外参和第二射线方向的乘积之间的夹角。其中,初始外参可通过人工测量或者其他方式得到。
针对第一消失点中的任一个第一目标消失点,若第二消失点中只存在一个第二目标消失点,使得第一目标消失点对应的第一射线方向与第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,并且,针对第二目标消失点,只存在第一目标消失点使得第二目标消失点对应的第二射线方向与第一目标消失点对应的第一射线方向之间的夹角小于预设夹角,则将第一目标消失点和第二目标消失点作为相互匹配的消失点对。其中,预设夹角可以根据具体情况进行设置,例如预设夹角为5°(度)。
上述实施例中,根据预设夹角将第一消失点和第二消失点中相互匹配的消失点对进行筛选,减少消失点的数量,从而更快速地确定目标外参。
在一个实施例中,根据消失点对确定雷达和相机的目标外参的步骤208,包括:
根据消失点对,确定对应的残差方程;其中,残差方程表征消失点对所对应的射线方向之间的夹角;根据残差方程,确定雷达和相机的目标外参。
可选地,根据消失点对确定对应的残差方程,针对残差方程进行非线性优化,确定雷达和相机的目标外参。其中,残差方程表征消失点对所对应的射线方向的夹角。
在一个可选的实施例中,残差方程为多个,根据残差方程,确定雷达和相机的目标外参,包括:
根据多个残差方程构建残差方程组;根据残差方程组计算消失点对所对应的射线方向之间的夹角和外参;当残差方程组中消失点对所对应的射线方向之间的夹角最小时,所对应的外参为雷达和相机的目标外参。
本实施例中的残差方程中,夹角r和外参为未知,同理,根据多组消失点对建立残差方程组,根据已知的第一射线方向Di和第二射线方向Ej对夹角r和外参进行非线性优化,得到目标外参。可选地,当夹角r最小时,对应的外参为雷达和相机的目标外参。可以理解地,也可以根据其他的约束条件确定目标外参,使得目标外参的误差最小。
上述实施例中,根据消失点对,确定对应的残差方程求取消失点对对应的射线方向之间的夹角,根据残差方程组对夹角和外参进行优化,根据约束条件确定误差最小的目标外参,从而提高了外参标定的精度。
在一个实施例中,如图11所示,外参标定方法包括以下步骤1102至步骤1112。
步骤1102,获取同一场景中相机采集的像素图像和雷达采集的三维点云。
步骤1104,对像素图像进行去畸变处理,得到第一图像;对第一图像进行直线检测,得到第一直线;根据第一直线确定第一消失点。
步骤1106,对三维点云进行地面检测,得到第一点云;基于点云强度信息对第一点云进行阈值分割,得到第二点云;根据第二点云对道路标记线进行提取并进行直线拟合,得到第二直线;根据第二直线确定第二消失点。
步骤1108,根据相机的内参和第一消失点在像素图像中的坐标,确定第一消失点在相机坐标系下的第一射线方向;根据第二消失点在三维点云中的坐标,确定第二消失点在雷达坐标系下的第二射线方向。
步骤1110,基于初始外参,针对第一消失点中的一个第一目标消失点,若只存在一个第二目标消失点,使得第一目标消失点对应的第一射线方向与第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,并且,针对第二目标消失点,只存在第一目标消失点使得第一目标消失点对应的第一射线方向与第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,则将第一目标消失点和第二目标消失点作为相互匹配的消失点对。
步骤1112,根据消失点对,确定对应的残差方程;其中,残差方程表征所述消失点对所对应的射线方向之间的夹角;根据残差方程组,确定雷达和相机的目标外参。
上述外参标定方法,通过确定相机采集的像素图像对应的第一消失点和雷达采集的三维点云对应的第二消失点,根据第一消失点和第二消失点确定相互匹配的消失点对,根据消失点对确定对应的残差方程求取消失点对对应的射线方向之间的夹角,根据残差方程组对夹角和外参进行优化,根据约束条件可确定误差最小的目标外参,从而提高了外参标定的精准度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的外参标定方法的外参标定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个外参标定装置实施例中的具体限定可以参见上文中对于外参标定方法的限定,在此不再赘述。
在一个实施例中,如图12所示,提供了一种外参标定装置,包括:数据获取模块1202、消失点确定模块1204、消失点匹配模块1206和外参确定模块1208,其中:
数据获取模块1202,用于获取同一场景中相机采集的像素图像和雷达采集的三维点云;
消失点确定模块1204,用于根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;
消失点匹配模块1206,用于根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;
外参确定模块1208,用于根据所述消失点对确定所述雷达和相机的目标外参。
