CN115619875A - 车载摄像头标定方法、装置、电子设备及存储介质 - Google Patents
车载摄像头标定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115619875A CN115619875A CN202211295262.6A CN202211295262A CN115619875A CN 115619875 A CN115619875 A CN 115619875A CN 202211295262 A CN202211295262 A CN 202211295262A CN 115619875 A CN115619875 A CN 115619875A
- Authority
- CN
- China
- Prior art keywords
- lane line
- vehicle
- angle
- vanishing point
- mounted camera
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G06T2207/30244—Camera pose
-
- 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
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种车载摄像头标定方法、装置、电子设备及存储介质,该车载摄像头标定方法包括:获取车载摄像头采集的多个包含车道线的车道线图像;根据多个车道线图像,获取消失点,消失点为每个车道线图像中车道线的交点;根据消失点以及车载摄像头之间的旋转关系,获取车载摄像头的俯仰角以及偏航角;将多个车道线图像坐标化,获取车载摄像头对应的滚转角和高度。获取车道线图像来求取车道线图像中消失点,对车载摄像头的俯仰角以及偏航角进行标定,再根据消失点与俯仰角和偏航角之间的旋转关系,来对车载摄像头的滚转角以及摄像头的高度进行标定,不仅标定了俯仰角和偏航角,还标定了滚转角以及高度,提高摄像头动态标定的精度及范围。
Description
技术领域
本申请涉及汽车电子技术领域,更具体地,涉及一种车载摄像头标定方法、装置、电子设备及存储介质。
背景技术
现有的摄像头外部参数标定方法对标定的参数具有局限性,只能标定少数外部参数。
发明内容
鉴于上述问题,本申请提出了一种车载摄像头标定方法、装置、电子设备及存储介质。
第一方面,本申请实施例提供了一种车载摄像头标定方法,所述方法包括:获取车载摄像头采集的多个包含车道线的车道线图像;根据多个所述车道线图像,获取消失点,所述消失点为每个所述车道线图像中车道线的交点;根据所述消失点以及车载摄像头之间的旋转关系,获取所述车载摄像头的俯仰角以及偏航角;将多个所述车道线图像坐标化,获取所述车载摄像头对应的滚转角和高度。
第二方面,本申请实施例提供了一种车载摄像头标定装置,所述装置包括:车道线图像获取模块,用于获取车载摄像头采集的多个包含车道线的车道线图像;消失点获取模块,用于根据所述多个车道线图像,获取消失点,所述消失点为每个所述车道线图像中车道线的交点;俯仰角与偏航角获取模块,用于根据所述消失点以及车载摄像头之间的旋转关系,获取所述车载摄像头的俯仰角以及偏航角;滚转角与高度获取模块,用于将所述多个车道线图像坐标化,获取所述车载摄像头对应的滚转角和高度。
第三方面,本申请实施例提供了一种电子设备,所述电子设备包括:一个或多个处理器;存储器;一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行上述第一方面提供的车载摄像头标定方法。
第四方面,本申请实施例提供了一种计算机可读取存储介质,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行上述第一方面提供的车载摄像头标定方法。
本申请提供的方案,通过车载摄像头获取车道线图像来求取车道线图像中消失点,再通过得到的消失点对车载摄像头的俯仰角以及偏航角进行标定,再根据消失点与俯仰角和偏航角之间的旋转关系,来对车载摄像头的滚转角以及摄像头的高度进行标定,不仅标定了俯仰角和偏航角,还标定了滚转角以及高度,提高摄像头动态标定的精度及范围。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请一实施例提供的车载摄像头标定方法的流程示意图。
图2示出了本申请另一实施例提供的车载摄像头标定方法的流程示意图。
图3示出了本申请一实施例中步骤S240的流程示意图。
