CN116168087A - 路侧相机标定结果的验证方法、装置及电子设备 - Google Patents
路侧相机标定结果的验证方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116168087A CN116168087A CN202310028810.7A CN202310028810A CN116168087A CN 116168087 A CN116168087 A CN 116168087A CN 202310028810 A CN202310028810 A CN 202310028810A CN 116168087 A CN116168087 A CN 116168087A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- detection frame
- side camera
- target
- road side
- 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
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种路侧相机标定结果的验证方法、装置及电子设备,该方法包括:获取路侧相机标定结果以及路侧相机采集的道路图像;利用预设目标检测模型对道路图像中的车辆目标进行检测,得到车辆目标检测结果,车辆目标检测结果包括车辆检测框和车辆类型;根据车辆检测框和路侧相机标定结果确定车辆目标的尺寸;根据车辆目标的尺寸和车辆类型对路侧相机标定结果进行验证,得到路侧相机标定结果的验证结果。本申请通过对图像中的车辆目标进行检测,并结合事先标定好的路侧相机标定结果确定车身尺寸,基于车身尺寸固定的特点验证事先标定的路侧相机标定结果在当前是否可用,提高了对标定结果的验证效率,以便及时对不可用的标定结果重新标定。
Description
技术领域
本申请涉及路侧设备技术领域,尤其涉及一种路侧相机标定结果的验证方法、装置及电子设备。
背景技术
路侧相机的感知通常需要用到图像坐标系和真实的世界坐标系之间的变换关系,以便可以将图像中检测到的目标的像素位置变换为真实世界的绝对位置,从而利用绝对位置进行轨迹预测,提供给车端进行决策控制,或者在数字孪生上同步显示,达到城市道路智慧监控等目的。
图像坐标系到世界坐标系的变换关系可以通过事先标定的方式得到,标定方法例如可以利用棋盘格标定相机内参,标定出图像到真实地面的变换关系,并结合RTK(Real-time kinematic,实时动态差分)定位设备提供的相机所在的世界经纬度信息等来实现标定的目的。
然而,通常标定好的变换关系在相机角度调节之后,或者是各相机标定文件混淆,又或者是标定出错等,都会导致检测出的车辆目标的位置转换到真实世界后的位置偏差极大,因此需要对标定结果的准确性进行检验。而由于路侧相机非常多,同时部署的过程可能在标定环节出错,人工逐一检查过于繁琐,且效率低下,无法及时发现错误的标定结果。
发明内容
本申请实施例提供了一种路侧相机标定结果的验证方法、装置及电子设备,以提高路侧相机标定结果的验证效率。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种路侧相机标定结果的验证方法,其中,所述方法包括:
获取路侧相机标定结果以及路侧相机采集的道路图像;
利用预设目标检测模型对所述道路图像中的车辆目标进行检测,得到车辆目标检测结果,所述车辆目标检测结果包括车辆检测框和车辆类型;
根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸;
根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果。
可选地,所述车辆检测框包括多个,所述根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸包括:
利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框;
根据所述目标车辆检测框和所述路侧相机标定结果,确定所述车辆目标的尺寸。
可选地,所述路侧相机为近景相机或远景相机,所述利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框包括:
确定各个车辆检测框的底边与所述道路图像的底边的纵向相对距离以及各个车辆检测框的中心与所述道路图像的中心的横向相对距离;
确定各个车辆检测框中是否存在车辆检测框的底边与所述道路图像的底边的纵向相对距离小于第一预设纵向距离阈值,且车辆检测框的中心与所述道路图像的中心的横向相对距离小于第一预设横向距离阈值的车辆检测框;
若存在,则将与所述道路图像的底边的纵向相对距离和与所述道路图像的中心的横向相对距离最小的车辆检测框作为所述目标车辆检测框。
可选地,所述路侧相机为鱼眼相机,所述利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框包括:
确定各个车辆检测框的中心与所述道路图像的中心的纵向相对距离和横向相对距离;
