CN116258774A - 路侧相机的偏离检测方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种路侧相机的偏离检测方法、装置、电子设备及存储介质，涉及人工智能领域，尤其涉及智能交通技术领域。具体实现方案为：获取路侧相机当前采集的待检测图像和预先在初始位姿下采集的基准图像；所述路侧相机预先在所述初始位姿下完成外参标定；所述待检测图像和所述基准图像中均包含固定的地理要素；比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿且达到设定的偏离程度。提供了一种简单、高效的路侧相机偏离检测方法，考虑了路侧相机偏离初始位姿的程度，可以有效的检测出路侧相机偏离初始位姿且达到一定的偏离程度。

Description

路侧相机的偏离检测方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及智能交通技术领域。

背景技术

路侧感知技术是通过路侧传感器和感知算法将感知到的障碍物信息发送给车辆，从而帮助车辆实现智能驾驶功能的一种技术。

发明内容

本公开提供了一种路侧相机的偏离检测方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种路侧相机的偏离检测方法，包括：

获取路侧相机当前采集的待检测图像和预先在初始位姿下采集的基准图像；所述路侧相机预先在所述初始位姿下完成外参标定；所述待检测图像和所述基准图像中均包含固定的地理要素；

比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿且达到设定的偏离程度。

根据本公开的第二方面，提供了一种路侧相机的偏离检测装置，包括：

获取模块，用于获取路侧相机当前采集的待检测图像和预先在初始位姿下采集的基准图像；所述路侧相机预先在所述初始位姿下完成外参标定；所述待检测图像和所述基准图像中均包含固定的地理要素；

比对模块，用于比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿且达到设定的偏离程度。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行路侧相机的偏离检测方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行路侧相机的偏离检测方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现路侧相机的偏离检测方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1为本公开实施例提供的路侧相机的偏离检测方法的一种流程示意图；

图2为本公开实施例提供的预先选定的像素区域的一种示意图；

图3(a)为本申请实施例提供的基准图像的一种示意图，图3(b)为本申请实施例提供的感兴趣图像区域的一种正确示意图，图3(c)为本申请实施例提供的感兴趣图像区域的一种错误示意图，图3(d)为本申请实施例提供的感兴趣图像区域的另一种错误示意图；

图4(a)为本申请实施例提供的基准图像的一种示意图，图4(b)为本申请实施例提供的感兴趣图像区域的一种正确示意图；

图5(a)为本申请实施例提供的基准图像的一种示意图，图5(b)为本申请实施例提供的感兴趣图像区域的一种正确示意图；

图6(a)为本申请实施例提供的基准图像的一种示意图，图6(b)为本申请实施例提供的感兴趣图像区域的一种正确示意图；

图7是用来实现本公开实施例的路侧相机的偏离检测方法的装置的框图；

图8为本公开实施例提供的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

路侧感知技术是通过路侧传感器和感知算法将感知到的障碍物信息发送给车辆，从而帮助车辆实现智能驾驶功能的一种技术。

通常，将路侧相机固定在特定位置，例如路灯杆、红绿灯杆或自行安装的固定杆上，并基于固定好的位姿进行外参标定，然后根据采集图像中障碍物的像素位置、外参标定参数即可推算出障碍物在世界坐标系的真实位置。

然而，路侧相机安装好之后，可能受到环境的影响发生位姿偏移，导致无法准确推算障碍物在世界坐标系的真实位置。

相关方案中，大多关注于路侧相机偏离原始位姿时，如何通过算法进行弥补，以尽可能准确的推算障碍物在世界坐标系的真实位置。但如果路侧相机偏离原始位姿较大，算法无法有效弥补，这种情况下，会导致路侧相机的障碍物感知持续出现较大误差，严重时可导致障碍物分裂等问题。

可见，现有方案中，并不关注位姿偏离的程度，更没有考虑到在位姿偏离较大时，需要人工介入重新完成位姿标定。

为了解决上述技术问题，本公开实施例提供了一种路侧相机的偏离检测方法、装置、电子设备及存储介质。

本公开的一个实施例中，提供了一种路侧相机的偏离检测方法，方法包括：

获取路侧相机当前采集的待检测图像和预先在初始位姿下采集的基准图像；所述路侧相机预先在所述初始位姿下完成外参标定；所述待检测图像和所述基准图像中均包含固定的地理要素；