图4示出了本申请一实施例中步骤S270的流程示意图。
图5示出了本申请又一实施例提供的车载摄像头标定方法的流程示意图。
图6示出了本申请实施例提供的车载摄像头标定装置的结构框图。
图7示出了本申请实施例提供的用于执行根据本申请实施例的车载摄像头标定方法的电子设备的结构框图。
图8示出了本申请实施例提供的用于保存或者携带实现根据本申请实施例的车载摄像头标定方法的程序代码的存储介质。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
传统车载摄像头外参标定主要是基于棋盘格进行标定,该技术方法需要将车辆静止停放在包含棋盘格的场地,对棋盘格及车辆摆放和场地有严格要求。
因此,针对上述问题,发明人提出了本申请实施例提供的车载摄像头标定方法、装置、车辆以及存储介质,本申请提供的方案,通过车载摄像头获取车道线图像来求取车道线图像中消失点,再通过得到的消失点对车载摄像头的俯仰角以及偏航角进行标定,再根据消失点与俯仰角和偏航角之间的旋转关系,来对车载摄像头的滚转角以及摄像头的高度进行标定,不仅标定了俯仰角和偏航角,还标定了滚转角以及高度,提高摄像头动态标定的精度及范围。
下面将结合附图,对本申请实施例提供的车载摄像头标定方法、装置、车辆以及存储介质进行详细的说明。
请参阅图1,图1示出了本申请一个实施例提供的车载摄像头标定方法的流程示意图。在具体的实施例中,所述车载摄像头标定方法应用于如图6所示的车载摄像头标定装置300以及配置有所述车载摄像头标定装置300的电子设备100(图7)。本申请实施例中的电子设备100可以是手机、服务器、车载终端、可穿戴电子设备(例如虚拟显示头盔、智能手表等)。
下面将以电子设备100为车载终端为例,说明本实施例的具体流程。所述车载摄像头标定方法具体可以包括以下步骤:
步骤S110:获取车载摄像头采集的多个包含车道线的车道线图像。
车道线是指车道上,从边缘到中央都会施划一些白色或黄色的标线,这些标线叫车道线,属于指示标线。
通过车载摄像头采集车辆行驶过程中的包含车道线的图像称为车道线图像。
通过车辆上安装的一个或多个车载摄像头来采集获取具有车道线的车道线图像。
步骤S120:根据所述多个车道线图像,获取消失点,所述消失点为每个所述车道线图像中车道线的交点。
消失点为平行线的视觉相交点。在本申请方案中,消失点为车道线图像中车道线在图像中的交点,对应的是实际车道线的视觉相交点。
步骤S130:根据所述消失点以及车载摄像头之间的旋转关系,获取所述车载摄像头的俯仰角以及偏航角。
俯仰角为机体坐标系x轴与水平面的夹角。偏航角为实际航向与计划航向的夹角。
首先通过车道线图像中的消失点位置来判断出消失点与车载摄像头之间的旋转关系。可以是先以车载摄像头中心为坐标原点,分别建立平行于地面以及垂直于地面的二维坐标系。通过判断消失点和车载摄像头中心的连线与两个坐标轴之间的夹角获取消失点与车载摄像头之间的旋转关系。还可以是以车辆自身中心建立坐标系,以此来判断车载摄像头与消失点之间的旋转关系。旋转关系的具体判断方式由客户进行确定,在此不做限定。
再通过消失点与车载摄像头之间的旋转关系可以得到车载摄像头相对于该消失点的俯仰角以及偏航角。
步骤S140:将所述多个车道线图像坐标化,获取所述车载摄像头对应的滚转角和高度。
可以按照车道线图像中的车道线建立多个坐标系,也可以将多个车道线图像中的车道线投影到一个坐标系中。将多个车道线图像坐标化方式在此不做限定。通过坐标系中的车道线,获取车载摄像头相对于车载摄像头中心轴的滚转角以及车载摄像头所在高度。
本实施例提供的方案,通过车载摄像头获取车道线图像来求取车道线图像中消失点,再通过得到的消失点对车载摄像头的俯仰角以及偏航角进行标定,再根据消失点与俯仰角和偏航角之间的旋转关系,来对车载摄像头的滚转角以及摄像头的高度进行标定,不仅标定了俯仰角和偏航角,还标定了滚转角以及高度,提高摄像头动态标定的精度及范围。
请参阅图2,图2示出了本申请另一实施例提供的车载摄像头标定方法的流程示意图。
步骤S210:获取车载摄像头采集的多个包含车道线的车道线图像。
上述步骤S210可以参照步骤S110的详细介绍,这里不再赘述。
步骤S220:将所述多个车道线图像输入检测模型。
检测模型可以是通过车道线检测算法建立的深度神经网络模型,车道线检测算法包括两种算法,一种是基于视觉特征来做语义分割或者实例分割,例如车道线检测网络LaneNet和特殊卷积神经网络(Spatial Convolutional Neural Networks,,SCNN);另一种是通过视觉特征来预测车道线所在位置的点,例如车道线检测(Ultra Fast LaneDetection)。该检测模型可以识别出车道线图像中车道线是否存在并将其检测结果进行输出。