确定各个车辆检测框中是否存在车辆检测框的中心与所述道路图像的中心的纵向相对距离小于第二预设纵向距离阈值,且车辆检测框的中心与所述道路图像的中心的横向相对距离小于第二预设横向距离阈值的车辆检测框;
若存在,则将与所述道路图像的中心的纵向相对距离和横向相对距离最小的车辆检测框作为所述目标车辆检测框。
可选地,所述车辆检测框包括车辆检测框的底边左角点的图像位置坐标和5底边右角点的图像位置坐标,所述路侧相机标定结果包括图像坐标系与世界坐标系的变换关系,所述根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸包括:
根据所述图像坐标系与世界坐标系的变换关系,将所述底边左角点的图像位置坐标和所述底边右角点的图像位置坐标分别转换到世界坐标系下,得到底0边左角点的世界位置坐标和底边右角点的世界位置坐标;
根据所述底边左角点的世界位置坐标和所述底边右角点的世界位置坐标确定所述车辆目标的尺寸。
可选地,所述路侧相机为非路口路段的相机,所述根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定5结果的验证结果包括:
根据所述车辆类型确定所述车辆目标对应的第一预设尺寸阈值;
将所述车辆目标的尺寸与所述车辆目标对应的第一预设尺寸阈值进行比较,得到第一比较结果;
根据所述第一比较结果确定所述路侧相机标定结果的验证结果。
0可选地,所述路侧相机为路口路段的相机,所述根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果包括:
确定所述车辆检测框对应的车辆行驶方向;
根据所述车辆类型和所述车辆检测框对应的车辆行驶方向确定所述车辆5目标对应的第二预设尺寸阈值;
将所述车辆目标的尺寸与所述车辆目标对应的第二预设尺寸阈值进行比较,得到第二比较结果;
根据所述第二比较结果确定所述路侧相机标定结果的验证结果。
可选地,所述根据所述车辆类型和所述车辆检测框对应的车辆行驶方向确定所述车辆目标对应的第二预设尺寸阈值包括:
在所述车辆检测框对应的车辆行驶方向为与路侧相机朝向平行的方向的情况下,则根据所述车辆类型确定所述车辆目标对应的预设车身宽度阈值;
在所述车辆检测框对应的车辆行驶方向为与路侧相机朝向垂直的方向的情况下,则根据所述车辆类型确定所述车辆目标对应的预设车身长度阈值。
第二方面,本申请实施例还提供一种路侧相机标定结果的验证装置,其中,所述装置包括:
获取单元,用于获取路侧相机标定结果以及路侧相机采集的道路图像;
检测单元,用于利用预设目标检测模型对所述道路图像中的车辆目标进行检测,得到车辆目标检测结果,所述车辆目标检测结果包括车辆检测框和车辆类型;
确定单元,用于根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸;
验证单元,用于根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果。
第三方面,本申请实施例还提供一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第四方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本申请实施例的路侧相机标定结果的验证方法,先获取路侧相机标定结果以及路侧相机采集的道路图像;然后利用预设目标检测模型对道路图像中的车辆目标进行检测,得到车辆目标检测结果,车辆目标检测结果包括车辆检测框和车辆类型;之后根据车辆检测框和路侧相机标定结果确定车辆目标的尺寸;最后根据车辆目标的尺寸和车辆类型对路侧相机标定结果进行验证,得到路侧相机标定结果的验证结果。本申请实施例的路侧相机标定结果的验证方法通过对图像中的车辆目标进行检测,并结合事先标定好的路侧相机标定结果确定车身尺寸,基于车身尺寸固定的特点来验证事先标定的路侧相机标定结果在当前是否准确、是否可用,提高了对标定结果的验证效率,以便及时对不可用的标定结果重新标定。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种路侧相机标定结果的验证方法的流程示意图;
图2为本申请实施例中一种车辆检测框的筛选结果示意图;
图3为本申请实施例中另一种车辆检测框的筛选结果示意图;
图4为本申请实施例中一种路侧相机标定结果的验证装置的结构示意图;
图5为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种路侧相机标定结果的验证方法,如图1所示,提供了本申请实施例中一种路侧相机标定结果的验证方法的流程示意图,所述方法至少包括如下的步骤S110至步骤S140:
步骤S110,获取路侧相机标定结果以及路侧相机采集的道路图像。
由于本申请实施例的路侧相机标定结果的验证方法主要应用于路侧相机标定后的验证环节,因此需要先获取事先已经标定好的路侧相机标定结果,这里的路侧相机标定结果可以包括图像坐标系与世界坐标系之间的变换关系,基于该标定结果可以将路侧相机采集到的图像中的任意一点转换到真实世界中,能够为实际道路场景下的自动驾驶车辆等提供更丰富的感知信息。
