CN116612194A - 一种位置关系确定方法、装置、设备及存储介质 - Google Patents
一种位置关系确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116612194A CN116612194A CN202310890959.6A CN202310890959A CN116612194A CN 116612194 A CN116612194 A CN 116612194A CN 202310890959 A CN202310890959 A CN 202310890959A CN 116612194 A CN116612194 A CN 116612194A
- Authority
- CN
- China
- Prior art keywords
- target
- determining
- drivable
- real
- interest
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000011218 segmentation Effects 0.000 claims abstract description 38
- 238000009499 grossing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
-
- 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
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种位置关系确定方法、装置、设备及存储介质，所述位置关系确定方法包括根据实时盲区图像的语义分割结果，确定可行驶区域，其中，所述实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄；获取所述实时盲区图像中至少一个目标的目标框；根据各所述目标框底边中线在所述可行驶区域内的占比，确定对应目标与所述可行驶区域的位置关系。本发明实施例提供的技术方案，仅采用目标框下底边中线在可行驶区域内的占比判断对应目标于可行驶区域的位置关系，需识别的像素点少，能够有效简化目标于可行驶区域位置关系的确定过程。
Description
技术领域
本发明实施例涉及辅助驾驶技术领域，尤其涉及一种位置关系确定方法、装置、设备及存储介质。
背景技术
在盲区监测领域，准确识别可行驶区域中的关注目标，例如人或骑手，能够有效避免事故发生。
现在有技术中通常采用识别目标框在可行驶区域内的整体占比确定目标和可行驶区域的位置关系，但这种方式需监测的像素点数量较多，导致识别耗时量大。
发明内容
本发明提供一种位置关系确定方法、装置、设备及存储介质，用于简化目标于可行驶区域位置关系的确定过程。
第一方面，本发明实施例提供了一种目标与可行驶区域的位置关系确定方法，包括：
根据实时盲区图像的语义分割结果，确定可行驶区域，其中，所述实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄；
获取所述实时盲区图像中至少一个目标的目标框；
根据各所述目标框底边中线在所述可行驶区域内的占比，确定对应目标与所述可行驶区域的位置关系。
可选的，所述根据实时盲区图像的语义分割结果，确定可行驶区域包括：
获取所述实时盲区图像的语义分割结果；
对所述语义分割结果进行从左至右的横向扫描；
未扫描到关注目标，或者，扫描到关注目标，且其右侧为马路时，确定路沿或障碍物边缘为所述可行驶区域的边界；
扫描到关注目标，且其右侧不是马路时，确定所述关注目标的左边界为所述可行驶区域的边界；
其中，所述关注目标为人。
可选的，所述对所述语义分割结果进行从左至右的横向扫描包括：
对所述语义分割结果中N行像素点进行从左至右的横向扫描，其中，N行像素中相邻行间隔1行或多行像素点设置，N为大于1的整数。
可选的，所述确定对应目标与所述可行驶区域的位置关系之后，还包括：
判断连续M个图像中的K个图像内，同一目标均在可行驶区域内，则确定该目标在可行驶区域内。
可选的，所述根据实时盲区图像的语义分割结果，确定可行驶区域包括：
根据实时盲区图像的语义分割结果，确定可行驶区域的边界；
对所述边界进行平滑处理。
可选的，所述关注目标为一个行人或骑手，或者，为两个以上在所述实时盲区图像中有交叠区域的行人或骑手。
第二方面，本发明实施例还提供了一种目标与可行驶区域的位置关系确定装置，包括：
区域确定模块，用于根据实时盲区图像的语义分割结果，确定可行驶区域，其中，所述实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄；
目标框获取模块，用于获取所述实时盲区图像中至少一个目标的目标框；