步骤S230:通过所述检测模型检测所述多个车道线图像中的车道线,获取每个车道线图像对应的车道线向量。
根据检测模型中对车道线图像中车道线的识别,可以以车道线相交方向为车道线向量方向,输出车道线图像对应的车道线向量,也可以以车道线相交的反方向为车道线向量方向,输出车道线图像对应的车道线向量,具体的车道线向量方向在此不做限定。将从多个车道线图像中检测获取的车道线向量形成一个车道线集合。
步骤S240:根据所述每个车道线图像对应的车道线向量,获取所述消失点。
若车道线图像对应的车道线向量并没有相交点,可以通过对每个车道线图像对应的车道线向量进行延长,从而得到车道线向量的相交点,获取消失点。若车道线图像对应的车道线向量已经具有相交点,通过该相交点获取消失点。
请参见图3,在一些实施方式中,步骤S240可以包括步骤S242-步骤S248,详细介绍如下:
步骤S242:基于所述每个车道线图像对应的车道线向量,获取每个车道线图像对应的初始消失点。
本申请方案中,主要通过对车道线向量的相交点进行计算,获取每个车道线图像的初始消失点。
步骤S244:基于得分函数计算每个初始消失点对应的得分。
具体的,使用得分函数计算消失点vi的得分si,得分函数表示如下:
设车道线l同包含vi和l中心点的虚拟连线的夹角为θ(vi,l),,
其中,L为车道线集合,λ1与λ2筛选参数,为一个定值,筛选参数λ1>λ2,例如,λ1为0.8,λ2为0.2,λ1与λ2的具体数值由用户进行确定,在此不做限定。θ(vi,l)为车道线l与包含vi和l中心点的虚拟连线的夹角,θth为角度阈值,角度阈值可以是0.5°,也可以是0.7°,具体的角度阈值由用户设定,在此不做限定。l1为车道线l的长度,lm为车道线集合中最短的车道线的长度。如果θ(vi,l)大于θth,则对应l不用于得分计算。
步骤S246:获取得到达到预设阈值的所述初始消失点对应的车道线,作为得分车道线。
预设阈值可以是0.8,也可以是0.85,具体的预设阈值可以根据用户需求进行设定,在此不做限定。
步骤S248:对所述得分车道线进行计算,获取所述消失点。
可以在以相机主点为球心的高斯球中,将平行车道线投影到高斯球。得分车道线的关系为:
n=K-1 p1*K-1 p2,
A*vd=0,
vd=K-1*vp,
其中,单根车道线l投影到高斯球上形成的圆所在平面的法线为n,K-1 p1为相机车道线l的一个端点p1对应的内参矩阵,K-1 p2为相机车道线l的另一个端点p2对应的内参矩阵,A=[…,n,…]T为n所在的矩阵,vd为通过K投影到图像平面的某消失点vp的一个VD向量,VD为平行车道线投影到高斯球后的交点同高斯球心的连线,且n同VD正交。
将得分车道线对应的得分带入上述关系并使用奇异值分解(Singular ValueDecomposition,SVD)算法进行计算,得到最优向量vp。通过对最优向量vp进行计算,获取消失点。
步骤S250:根据所述消失点以及所述车载摄像头之间的旋转关系,分别获取初始俯仰角以及初始偏航角。
步骤S260:将所述初始俯仰角与所述初始偏航角输入速度模型,获取所述俯仰角以及所述偏航角。
首先通过消失点求解俯仰角和偏航角的初始值:设初始俯仰角和初始偏航角分别为θ和φ,根据消失点与摄像头之间的旋转关系,将最优向量vp表示为再获取最优向量vp在三维坐标系内的分量,记为此时,初始俯仰角θ=atan2(-vy,vz),初始偏航角φ=atan2(vx,vz)。
将初始俯仰角θ与初始偏航角φ输入速度模型,速度模型可以是角速度模型,也可以是线速度模型,具体的速度模型,由用户确定,在此不做限定。本申请方案中,优选恒角速度模型进行计算,设初始俯仰角θ与初始偏航角φ的状态向量为X,X=[θ,φ,ωθ,ωφ],其中,ωθ为俯仰角对应的角速度,ωφ为偏航角对应的角速度。将状态向量X输入系统模型和观测模型分别获取系统向量F(X)以及观测向量h(X),其中系统向量为其中,θ+ωθΔt为,φ+ωφΔt为观测向量为根据状态向量X、系统向量F(X)以及观测向量h(X)计算得出俯仰角以及偏航角。
步骤S270:将所述多个车道线图像投影到相机坐标系中,获取初始滚转角以及初始高度。
请参见图4,在一些实施方式中,步骤S270可以包括步骤S272-步骤S278,详细介绍如下:
步骤S272:将所述多个车道线图像中的路面以及车道线投影至相机坐标系。
步骤S274:根据所述相机坐标系中的路面以及车道线,获取道路先验宽度。