此外,本申请实施例还需要先获取路侧相机当前采集的道路图像,作为后续验证标定结果是否可用的基础数据。
步骤S120,利用预设目标检测模型对所述道路图像中的车辆目标进行检测,得到车辆目标检测结果,所述车辆目标检测结果包括车辆检测框和车辆类型。
在得到路侧相机当前采集的道路图像后,可以利用现有的目标检测模型如基于YOLO等卷积神经网络训练得到的目标检测模型对道路图像中的车辆目标进行检测,从而得到车辆目标检测结果,具体可以包括道路图像中检测出的所有车辆检测框以及对应的车辆类型,车辆类型例如可以是小汽车、公交车或者卡车等类型。
步骤S130,根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸。
预设目标检测模型输出的车辆检测框具体包含了车辆检测框在图像坐标系下的位置信息,而路侧相机的标定结果则包含了图像坐标系与世界坐标系之间的变换关系,因此基于该变换关系,可以确定出该车辆检测框在真实世界中所对应的车辆尺寸。
步骤S140,根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果。
由于车辆目标的尺寸是基于上述路侧相机标定结果确定的,因此如果路侧相机标定结果足够准确,那么以此得到的车辆目标的尺寸也是足够接近真实尺
寸大小的,而如果路侧相机标定结果存在较大误差,或者不再适用于当前的相5机角度,那么以此得到的车辆目标的尺寸将与真实的车辆尺寸存在较大偏差。
此外,不同类型的车辆对应的真实尺寸大小也存在明显差别,因此本申请实施例可以结合车辆目标的尺寸和车辆类型对路侧相机标定结果进行验证,从而得到路侧相机标定结果的验证结果,也即之前标定的路侧相机标定结果在当前是否可用。
0为了保证标定结果的验证效率,本申请实施例的上述路侧相机标定结果的验证方法可以由路侧来执行,当然,实际应用时也可以由云端来执行,本领域技术人员可以根据实际需求灵活设置执行主体,在此不作具体限定。
本申请实施例的路侧相机标定结果的验证方法通过对图像中的车辆目标进行检测,并结合事先标定好的路侧相机标定结果确定车辆目标的尺寸,基于5车身尺寸固定的特点来验证事先标定的路侧相机标定结果在当前是否准确、是否可用,提高了对标定结果的验证效率,以便及时对不可用的标定结果重新标定。
在本申请的一些实施例中,所述车辆检测框包括多个,所述根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸包括:利用预设检测框筛0选策略在多个车辆检测框中确定目标车辆检测框;根据所述目标车辆检测框和所述路侧相机标定结果,确定所述车辆目标的尺寸。
利用预设目标检测模型对道路图像进行检测时,可能会检测出多个车辆检测框,但并非是所有的车辆检测框都一定适合作为后续验证路侧相机标定结果的基础,这可能会受到路侧相机类型的影响。
5基于此,本申请实施例可以利用事先定义好的检测框筛选策略对多个车辆检测框进行筛选,从中确定出目标车辆检测框,进而结合路侧相机标定结果,确定出目标车辆检测框对应的车辆目标的尺寸。
当然,需要说明的是,符合上述要求的目标检测框也可能是多个,可以分别确定各个目标检测框对应的车辆尺寸,再分别结合各个目标检测框对应的车辆类型验证路侧相机标定结果是否可用,例如只要有一个目标检测框对应的车辆目标尺寸与真实尺寸偏差较大,即可认为路侧相机标定结果不可用。
在本申请的一些实施例中,所述路侧相机为近景相机或远景相机,所述利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框包括:确定各个车辆检测框的底边与所述道路图像的底边的纵向相对距离以及各个车辆检测框的中心与所述道路图像的中心的横向相对距离;确定各个车辆检测框中是否存在车辆检测框的底边与所述道路图像的底边的纵向相对距离小于第一预设纵向距离阈值,且车辆检测框的中心与所述道路图像的中心的横向相对距离小于第一预设横向距离阈值的车辆检测框;若存在,则将与所述道路图像的底边的纵向相对距离和与所述道路图像的中心的横向相对距离最小的车辆检测框作为所述目标车辆检测框。
目前道路中部署的路侧相机一般包括近景相机、远景相机和鱼眼相机,近景相机用于拍摄近处的道路情况,远景相机用于拍摄远处的道路情况,鱼眼相机主要用于弥补近景相机和远景相机的视野盲区,用于拍摄相机朝下俯视角度的道路情况。
不同类型的路侧相机,所拍摄得到的图像相比于真实世界都会存在不同程度的偏差,这里的不同程度的偏差主要是近景相机、远景相机与鱼眼相机之间的区别,对于近景相机和远景相机来说,主要存在着“近大远小”的问题,对于远处的图像像素偏移较大,而对于鱼眼相机来说,其主要存在着图像畸变的问题,越远离图像中心位置的像素畸变程度越大。
基于此,对于不同类型的路侧相机就可以采取不同的预设检测框筛选策略来筛选车辆检测框,本申请实施例主要是针对近景相机或远景相机所设计的预设检测框筛选策略。对于近景相机或远景相机,考虑到“近大远小”的问题,在筛选车辆检测框时可以先分别确定各个车辆检测框的底边与道路图像的底边的纵向相对距离以及各个车辆检测框的中心与道路图像的中心的横向相对距离,车辆检测框的底边与图像的底边之间的纵向相对距离越小,且车辆检测框的中心与道路图像的中心的横向相对距离越小,该车辆检测框对应的像素偏移误差以及畸变程度也较小,进而基于该车辆检测框计算出的车辆尺寸的误差受图像自身的影响也就越小。
