CN115719442A - 一种基于单应性变换矩阵的交叉路口目标融合方法及系统 - Google Patents

一种基于单应性变换矩阵的交叉路口目标融合方法及系统 Download PDF

Info

Publication number
CN115719442A
CN115719442A CN202211471909.6A CN202211471909A CN115719442A CN 115719442 A CN115719442 A CN 115719442A CN 202211471909 A CN202211471909 A CN 202211471909A CN 115719442 A CN115719442 A CN 115719442A
Authority
CN
China
Prior art keywords
camera
intersection
radar
target
opposite
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
CN202211471909.6A
Other languages
English (en)
Inventor
王鹏
闫昊
陈芸
王伟
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.)
Smart Intercommunication Technology Co ltd
Original Assignee
Smart Intercommunication 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 Smart Intercommunication Technology Co ltd filed Critical Smart Intercommunication Technology Co ltd
Priority to CN202211471909.6A priority Critical patent/CN115719442A/zh
Publication of CN115719442A publication Critical patent/CN115719442A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Studio Devices (AREA)

Abstract

本发明公开一种基于单应性变换矩阵的交叉路口目标融合方法及系统,涉及智能交通管理领域,包括:根据各个路口雷视机采集的图像中预置特征点的像素坐标,将对向路口两两配对,根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据,最后根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据;从而实现了高实时性、高准确率的交叉路口目标数据融合。