步骤S276:根据所述车道线在所述相机坐标系的夹角,获取车道宽度。
将路面和车道线投影到相机坐标系的xy平面,设路面上两根车道线为lL和lR,路面跟lL和lR的交叉点的距离为道路先验宽度wp。
设滚转角为ψ,高度为h,lL和lR同y轴的夹角为αL和αR,则车道宽度w=h(tan(αL-ψ)-tan(αR-ψ))。
将滚转角以及高度输入速度模型中,获得滚转角与高度对应的状态向量,设状态向量为XRH=[ψ,h,ωψ,ωh],其中,ωψ为滚转角对应的角速度,ωh为高度对应的角速度,将状态向量XRH输入系统模型和观测模型分别获取系统向量FRH(XRH)以及观测向量hRH(XRH),其中,系统向量为观测向量为道路先验宽度与车道宽度的差值,hRH(XRH)=wp-w。通过状态向量、系统向量以及观测向量求取滚转角以及高度。
步骤S278:根据所述道路先验宽度以及所述车道宽度,通过优化函数获取所述初始滚转角以及所述初始高度。
本申请方案中使用高斯牛顿法最小化对滚转角以及高度的初始值进行优化,优化函数为E(ψ,h)=∑(ILIR)∈Lhwp-w。
步骤S280:所述初始滚转角以及所述初始高度通过速度模型获取所述滚转角以及所述高度。
速度模型包括但不限于恒角速度模型以及线速度模型。恒角速度模型用于计算滚转角,线速度模型用于计算高度。
通过速度模型在基于车道线边界消失点求解摄像头俯仰角和偏航角的基础上,又通过最小化道路先验宽度和实际车道宽度求解滚转角和摄像头高度,可以提高摄像头标定效率。
请参阅图5,图5示出了本申请又一实施例提供的车载摄像头标定方法的流程示意图。
步骤S310:获取车载摄像头采集的多个包含车道线的车道线图像。
步骤S320:根据所述多个车道线图像,获取消失点,所述消失点为每个所述车道线图像中车道线的交点。
步骤S330:根据所述消失点以及车载摄像头之间的旋转关系,获取所述车载摄像头的俯仰角以及偏航角。
步骤S340:将所述多个车道线图像坐标化,获取所述车载摄像头对应的滚转角和高度。
上述步骤S310~S340可以参照前述实施例中对应步骤的详细介绍,这里不再赘述。
步骤S350:通过滤波方式对所述俯仰角、所述偏航角、所述滚转角以及所述高度进行去噪处理,获得最终俯仰角、最终偏航角、最终滚转角以及最终高度。
由车道线检测模型检测出的车道线会包含有噪音,通过滤波方式将噪音进行过滤,获取最终俯仰角、最终偏航角、最终滚转角以及最终高度。滤波方式可以是中值滤波方式,也可以是扩展卡尔曼滤波方式,具体的滤波方式在此不做限定。
车道线除了含有噪音外,还可能含有离散点,离散点的存在会影响俯仰角、偏航角、滚转角以及高度的真实数值,因此,在计算俯仰角、偏航角、滚转角以及高度之前通过过滤方法将离散点进行过滤,进一步提高数据的真实性。过滤方式可以是随机抽样一致算法(Random sample consensus,RANSAC),也可以是其他的过滤算法,在此不做限定。
经过去噪处理后,获得最终俯仰角、最终偏航角、最终滚转角以及最终高度,也就是最终标定的结果。
请参阅图6,其示出了本申请实施例提供的一种车载摄像头标定装置300的结构框图。该车载摄像头标定装置300应用于电子设备100,该车载摄像头标定装置300包括:车道线图像获取模块310,用于获取车载摄像头采集的多个包含车道线的车道线图像;消失点获取模块320,用于根据所述多个车道线图像,获取消失点,所述消失点为每个所述车道线图像中车道线的交点;俯仰角与偏航角获取模块330,用于根据所述消失点以及车载摄像头之间的旋转关系,获取所述车载摄像头的俯仰角以及偏航角;滚转角与高度获取模块340,用于将所述多个车道线图像坐标化,获取所述车载摄像头对应的滚转角和高度。
在本申请的一些实施方式中,消失点获取模块320包括:输入模块,用于将所述多个车道线图像输入检测模型;车道线向量获取模块,用于通过所述检测模型检测所述多个车道线图像中的车道线,获取每个车道线图像对应的车道线向量;获取消失点模块,用于根据所述每个车道线图像对应的车道线向量,获取所述消失点。
在本申请的一些实施方式中,获取消失点模块包括:初始消失点获取模块,用于基于所述每个车道线图像对应的车道线向量,获取每个车道线图像对应的初始消失点;得分计算模块,用于基于得分函数计算每个初始消失点对应的得分;得分车道线模块,用于获取得到达到预设阈值的所述初始消失点对应的车道线,作为得分车道线;消失点计算获取模块,用于对所述得分车道线进行计算,获取所述消失点。