当然,为了保证目标车辆检测框的质量,还可以对上述纵向相对距离和横向相对距离分别设置第一预设纵向距离阈值和第一预设横向距离阈值进行约束,如果没有同时满足这两个阈值要求,则可以舍弃当前帧图像的检测结果,获取下一帧道路图像进行检测,直到图像中检测出的车辆检测框同时满足上述两个阈值要求。
在此基础上,可以将车辆检测框的底边与图像的底边的纵向相对距离以及车辆检测框的中心与道路图像的中心的横向相对距离均最小的车辆检测框作为最终的目标检测框。由于路侧相机在该位置拍摄的目标与道路行驶方向基本平行,因此该目标车辆检测框通常是像素偏移最小、畸变程度最小,且检测出的矩形框的两边与车身的左右两边最贴近的检测框。如图2所示,提供了本申请实施例中一种车辆检测框的筛选结果示意图,箭头指向的车辆检测框即为最终的目标检测框。
在本申请的一些实施例中,所述路侧相机为鱼眼相机,所述利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框包括:确定各个车辆检测框的中心与所述道路图像的中心的纵向相对距离和横向相对距离;确定各个车辆检测框中是否存在车辆检测框的中心与所述道路图像的中心的纵向相对距离小于第二预设纵向距离阈值,且车辆检测框的中心与所述道路图像的中心的横向相对距离小于第二预设横向距离阈值的车辆检测框;若存在,则将与所述道路图像的中心的纵向相对距离和横向相对距离最小的车辆检测框作为所述目标车辆检测框。
本申请实施例主要是针对鱼眼相机所设计的预设检测框筛选策略,由于鱼眼相机存在图像畸变的问题,越远离图像中心位置的像素畸变程度越大,反之,越靠近图像中心位置的像素畸变程度越小,因此本申请实施例可以先确定各个车辆检测框的中心与道路图像的中心的纵向相对距离和横向相对距离,车辆检测框的中心与道路图像的中心的纵向相对距离和横向相对距离越小,图像畸变程度也越小,进而基于该车辆检测框计算出的车辆尺寸的误差受图像自身的影响也就越小。
为了保证目标车辆检测框的质量,同样可以进一步对上述纵向相对距离和横向相对距离分别设置第二预设纵向距离阈值和第二预设横向距离阈值进行约束,如果没有同时满足这两个阈值要求,则可以舍弃当前帧图像的检测结果,获取下一帧道路图像进行检测,直到图像中检测出的车辆检测框同时满足上述两个阈值要求。
在此基础上,可以将车辆检测框的中心与图像的中心的纵向相对距离和横向相对距离均最小的车辆检测框作为最终的目标检测框。由于目标检测框最靠近图像的正中心位置,该目标车辆检测框即为畸变程度最小,且检测出的矩形框的两边与车身的左右两边最贴近的检测框。如图3所示,提供了本申请实施例中另一种车辆检测框的筛选结果示意图,箭头指向的车辆检测框即为最终的目标检测框。
当然,对于鱼眼相机存在图像畸变的问题,也可以利用现有的图像去畸变算法进行去畸变处理,得到去畸变处理后的图像再进行目标检测,由于鱼眼相机是朝正下方拍摄,经过去畸变处理后的图像中检测出的多个车辆检测框的偏差相差较小,因此可以根据实际情况灵活选择。
需要说明的是,上述实施例对车辆检测框进行筛选的目的是为了尽可能减小图像本身对车辆尺寸计算所造成的影响,进而提高路侧相机标定结果的准确性对车辆尺寸计算的影响。
在本申请的一些实施例中,所述车辆检测框包括车辆检测框的底边左角点的图像位置坐标和底边右角点的图像位置坐标,所述路侧相机标定结果包括图像坐标系与世界坐标系的变换关系,所述根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸包括:根据所述图像坐标系与世界坐标系的变换关系,将所述底边左角点的图像位置坐标和所述底边右角点的图像位置坐标分别转换到世界坐标系下,得到底边左角点的世界位置坐标和底边右角点的世界位置坐标;根据所述底边左角点的世界位置坐标和所述底边右角点的世界位置坐标确定所述车辆目标的尺寸。
由于路侧相机标定结果中包含的图像坐标系与世界坐标系的变换关系具体是指路侧相机到地面的位置变换,而车辆检测框的四个角点中底边左角点和底边右角点对应的是地面点,因此可以基于事先标定的图像坐标系与世界坐标系的变换关系,将车辆检测框的底边左角点的图像位置坐标和底边右角点的图像位置坐标分别转换到世界坐标系下,从而得到这两个角点在真实世界的绝对位置。
由于前述实施例选取出的车辆检测框的左右两边与车身左右两边较为贴近,因此根据上述两个角点在真实世界的绝对位置之间的距离,即可计算出车辆目标的尺寸信息,该尺寸信息可能是车身宽度,也可能是车身长度,主要取决于车辆目标相对于路侧相机的行驶方向。
在本申请的一些实施例中,所述路侧相机为非路口路段的相机,所述根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果包括:根据所述车辆类型确定所述车辆目标对应的第一预设尺寸阈值;将所述车辆目标的尺寸与所述车辆目标对应的第一预设尺寸阈值进行比较,得到第一比较结果;根据所述第一比较结果确定所述路侧相机标定结果的验证结果。
在前述实施例基于路侧相机标定结果得到车辆目标的尺寸后,可以将车辆目标的尺寸与车辆目标对应的真实尺寸阈值进行比较,进而来判断基于路侧相机标定结果得到的车辆目标的尺寸是否准确。