在一个实施例中,消失点确定模块1204,还用于:对所述像素图像进行去畸变处理,得到第一图像;对所述第一图像进行直线检测,得到第一直线;根据所述第一直线确定所述第一消失点。
在一个实施例中,消失点确定模块1204,还用于:对所述第一图像进行边缘检测,得到中间图像;对所述中间图像进行直线检测得到所述第一直线。
在一个实施例中,消失点确定模块1204,还用于:对所述三维点云进行地面检测,得到第一点云;基于点云强度信息对所述第一点云进行阈值分割,得到第二点云;根据所述第二点云对道路标记线进行提取并进行直线拟合,得到第二直线;根据所述第二直线确定所述第二消失点。
在一个实施例中,消失点匹配模块1206包括射线方向单元和消失点对单元,其中,
射线方向单元,用于根据所述第一消失点确定所述第一消失点在相机坐标系下的第一射线方向,以及根据所述第二消失点确定所述第二消失点在雷达坐标系下的第二射线方向;
消失点对单元,用于根据所述第一射线方向和所述第二射线方向,确定所述第一消失点与所述第二消失点相互匹配的消失点对。
在一个实施例中,射线方向单元,还用于:根据所述相机的内参和所述第一消失点在所述相机坐标系中的坐标,确定所述第一消失点在相机坐标系下的第一射线方向;根据第二消失点在所述雷达坐标系中的坐标,确定所述第二消失点在雷达坐标系下的第二射线方向。
在一个实施例中,射线方向单元,还用于将所述内参的倒数与所述第一消失点在所述相机坐标系中的坐标所对应的齐次坐标的导数的乘积,作为所述第一消失点在所述相机坐标系下的所述第一射线方向。
在一个实施例中,射线方向单元,还用于将所述第二消失点在所述雷达坐标系中的坐标的导数,作为所述第二消失点在所述雷达坐标系下的所述第二射线方向。
在一个实施例中,消失点对单元,还用于根据所述第一射线方向和所述第二射线方向之间的夹角,确定所述第一消失点与所述第二消失点相互匹配的消失点对。
在一个实施例中,消失点对单元,还用于:根据初始外参,针对所述第一消失点中的一个第一目标消失点,若只存在一个第二目标消失点,使得所述第一目标消失点对应的第一射线方向与所述第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,并且,针对所述第二目标消失点,只存在所述第一目标消失点使得所述第一目标消失点对应的第一射线方向与所述第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,则将所述第一目标消失点和所述第二目标消失点作为所述相互匹配的消失点对。
在一个实施例中,外参确定模块1208,还用于:根据所述消失点对,确定对应的残差方程;所述残差方程表征所述消失点对所对应的射线方向之间的夹角;根据所述残差方程,确定所述雷达和相机的目标外参。
在一个实施例中,外参确定模块1208,还用于:根据多个所述残差方程构建残差方程组;根据所述残差方程组计算所述消失点对所对应的射线方向之间的夹角和外参;当所述残差方程组中所述消失点对所对应的射线方向之间的夹角最小时,所对应的外参为所述雷达和相机的目标外参。
上述外参标定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种外参标定方法。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各实施例中外参标定方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各实施例中外参标定方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各实施例中外参标定方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (15)
1.一种外参标定方法,其特征在于,所述方法包括:
获取同一场景中相机采集的像素图像和雷达采集的三维点云;
根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;
根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;
根据所述消失点对确定所述雷达和相机的目标外参。
2.根据权利要求1所述的方法,其特征在于,所述根据所述像素图像确定第一消失点,包括:
对所述像素图像进行去畸变处理,得到第一图像;
对所述第一图像进行直线检测,得到第一直线;
根据所述第一直线确定所述第一消失点。
3.根据权利要求2所述的方法,其特征在于,所述对所述第一图像进行直线检测,得到第一直线,包括:
对所述第一图像进行边缘检测,得到中间图像;
对所述中间图像进行直线检测得到所述第一直线。
4.根据权利要求1所述的方法,其特征在于,所述根据所述三维点云确定第二消失点,包括:
对所述三维点云进行地面检测,得到第一点云;
基于点云强度信息对所述第一点云进行阈值分割,得到第二点云;
根据所述第二点云对道路标记线进行提取并进行直线拟合,得到第二直线;
