CN116503489A - 相机标定文件自诊断方法、装置和电子设备、存储介质 - Google Patents
相机标定文件自诊断方法、装置和电子设备、存储介质 Download PDFInfo
- Publication number
- CN116503489A CN116503489A CN202310483131.9A CN202310483131A CN116503489A CN 116503489 A CN116503489 A CN 116503489A CN 202310483131 A CN202310483131 A CN 202310483131A CN 116503489 A CN116503489 A CN 116503489A
- Authority
- CN
- China
- Prior art keywords
- lane
- camera calibration
- calibration file
- width
- lane line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000005070 sampling Methods 0.000 claims description 36
- 238000009826 distribution Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000002405 diagnostic procedure Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本申请公开了一种相机标定文件自诊断方法、装置和电子设备、存储介质。所述方法包括:获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果;根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值;根据所述车道的宽度计算值确定所述相机标定文件是否可用。本申请的技术方案利用车道宽度确定不变的特点判断当前的相机标定文件是否可用,可以在相机角度被调整或者相机标定文件出错等情况下及时发现问题。
Description
技术领域
本申请涉及智慧交通技术领域,尤其涉及一种相机标定文件自诊断方法、装置和电子设备、存储介质。
背景技术
路侧感知系统通常需要用到图像和真实世界之间的坐标变换关系,以便根据图像检测目标的像素位置得到该目标在真实世界的位置,从而利用真实世界的位置对目标进行轨迹预测,根据目标的预测轨迹辅助智慧交通系统的道路监控。
相机的标定文件用于保存图像和真实世界之间的坐标变换关系,例如csv格式的标定文件以索引的方式记录了图像中每个像素位置对应的经纬度信息。在构建好每个相机的标定文件之后,建立标定文件与相机的关联关系。但实际应用中,路侧相机数量较多,可能在标定环节出错,例如在相机标定完成后,相机的安装角度被调整或发生变化,或者不同相机的标定文件混淆,或者标定出错等情况都会导致目标在真实世界的位置发生极大偏差,因此有必要对每个相机的标定文件进行可用性检测。
发明内容
基于现有技术中存在的上述问题,本申请实施例提供了一种相机标定文件自诊断方法、装置和电子设备、存储介质,以快速检测相机标定文件是否可用。
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相机标定文件自诊断方法,所述方法包括:
获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果;
根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值;
根据所述车道的宽度计算值确定所述相机标定文件是否可用。
可选地,所述根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值,包括:
根据所述车道线检测结果获取属于同一车道的相邻两条车道线;
在所述相邻两条车道线上确定目标点对,并根据所述相机标定文件获取所述目标点对对应的地理位置;
根据所述目标点对对应的地理位置获取所述车道的宽度计算值。
可选地,所述根据所述车道线检测结果获取属于同一车道的相邻两条车道线,包括:
获取所述相机对应的局部高精地图;
根据所述局部高精地图中的车道线分布情况从所述车道线检测结果中确定相邻两条车道线是否属于同一车道;
若相邻两条车道线同为来向车道线或同为去向车道线,则相邻两条车道线属于同一车道。
可选地,所述在所述相邻两条车道线上确定目标点对,包括:
对所述相邻两条车道线进行等间隔采样,获得所述相邻两条车道线的采样点;
通过在所述相邻两条车道线上确定相对距离最近的至少一组采样点对获取至少一组所述目标点对。
可选地,通过下述步骤在所述相邻两条车道线上确定相对距离最近的至少一组采样点对:
在所述相邻两条车道线的直线部分确定相对距离最近的至少一组采样点对。
可选地,所述根据所述车道的宽度计算值确定所述相机标定文件是否可用,包括:
获取所述车道的宽度参考值;
确定所述车道的宽度参考值和所述宽度计算值之间的宽度偏差;
确定所述宽度偏差是否大于偏差阈值,若大于,则所述相机标定文件不可用,否则所述相机标定文件可用。
可选地,所述获取所述车道的宽度参考值,包括:
根据所述目标点对对应的地理位置从所述局部高精地图中获取所述地理位置处的路段宽度;
将所述路段宽度作为所述车道的宽度参考值。
第二方面,本申请实施例还提供一种相机标定文件自诊断装置,所述装置包括:
获取单元,用于获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果;
计算单元,用于根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值;
诊断单元,用于根据所述车道的宽度计算值确定所述相机标定文件是否可用。
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相机标定文件自诊断方法。
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相机标定文件自诊断方法。
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:本申请实施例首先获取相机拍摄的车道线图像和车道线图像中的车道线检测结果,然后根据相机标定文件和车道线检测结果能够计算出车道的宽度计算值,最后根据车道的宽度计算值能够确定相机标定文件是否可用。本申请实施例利用车道宽度确定不变的特点判断当前的相机标定文件是否可用,可以在相机角度被调整或者相机标定文件出错等情况下及时发现问题。
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为本申请实施例中示出的一种相机标定文件自诊断方法流程图;
图2为本申请实施例中示出的一种相机标定文件自诊断装置的结构示意图;
图3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。
本申请实施例提供的相机标定文件自诊断方法的执行主体可以是路侧设备(例如路侧相机或路侧计算设备)、服务器或者云控平台。本申请实施例的相机标定文件自诊断方法的执行主体可以是软件或硬件。
请参考图1,图1以执行主体为路侧设备为例,对本申请实施例提供的一种相机标定文件自诊断方法进行介绍。如图1所示,本申请实施例提供的一种相机标定文件自诊断方法可以包括以下步骤S110至步骤S130:
步骤S110,获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果。
相机标定文件用于保存相机的标定参数,相机的标定参数用于指示图像像素坐标与世界坐标之间的转换关系,一般情况下,相机的标定参数包括内部参数和外部参数,内部参数简称为内参K,包括焦距、成像主点坐标和畸变参数;外部参数简称为外参Tcw,包括旋转矩阵和平移向量。其中基于内参K可以得到图像像素坐标和相机坐标之间的转换关系,基于外参Tcw可以得到相机坐标和世界坐标之间的转换关系。
相机标定文件可以保存在相机本地,也可以保存在路侧设备、服务器和/或云控平台上等。本实施例的路侧设备可以从上述保存位置获取相机标定文件。
在获取车道线图像时,可以采集相机拍摄的多帧图像,根据图像清晰度、图像中车道线的遮挡情况对多帧图像进行筛选。较佳地,选取清晰度高、车道线无遮挡的图像作为车道线图像。通过前期的图像筛选,选取合适的车道线图像,能够提高车道的宽度计算值的准确度。
本实施例可以根据车道线检测模型对车道线图像进行车道线检测,获得车道线检测结果,车道线检测模型可以是通过训练神经网络得到的用于检测车道线的模型,当然也可以霍夫变换、图像分割算法等方法从所述车道线图像中获得车道线检测结果,本申请实施例不限定车道线检测的具体算法,本领域技术人员可以选择合适算法进行检测。
步骤S120,根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值。
本实施例根据车道检测结果可以获取属于同一车道的两条车道线,根据相机标定文件中的标定参数可以获取这两条车道线之间的横向物理距离,进而根据这两条车道线之间的横向物理距离获取车道的宽度计算值。
步骤S130,根据所述车道的宽度计算值确定所述相机标定文件是否可用。
每一条车道的车道宽度理论上都是确定不变的,因此可以根据车道的宽度计算值判断相机标定文件是否可用,例如当该车道的宽度计算值与该车道的宽度参考值接近时,说明相机标定文件可用;当该车道的宽度计算值与该车道的跨度参考值有较大偏差时,说明相机标定文件不可用。
如此,路侧设备可以按照上述步骤对相机标定文件进行自诊断,在实际应用中,路侧设备可以基于诊断命令启动相机标定文件的自诊断步骤,可以根据设定的诊断周期对相机标定文件进行周期性的自诊断检测,以便于在相机标定文件不可用时能够及时发现问题。
如图1所示的相机标定文件自诊断方法可知,本实施例首先获取相机拍摄的车道线图像和车道线图像中的车道线检测结果,然后根据相机标定文件和车道线检测结果能够计算出车道的宽度计算值,最后根据车道的宽度计算值能够确定相机标定文件是否可用。本实施例利用车道宽度确定不变的特点判断当前的相机标定文件是否可用,可以在相机角度被调整或者相机标定文件出错等情况下及时发现问题。
在本申请的一些实施例中,据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值,包括:
根据所述车道线检测结果获取属于同一车道的相邻两条车道线;
在所述相邻两条车道线上确定目标点对,并根据所述相机标定文件获取所述目标点对对应的地理位置;
根据所述目标点对对应的地理位置获取所述车道的宽度计算值。
在实际应用中,一些相机能够同时拍摄到来向车道和去向车道,而在一些交通场景中,相邻的来向车道和去向车道没有共用一条车道线,例如在来向车道和去向车道之间存在绿化带、隔离栏等情况下,此时位于绿化带、隔离栏两侧的车道线并不属于同一车道。
针对上述情况,在本实施例的一些可能实现方案中,可以通过下述步骤从车道线检测结果中获取属于同一车道的相邻两条车道线:
获取所述相机对应的局部高精地图;
根据所述局部高精地图中的车道线分布情况从所述车道线检测结果中确定相邻两条车道线是否属于同一车道;
若相邻两条车道线同为来向车道线或同为去向车道线,则相邻两条车道线属于同一车道。
本申请实施例中的高精地图(high definition map,HD Map),可以来源于为车辆驾驶设计的高精地图,尤其是为无人驾驶车辆设计的高精地图。高精地图可以包含道路信息、交叉路口信息、交通信号信息和车道规则信息等用于车辆导航的元素信息。其中道路信息立体包括路面的几何结构、车道线类型(实线/虚线,单线/双线)、车道线颜色(白色、黄色)以及每个车道的数据属性(例如宽度、坡度、曲率、航向、高程等)等。
本实施例可以根据相机所在的地理位置确定出局部高精地图,从局部高精地图中确定出相机视野内的车道线分布情况,例如根据局部高精地图中确定出的车道线分布情况是:相机视野内从左到右共计四条车道线,第一条车道线和第二车道线对应第一车道,第二条车道线和第三车道线对应第二车道,第四条车道对应第三车道。如此,可以根据车道线分布情况确定车道线检测结果中属于同一车道的相邻两条车道线,避免误将不属于同一车道的相邻两条车道线的横向物理距离作为车道的宽度计算值。
在本实施例的另一些可能实现方案中,可以通过下述步骤在相邻两条车道线上确定目标点对:
对所述相邻两条车道线进行等间隔采样,获得所述相邻两条车道线的采样点;
通过在所述相邻两条车道线上确定相对距离最近的至少一组采样点对获取至少一组所述目标点对。
例如,某一车道的相邻两条车道线分别为车道线A与车道线B,对车道线A与B进行等间隔采样,间隔例如为N像素行,N为大于1的正整数,如此得到车道线A与车道线B一系列采样点。在车道线A上选择采样点a,在车道线B上选择采样点b,采样点a,b为一组目标点对。其中采样点a与b的选择过程是:
选择车道线A的某个采样点a,由于相机安装朝向与车道的通行方向是基本一致的,因此,可以依据采样点a所在的列从车道线B的采样点中确定采样点b,例如从车道线B的采样点中确定与采样点a所在列的距离最近的采样点b。
为保证车道的宽度计算值的精度,可以根据车道线的直线部分的横向物理距离获取车道的宽度计算值,例如在相邻两条车道线的直线部分确定相对距离最近的采样点对。当检测到的车道线为曲线车道线时,可以在相邻两条车道线的曲率较小的部分确定相对距离较近的采样点对。
在实际应用中,可以在相邻两条车道线上确定处多组采样点对,基于这多组采样点对的横向物理距离的均值获取车道的宽度计算值,以避免计算误差的影响。
在其他可能实现方案中,也可以根据垂线法在相邻两条车道线上确定相对距离最近的采样点对,例如,在车道线A的直线部分选择至少一个采样点,从该采样点向车道线B做垂线,获取所述垂线与车道线B的交点对应的采样点,如此可以得到一组目标点对。当然本领域技术人员也可以采样其他方法从相邻两条车道线上确定相对距离最近的采样点对,本申请实施例不予限定。
在得到目标点对在图像中的位置(也即得到目标点对的像素坐标)后,根据相机标定文件可以获得目标点对对应的地理位置,根据目标点对对应的地理位置就能够计算出该车道的宽度计算值。
在本申请的一些实施例中,根据所述车道的宽度计算值确定所述相机标定文件是否可用,包括:
获取所述车道的宽度参考值;
确定所述车道的宽度参考值和所述宽度计算值之间的宽度偏差;
确定所述宽度偏差是否大于偏差阈值,若大于,则所述相机标定文件不可用,否则所述相机标定文件可用。
在一些交通场景中,同一车道不同路段处的车道宽度可能是不同的,针对这一情况,在本实施例的一些可能实现方案中,所述获取所述车道的宽度参考值,包括:
根据所述目标点对对应的地理位置从所述局部高精地图中获取所述地理位置处的路段宽度,将所述路段宽度作为所述车道的宽度参考值。
本方案基于目标点对的地理位置从高精地图中获取该路段处的路段宽度,以解决路段宽度不同导致误诊断相机标定文件不可用的问题。
在本申请的另一些实施例中,也可以根据交通场景获取车道的宽度参考值,例如在城市道路场景下,可以将车道标准值(3.5米)作为宽度参考值。
基于本申请上述实施例提供的相机标定文件自诊断方法,可以及时诊断出不可用的相机标定文件,在诊断出相机标定文件不可用时,可以生成标定提醒,以便于管理人员快速定位需要重新标定的相机。
本申请实施例还提供了一种相机标定文件自诊断装置200,如图2所示,提供了本申请实施例中一种相机标定文件自诊断装置的结构示意图,相机标定文件自诊断装置200包括:获取单元210、计算单元220和诊断单元230,其中:
获取单元210,用于获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果;
计算单元220,用于根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值;
诊断单元230,用于根据所述车道的宽度计算值确定所述相机标定文件是否可用。
在本申请的一个实施例中,计算单元220,用于根据所述车道线检测结果获取属于同一车道的相邻两条车道线;在所述相邻两条车道线上确定目标点对,并根据所述相机标定文件获取所述目标点对对应的地理位置;根据所述目标点对对应的地理位置获取所述车道的宽度计算值。
在本申请的一个实施例中,计算单元220,还用于获取所述相机对应的局部高精地图;根据所述局部高精地图中的车道线分布情况从所述车道线检测结果中确定相邻两条车道线是否属于同一车道;若相邻两条车道线同为来向车道线或同为去向车道线,则相邻两条车道线属于同一车道。