Description

一种基于单应性变换矩阵的交叉路口目标融合方法及系统
技术领域
本发明涉及智能交通管理领域,特别涉及一种基于单应性变换矩阵的交叉路口目标融合方法及系统。
背景技术
随着城市汽车数量的不断增加,路况也越发复杂,尤其是在各种路口区域,车辆、非机动车、行人等汇聚在一起,因此通常通过雷达传感器和相机结合的方式对多个路口的车辆目标进行跟踪与检测。因此如何将多个路口的雷达数据和相机数据进行融合成为了关键问题。目前在进行雷视数据融合时,通常是基于BP神经网络算法对各个传感器采集的数据进行融合,然而基于BP神经网络算法只适用于单个路口的雷视数据进行融合,并且基于BP神经网络算法的运算量大,实时性低,对设备的硬件的要求较高。
发明内容
为解决上述技术问题,本发明提供一种基于单应性变换矩阵的交叉路口目标融合方法及系统,可以解决现有不存在针对交叉路口进行目标融合的问题。
为实现上述目的,一方面,本发明提供一种基于单应性变换矩阵的交叉路口目标融合方法,所述方法包括:
获取各个路口雷视机采集的图像中预置特征点的像素坐标;
根据对向路口雷视机采集的图像中预置特征点的像素坐标,获取对向路口之间的单应性变换矩阵;
根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据;
根据对向路口雷视机之间的相机目标融合数据以及预置的各个雷视机对应的雷达传感器与相机之间的匹配融合关系,获取对向路口雷视机之间的雷视目标融合数据;
根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据。
进一步地,所述根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据的步骤之前,所述方法还包括:
根据任意一个路口对应的单应性变换矩阵将所述路口雷视机检测的各个相机目标检测框的角点像素坐标进行单应变换,得到变换后的相机检测框的角点像素坐标。
进一步地,所述根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据的步骤包括:
若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之外,则保留所述目标点的相机像素坐标信息;
若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之内,则删除所述目标点的相机像素坐标信息。
进一步地,所述根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据的步骤包括:
若所述路口相机采集的目标点检测框对应的变换后像素坐标至少有一个在对向路口相机采集的视野范围之内,则判断对向路口相机采集的目标点检测框中是否存在相机检测框与所述目标检测框重叠;
若不存在,则保留所述路口相机采集的目标点检测框对应的相机像素坐标信息;
若存在,则将重叠率最大的所述路口相机采集的目标点检测框对应的相机像素坐标信息删除,并保存对应的对向路口相机采集的目标点检测框对应的相机像素坐标信息。
进一步地,所述根据对向路口雷视机之间的相机目标融合数据以及预置的各个雷视机对应的雷达传感器与相机之间的匹配融合关系,获取对向路口雷视机之间的雷视目标融合数据的步骤包括:
将对向路口雷视机之间的相机目标融合数据和对向路口中任意一个方向相机采集的目标进行比较,得到删除的所述路口相机采集的目标;
根据所述路口雷视机对应的雷达传感器与相机之间的匹配融合关系,判断删除的所述路口相机采集的目标是否存在匹配的雷达目标:
若存在,则将对所述雷达目标删除。
另一方面,本发明提供一种基于单应性变换矩阵的交叉路口目标融合系统,所述系统包括:获取单元,用于获取各个路口雷视机采集的图像中预置特征点的像素坐标;
所述获取单元,还用于根据对向路口雷视机采集的图像中预置特征点的像素坐标,获取对向路口之间的单应性变换矩阵;
所述获取单元,还用于根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据;
所述获取单元,还用于根据对向路口雷视机之间的相机目标融合数据以及预置的各个雷视机对应的雷达传感器与相机之间的匹配融合关系,获取对向路口雷视机之间的雷视目标融合数据;
融合单元,用于根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据。
进一步地,所述系统还包括:变换单元;
所述变换单元,具体用于根据任意一个路口对应的单应性变换矩阵将所述路口雷视机检测的各个相机目标检测框的角点像素坐标进行单应变换,得到变换后的相机检测框的角点像素坐标。
进一步地,所述获取单元,具体还用于若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之外,则保留所述目标点的相机像素坐标信息;若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之内,则删除所述目标点的相机像素坐标信息。
进一步地,所述获取单元,具体还用于若所述路口相机采集的目标点检测框对应的变换后像素坐标至少有一个在对向路口相机采集的视野范围之内,则判断对向路口相机采集的目标点检测框中是否存在相机检测框与所述目标检测框重叠;若不存在,则保留所述路口相机采集的目标点检测框对应的相机像素坐标信息;若存在,则将重叠率最大的所述路口相机采集的目标点检测框对应的相机像素坐标信息删除,并保存对应的对向路口相机采集的目标点检测框对应的相机像素坐标信息。