比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿。

本公开实施例中，路侧相机在初始位姿下完成外参标定，并在初始位姿下采集基准图像。此外，获取路侧相机实时采集的待检测图像。基准图像和待检测图像中均包含固定的地理要素，如果路侧相机未偏离初始位姿，那么基准图像和待检测图像中固定地理要素的相似度必然很高，因此，比对待检测图像和基准图像中固定的地理要素，即可推断出路侧相机是否偏离初始位姿。此外，可以自行定义路侧相机偏离初始位姿的程度，例如，考虑到误差，当偏离程度较小时，可以认为路侧相机偏离不会造成较大影响，或可以通过相关算法进行弥补；当偏离程度较大时，认为路侧相机的外参标定已完全不可用，即使通过算法也无法弥补。

可见，本公开实施例提供了一种简单、高效的路侧相机偏离检测方法，考虑了路侧相机偏离初始位姿的程度，可以有效的检测出路侧相机偏离初始位姿且达到一定的偏离程度，从而解决了相关技术中未考虑路侧相机偏离程度，一旦路侧相机偏离原始位姿较大，无法通过相关算法弥补，会导致路侧相机的障碍物感知持续出现较大误差的技术问题。

参见图1，图1为本公开实施例提供的路侧相机的偏离检测方法的一种流程示意图，如图1所示，方法可以包括：

S101：获取路侧相机当前采集的待检测图像和预先在初始位姿下采集的基准图像；路侧相机预先在初始位姿下完成外参标定；待检测图像和基准图像中均包含固定的地理要素。

本公开实施例中，路侧相机可以固定在路边的特定位置，例如路灯杆、红绿灯杆或自行安装的固定杆上，固定好之后，路侧相机的位姿记为初始位姿，基于初始位姿完成外参标定。

路侧感知的过程可以理解为：根据采集图像中障碍物的像素位置、外参标定参数，推算出障碍物在世界坐标系的真实位置。

本公开实施例中，路侧相机在初始位姿下采集基准图像，作为后续对比的基准参考图像，基准图像中包含固定的地理要素，例如车道线等。

此外，路侧相机每隔一定时间可以采集图像，作为待检测图像。

容易理解的，在路侧相机保持固定的情况下，实时采集的待检测图像也会包含与基准图像相同的固定的地理要素。

S102：比对待检测图像和基准图像中固定的地理要素，确定路侧相机是否偏离初始位姿且达到设定的偏离程度。

本公开实施例中，在路侧相机保持固定的情况下，从理论上将，待检测图像和基准图像中固定的地理要素在各自图像中的位置是相同，且地理要素也是完全相同的。考虑到系统误差，当待检测图像和基准图像中固定的地理要素的相似度较高时，可认为路侧相机未偏离初始位姿，或路侧相机偏离初始位姿的程度较小。

因此，作为一个示例，可以比对待检测图像和基准图像中固定的地理要素的相似度，若相似度低于设定的阈值，则认为路侧相机偏离初始位姿且达到设定的偏离程度。

本公开实施例中，路侧相机在初始位姿下完成外参标定，并在初始位姿下采集基准图像。此外，获取路侧相机实时采集的待检测图像。基准图像和待检测图像中均包含固定的地理要素，如果路侧相机未偏离初始位姿，那么基准图像和待检测图像中固定地理要素的相似度必然很高，因此，比对待检测图像和基准图像中固定的地理要素，即可推断出路侧相机是否偏离初始位姿。此外，可以自行定义路侧相机偏离初始位姿的程度，例如，考虑到误差，当偏离程度较小时，可以认为路侧相机偏离不会造成较大影响，或可以通过相关算法进行弥补；当偏离程度较大时，认为路侧相机的外参标定已完全不可用，即使通过算法也无法弥补。

可见，本公开实施例提供了一种简单、高效的路侧相机偏离检测方法，考虑了路侧相机偏离初始位姿的程度，可以有效的检测出路侧相机偏离初始位姿且达到一定的偏离程度，从而解决了相关技术中未考虑路侧相机偏离程度，一旦路侧相机偏离原始位姿较大，无法通过相关算法弥补，会导致路侧相机的障碍物感知持续出现较大误差的技术问题。