在本申请的一个实施例中,计算单元220,还用于对所述相邻两条车道线进行等间隔采样,获得所述相邻两条车道线的采样点;通过在所述相邻两条车道线上确定相对距离最近的至少一组采样点对获取至少一组所述目标点对。
在本申请的一个实施例中,计算单元220,还用于在所述相邻两条车道线的直线部分确定相对距离最近的至少一组采样点对。
在本申请的一个实施例中,诊断单元230,用于获取所述车道的宽度参考值;确定所述车道的宽度参考值和所述宽度计算值之间的宽度偏差;确定所述宽度偏差是否大于偏差阈值,若大于,则所述相机标定文件不可用,否则所述相机标定文件可用。
在本申请的一个实施例中,诊断单元230,用于根据所述目标点对对应的地理位置从所述局部高精地图中获取所述地理位置处的路段宽度;将所述路段宽度作为所述车道的宽度参考值。
能够理解,上述相机标定文件自诊断装置,能够实现前述实施例中提供的相机标定文件自诊断方法的各个步骤,关于相机标定文件自诊断方法的相关阐释均适用于相机标定文件自诊断装置,此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3,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-Access Memory,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(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3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。
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,在逻辑层面上形成相机标定文件自诊断装置。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:
获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果;
根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值;
根据所述车道的宽度计算值确定所述相机标定文件是否可用。
上述如本申请图1所示实施例揭示的相机标定文件自诊断装置执行的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 ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,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相机标定文件自诊断方法的步骤。
该电子设备还可执行图1中相机标定文件自诊断装置执行的方法,并实现相机标定文件自诊断装置在图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所示实施例中相机标定文件自诊断装置执行的方法,并具体用于执行以下操作:
获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果;
根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值;
根据所述车道的宽度计算值确定所述相机标定文件是否可用。
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 (10)
1.一种相机标定文件自诊断方法,其特征在于,所述方法包括:
获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果;
根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值;
根据所述车道的宽度计算值确定所述相机标定文件是否可用。
2.如权利要求1所述的相机标定文件自诊断方法,其特征在于,所述根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值,包括:
根据所述车道线检测结果获取属于同一车道的相邻两条车道线;
在所述相邻两条车道线上确定目标点对,并根据所述相机标定文件获取所述目标点对对应的地理位置;
根据所述目标点对对应的地理位置获取所述车道的宽度计算值。
3.如权利要求2所述的相机标定文件自诊断方法,其特征在于,所述根据所述车道线检测结果获取属于同一车道的相邻两条车道线,包括:
获取所述相机对应的局部高精地图;
根据所述局部高精地图中的车道线分布情况从所述车道线检测结果中确定相邻两条车道线是否属于同一车道;
若相邻两条车道线同为来向车道线或同为去向车道线,则相邻两条车道线属于同一车道。
4.如权利要求2所述的相机标定文件自诊断方法,其特征在于,所述在所述相邻两条车道线上确定目标点对,包括:
对所述相邻两条车道线进行等间隔采样,获得所述相邻两条车道线的采样点;
通过在所述相邻两条车道线上确定相对距离最近的至少一组采样点对获取至少一组所述目标点对。
5.如权利要求4所述的相机标定文件自诊断方法,其特征在于,通过下述步骤在所述相邻两条车道线上确定相对距离最近的至少一组采样点对:
在所述相邻两条车道线的直线部分确定相对距离最近的至少一组采样点对。
6.如权利要求3所述的相机标定文件自诊断方法,其特征在于,所述根据所述车道的宽度计算值确定所述相机标定文件是否可用,包括:
获取所述车道的宽度参考值;
确定所述车道的宽度参考值和所述宽度计算值之间的宽度偏差;