在本申请的一些实施方式中,俯仰角与偏航角获取模块330包括:初始俯仰角与初始偏航角获取模块,用于根据所述消失点以及所述车载摄像头之间的旋转关系,分别获取初始俯仰角以及初始偏航角;速度模型输入模块,用于将所述初始俯仰角与所述初始偏航角输入速度模型,获取所述俯仰角以及所述偏航角。
在本申请的一些实施方式中,滚转角与高度获取模块340包括:初始滚转角与初始高度获取模块,用于将所述多个车道线图像投影到相机坐标系中,获取初始滚转角以及初始高度;初始滚转角与初始高度输入速度模型模块,用于所述初始滚转角以及所述初始高度通过速度模型获取所述滚转角以及所述高度。
在本申请的一些实施方式中,初始滚转角与初始高度获取模块包括:坐标投影模块,用于将所述多个车道线图像中的路面以及车道线投影至相机坐标系;先验宽度获取模块,用于根据所述相机坐标系中的路面以及车道线,获取道路先验宽度;车道宽度获取模块,用于根据所述车道线在所述相机坐标系的夹角,获取车道宽度;初始滚转角与初始高度具体获取模块,用于根据所述道路先验宽度以及所述车道宽度,通过优化函数获取所述初始滚转角以及所述初始高度。
在本申请的一些实施方式中,车载摄像头标定装置300包括:去噪处理模块,用于通过滤波方式对所述俯仰角、所述偏航角、所述滚转角以及所述高度进行去噪处理,获得最终俯仰角、最终偏航角、最终滚转角以及最终高度。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,模块相互之间的耦合可以是电性,机械或其它形式的耦合。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
综上所述,本申请提供的方案,不仅可以对摄像头俯仰角以及偏航角进行标定,还可以基于俯仰角以及偏航角来标定摄像头的滚转角以及高度,扩大了摄像头外部参数的标定范围,提高了摄像头外部参数标定效率。
本申请实施例提供的一种电子设备的结构框图。请参考图7,其示出了本申请实施例提供的一种电子设备的结构框图。该电子设备100可以是手机、服务器、车载终端、可穿戴电子设备(例如虚拟显示头盔、智能手表等)等能够运行应用程序的电子设备。本申请中的电子设备100可以包括一个或多个如下部件:处理器101、存储器102、以及一个或多个应用程序,其中一个或多个应用程序可以被存储在存储器102中并被配置为由一个或多个处理器101执行,一个或多个程序配置用于执行如前述方法实施例所描述的方法。
处理器101可以包括一个或者多个处理核。处理器101利用各种接口和线路连接整个电子设备100内的各个部分,通过运行或执行存储在存储器102内的指令、程序、代码集或指令集,以及调用存储在存储器102内的数据,执行电子设备100的各种功能和处理数据。可选地,处理器101可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(ProgrammableLogicArray,PLA)中的至少一种硬件形式来实现。处理器101可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器101中,单独通过一块通信芯片进行实现。
存储器102可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器102可用于存储指令、程序、代码、代码集或指令集。存储器102可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备100在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
请参考图8,其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读存储介质200中存储有程序代码,所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质200可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地,计算机可读存储介质200包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质200具有执行上述方法中的任何方法步骤的程序代码210的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码210可以例如以适当形式进行压缩。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种车载摄像头标定方法,其特征在于,所述方法包括:
获取车载摄像头采集的多个包含车道线的车道线图像;