根据所述第二直线确定所述第二消失点。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对,包括:
根据所述第一消失点确定所述第一消失点在相机坐标系下的第一射线方向,以及根据所述第二消失点确定所述第二消失点在雷达坐标系下的第二射线方向;
根据所述第一射线方向和所述第二射线方向,确定所述第一消失点与所述第二消失点相互匹配的消失点对。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第一消失点确定所述第一消失点在相机坐标系下的第一射线方向,以及根据所述第二消失点确定所述第二消失点在雷达坐标系下的第二射线方向,包括:
根据所述相机的内参和所述第一消失点在所述相机坐标系中的坐标,确定所述第一消失点在所述相机坐标系下的所述第一射线方向;
根据所述第二消失点在所述雷达坐标系中的坐标,确定所述第二消失点在所述雷达坐标系下的所述第二射线方向。
7.根据权利要求6所述的方法,其特征在于,所述根据所述相机的内参和所述第一消失点在所述相机坐标系中的坐标,确定所述第一消失点在所述相机坐标系下的所述第一射线方向,包括:
将所述内参的倒数与所述第一消失点在所述相机坐标系中的坐标所对应的齐次坐标的导数的乘积,作为所述第一消失点在所述相机坐标系下的所述第一射线方向。
8.根据权利要求6所述的方法,其特征在于,所述根据所述第二消失点在所述雷达坐标系中的坐标,确定所述第二消失点在所述雷达坐标系下的所述第二射线方向,包括:
将所述第二消失点在所述雷达坐标系中的坐标的导数,作为所述第二消失点在所述雷达坐标系下的所述第二射线方向。
9.根据权利要求5所述的方法,其特征在于,根据所述第一射线方向和所述第二射线方向,确定所述第一消失点与所述第二消失点相互匹配的消失点对,包括:
根据所述第一射线方向和所述第二射线方向之间的夹角,确定所述第一消失点与所述第二消失点相互匹配的消失点对。
10.根据权利要求9所述的方法,其特征在于,所述根据所述第一射线方向和所述第二射线方向之间的夹角,确定所述第一消失点与所述第二消失点相互匹配的消失点对,包括:
基于初始外参,针对所述第一消失点中的一个第一目标消失点,若只存在一个第二目标消失点,使得所述第一目标消失点对应的第一射线方向与所述第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,并且,针对所述第二目标消失点,只存在所述第一目标消失点使得所述第一目标消失点对应的第一射线方向与所述第二目标消失点对应的第二射线方向之间的夹角小于预设夹角,则将所述第一目标消失点和所述第二目标消失点作为所述相互匹配的消失点对。
11.根据权利要求1所述的方法,其特征在于,所述根据所述消失点对确定所述雷达和相机的目标外参,包括:
根据所述消失点对,确定对应的残差方程;所述残差方程表征所述消失点对所对应的射线方向之间的夹角;
根据所述残差方程,确定所述雷达和相机的目标外参。
12.根据权利要求11所述的方法,其特征在于,所述残差方程为多个;所述根据所述残差方程,确定所述雷达和相机的目标外参,包括:
根据多个所述残差方程构建残差方程组;
根据所述残差方程组计算所述消失点对所对应的射线方向之间的夹角和外参;
当所述残差方程组中所述消失点对所对应的射线方向之间的夹角最小时,所对应的外参为所述雷达和相机的目标外参。
13.一种外参标定装置,其特征在于,所述装置包括:
数据获取模块,用于获取同一场景中相机采集的像素图像和雷达采集的三维点云;
消失点确定模块,用于根据所述像素图像确定第一消失点,以及根据所述三维点云确定第二消失点;
消失点匹配模块,用于根据所述第一消失点和所述第二消失点,确定所述第一消失点与所述第二消失点相互匹配的消失点对;
外参确定模块,用于根据所述消失点对确定所述雷达和相机的目标外参。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至12中任一项所述的方法的步骤。
15.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至12中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211158526.3A CN115578468A (zh) | 2022-09-22 | 2022-09-22 | 外参标定方法、装置、计算机设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211158526.3A CN115578468A (zh) | 2022-09-22 | 2022-09-22 | 外参标定方法、装置、计算机设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578468A true CN115578468A (zh) | 2023-01-06 |
Family