本公开的一个实施例中，上述步骤S102，具体可以包括以下细化步骤：

步骤11：截取基准图像中至少一个预设像素区域的第一区域图像；第一区域图像包含位于路面的地理要素、且不包含障碍物。

步骤12：截取待检测图像中至少一个预设像素区域的第二区域图像；第二区域图像包含位于路面的地理要素、且不包含障碍物。

具体的，可以通过人为方式在基准图像中选择特定区域，然后记录所选定的特定区域对应的图像像素区域。

其中，所选择的特定区域可以有多个，相应的，第一区域图像也可以有多个，为了便于后续比对，可以所选定的第一区域图像中包含位于地面的地理要素、且不包含障碍物。

相应的，基于上述图像像素区域，截取待检测图像，得到第二区域图像，第二区域图像中也包含位于路面的地理要素、且不包含障碍物。

作为一个示例，如果检测到待检测图像中第二区域内包含障碍物，障碍物遮挡住路面的地理要素，则将该待检测图像视为无效，不进行后续的比对。

参见图2，图2为本公开实施例提供的预先选定的像素区域的一种示意图，如图2所示，4个长方形框表示预先选定的像素区域对应的区域图像，每个区域图像都包含路面的地理要素，例如车道线，并且不包含障碍物。

步骤13：确定第一区域图像和第二区域图像的相似度，若相似度小于预设的相似度阈值，确定路侧相机偏离初始位姿且达到设定的偏离程度。

本公开实施例中，在截取第一区域图像和第二区域图像之后，可通过相关算法确定第一区域图像和第二区域图像的相似度，例如将二者输入图像相似度识别模型，得到相似度。

如果第一区域图像和第二区域图像分别有多个，可以分别比对相同像素区域对应的第一区域图像和第二区域图像，然后将相似度进行平均。

如果路侧相机偏离初始位姿且达到设定的偏离程度，那么预先设定的像素区域对应的区域图像必然发生较大变化，即相同像素区域对应的第一区域图像和第二区域图像的相似度会较低，因此，确定第一区域图像和第二区域图像的相似度，若相似度小于预设的相似度阈值，则确定路侧相机偏离初始位姿且达到设定的偏离程度。

可见，预先设定像素区域，相似区域对应的区域图像包含位于路面的地理要素且不包含障碍物，

从而可以摒弃图像中的干扰区域，只关注固定地理要素且不包含障碍物的区域，比对这些区域的相似度，即可判断路侧相机是否偏离初始位置且达到设定的偏离程度，更加精准、高效。

本公开的一个实施例中，针对所述待检测图像和所述基准图像，分别识别感兴趣图像区域，所述感兴趣图像区域对应所述路侧相机正对的道路区域；

相应的，比对所述待检测图像和所述基准图像中固定的地理要素的步骤，具体为：

比对所述待检测图像和所述基准图像的感兴趣图像区域内固定的地理要素。

具体的，为了进一步提高检测的精确度，在获取待检测图像和基准图像后，分别从中识别感兴趣图像区域，在后续比对时，仅关注感兴趣图像区域。

感兴趣图像区域对应路侧相机正对的道路区域。作为一个示例，以基准图像为例，采用相关技术识别基准图像的道路区域，识别出的道路区域可能有多处，进而根据道路区域在图像中的位置，确定感兴趣图像区域，也就是路侧相机正对的道路区域。

在针对待检测图像和基准图像进行比对时，考虑各自图像的感兴趣图像区域即可。由于感兴趣图像区域对应路侧相机正对的道路区域，因此路侧相机发生的抖动能够很好的反映到感兴趣图像区域。并且，感兴趣图像区域的图像几乎没有图像畸变，而感兴趣图像区域之外的其他区域，图像畸变较大，对路侧相机的抖动检测会造成负面影响。

下面举例进行说明。参见图3(a)-图3(d)，图3(a)为本申请实施例提供的基准图像的一种示意图，图3(b)为本申请实施例提供的感兴趣图像区域的一种正确示意图，图3(c)为本申请实施例提供的感兴趣图像区域的一种错误示意图，图3(d)为本申请实施例提供的感兴趣图像区域的另一种错误示意图。