关系确定模块，用于根据各所述目标框底边中线在所述可行驶区域内的占比，确定对应目标与所述可行驶区域的位置关系。
可选的，所述区域确定模块包括：
结果获取单元，用于获取所述实时盲区图像的语义分割结果；
结果扫描单元，用于对所述语义分割结果进行从左至右的横向扫描；
第一边界确定单元，用于在未扫描到关注目标，或者，扫描到关注目标，且其右侧为马路时，确定路沿或障碍物边缘为所述可行驶区域的边界；
第二边界确定单元，用于在扫描到关注目标，且其右侧不是马路时，确定所述关注目标的左边界为所述可行驶区域的边界；
其中，所述关注目标为人。
第三方面，本发明实施例还提供了一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的目标与可行驶区域的位置关系确定方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的目标与可行驶区域的位置关系确定方法。
本发明实施例提供的技术方案，通过根据实时盲区图像的语义分割结果，确定可行驶区域，其中，所述实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄；获取所述实时盲区图像中至少一个目标的目标框；根据各所述目标框底边中线在所述可行驶区域内的占比，确定对应目标与所述可行驶区域的位置关系。实现了仅采用目标框下底边中线在可行驶区域内的占比判断对应目标于可行驶区域的位置关系，需识别的像素点少，能够有效简化目标于可行驶区域位置关系的确定过程。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明实施例提供的一种目标与可行驶区域的位置关系确定方法的流程示意图；
图2是本发明实施例提供的一种可行使区域的确定方法的流程示意图；
图3是本发明实施例提供的一种目标与可行驶区域的位置关系确定装置的结构示意图；
图4为本发明实施例提供的一种设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
在本发明的描述中，除非另有说明，“/”表示“或”的意思，例如，A/B可以表示A或B。本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。此外，“至少一个”“多个”是指两个或两个以上。“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
在本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念，便于理解。
此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是可选的还包括其他没有列出的步骤或模块，或可选的还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图通过具体实施例来进行说明。
如图1所示，目标与可行驶区域的位置关系确定方法包括如下：
步骤11、根据实时盲区图像的语义分割结果，确定可行驶区域，其中，实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄。
具体的，车辆可以为商用车，盲区视像头用于实时拍摄商用车右侧盲区情况。
语义分割结果能够在像素点级别区分不同类型的目标，从而在基于语义分割结果确定可行驶区域边界时，能够精确到目标边缘。
可选的，根据实时盲区图像的语义分割结果，确定可行驶区域包括：
根据实时盲区图像的语义分割结果，确定可行驶区域的边界；
对边界进行平滑处理。
需要说明的是，对识别到的边界进行平滑处理能够减少由于奇异点产生的误报，提高边界的准确性。
步骤12、获取实时盲区图像中至少一个目标的目标框。
需要说明的是，获取的至少一个目标框为当前帧图像中所有目标的目标框。
步骤13、根据各目标框底边中线在可行驶区域内的占比，确定对应目标与可行驶区域的位置关系。
其中，目标框底边为图像中矩形目标框靠近地面的边，可选的，中线的长度一般为对应目标框高度的1/3或1/4。
可以理解的是，底边中线在可行驶区域中的占比越大，目标框在可行使区域内的概率越大。
进一步的，图2是本发明实施例提供的一种可行使区域的确定方法的流程示意图。如图2所示，根据实时盲区图像的语义分割结果，确定可行驶区域可以包括如下：
步骤21、获取实时盲区图像的语义分割结果。
步骤22、对语义分割结果进行从左至右的横向扫描。
其中，对语义分割结果进行从左至右的横向扫描可以包括：对语义分割结果中N行像素点进行从左至右的横向扫描，其中，N行像素中相邻行间隔1行或多行像素点设置，N为大于1的整数。
采用如上扫描方式能够减少扫描的像素点量，加快扫描速度，相邻被扫描像素行的相邻点通过线段连接。
在本实施例的其他实施方式中，也可以采用逐行扫描的方式进行，本实施例对此不做具体限定。