进一步地,所述获取单元,具体还用于将对向路口雷视机之间的相机目标融合数据和对向路口中任意一个方向相机采集的目标进行比较,得到删除的所述路口相机采集的目标;根据所述路口雷视机对应的雷达传感器与相机之间的匹配融合关系,判断删除的所述路口相机采集的目标是否存在匹配的雷达目标:若存在,则将对所述雷达目标删除。
本发明提供的一种基于单应性变换矩阵的交叉路口目标融合方法及系统,根据各个路口雷视机采集的图像中预置特征点的像素坐标,将对向路口两两配对,根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据,最后根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据;从而实现了高实时性、高准确率的交叉路口目标融合方法。
附图说明
图1是本发明提供的一种基于单应性变换矩阵的交叉路口目标融合方法的流程图;
图2是本发明提供的一种基于单应性变换矩阵的交叉路口目标融合系统的结构示意图;
图3是本发明提供的一种交叉路口坐标系定义示意图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
如图1所示,本发明实施例提供的一种基于单应性变换矩阵的交叉路口目标融合方法,包括如下步骤:
101、获取各个路口雷视机采集的图像中预置特征点的像素坐标。
其中,预置特征点可以为4个且尽量范围较大,一般靠近重叠区域的4个角点,如选取车道线和路面的交界点等。
102、根据对向路口雷视机采集的图像中预置特征点的像素坐标,获取对向路口之间的单应性变换矩阵。
具体地,例如,如图3所示定义交叉路口大坐标系xoy,1号路口的雷视机坐标系为x1o1y1,2号路口的雷视机坐标系为x2o2y2,3号路口的雷视机坐标系为x3o3y3,4号路口的雷视机坐标系为x4o4y4。将对向路口进行拼接,以朝北1号雷视机和3号朝南雷视机的相机图片为例,朝西4号雷视机和2号朝东雷视机的方法同理,可得到向西到向东相机视野转换的单应性矩阵h24和向南到向北相机视野转换的单应性矩阵h13。因为单应变换的特征点选取要求不同侧路口的相机视野重叠区域越大越好,因此目标融合首先由对向路口融合进行,重叠视野为路口中间一整块区域,选取4个特征点并获取4个角点在对向雷视机中相机图片的像素点坐标,其中A1和B1代表同一个角点,其他点同理,,朝北雷视机的相机特征点的像素坐标A1(x1_north,y1_north)、A2(x2_north,y2_north)、A3(x3_north,y3_north)、A4(x4_north,y4_north)和朝南雷视机的相机特征点的像素坐标B1(x1_south,y1_south)、B2(x2_south,y2_south)、B3(x3_south,y3_south)、B4(x4_south,y4_south)。然后通过检测特征点对之间的对应关系来建立朝南相机图片转换到朝北相机图片的变换模型,接着计算两幅图像间的单应性变换矩阵h13,其定义如下:,
Figure BDA0003958766980000061
然后计算朝南相机平面投影到朝北相机平面的单应性变换矩阵h13:
Figure BDA0003958766980000062
将朝南相机特征点的4个像素坐标B1(x1_south,y1_south)-B4(x4_south,y4_south)代入(x1,y1)-(x4,y4),将朝北相机特征点的4个像素坐标A1(x1_north,y1_north)-A4(x4_north,y4_north)代入(X1,Y1)-(X4,Y4),可得:
Figure BDA0003958766980000063
再对左边的大矩阵进行特征值分解,取分解出的酉矩阵的最后一列,重排成3*3的矩阵,即为单应性变换矩阵h13。同理将朝西雷视机的相机特征点的像素坐标赋给B1-B4,朝东雷视机的相机特征点的像素坐标赋给A1-A4,可得朝西相机平面投影到朝东相机平面的单应性变换矩阵h24。
103、根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据。
对于本发明实施例,步骤103之前,所述方法还可以包括:根据任意一个路口对应的单应性变换矩阵将所述路口雷视机检测的各个相机目标检测框的角点像素坐标进行单应变换,得到变换后的相机检测框的角点像素坐标。
具体地,例如,以南北朝向雷视机相机检测框的角点像素坐标和h13为例,东西向同理。将朝南雷视机相机检测框的角点像素坐标frameSN=[SN1…SNm],m为目标个数,逐个对目标进行单应变换,其中SN1为第一个目标的相机检测框的4个角点像素坐标,得到变换后的相机检测框的角点像素坐标Framesn=[sn1…snm],然后将SN1的4个角点像素坐标依次代入(x,y),得到(X,Y)依次赋给检测框变换后的4个角点像素坐标sn1:
Figure BDA0003958766980000071
其中
Figure BDA0003958766980000072
此时,步骤103具体可以包括:若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之外,则保留所述目标点的相机像素坐标信息;若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之内,则删除所述目标点的相机像素坐标信息。