确定所述宽度偏差是否大于偏差阈值,若大于,则所述相机标定文件不可用,否则所述相机标定文件可用。
7.如权利要求6所述的相机标定文件自诊断方法,其特征在于,所述获取所述车道的宽度参考值,包括:
根据所述目标点对对应的地理位置从所述局部高精地图中获取所述地理位置处的路段宽度;
将所述路段宽度作为所述车道的宽度参考值。
8.一种相机标定文件自诊断装置,其特征在于,所述装置包括:
获取单元,用于获取相机标定文件以及相机拍摄的车道线图像和所述车道线图像中的车道线检测结果;
计算单元,用于根据所述相机标定文件和所述车道线检测结果获取车道的宽度计算值;
诊断单元,用于根据所述车道的宽度计算值确定所述相机标定文件是否可用。
9.一种电子设备,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如权利要求1~7任一项所述的相机标定文件自诊断方法。
10.一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权利要求1~7任一项所述的相机标定文件自诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310483131.9A CN116503489A (zh) | 2023-04-28 | 2023-04-28 | 相机标定文件自诊断方法、装置和电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310483131.9A CN116503489A (zh) | 2023-04-28 | 2023-04-28 | 相机标定文件自诊断方法、装置和电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116503489A true CN116503489A (zh) | 2023-07-28 |
Family
ID=87319832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310483131.9A Pending CN116503489A (zh) | 2023-04-28 | 2023-04-28 | 相机标定文件自诊断方法、装置和电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116503489A (zh) |
-
2023
- 2023-04-28 CN CN202310483131.9A patent/CN116503489A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3709281B1 (en) | Vehicle track prediction method and device, storage medium and terminal device | |
CN110287828B (zh) | 信号灯的检测方法、装置及电子设备 | |
JP7119197B2 (ja) | 車線属性検出 | |
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 | |
CN115755097A (zh) | 天气情况检测方法、装置、设备及存储介质 | |
CN113012215A (zh) | 一种空间定位的方法、系统及设备 | |
CN116863124B (zh) | 车辆姿态确定方法、控制器及存储介质 | |
CN113284194A (zh) | 多rs设备的标定方法、装置及设备 | |
CN116740680A (zh) | 一种车辆定位方法、装置及电子设备 | |
CN116164763A (zh) | 目标航向角确定方法、装置及电子设备、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 | |
US20240011792A1 (en) | Method and apparatus for updating confidence of high-precision map | |
CN112836572B (zh) | 公路交通施工巡检方法及系统 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN113147746A (zh) | 坡道车位的探测方法及装置 | |
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 | |
CN116168087A (zh) | 路侧相机标定结果的验证方法、装置及电子设备 | |
CN116256780B (zh) | 高架桥区域的车辆定位方法、装置及电子设备、存储介质 | |
CN116994179A (zh) | 一种目标跟踪方法、装置和电子设备 | |
CN114754778B (zh) | 一种车辆定位方法以及装置、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 | |
CN116580090A (zh) | 一种初始航向角确定方法、装置和电子设备 | |
CN116129383A (zh) | 一种可行驶区域检测方法、装置和电子设备、存储介质 | |
CN115731523A (zh) | 车辆定位方法及装置、电子设备、存储介质 | |
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 |