步骤23、未扫描到关注目标，或者，扫描到关注目标，且其右侧为马路时，确定路沿或障碍物边缘为可行驶区域的边界。
需要说明的是，从左侧扫描到关注目标，且其右侧为马路时，说明关注目标在马路上，如此可沿用常规检测方式获得的可行驶区域的边界，可以理解的时，对于关注目标与可行驶区域边界相交的情况，可行驶区域的边界穿过关注目标，维持其原有形态。
对于未扫描到关注目标的情况，说明马路上没有关注目标，同样沿用常规检测方式获得可行驶区域的边界即可。
可以理解的是，从左向右扫描图像时，扫描到关注目标的左边界像素点说明已扫描到关注目标，继续向右扫描，出现非关注目标像素点时，说明已出现关注目标右侧的其他区域，判断该像素点的属性为马路时，既判断关注目标的右侧为马路，否则，为非马路。
步骤24、扫描到关注目标，且其右侧不是马路时，确定关注目标的左边界为可行驶区域的边界，其中，关注目标为人。
可选的，关注目标为一个行人或骑手，或者，为两个以上在实时盲区图像中有交叠区域的行人或骑手。即对于有交叠的目标，此时作为一个整体目标处理即可，处理方式与一个普通目标的处理方式相同。
需要说明的时，扫描到关注目标，且其右侧不是马路，说明目标在马路边沿上，一般不属于具有被碰撞风险的目标，因此，该情况下将关注目标靠近马路的边缘作为可行驶区域的边界，以将该目标排除在可行驶区域外，避免误识别问题发生。
示例性的，确定对应目标与可行驶区域的位置关系之后，还包括：
判断连续M个图像中的K个图像内，同一目标均在可行驶区域内，则确定该目标在可行驶区域内。
可以理解的时，短时间内拍摄的图像中，目标与可行使区域的位置关系相同，说明该位置关系的可行度更高，给出的位置关系结果更准确。示例性的，M可以为3，K可以为2，本实施例对此不做具体限定，可根据实际需要进行选择。
图3是本发明实施例提供的一种目标与可行驶区域的位置关系确定装置的结构示意图。如图3所示，目标与可行驶区域的位置关系确定装置具体可以包括如下：
区域确定模块31，用于根据实时盲区图像的语义分割结果，确定可行驶区域，其中，实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄；
目标框获取模块32，用于获取实时盲区图像中至少一个目标的目标框；
关系确定模块33，用于根据各目标框底边中线在可行驶区域内的占比，确定对应目标与可行驶区域的位置关系。
在本实施例中，区域确定模块可以包括：
结果获取单元，用于获取实时盲区图像的语义分割结果；
结果扫描单元，用于对语义分割结果进行从左至右的横向扫描；
第一边界确定单元，用于在未扫描到关注目标，或者，扫描到关注目标，且其右侧为马路时，确定路沿或障碍物边缘为可行驶区域的边界；
第二边界确定单元，用于在扫描到关注目标，且其右侧不是马路时，确定关注目标的左边界为可行驶区域的边界；
其中，关注目标为人。
在本实施例中，结果扫描单元可以包括：
像素点扫描子单元，用于对语义分割结果中N行像素点进行从左至右的横向扫描，其中，N行像素中相邻行间隔1行或多行像素点设置，N为大于1的整数。
在本实施例中，目标与可行驶区域的位置关系确定装置还可以包括：
连续判断模块，用于在确定对应目标与可行驶区域的位置关系之后，判断连续M个图像中的K个图像内，同一目标均在可行驶区域内，则确定该目标在可行驶区域内。
在本实施例中，区域确定模块31可以包括：
第三边界确定单元，用于根据实时盲区图像的语义分割结果，确定可行驶区域的边界；
边界平滑单元，用于对边界进行平滑处理。
图4为本发明实施例提供的一种设备的结构示意图。如图4所示，该设备包括处理器40、存储器41、输入装置42和输出装置43；设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的一种目标与可行驶区域的位置关系确定方法对应的程序指令/模块（例如，一种目标与可行驶区域的位置关系确定装置包括的区域确定模块31、目标框获取模块32和关系确定模块33）。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的目标与可行驶区域的位置关系确定方法。
存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种目标与可行驶区域的位置关系确定方法，该方法包括：
根据实时盲区图像的语义分割结果，确定可行驶区域，其中，实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄；
获取实时盲区图像中至少一个目标的目标框；
根据各目标框底边中线在可行驶区域内的占比，确定对应目标与可行驶区域的位置关系。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的目标与可行驶区域的位置关系确定方法中的相关操作.