具体地,例如,若朝南的目标点相机框变换后的像素坐标sn i,sn i代表第i个目标的4个相机框角点像素坐标,全部在朝北的相机视野之外,则保留该目标点的相机信息:以左上角点(sn i_l eftup_x,sn i_l eftup_y)为例:sn i_l eftup_x<1或者sn i_leftup_x>w_north,w_north为北侧图片宽度,或者sn i_l eftup_y<1或者sn i_l eftup_y>h_north,h_north为北侧图片高度,以上4个条件有一个条件满足,则认为左上角点在朝北的相机视野之外。再依次判断右上角点、右下角点、左下角点是否在朝北的相机视野之外,若4个角点均在朝北的相机视野之外,则该条件满足。若朝南的目标点相机框全部在朝北的相机视野之内,则删去该目标点的相机信息;以左上角点(sn i_l eftup_x,sn i_l eftup_y)为例:sn i_l eftup_x>=1并且sn i_l eftup_x<=w_north并且sn i_l eftup_y>=1并且sn i_l eftup_y<=h_north,以上4个条件均要满足,才认为左上角点在朝北的相机视野之内。再依次判断右上角点、右下角点、左下角点是否在朝北的相机视野之内,若4个角点均在朝北的相机视野之内,则该条件满足。
进一步地,若所述路口相机采集的目标点检测框对应的变换后像素坐标至少有一个在对向路口相机采集的视野范围之内,则判断对向路口相机采集的目标点检测框中是否存在相机检测框与所述目标检测框重叠;若不存在,则保留所述路口相机采集的目标点检测框对应的相机像素坐标信息;若存在,则将重叠率最大的所述路口相机采集的目标点检测框对应的相机像素坐标信息删除,并保存对应的对向路口相机采集的目标点检测框对应的相机像素坐标信息。
具体地,例如,若朝南的目标点相机框至少有一个角点在朝北的相机视野之内,判断有无朝北的相机框frameSN_other与之重叠:frameSN_other=[SN1_other…SNn_other],n为目标个数,SN i_other代表第i个目标的4个相机框角点像素坐标,以朝南目标点的相机框左上角点(sn i_l eftup_x,sn i_l eftup_y)为例:sn i_l eftup_x>=SN i_other_l eftup_x并且sn i_l eftup_x<=SN i_other_r i ghtup_x并且sn i_l eftup_y>=SN i_other_l eftup_y并且sn i_l eftup_y<=SN i_other_r i ghtdown_y以上4个条件均要满足,才认为左上角点在朝北的相机框之内。再依次判断右上角点、右下角点、左下角点是否在朝北的相机框之内,若至少1个角点在朝北的相机框之内,则有朝北的相机框与之重叠。再继续搜索第i+1个朝北的目标相机框,判断有无重叠,直至所有搜索完所有的朝北目标点。若无,则保留朝南的目标点相机信息;若有,则计算该朝南目标框与重叠朝北目标框的重叠率rat i o最大:重叠面积Area=(mi n(sn i_r i ghtup_x,SNj_other_r ightup_x)-max (sn i_l eftup_x,SNj_other_l eftup_x))*( mi n(sn i_l eftdown_y,SNj_other_l eftdown_y)- max(sn i_l eftup_y,SNj_other_l eftup_y));朝北相机框面积Area1=(SNj_other_r i ghtup_x-SNj_other_l eftup_x)*(SNj_other_l eftdown_y-SNj_other_l eftup_y);朝南相机框面积Area2=(sn i_r i ghtup_x-sn i_l eftup_x)*(sn i_l eftdown_y-sn i_l eftup_y);重叠率rat i o=Area/(Area1+Area2-Area);将面积最大的朝北目标点标记为已匹配,其余朝南目标进行处理时,不考虑已匹配的朝北相机点,将该朝南的目标相机点信息删除,而朝北的目标点相机信息全部保留。
104、根据对向路口雷视机之间的相机目标融合数据以及预置的各个雷视机对应的雷达传感器与相机之间的匹配融合关系,获取对向路口雷视机之间的雷视目标融合数据。
对于本发明实施例,步骤104具体可以包括:将对向路口雷视机之间的相机目标融合数据和对向路口中任意一个方向相机采集的目标进行比较,得到删除的所述路口相机采集的目标;根据所述路口雷视机对应的雷达传感器与相机之间的匹配融合关系,判断删除的所述路口相机采集的目标是否存在匹配的雷达目标:若存在,则将对所述雷达目标删除。
具体地,例如,将南北向相机目标融合数据和朝南相机目标进行比较,得到进行删除的南侧相机目标,再由南侧路口的雷视融合匹配关系,判断删除相机目标是否有匹配的雷达目标:若有,则对该雷达目标进行删除,由此得到南北向雷视机的目标融合数据,东西向同理。
105、根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据。
对于本发明实施例,步骤105具体可以包括:根据东西向路口雷视机的目标融合数据和南北向路口雷视机的目标融合数据,以及南北向对向路口相机拼接的图片和东西向对向路口相机拼接的图片可得交叉路口总融合目标数据,其中,由南北向单应性变换矩阵h13对朝南图片的每个像素点坐标进行转换,将对应的南侧图片RGB值赋给北侧转换坐标处的RGB值,至此完成南北侧图像拼接c13;东西向单应性矩阵h24对朝西图片的每个像素点坐标进行转换,将对应的西侧图片RGB值赋给东侧转换坐标处的RGB值,至此完成东西侧图像拼接c24,可得交叉路口总融合目标数据。
本发明实施例提供的一种基于单应性变换矩阵的交叉路口目标融合方法,根据各个路口雷视机采集的图像中预置特征点的像素坐标,将对向路口两两配对,根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据,最后根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据;从而实现了高实时性、高准确率的交叉路口目标融合方法。