由于目前道路中部署的路侧相机有一部分是部署在非路口路段,也即正常行驶的路段中,相机朝向与道路行驶方向平行,有一部分是部署在路口路段,如十字交叉路口存在多个道路行驶方向,因此相机朝向与道路行驶方向可能平行,也可能垂直。而相机相对于道路行驶方向的朝向不同,也会影响具体计算出的车辆目标的尺寸的类型,例如,如果相机的朝向与道路行驶方向是平行的,则计算出的车辆目标的尺寸就是车身宽度,而如果相机的朝向与道路行驶方向是垂直的,则计算出的车辆目标的尺寸就是车身长度。
基于此,对于非路口路段部署的路侧相机来说,由于道路行驶方向相对单一,从路侧相机采集的道路图像中检测出的所有车辆目标的行驶方向相对于路侧相机的朝向基本都是平行的,因此无需判断车辆目标的行驶方向即可直接确定出基于车辆检测框底边的两个角点计算出的车辆尺寸就是车身的宽度,那么就可以利用事先设定的车身宽度对应的阈值来衡量车身宽度计算的准确性,进而来验证路侧相机标定结果是否可用。
此外,不同类型车辆对应的车身宽度不同,例如,小轿车的车身宽度明显小于卡车的车身宽度,因此在确定车身宽度对应的阈值时,还可以结合之前检测出的车辆类型来确定当前用于判断的车身宽度阈值也即上述第一预设尺寸阈值,如果当前计算出的车身宽度明显大于或者小于第一预设尺寸阈值,说明车身宽度不准确,对应的路侧相机标定结果则为不可用,可以发起提醒,以便尽快完成路侧相机的重新标定。
在本申请的一些实施例中,所述路侧相机为路口路段的相机,所述根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果包括:确定所述车辆检测框对应的车辆行驶方向;根据所述车辆类型和所述车辆检测框对应的车辆行驶方向确定所述车辆目标对应的第二预设尺寸阈值;将所述车辆目标的尺寸与所述车辆目标对应的第二预设尺寸阈值进行比较,得到第二比较结果;根据所述第二比较结果确定所述路侧相机标定结果的验证结果。
对于路口路段部署的路侧相机来说,由于道路行驶方向相对复杂,相机朝向与道路行驶方向可能平行,也可能垂直,因此可以先判断当前的车辆检测框对应的车辆行驶方向,例如,可以根据车辆对应的红绿灯信息来判断,或者也可以根据相邻几帧图像进行目标跟踪的方式来确定车辆目标在图像中的移动方向,具体如何判断车辆行驶方向,本领域技术人员可以结合现有技术灵活选择。
在确定出车辆检测框对应的车辆行驶方向后,即可确定出基于该车辆检测框底边的两个角点计算出的车辆尺寸是车身宽度还是车身长度,进而分别确定不同的车身尺寸阈值,并进行比较判断。
在本申请的一些实施例中,所述根据所述车辆类型和所述车辆检测框对应的车辆行驶方向确定所述车辆目标对应的第二预设尺寸阈值包括:在所述车辆检测框对应的车辆行驶方向为与路侧相机朝向平行的方向的情况下,则根据所述车辆类型确定所述车辆目标对应的预设车身宽度阈值;在所述车辆检测框对应的车辆行驶方向为与路侧相机朝向垂直的方向的情况下,则根据所述车辆类型确定所述车辆目标对应的预设车身长度阈值。
如果车辆行驶方向与路侧相机朝向平行,说明路侧相机视角检测到的车辆检测框的底边两角点对应的是车身宽度,进而可以结合车辆检测框对应的车辆类型确定对应的车身宽度阈值,如果车辆行驶方向与路侧相机朝向垂直,说明路侧相机视角检测到的车辆检测框的底边两角点对应的是车身长度,进而可以结合车辆检测框对应的车辆类型确定对应的车身长度阈值。
本申请实施例还提供了一种路侧相机标定结果的验证装置400,如图4所示,提供了本申请实施例中一种路侧相机标定结果的验证装置的结构示意图,所述装置400包括:获取单元410、检测单元420、确定单元430以及验证单元440,其中:
获取单元410,用于获取路侧相机标定结果以及路侧相机采集的道路图像;
检测单元420,用于利用预设目标检测模型对所述道路图像中的车辆目标进行检测,得到车辆目标检测结果,所述车辆目标检测结果包括车辆检测框和车辆类型;
确定单元430,用于根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸;
验证单元440,用于根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果。
在本申请的一些实施例中,所述车辆检测框包括多个,所述确定单元430具体用于:利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框;根据所述目标车辆检测框和所述路侧相机标定结果,确定所述车辆目标的尺寸。
在本申请的一些实施例中,所述路侧相机为近景相机或远景相机,所述确定单元430具体用于:确定各个车辆检测框的底边与所述道路图像的底边的纵向相对距离以及各个车辆检测框的中心与所述道路图像的中心的横向相对距离;确定各个车辆检测框中是否存在车辆检测框的底边与所述道路图像的底边的纵向相对距离小于第一预设纵向距离阈值,且车辆检测框的中心与所述道路图像的中心的横向相对距离小于第一预设横向距离阈值的车辆检测框;若存在,则将与所述道路图像的底边的纵向相对距离和与所述道路图像的中心的横向相对距离最小的车辆检测框作为所述目标车辆检测框。