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（Read-Only Memory, ROM）、随机存取存储器（RandomAccess Memory, RAM）、闪存（FLASH）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例的方法。
值得注意的是，上述目标与可行驶区域的位置关系确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种目标与可行驶区域的位置关系确定方法，其特征在于，包括：
根据实时盲区图像的语义分割结果，确定可行驶区域，其中，所述实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄；
获取所述实时盲区图像中至少一个目标的目标框；
根据各所述目标框底边中线在所述可行驶区域内的占比，确定对应目标与所述可行驶区域的位置关系。
2.根据权利要求1所述的位置关系确定方法，其特征在于，所述根据实时盲区图像的语义分割结果，确定可行驶区域包括：
获取所述实时盲区图像的语义分割结果；
对所述语义分割结果进行从左至右的横向扫描；
未扫描到关注目标，或者，扫描到关注目标，且其右侧为马路时，确定路沿或障碍物边缘为所述可行驶区域的边界；
扫描到关注目标，且其右侧不是马路时，确定所述关注目标的左边界为所述可行驶区域的边界；
其中，所述关注目标为人。
3.根据权利要求2所述的位置关系确定方法，其特征在于，所述对所述语义分割结果进行从左至右的横向扫描包括：
对所述语义分割结果中N行像素点进行从左至右的横向扫描，其中，N行像素中相邻行间隔1行或多行像素点设置，N为大于1的整数。
4.根据权利要求1所述的位置关系确定方法，其特征在于，所述确定对应目标与所述可行驶区域的位置关系之后，还包括：
判断连续M个图像中的K个图像内，同一目标均在可行驶区域内，则确定该目标在可行驶区域内。
5.根据权利要求1所述的位置关系确定方法，其特征在于，所述根据实时盲区图像的语义分割结果，确定可行驶区域包括：
根据实时盲区图像的语义分割结果，确定可行驶区域的边界；
对所述边界进行平滑处理。
6.根据权利要求2所述的位置关系确定方法，其特征在于，所述关注目标为一个行人或骑手，或者，为两个以上在所述实时盲区图像中有交叠区域的行人或骑手。
7.一种目标与可行驶区域的位置关系确定装置，其特征在于，包括：
区域确定模块，用于根据实时盲区图像的语义分割结果，确定可行驶区域，其中，所述实时盲区图像由安装于车辆右后侧，且朝向右前侧取景的盲区摄像头拍摄；
目标框获取模块，用于获取所述实时盲区图像中至少一个目标的目标框；
关系确定模块，用于根据各所述目标框底边中线在所述可行驶区域内的占比，确定对应目标与所述可行驶区域的位置关系。
8.根据权利要求7所述的位置关系确定装置，其特征在于，所述区域确定模块包括：
结果获取单元，用于获取所述实时盲区图像的语义分割结果；
结果扫描单元，用于对所述语义分割结果进行从左至右的横向扫描；
第一边界确定单元，用于在未扫描到关注目标，或者，扫描到关注目标，且其右侧为马路时，确定路沿或障碍物边缘为所述可行驶区域的边界；
第二边界确定单元，用于在扫描到关注目标，且其右侧不是马路时，确定所述关注目标的左边界为所述可行驶区域的边界；
其中，所述关注目标为人。
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的目标与可行驶区域的位置关系确定方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的目标与可行驶区域的位置关系确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310890959.6A CN116612194B (zh) | 2023-07-20 | 2023-07-20 | 一种位置关系确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310890959.6A CN116612194B (zh) | 2023-07-20 | 2023-07-20 | 一种位置关系确定方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116612194A true CN116612194A (zh) | 2023-08-18 |
| CN116612194B CN116612194B (zh) | 2023-10-20 |
Family
ID=87684010
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310890959.6A Active CN116612194B (zh) | 2023-07-20 | 2023-07-20 | 一种位置关系确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116612194B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111666921A (zh) * | 2020-06-30 | 2020-09-15 | 腾讯科技（深圳）有限公司 | 车辆控制方法、装置、计算机设备和计算机可读存储介质 |
| CN112149460A (zh) * | 2019-06-27 | 2020-12-29 | 华为技术有限公司 | 一种障碍物检测方法及装置 |
| CN113706608A (zh) * | 2021-08-20 | 2021-11-26 | 云往(上海)智能科技有限公司 | 一种预定区域内目标物的位姿检测装置、方法和电子设备 |
| CN113887457A (zh) * | 2021-10-11 | 2022-01-04 | 杭州鸿泉物联网技术股份有限公司 | 盲区行人检测方法及系统 |
| CN114092913A (zh) * | 2021-11-24 | 2022-02-25 | 上海安亭地平线智能交通技术有限公司 | 车道线的确定方法和装置、电子设备和存储介质 |