为实现本发明实施例提供的方法,本发明实施例提供一种基于单应性变换矩阵的交叉路口目标融合系统,如图2所示,该系统包括:获取单元21、融合单元22。
获取单元21,用于获取各个路口雷视机采集的图像中预置特征点的像素坐标。
所述获取单元21,还用于根据对向路口雷视机采集的图像中预置特征点的像素坐标,获取对向路口之间的单应性变换矩阵。
所述获取单元21,还用于根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据。
所述获取单元21,还用于根据对向路口雷视机之间的相机目标融合数据以及预置的各个雷视机对应的雷达传感器与相机之间的匹配融合关系,获取对向路口雷视机之间的雷视目标融合数据。
融合单元22,用于根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据。
进一步地,所述系统还包括:变换单元23;
所述变换单元23,具体用于根据任意一个路口对应的单应性变换矩阵将所述路口雷视机检测的各个相机目标检测框的角点像素坐标进行单应变换,得到变换后的相机检测框的角点像素坐标。
进一步地,所述获取单元21,具体还用于若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之外,则保留所述目标点的相机像素坐标信息;若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之内,则删除所述目标点的相机像素坐标信息。
进一步地,所述获取单元21,具体还用于若所述路口相机采集的目标点检测框对应的变换后像素坐标至少有一个在对向路口相机采集的视野范围之内,则判断对向路口相机采集的目标点检测框中是否存在相机检测框与所述目标检测框重叠;若不存在,则保留所述路口相机采集的目标点检测框对应的相机像素坐标信息;若存在,则将重叠率最大的所述路口相机采集的目标点检测框对应的相机像素坐标信息删除,并保存对应的对向路口相机采集的目标点检测框对应的相机像素坐标信息。
进一步地,所述获取单元21,具体还用于将对向路口雷视机之间的相机目标融合数据和对向路口中任意一个方向相机采集的目标进行比较,得到删除的所述路口相机采集的目标;根据所述路口雷视机对应的雷达传感器与相机之间的匹配融合关系,判断删除的所述路口相机采集的目标是否存在匹配的雷达目标:若存在,则将对所述雷达目标删除。
本发明实施例提供的一种基于单应性变换矩阵的交叉路口目标融合系统,根据各个路口雷视机采集的图像中预置特征点的像素坐标,将对向路口两两配对,根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据,最后根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据;从而实现了高实时性、高准确率的交叉路口目标融合系统。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明,上面对所公开实施例进行了描述。对于本领域技术人员来说;这些实施例的各种修改方式都是显而易见的,并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此,本公开并不限于本文给出的实施例,而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(i l lustrat i ve l og i ca l b l ock),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(i nterchangeab i l i ty),上述的各种说明性部件(i l l ustrat i ve components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元都可以通过通用处理器,数字信号处理器,专用集成电路(AS I C),现场可编程门阵列或其它可编程逻辑系统,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算系统的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于AS I C中,AS I C可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储系统,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(d i sk)和磁盘(d i sc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于单应性变换矩阵的交叉路口目标融合方法,其特征在于,所述方法包括:
获取各个路口雷视机采集的图像中预置特征点的像素坐标;
根据对向路口雷视机采集的图像中预置特征点的像素坐标,获取对向路口之间的单应性变换矩阵;
根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据;
根据对向路口雷视机之间的相机目标融合数据以及预置的各个雷视机对应的雷达传感器与相机之间的匹配融合关系,获取对向路口雷视机之间的雷视目标融合数据;
根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据。