具体的，图3(b)-图3(d)中高亮部分表示感兴趣图像区域，图3(b)中感兴趣图像区域即路侧相机正对的车道，是正确的示例，图3(c)和图3(d)均关注另一车道，并非路侧相机正对的车道，是错误的示例。

为了便于进一步理解，下面结合多种场景下采集的图像，对感兴趣图像区域进行进一步示意。

图4(a)和图4(b)示出了路侧相机俯视车道时所确定的感兴趣图像区域；图5(a)和图5(b)示出了路侧相机面向丁字路口时所确定的感兴趣图像区域；图6(a)和图6(b)示出了路侧相机半俯视车道时所确定的感兴趣图像区域；其中，高亮部分均表示感兴趣图像区域。

可见，本公开实施例中，针对待检测图像和基准图像，分别识别感兴趣图像区域，感兴趣图像区域对应路侧相机正对的道路区域，在针对待检测图像和基准图像进行比对时，考虑各自图像的感兴趣图像区域即可。由于感兴趣图像区域对应路侧相机正对的道路区域，因此路侧相机发生的抖动能够很好的反映到感兴趣图像区域。并且，感兴趣图像区域的图像几乎没有图像畸变，而感兴趣图像区域之外的其他区域，图像畸变较大，对路侧相机的抖动检测会造成负面影响。可见，仅关注感兴趣图像区域能够提升路侧相机抖动检测的准确性。

本公开的一个实施例中，基准图像和待检测图像均包含目标地理要素，相应的，上述步骤S102，具体可以包括以下细化步骤：

步骤21：基于目标地理要素在基准图像中的像素位置、预先标定的相机外参，推算目标地理要素的第一属性信息。

具体的，目标地理要素可以是预先选定的，例如车道线、交通指示牌等。

由于路侧相机在初始位姿下完成外参标定，因此，基于目标地理要素在基准图像中的像素位置、预先标定的相机外参，即可推算目标地理要素在世界坐标系下的位置信息，进一步可以确定各类属性信息，例如目标点的二维空间坐标或三维空间坐标等。

步骤22：基于目标地理要素在待检测图像中的像素位置、预先标定的相机外参，推算目标地理要素的第二属性信息。

相应的，对于待检测图像，采用同样的方式推算目标地理要素的各类属性信息。

步骤23：比对第一属性信息和第二属性信息，若第二属性信息与第一属性信息的偏差大于预设比例阈值，确定路侧相机偏离初始位姿且达到设定的偏离程度。

如果路侧相机保持固定，目标地理要素在基准图像和待检测图像中的像素位置不会发生变化，那么基于相机外参推算的目标地理要素的各类属性信息也会保持一致。

反之，如果路侧相机发生位姿偏离，目标地理要素在基准图像和待检测图像中的像素位置会发生变化，基于相机外参推算的目标地理要素的各类属性信息也会发生变化。

因此，比对第一属性信息和第二属性信息，若第二属性信息与第一属性信息的偏差大于预设比例阈值，则可以确定路侧相机偏离初始位姿且达到设定的偏离程度。

可见，本公开实施例中，基于目标地理要素在基准图像和待检测图像中的像素位置，分别推算目标地理要素的属性信息，然后比对属性信息，根据属性信息的偏差即可检测路侧相机是否偏离初始位姿且达到设定的偏离程度，检测过程精准、高效。