在本申请的一些实施例中,所述路侧相机为鱼眼相机,所述确定单元430具体用于:确定各个车辆检测框的中心与所述道路图像的中心的纵向相对距离和横向相对距离;确定各个车辆检测框中是否存在车辆检测框的中心与所述道路图像的中心的纵向相对距离小于第二预设纵向距离阈值,且车辆检测框的中心与所述道路图像的中心的横向相对距离小于第二预设横向距离阈值的车辆检测框;若存在,则将与所述道路图像的中心的纵向相对距离和横向相对距离最小的车辆检测框作为所述目标车辆检测框。
在本申请的一些实施例中,所述车辆检测框包括车辆检测框的底边左角点的图像位置坐标和底边右角点的图像位置坐标,所述路侧相机标定结果包括图像坐标系与世界坐标系的变换关系,所述确定单元430具体用于:根据所述图像坐标系与世界坐标系的变换关系,将所述底边左角点的图像位置坐标和所述底边右角点的图像位置坐标分别转换到世界坐标系下,得到底边左角点的世界位置坐标和底边右角点的世界位置坐标;根据所述底边左角点的世界位置坐标和所述底边右角点的世界位置坐标确定所述车辆目标的尺寸。
在本申请的一些实施例中,所述路侧相机为非路口路段的相机,所述验证单元440具体用于:根据所述车辆类型确定所述车辆目标对应的第一预设尺寸阈值;将所述车辆目标的尺寸与所述车辆目标对应的第一预设尺寸阈值进行比较,得到第一比较结果;根据所述第一比较结果确定所述路侧相机标定结果的验证结果。
在本申请的一些实施例中,所述路侧相机为路口路段的相机,所述验证单元440具体用于:确定所述车辆检测框对应的车辆行驶方向;根据所述车辆类型和所述车辆检测框对应的车辆行驶方向确定所述车辆目标对应的第二预设尺寸阈值;将所述车辆目标的尺寸与所述车辆目标对应的第二预设尺寸阈值进行比较,得到第二比较结果;根据所述第二比较结果确定所述路侧相机标定结果的验证结果。
在本申请的一些实施例中,所述验证单元440具体用于:在所述车辆检测框对应的车辆行驶方向为与路侧相机朝向平行的方向的情况下,则根据所述车辆类型确定所述车辆目标对应的预设车身宽度阈值;在所述车辆检测框对应的车辆行驶方向为与路侧相机朝向垂直的方向的情况下,则根据所述车辆类型确定所述车辆目标对应的预设车身长度阈值。
能够理解,上述路侧相机标定结果的验证装置,能够实现前述实施例中提供的路侧相机标定结果的验证方法的各个步骤,关于路侧相机标定结果的验证方法的相关阐释均适用于路侧相机标定结果的验证装置,此处不再赘述。
图5是本申请的一个实施例电子设备的结构示意图。请参考图5,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-AccessMemory,RAM),也可能还包括非易失性存储器(non-volatile memory),例
如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬5件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponentInterconnect,外设部件互连标准)总线或EISA(Extended IndustryStandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总0线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但
并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
5处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成路侧相机标定结果的验证装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取路侧相机标定结果以及路侧相机采集的道路图像;
利用预设目标检测模型对所述道路图像中的车辆目标进行检测,得到车辆0目标检测结果,所述车辆目标检测结果包括车辆检测框和车辆类型;
根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸;
根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果。
上述如本申请图1所示实施例揭示的路侧相机标定结果的验证装置执行的5方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯
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。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的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模块组合执行完成。软件模块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,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中路侧相机标定结果的验证装置执行的方法,并实现路侧相机标定结果的验证装置在图1所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中路侧相机标定结果的验证装置执行的方法,并具体用于执行:
获取路侧相机标定结果以及路侧相机采集的道路图像;
利用预设目标检测模型对所述道路图像中的车辆目标进行检测,得到车辆目标检测结果,所述车辆目标检测结果包括车辆检测框和车辆类型;
根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸;
根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (11)
1.一种路侧相机标定结果的验证方法,其中,所述方法包括:
获取路侧相机标定结果以及路侧相机采集的道路图像;
利用预设目标检测模型对所述道路图像中的车辆目标进行检测,得到车辆目标检测结果,所述车辆目标检测结果包括车辆检测框和车辆类型;
根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸;
根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果。
2.如权利要求1所述方法,其中,所述车辆检测框包括多个,所述根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸包括:
利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框;
根据所述目标车辆检测框和所述路侧相机标定结果,确定所述车辆目标的尺寸。
3.如权利要求2所述方法,其中,所述路侧相机为近景相机或远景相机,所述利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框包括:
确定各个车辆检测框的底边与所述道路图像的底边的纵向相对距离以及各个车辆检测框的中心与所述道路图像的中心的横向相对距离;
确定各个车辆检测框中是否存在车辆检测框的底边与所述道路图像的底边的纵向相对距离小于第一预设纵向距离阈值,且车辆检测框的中心与所述道路图像的中心的横向相对距离小于第一预设横向距离阈值的车辆检测框;
若存在,则将与所述道路图像的底边的纵向相对距离和与所述道路图像的中心的横向相对距离最小的车辆检测框作为所述目标车辆检测框。
4.如权利要求2所述方法,其中,所述路侧相机为鱼眼相机,所述利用预设检测框筛选策略在多个车辆检测框中确定目标车辆检测框包括:
确定各个车辆检测框的中心与所述道路图像的中心的纵向相对距离和横向相对距离;
确定各个车辆检测框中是否存在车辆检测框的中心与所述道路图像的中心的纵向相对距离小于第二预设纵向距离阈值,且车辆检测框的中心与所述道路图像的中心的横向相对距离小于第二预设横向距离阈值的车辆检测框;
若存在,则将与所述道路图像的中心的纵向相对距离和横向相对距离最小的车辆检测框作为所述目标车辆检测框。
5.如权利要求1所述方法,其中,所述车辆检测框包括车辆检测框的底边左角点的图像位置坐标和底边右角点的图像位置坐标,所述路侧相机标定结果包括图像坐标系与世界坐标系的变换关系,所述根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸包括:
根据所述图像坐标系与世界坐标系的变换关系,将所述底边左角点的图像位置坐标和所述底边右角点的图像位置坐标分别转换到世界坐标系下,得到底边左角点的世界位置坐标和底边右角点的世界位置坐标;
根据所述底边左角点的世界位置坐标和所述底边右角点的世界位置坐标确定所述车辆目标的尺寸。
6.如权利要求1所述方法,其中,所述路侧相机为非路口路段的相机,所述根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果包括:
根据所述车辆类型确定所述车辆目标对应的第一预设尺寸阈值;
将所述车辆目标的尺寸与所述车辆目标对应的第一预设尺寸阈值进行比较,得到第一比较结果;
根据所述第一比较结果确定所述路侧相机标定结果的验证结果。
7.如权利要求1所述方法,其中,所述路侧相机为路口路段的相机,所述根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果包括:
确定所述车辆检测框对应的车辆行驶方向;
根据所述车辆类型和所述车辆检测框对应的车辆行驶方向确定所述车辆目标对应的第二预设尺寸阈值;
将所述车辆目标的尺寸与所述车辆目标对应的第二预设尺寸阈值进行比较,得到第二比较结果;
根据所述第二比较结果确定所述路侧相机标定结果的验证结果。
8.如权利要求7所述方法,其中,所述根据所述车辆类型和所述车辆检测框对应的车辆行驶方向确定所述车辆目标对应的第二预设尺寸阈值包括:
在所述车辆检测框对应的车辆行驶方向为与路侧相机朝向平行的方向的情况下,则根据所述车辆类型确定所述车辆目标对应的预设车身宽度阈值;
在所述车辆检测框对应的车辆行驶方向为与路侧相机朝向垂直的方向的情况下,则根据所述车辆类型确定所述车辆目标对应的预设车身长度阈值。
9.一种路侧相机标定结果的验证装置,其中,所述装置包括:
获取单元,用于获取路侧相机标定结果以及路侧相机采集的道路图像;