2.根据权利要求1所述的一种基于单应性变换矩阵的交叉路口目标融合方法,其特征在于,所述根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据的步骤之前,所述方法还包括:
根据任意一个路口对应的单应性变换矩阵将所述路口雷视机检测的各个相机目标检测框的角点像素坐标进行单应变换,得到变换后的相机检测框的角点像素坐标。
3.根据权利要求2所述的一种基于单应性变换矩阵的交叉路口目标融合方法,其特征在于,所述根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据的步骤包括:
若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之外,则保留所述目标点的相机像素坐标信息;
若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之内,则删除所述目标点的相机像素坐标信息。
4.根据权利要求2所述的一种基于单应性变换矩阵的交叉路口目标融合方法,其特征在于,所述根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据的步骤包括:
若所述路口相机采集的目标点检测框对应的变换后像素坐标至少有一个在对向路口相机采集的视野范围之内,则判断对向路口相机采集的目标点检测框中是否存在相机检测框与所述目标检测框重叠;
若不存在,则保留所述路口相机采集的目标点检测框对应的相机像素坐标信息;
若存在,则将重叠率最大的所述路口相机采集的目标点检测框对应的相机像素坐标信息删除,并保存对应的对向路口相机采集的目标点检测框对应的相机像素坐标信息。
5.根据权利要求1所述的一种基于单应性变换矩阵的交叉路口目标融合方法,其特征在于,所述根据对向路口雷视机之间的相机目标融合数据以及预置的各个雷视机对应的雷达传感器与相机之间的匹配融合关系,获取对向路口雷视机之间的雷视目标融合数据的步骤包括:
将对向路口雷视机之间的相机目标融合数据和对向路口中任意一个方向相机采集的目标进行比较,得到删除的所述路口相机采集的目标;
根据所述路口雷视机对应的雷达传感器与相机之间的匹配融合关系,判断删除的所述路口相机采集的目标是否存在匹配的雷达目标:
若存在,则将对所述雷达目标删除。
6.一种基于单应性变换矩阵的交叉路口目标融合系统,其特征在于,所述系统包括:
获取单元,用于获取各个路口雷视机采集的图像中预置特征点的像素坐标;
所述获取单元,还用于根据对向路口雷视机采集的图像中预置特征点的像素坐标,获取对向路口之间的单应性变换矩阵;
所述获取单元,还用于根据对向路口之间的单应性变换矩阵以及各个路口雷视机对应的各个目标相机检测框的角点像素坐标,获取对向路口雷视机之间的相机目标融合数据;
所述获取单元,还用于根据对向路口雷视机之间的相机目标融合数据以及预置的各个雷视机对应的雷达传感器与相机之间的匹配融合关系,获取对向路口雷视机之间的雷视目标融合数据;
融合单元,用于根据对向路口雷视机之间的雷视目标融合数据以及对向路口雷视机中对向路口相机之间的拼接图片,获取交叉路口雷视机目标融合数据。
7.根据权利要求6所述的一种基于单应性变换矩阵的交叉路口目标融合系统,其特征在于,所述系统还包括:变换单元;
所述变换单元,具体用于根据任意一个路口对应的单应性变换矩阵将所述路口雷视机检测的各个相机目标检测框的角点像素坐标进行单应变换,得到变换后的相机检测框的角点像素坐标。
8.根据权利要求7所述的一种基于单应性变换矩阵的交叉路口目标融合系统,其特征在于,
所述获取单元,具体还用于若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之外,则保留所述目标点的相机像素坐标信息;若所述路口相机采集的目标点检测框对应的变换后像素坐标均在对向路口相机采集的视野范围之内,则删除所述目标点的相机像素坐标信息。
9.根据权利要求7所述的一种基于单应性变换矩阵的交叉路口目标融合系统,其特征在于,所述获取单元,具体还用于若所述路口相机采集的目标点检测框对应的变换后像素坐标至少有一个在对向路口相机采集的视野范围之内,则判断对向路口相机采集的目标点检测框中是否存在相机检测框与所述目标检测框重叠;若不存在,则保留所述路口相机采集的目标点检测框对应的相机像素坐标信息;若存在,则将重叠率最大的所述路口相机采集的目标点检测框对应的相机像素坐标信息删除,并保存对应的对向路口相机采集的目标点检测框对应的相机像素坐标信息。
10.根据权利要求6所述的一种基于单应性变换矩阵的交叉路口目标融合系统,其特征在于,
所述获取单元,具体还用于将对向路口雷视机之间的相机目标融合数据和对向路口中任意一个方向相机采集的目标进行比较,得到删除的所述路口相机采集的目标;根据所述路口雷视机对应的雷达传感器与相机之间的匹配融合关系,判断删除的所述路口相机采集的目标是否存在匹配的雷达目标:若存在,则将对所述雷达目标删除。
CN202211471909.6A 2022-11-23 2022-11-23 一种基于单应性变换矩阵的交叉路口目标融合方法及系统 Pending CN115719442A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211471909.6A CN115719442A (zh) 2022-11-23 2022-11-23 一种基于单应性变换矩阵的交叉路口目标融合方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211471909.6A CN115719442A (zh) 2022-11-23 2022-11-23 一种基于单应性变换矩阵的交叉路口目标融合方法及系统