本公开的一个实施例中，当所述目标地理要素为二维地理要素，所述第一属性信息和所述第二属性信息可以包括：二维目标点的二维坐标和/或二维地理要素面积。

当所述目标地理要素为三维地理要素，所述第一属性信息和所述第二属性信息可以包括：三维目标点的三维坐标和/或三维地理要素体积。

具体的，当目标地理要素是二维地理要素，例如车道线，可以根据二维地理要素在图像中的像素位置、预先标定的相机外参，确定二维目标点的二维坐标，例如经纬度。

进一步的，结合多个二维目标点的二维坐标，可以推算出整个目标地理要素的面积。

如果基于基准图像推算的目标地理要素的面积、基于待检测图像推算的目标地理要素的面积之间的偏差大于预设比例阈值，即可确定路侧相机偏离初始位姿且达到设定的偏离程度。

当目标地理要素是三维地理要素，例如交通指示牌等，可以根据三维地理要素在图像中的像素位置、预先标定的相机外参，确定三维目标点的三维坐标，例如经纬度以及高程数据。

进一步的，结合多个三维目标点的三维坐标，可以推算出整个目标地理要素的体积。

如果基于基准图像推算的目标地理要素的体积、基于待检测图像推算的目标地理要素的体积之间的偏差大于预设比例阈值，即可确定路侧相机偏离初始位姿且达到设定的偏离程度。

可见，本公开实施例中，可以根据二维地理要素和/或三维地理要素来推算路侧相机是否偏离初始位姿且达到设定的偏离程度，并且，基于二维地理要素进行检测，重点考虑二维地理要素的面积的偏差，便于检测出位姿在水平方向的偏离；基于三维地理要素进行检测，重点考虑三维地理要素的体积的偏差，便于检测出位姿在俯仰方向的偏离。

本公开的一个实施例中，在确定路侧相机偏离初始位姿且达到设定的偏离程度之后，方法还可以包括：

根据连续多帧待检测图像与基准图像的比对结果，判断路侧相机是否持续偏离初始位姿，若是，生成提示信息，提示信息用户提示重新进行外参标定。

具体的，在某些环境下，例如风吹、或车辆经过时，路侧相机可能偏离初始位姿，但随后可自行恢复，这种情况不必重新进行外参标定。

因此，本公开的一个实施例中，可以用连续多帧的待检测图像分别与基准图像进行比对，根据比对结果，判断路侧相机是否持续偏离初始位姿。

如果连续多帧的检测结果都显示路侧相机偏离初始位姿，则可认为路侧相机持续偏离初始位姿，这种情况是无法自行恢复的，因此，生成提示信息，提示人工介入，固定路侧相机并重新进行外参标定。

可见，本公开实施例提供了一种简单、高效的路侧相机偏离检测方法，考虑了路侧相机偏离初始位姿的程度，可以有效的检测出路侧相机偏离初始位姿且达到一定的偏离程度，且可以判断路侧相机是否持续偏离初始位姿，若持续偏离初始位姿，判定该偏离程度较大且不可自行恢复，即无法通过相关算法弥补，进而生成提示信息，以促使相关人员尽快处理路侧相机的偏离问题。

从而解决了相关技术中未考虑路侧相机偏离程度，一旦路侧相机偏离原始位姿较大，无法通过相关算法弥补，会导致路侧相机的障碍物感知持续出现较大误差的技术问题。

参见图7，图7是用来实现本公开实施例的路侧相机的偏离检测方法的装置的框图，如图7所示，装置可以包括：

获取模块701，用于获取路侧相机当前采集的待检测图像和预先在初始位姿下采集的基准图像；所述路侧相机预先在所述初始位姿下完成外参标定；所述待检测图像和所述基准图像中均包含固定的地理要素；

比对模块702，用于比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿且达到设定的偏离程度。

本公开实施例中，路侧相机在初始位姿下完成外参标定，并在初始位姿下采集基准图像。此外，获取路侧相机实时采集的待检测图像。基准图像和待检测图像中均包含固定的地理要素，如果路侧相机未偏离初始位姿，那么基准图像和待检测图像中固定地理要素的相似度必然很高，因此，比对待检测图像和基准图像中固定的地理要素，即可推断出路侧相机是否偏离初始位姿。此外，可以自行定义路侧相机偏离初始位姿的程度，例如，考虑到误差，当偏离程度较小时，可以认为路侧相机偏离不会造成较大影响，或可以通过相关算法进行弥补；当偏离程度较大时，认为路侧相机的外参标定已完全不可用，即使通过算法也无法弥补。

可见，本公开实施例提供了一种简单、高效的路侧相机偏离检测方法，考虑了路侧相机偏离初始位姿的程度，可以有效的检测出路侧相机偏离初始位姿且达到一定的偏离程度，从而解决了相关技术中未考虑路侧相机偏离程度，一旦路侧相机偏离原始位姿较大，无法通过相关算法弥补，会导致路侧相机的障碍物感知持续出现较大误差的技术问题。