检测单元,用于利用预设目标检测模型对所述道路图像中的车辆目标进行检测,得到车辆目标检测结果,所述车辆目标检测结果包括车辆检测框和车辆类型;
确定单元,用于根据所述车辆检测框和所述路侧相机标定结果确定车辆目标的尺寸;
验证单元,用于根据所述车辆目标的尺寸和所述车辆类型对所述路侧相机标定结果进行验证,得到所述路侧相机标定结果的验证结果。
10.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行所述权利要求1~8之任一所述方法。
11.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行所述权利要求1~8之任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310028810.7A CN116168087A (zh) | 2023-01-09 | 2023-01-09 | 路侧相机标定结果的验证方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310028810.7A CN116168087A (zh) | 2023-01-09 | 2023-01-09 | 路侧相机标定结果的验证方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116168087A true CN116168087A (zh) | 2023-05-26 |
Family
ID=86410758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310028810.7A Pending CN116168087A (zh) | 2023-01-09 | 2023-01-09 | 路侧相机标定结果的验证方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168087A (zh) |
-
2023
- 2023-01-09 CN CN202310028810.7A patent/CN116168087A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114705121B (zh) | 车辆位姿测量方法、装置及电子设备、存储介质 | |
CN114279453B (zh) | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 | |
CN114495043B (zh) | 基于双目视觉系统的上下坡路况检测方法、系统和智能终端 | |
CN114973198A (zh) | 目标车辆的航向角预测方法、装置及电子设备、存储介质 | |
CN115143952A (zh) | 基于视觉辅助的自动驾驶车辆定位方法、装置 | |
CN116386000A (zh) | 基于高精地图和单目摄像头测量障碍物距离的方法、系统 | |
CN114966632A (zh) | 激光雷达标定方法、装置及电子设备、存储介质 | |
CN116740680A (zh) | 一种车辆定位方法、装置及电子设备 | |
CN115856979B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN116682091A (zh) | 用于自动驾驶车辆的障碍物感知方法、装置 | |
CN116164763A (zh) | 目标航向角确定方法、装置及电子设备、存储介质 | |
CN115031755A (zh) | 自动驾驶车辆定位方法、装置及电子设备、存储介质 | |
CN116168087A (zh) | 路侧相机标定结果的验证方法、装置及电子设备 | |
CN114755663A (zh) | 车辆传感器的外参校准方法、装置及计算机可读存储介质 | |
CN115731523A (zh) | 车辆定位方法及装置、电子设备、存储介质 | |
CN116381698B (zh) | 道路遗撒物的检测方法、装置及电子设备 | |
CN113658268B (zh) | 摄像头标定结果的验证方法、装置及电子设备、存储介质 | |
CN114782924B (zh) | 用于自动驾驶的交通灯检测方法、装置及电子设备 | |
CN116129383A (zh) | 一种可行驶区域检测方法、装置和电子设备、存储介质 | |
CN115719375A (zh) | 目标融合方法、装置及电子设备、计算机可读存储介质 | |
CN116610766A (zh) | 地图更新方法、装置及电子设备、计算机可读存储介质 | |
CN116823950A (zh) | 一种位置确定方法、装置、车辆及存储介质 | |
CN116503489A (zh) | 相机标定文件自诊断方法、装置和电子设备、存储介质 | |
CN116994179A (zh) | 一种目标跟踪方法、装置和电子设备 | |
CN116597376A (zh) | 路侧设备感知范围确定方法、装置及路侧设备 |
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 |