ID=84580427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211158526.3A Pending CN115578468A (zh) | 2022-09-22 | 2022-09-22 | 外参标定方法、装置、计算机设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578468A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315048A (zh) * | 2023-11-22 | 2023-12-29 | 深圳元戎启行科技有限公司 | 车载相机的外参自标定方法、电子设备和存储介质 |
CN117406185A (zh) * | 2023-12-14 | 2024-01-16 | 深圳市其域创新科技有限公司 | 雷达与相机间的外参标定方法、装置、设备及存储介质 |
-
2022
- 2022-09-22 CN CN202211158526.3A patent/CN115578468A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315048A (zh) * | 2023-11-22 | 2023-12-29 | 深圳元戎启行科技有限公司 | 车载相机的外参自标定方法、电子设备和存储介质 |
CN117315048B (zh) * | 2023-11-22 | 2024-04-12 | 深圳元戎启行科技有限公司 | 车载相机的外参自标定方法、电子设备和存储介质 |
CN117406185A (zh) * | 2023-12-14 | 2024-01-16 | 深圳市其域创新科技有限公司 | 雷达与相机间的外参标定方法、装置、设备及存储介质 |
CN117406185B (zh) * | 2023-12-14 | 2024-02-23 | 深圳市其域创新科技有限公司 | 雷达与相机间的外参标定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528878B (zh) | 检测车道线的方法、装置、终端设备及可读存储介质 | |
JP6670071B2 (ja) | 車両用画像認識システム、及び対応法 | |
CN115578468A (zh) | 外参标定方法、装置、计算机设备、存储介质 | |
CN113409382B (zh) | 车辆损伤区域的测量方法和装置 | |
TWI521448B (zh) | Vehicle identification system and method | |
CN111295667B (zh) | 图像立体匹配的方法和辅助驾驶装置 | |
WO2023016082A1 (zh) | 三维重建方法、装置、电子设备及存储介质 | |
CN110880003B (zh) | 一种图像匹配方法、装置、存储介质及汽车 | |
CN116823966A (zh) | 相机的内参标定方法、装置、计算机设备和存储介质 | |
CN114897987B (zh) | 一种确定车辆地面投影的方法、装置、设备及介质 | |
CN114648639B (zh) | 一种目标车辆的检测方法、系统及装置 | |
CN115240168A (zh) | 感知结果获取方法、装置、计算机设备、存储介质 | |
CN114078245A (zh) | 一种图像处理方法及图像处理装置 | |
CN117315048B (zh) | 车载相机的外参自标定方法、电子设备和存储介质 | |
CN116259048A (zh) | 车牌检测方法、装置、计算机设备和存储介质 | |
EP4160349A1 (en) | Method and system of integrity monitoring for visual odometry | |
CN117830619A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
CN117557596A (zh) | 静态物体跟踪及集成方法、装置、介质、设备和程序产品 | |
CN115147803A (zh) | 一种物体检测方法及装置 | |
CN117935207A (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
CN116985783A (zh) | 车辆控制方法、装置、设备及可读存储介质 | |
CN117333686A (zh) | 目标定位方法、装置、设备及介质 | |
CN117391931A (zh) | 一种环视鱼眼摄像头外参变化的自检测方法及装置 | |
CN118153335A (zh) | 传感设备部署方法、装置、设备、存储介质和程序产品 | |
Li et al. | Automatic Multi-Camera Calibration and Refinement Method in Road Scene for Self-driving Car |
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 |