根据多个所述车道线图像,获取消失点;其中,所述消失点为每个所述车道线图像中车道线的交点;
根据所述消失点以及车载摄像头之间的旋转关系,获取所述车载摄像头的俯仰角以及偏航角;
将多个所述车道线图像坐标化,获取所述车载摄像头对应的滚转角和高度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个车道线图像,获取消失点,包括:
将多个所述车道线图像输入检测模型;
通过所述检测模型检测所述多个车道线图像中的车道线,获取每个车道线图像对应的车道线向量;
根据所述每个车道线图像对应的车道线向量,获取所述消失点。
3.根据权利要求2所述的方法,其特征在于,所述根据所述每个车道线图像对应的车道线向量,获取所述消失点,包括:
基于所述每个车道线图像对应的车道线向量,获取每个车道线图像对应的初始消失点;
基于得分函数计算每个初始消失点对应的得分;
获取得到达到预设阈值的所述初始消失点对应的车道线,作为得分车道线;
对所述得分车道线进行计算,获取所述消失点。
4.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以及车载摄像头之间的旋转关系,获取所述车载摄像头的俯仰角以及偏航角,包括:
根据所述消失点以及所述车载摄像头之间的旋转关系,分别获取初始俯仰角以及初始偏航角;
将所述初始俯仰角与所述初始偏航角输入速度模型,获取所述俯仰角以及所述偏航角。
5.根据权利要求1所述的方法,其特征在于,所述将多个所述车道线图像坐标化,获取所述车载摄像头对应的滚转角和高度,包括:
将多个所述车道线图像投影到相机坐标系中,获取初始滚转角以及初始高度;
所述初始滚转角以及所述初始高度通过速度模型获取所述滚转角以及所述高度。
6.根据权利要求5所述的方法,其特征在于,所述将所述多个车道线图像投影到相机坐标系中,获取初始滚转角以及初始高度,包括:
将多个所述车道线图像中的路面以及车道线投影至相机坐标系;
根据所述相机坐标系中的路面以及车道线,获取道路先验宽度;
根据所述车道线在所述相机坐标系的夹角,获取车道宽度;
根据所述道路先验宽度以及所述车道宽度,通过优化函数获取所述初始滚转角以及所述初始高度。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
通过滤波方式对所述俯仰角、所述偏航角、所述滚转角以及所述高度进行去噪处理,获得最终俯仰角、最终偏航角、最终滚转角以及最终高度。
8.一种车载摄像头标定装置,其特征在于,所述装置包括:
车道线图像获取模块,用于获取车载摄像头采集的多个包含车道线的车道线图像;
消失点获取模块,用于根据述多个所车道线图像,获取消失点,所述消失点为每个所述车道线图像中车道线的交点;
俯仰角与偏航角获取模块,用于根据所述消失点以及车载摄像头之间的旋转关系,获取所述车载摄像头的俯仰角以及偏航角;
滚转角与高度获取模块,用于将多个所述车道线图像坐标化,获取所述车载摄像头对应的滚转角和高度。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序配置用于执行如权利要求1至7任一项所述的方法。
10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211295262.6A CN115619875A (zh) | 2022-10-21 | 2022-10-21 | 车载摄像头标定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211295262.6A CN115619875A (zh) | 2022-10-21 | 2022-10-21 | 车载摄像头标定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619875A true CN115619875A (zh) | 2023-01-17 |
Family
ID=84864639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211295262.6A Pending CN115619875A (zh) | 2022-10-21 | 2022-10-21 | 车载摄像头标定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619875A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116823958A (zh) * | 2023-04-20 | 2023-09-29 | 阿波罗智联(北京)科技有限公司 | 车载相机的偏航角估计方法、装置、设备、车辆及介质 |