本公开的一个实施例中，所述比对模块，具体用于：

截取所述基准图像中至少一个预设像素区域的第一区域图像；所述第一区域图像包含位于路面的地理要素、且不包含障碍物；

截取所述待检测图像中至少一个所述预设像素区域的第二区域图像；所述第二区域图像包含位于路面的地理要素、且不包含障碍物；

确定所述第一区域图像和所述第二区域图像的相似度，若所述相似度小于预设的相似度阈值，确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度。

可见，预先设定像素区域，相似区域对应的区域图像包含位于路面的地理要素且不包含障碍物，

从而可以摒弃图像中的干扰区域，只关注固定地理要素且不包含障碍物的区域，比对这些区域的相似度，即可判断路侧相机是否偏离初始位置且达到设定的偏离程度，更加精准、高效。

本公开的一个实施例中，所述基准图像和所述待检测图像均包含目标地理要素，所述比对模块，具体用于：

基于所述目标地理要素在所述基准图像中的像素位置、预先标定的相机外参，推算所述目标地理要素的第一属性信息；

基于所述目标地理要素在所述待检测图像中的像素位置、预先标定的相机外参，推算所述目标地理要素的第二属性信息；

比对所述第一属性信息和所述第二属性信息，若所述第二属性信息与所述第一属性信息的偏差大于预设比例阈值，确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度。

可见，本公开实施例中，基于目标地理要素在基准图像和待检测图像中的像素位置，分别推算目标地理要素的属性信息，然后比对属性信息，根据属性信息的偏差即可检测路侧相机是否偏离初始位姿且达到设定的偏离程度，检测过程精准、高效。

本公开的一个实施例中，当所述目标地理要素为二维地理要素，所述第一属性信息和所述第二属性信息包括：

二维目标点的二维坐标和/或二维地理要素面积；

当所述目标地理要素为三维地理要素，所述第一属性信息和所述第二属性信息包括：

三维目标点的三维坐标和/或三维地理要素体积。

可见，本公开实施例中，可以根据二维地理要素和/或三维地理要素来推算路侧相机是否偏离初始位姿且达到设定的偏离程度，并且，基于二维地理要素进行检测，重点考虑二维地理要素的面积的偏差，便于检测出位姿在水平方向的偏离；基于三维地理要素进行检测，重点考虑三维地理要素的体积的偏差，便于检测出位姿在俯仰方向的偏离。

本公开的一个实施例中，在图7所示装置基础上，还包括：

判断模块，用于在确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度之后，根据连续多帧待检测图像与所述基准图像的比对结果，判断所述路侧相机是否持续偏离所述初始位姿；

提示模块，用于在所述判断模块的判断结果为是时，生成提示信息，所述提示信息用于提示重新进行外参标定。

可见，本公开实施例提供了一种简单、高效的路侧相机偏离检测方法，考虑了路侧相机偏离初始位姿的程度，可以有效的检测出路侧相机偏离初始位姿且达到一定的偏离程度，且可以判断路侧相机是否持续偏离初始位姿，若持续偏离初始位姿，判定该偏离程度较大且不可自行恢复，即无法通过相关算法弥补，进而生成提示信息，以促使相关人员尽快处理路侧相机的偏离问题。

从而解决了相关技术中未考虑路侧相机偏离程度，一旦路侧相机偏离原始位姿较大，无法通过相关算法弥补，会导致路侧相机的障碍物感知持续出现较大误差的技术问题。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

本公开提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行表格结构的还原方法。

本公开提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行表格结构的还原方法。

本公开提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现表格结构的还原方法。

图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如路侧相机的偏离检测方法。例如，在一些实施例中，路侧相机的偏离检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的路侧相机的偏离检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行路侧相机的偏离检测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (14)

1.一种路侧相机的偏离检测方法，包括：

获取路侧相机当前采集的待检测图像和预先在初始位姿下采集的基准图像；所述路侧相机预先在所述初始位姿下完成外参标定；所述待检测图像和所述基准图像中均包含固定的地理要素；

比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿且达到设定的偏离程度。

2.根据权利要求1所述的方法，其中，所述比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿且达到设定的偏离程度的步骤，包括：

截取所述基准图像中至少一个预设像素区域的第一区域图像；所述第一区域图像包含位于路面的地理要素、且不包含障碍物；

截取所述待检测图像中至少一个所述预设像素区域的第二区域图像；所述第二区域图像包含位于路面的地理要素、且不包含障碍物；

确定所述第一区域图像和所述第二区域图像的相似度，若所述相似度小于预设的相似度阈值，确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度。

3.根据权利要求1所述的方法，其中，所述基准图像和所述待检测图像均包含目标地理要素；所述比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿且达到设定的偏离程度的步骤，包括：

基于所述目标地理要素在所述基准图像中的像素位置、预先标定的相机外参，推算所述目标地理要素的第一属性信息；

基于所述目标地理要素在所述待检测图像中的像素位置、预先标定的相机外参，推算所述目标地理要素的第二属性信息；

比对所述第一属性信息和所述第二属性信息，若所述第二属性信息与所述第一属性信息的偏差大于预设比例阈值，确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度。

4.根据权利要求3所述的方法，其中，

当所述目标地理要素为二维地理要素，所述第一属性信息和所述第二属性信息包括：

二维目标点的二维坐标和/或二维地理要素面积；

当所述目标地理要素为三维地理要素，所述第一属性信息和所述第二属性信息包括：

三维目标点的三维坐标和/或三维地理要素体积。

5.根据权利要求1-4任一项所述的方法，在确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度之后，所述方法还包括：

根据连续多帧待检测图像与所述基准图像的比对结果，判断所述路侧相机是否持续偏离所述初始位姿；

若是，生成提示信息，所述提示信息用于提示重新进行外参标定。

6.根据权利要求1所述的方法，还包括：

针对所述待检测图像和所述基准图像，分别识别感兴趣图像区域，所述感兴趣图像区域对应所述路侧相机正对的道路区域；

所述比对所述待检测图像和所述基准图像中固定的地理要素的步骤，包括：

比对所述待检测图像和所述基准图像的感兴趣图像区域内固定的地理要素。

7.一种路侧相机的偏离检测装置，包括：

获取模块，用于获取路侧相机当前采集的待检测图像和预先在初始位姿下采集的基准图像；所述路侧相机预先在所述初始位姿下完成外参标定；所述待检测图像和所述基准图像中均包含固定的地理要素；

比对模块，用于比对所述待检测图像和所述基准图像中固定的地理要素，确定所述路侧相机是否偏离所述初始位姿且达到设定的偏离程度。

8.根据权利要求7所述的装置，其中，所述比对模块，具体用于：

截取所述基准图像中至少一个预设像素区域的第一区域图像；所述第一区域图像包含位于路面的地理要素、且不包含障碍物；

截取所述待检测图像中至少一个所述预设像素区域的第二区域图像；所述第二区域图像包含位于路面的地理要素、且不包含障碍物；

确定所述第一区域图像和所述第二区域图像的相似度，若所述相似度小于预设的相似度阈值，确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度。

9.根据权利要求7所述的装置，其中，所述基准图像和所述待检测图像均包含目标地理要素，所述比对模块，具体用于：

基于所述目标地理要素在所述基准图像中的像素位置、预先标定的相机外参，推算所述目标地理要素的第一属性信息；

基于所述目标地理要素在所述待检测图像中的像素位置、预先标定的相机外参，推算所述目标地理要素的第二属性信息；

比对所述第一属性信息和所述第二属性信息，若所述第二属性信息与所述第一属性信息的偏差大于预设比例阈值，确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度。

10.根据权利要求9所述的装置，其中，

当所述目标地理要素为二维地理要素，所述第一属性信息和所述第二属性信息包括：

二维目标点的二维坐标和/或二维地理要素面积；

当所述目标地理要素为三维地理要素，所述第一属性信息和所述第二属性信息包括：

三维目标点的三维坐标和/或三维地理要素体积。

11.根据权利要求7-10任一项所述的装置，还包括：

判断模块，用于在确定所述路侧相机偏离所述初始位姿且达到设定的偏离程度之后，根据连续多帧待检测图像与所述基准图像的比对结果，判断所述路侧相机是否持续偏离所述初始位姿；

提示模块，用于在所述判断模块的判断结果为是时，生成提示信息，所述提示信息用于提示重新进行外参标定。

12.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。

13.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。

14.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。

Images