Publications (1)

Publication Number Publication Date
CN115719442A true CN115719442A (zh) 2023-02-28

Family

ID=85256020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211471909.6A Pending CN115719442A (zh) 2022-11-23 2022-11-23 一种基于单应性变换矩阵的交叉路口目标融合方法及系统

Country Status (1)

Country Link
CN (1) CN115719442A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117541910A (zh) * 2023-10-27 2024-02-09 北京市城市规划设计研究院 城市道路多雷视数据的融合方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117541910A (zh) * 2023-10-27 2024-02-09 北京市城市规划设计研究院 城市道路多雷视数据的融合方法及装置

Similar Documents

Publication Publication Date Title
CN111160172B (zh) 泊车位检测方法、装置、计算机设备和存储介质
CN110415555B (zh) 一种基于深度学习的有效划线车位识别方法和系统
CN111260779B (zh) 地图构建方法、装置及系统、存储介质
CN110736472A (zh) 一种基于车载环视图像与毫米波雷达融合的室内高精地图表征方法
CN114663852A (zh) 车道线图的构建方法、装置、电子设备及可读存储介质
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
JP7400118B2 (ja) 駐車スペース検出方法、装置、デバイス及び記憶媒体
WO2023184869A1 (zh) 室内停车场的语义地图构建及定位方法和装置
WO2024055966A1 (zh) 一种多相机目标检测方法、装置
CN115719442A (zh) 一种基于单应性变换矩阵的交叉路口目标融合方法及系统
CN117274402B (zh) 相机外参的标定方法、装置、计算机设备及存储介质
KR20230118881A (ko) 영상처리방법과 영상처리시스템
CN116760937B (zh) 一种基于多机位的视频拼接方法、装置、设备及存储介质
WO2024067732A1 (zh) 神经网络模型的训练方法、车辆视图的生成方法和车辆
CN114120260B (zh) 可行驶区域识别方法及其系统、计算机设备、存储介质
CN114141055B (zh) 一种智能泊车系统的泊车位检测装置和检测方法
CN117496452A (zh) 一种路口多目相机与雷视一体机检测目标的关联方法及系统
CN103903269B (zh) 球机监控视频的结构化描述方法和系统
CN110677491A (zh) 用于车辆的旁车位置估计方法
CN112215042A (zh) 一种车位限位器识别方法及其系统、计算机设备
CN115457488A (zh) 一种基于双目立体视觉的路侧停车管理方法及系统
CN115131762A (zh) 一种车辆泊车方法、系统及计算机可读存储介质
CN117011807A (zh) 一种基于多区域划分的多路口相机数据融合方法及系统
Qin et al. Camera calibration for the surround-view system: a benchmark and dataset
WO2022226989A1 (en) System and method for obstacle-free driving

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
CB03 Change of inventor or designer information

Inventor after: Wang Peng

Inventor after: Yan Jun

Inventor after: Chen Yun

Inventor after: Wang Wei

Inventor before: Wang Peng

Inventor before: Yan Hao

Inventor before: Chen Yun

Inventor before: Wang Wei

CB03 Change of inventor or designer information