CN117036505A (zh) * | 2023-08-23 | 2023-11-10 | 长和有盈电子科技(深圳)有限公司 | 车载摄像头在线标定方法及系统 |
-
2022
- 2022-10-21 CN CN202211295262.6A patent/CN115619875A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116823958A (zh) * | 2023-04-20 | 2023-09-29 | 阿波罗智联(北京)科技有限公司 | 车载相机的偏航角估计方法、装置、设备、车辆及介质 |
CN117036505A (zh) * | 2023-08-23 | 2023-11-10 | 长和有盈电子科技(深圳)有限公司 | 车载摄像头在线标定方法及系统 |
CN117036505B (zh) * | 2023-08-23 | 2024-03-29 | 长和有盈电子科技(深圳)有限公司 | 车载摄像头在线标定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115619875A (zh) | 车载摄像头标定方法、装置、电子设备及存储介质 | |
WO2018119889A1 (zh) | 三维场景定位方法和装置 | |
EP2327055B1 (en) | Method of and arrangement for blurring an image | |
CN108765584B (zh) | 激光点云数据集增广方法、装置及可读存储介质 | |
US20150103183A1 (en) | Method and apparatus for device orientation tracking using a visual gyroscope | |
WO2016201670A1 (en) | Method and apparatus for representing map element and method and apparatus for locating vehicle/robot | |
CN112362055B (zh) | 姿态估计方法、装置和电子设备 | |
CN107941226B (zh) | 用于生成车辆的方向引导线的方法和装置 | |
CN111800589B (zh) | 图像处理方法、装置和系统,以及机器人 | |
CN114067001B (zh) | 车载相机角度标定方法、终端及存储介质 | |
CN114091521B (zh) | 车辆航向角的检测方法、装置、设备及存储介质 | |
CN113223178B (zh) | 管道选定结构特征参数的确定方法和装置 | |
CN112525147B (zh) | 自动驾驶设备测距方法及相关装置 | |
CN114663529B (zh) | 一种外参确定方法、装置、电子设备及存储介质 | |
CN110796604A (zh) | 一种图像校正方法及装置 | |
CN117745845A (zh) | 一种外参信息确定方法、装置、设备和存储介质 | |
CN113066158B (zh) | 一种车载环视方法及装置 | |
CN110298320B (zh) | 一种视觉定位方法、装置及存储介质 | |
CN114913500B (zh) | 位姿确定方法、装置、计算机设备和存储介质 | |
CN117333837A (zh) | 行车安全辅助方法、电子设备及存储介质 | |
CN115435795A (zh) | 一种基于环视图像和语义地图的车辆定位方法 | |
CN115423879A (zh) | 图像采集设备姿态标定方法、装置、设备及存储介质 | |
CN113711273A (zh) | 移动量估计装置、移动量估计方法及移动量估计程序 | |
CN117419690B (zh) | 一种无人船的位姿估计方法、装置及介质 | |
US20230068375A1 (en) | Method and system for detecting a three-dimensional object in a two-dimensional image |
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 |