| CN114241443A (zh) * | 2021-12-17 | 2022-03-25 | 上海高德威智能交通系统有限公司 | 一种盲区预警方法、装置、电子设备以及存储介质 |
| CN114332823A (zh) * | 2022-01-31 | 2022-04-12 | 重庆长安汽车股份有限公司 | 基于语义分割的可行驶区域检测方法 |
| CN114743179A (zh) * | 2022-04-21 | 2022-07-12 | 重庆长安汽车股份有限公司 | 一种基于语义分割的周视可行驶区域检测方法 |
-
2023
- 2023-07-20 CN CN202310890959.6A patent/CN116612194B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149460A (zh) * | 2019-06-27 | 2020-12-29 | 华为技术有限公司 | 一种障碍物检测方法及装置 |
| CN111666921A (zh) * | 2020-06-30 | 2020-09-15 | 腾讯科技（深圳）有限公司 | 车辆控制方法、装置、计算机设备和计算机可读存储介质 |
| CN113706608A (zh) * | 2021-08-20 | 2021-11-26 | 云往(上海)智能科技有限公司 | 一种预定区域内目标物的位姿检测装置、方法和电子设备 |
| CN113887457A (zh) * | 2021-10-11 | 2022-01-04 | 杭州鸿泉物联网技术股份有限公司 | 盲区行人检测方法及系统 |
| CN114092913A (zh) * | 2021-11-24 | 2022-02-25 | 上海安亭地平线智能交通技术有限公司 | 车道线的确定方法和装置、电子设备和存储介质 |
| CN114241443A (zh) * | 2021-12-17 | 2022-03-25 | 上海高德威智能交通系统有限公司 | 一种盲区预警方法、装置、电子设备以及存储介质 |
| CN114332823A (zh) * | 2022-01-31 | 2022-04-12 | 重庆长安汽车股份有限公司 | 基于语义分割的可行驶区域检测方法 |
| CN114743179A (zh) * | 2022-04-21 | 2022-07-12 | 重庆长安汽车股份有限公司 | 一种基于语义分割的周视可行驶区域检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116612194B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9836657B2 (en) | System and method for periodic lane marker identification and tracking | |
| US9846823B2 (en) | Traffic lane boundary line extraction apparatus and method of extracting traffic lane boundary line | |
| EP3229172A1 (en) | Driver assistance system with variable image resolution | |
| JP2008168811A (ja) | 車線認識装置、車両、車線認識方法、及び車線認識プログラム | |
| WO2020154990A1 (zh) | 目标物体运动状态检测方法、设备及存储介质 | |
| CN107798688B (zh) | 运动目标识别方法、预警方法以及汽车防追尾预警装置 | |
| US9747507B2 (en) | Ground plane detection | |
| JP2009048629A (ja) | 検出方法 | |
| CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
| JP2016224585A (ja) | 路面標示検出装置、障害要素検出装置、車線検出装置、車線検出方法及びプログラム | |
| CN111931745B (zh) | 车辆检测方法、装置、电子设备及存储介质 | |
| CN113569812A (zh) | 未知障碍物的识别方法、装置和电子设备 | |
| CN116612194B (zh) | 一种位置关系确定方法、装置、设备及存储介质 | |
| JP2010271969A (ja) | 車線検出装置 | |
| CN116363628A (zh) | 标志检测方法、装置、非易失性存储介质及计算机设备 | |
| US9183448B2 (en) | Approaching-object detector, approaching object detecting method, and recording medium storing its program | |
| CN115965636A (zh) | 车辆侧面图的生成方法、装置及终端设备 | |
| JP5493705B2 (ja) | 車両位置検出装置、車両位置検出方法、及び車両位置検出プログラム | |
| CN115797880A (zh) | 驾驶行为的确定方法、装置、存储介质及电子装置 | |
| CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
| JP7359541B2 (ja) | 画像処理装置および画像処理方法 | |
| CN109409247B (zh) | 交通标志识别方法和装置 | |
| CN111950501A (zh) | 障碍物检测方法、装置以及电子设备 | |
| CN112215213A (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
| JP2021152826A (ja) | 情報処理装置、被写体分類方法、及び被写体分類プログラム |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |