CN116691694A - 车位信息生成方法、装置、电子设备和计算机可读介质 - Google Patents
车位信息生成方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN116691694A CN116691694A CN202310620586.0A CN202310620586A CN116691694A CN 116691694 A CN116691694 A CN 116691694A CN 202310620586 A CN202310620586 A CN 202310620586A CN 116691694 A CN116691694 A CN 116691694A
- Authority
- CN
- China
- Prior art keywords
- parking space
- corner
- sequence set
- coordinate
- coordinate sequence
- 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 46
- 239000011159 matrix material Substances 0.000 claims abstract description 100
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 238000005457 optimization Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000004807 localization Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000452 restraining effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
Abstract
本公开的实施例公开了车位信息生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合;获取相机外参矩阵和与上述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列;构建坐标重投影综合误差方程;构建车位角点结构误差约束方程组;对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合;将上述当前车辆定位位姿矩阵和上述优化后车位角点坐标序列组集合确定为车位信息。该实施方式可以生成的车位信息的准确度。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及车位信息生成方法、装置、电子设备和计算机可读介质。
背景技术
车位信息的生成对自动泊车具有至关重要的作用。目前,在进行车位信息生成时,通常采用的方式为:通过激光雷达辅助生成车位信息、或利用先验车位尺寸进行车位位置估计、再或者利用多视图之前的约束生成车位信息等方式单独对某一车位进行识别得到车位信息。
然而,发明人发现,当采用上述方式进行车位信息生成时,经常会存在如下技术问题:
未考虑车位高度结构化的特性,即车位往往是矩形或平行四边形的,且相邻车位之间并列排列的,而针对单个车位生成的车位信息,会导致车位之间难以保持这种结构化的特性,使得生成的车位信息存在重叠、空隙等情况,从而,导致生成的车位信息的准确度降低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了车位信息生成方法、装置、电子设备和计算机可读介质,来解决以上背景技术部分提到的技术问题。
第一方面,本公开的一些实施例提供了一种车位信息生成方法,该方法包括:对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合;获取相机外参矩阵和与上述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列;基于上述车位角点坐标序列组集合、上述角点检测协方差矩阵序列组集合、上述当前车辆定位位姿矩阵序列和上述相机外参矩阵,构建坐标重投影综合误差方程;基于上述车位角点坐标序列组集合,构建车位角点结构误差约束方程组;基于上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合;将上述当前车辆定位位姿矩阵和上述优化后车位角点坐标序列组集合确定为车位信息。
第二方面,本公开的一些实施例提供了一种车位信息生成装置,该装置包括:角点检测单元,被配置成对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合;获取单元,被配置成获取相机外参矩阵和与上述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列;第一构建单元,被配置成基于上述车位角点坐标序列组集合、上述角点检测协方差矩阵序列组集合、上述当前车辆定位位姿矩阵序列和上述相机外参矩阵,构建坐标重投影综合误差方程;第二构建单元,被配置成基于上述车位角点坐标序列组集合,构建车位角点结构误差约束方程组;优化处理单元,被配置成基于上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合;确定单元,被配置成将上述当前车辆定位位姿矩阵和上述优化后车位角点坐标序列组集合确定为车位信息。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车位信息生成方法,可以提高生成的车位信息的准确度。具体来说,造成生成的车位信息的准确度降低的原因在于:未考虑车位高度结构化的特性,即车位往往是矩形或平行四边形的,且相邻车位之间并列排列的,而针对单个车位生成的车位信息,会导致车位之间难以保持这种结构化的特性,使得生成的车位信息存在重叠、空隙等情况。基于此,本公开的一些实施例的车位信息生成方法,首先,对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合。然后,获取相机外参矩阵和与上述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列。之后,基于上述车位角点坐标序列组集合、上述角点检测协方差矩阵序列组集合、上述当前车辆定位位姿矩阵序列和上述相机外参矩阵,构建坐标重投影综合误差方程,通过构建坐标重投影综合误差方程,可以便于在坐标投影方面,对检测到的车位角点坐标进行约束。接着,基于上述车位角点坐标序列组集合,构建车位角点结构误差约束方程组。通过构建车位角点结构误差方程组,可以用于在优化过程中,加入车位的结构化特性的约束,使得不同车位之间的车位角点坐标也可以保持车位的结构化特性。以此避免生成的车位信息存在重叠、空隙等情况。而后,基于上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合。通过优化处理,使得优化后车位角点坐标序列组集合中的各个优化后车位角点坐标在车位结构上具备车位结构化的特性。最后,将上述当前车辆定位位姿矩阵和上述优化后车位角点坐标序列组集合确定为车位信息。从而,可以提高生成的车位信息的准确度。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的车位信息生成方法的一些实施例的流程图;
图2是根据本公开的车位信息生成装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的车位信息生成方法的一些实施例的流程100。该车位信息生成方法,包括以下步骤:
步骤101,对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合。
在一些实施例中,车位信息生成方法的执行主体可以对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合。其中,车位图像序列中的各个车位图像可以是当前车辆拍摄的连续帧车位图像。其次,可以通过预设的车位检测算法,对车位图像进行角点检测以生成车位角点坐标序列组。车位角点坐标可以是车位图像中车位角点位置的坐标。这里,可以从每个车位图像中检测到至少一个车位。每个车位可以对应一个车位角点坐标序列。每个车位图像可以对应一个车位角点坐标序列组。车位角点坐标可以是处于图像坐标系中的二维坐标。另外,车位检测算法在检测生成车位角点坐标时,还会输出对应每个车位角点坐标的交点检测协方差矩阵。车位角点坐标协方差矩阵可以用于表征车位检测算在检测生成车位角点坐标时的检测误差。
作为示例,车位检测算法可以包括但不限于以下至少一项:FCN(FullyConvolutional Networks,全卷机神经网络)模型、Resnet(Residual Network,残差神经网络)模型、VGG(Visual Geometry Group Network,卷积神经网络)模型和GoogLeNet(深度神经网络)模型等。
步骤102,获取相机外参矩阵和与车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列。
在一些实施例中,上述执行主体可以通过有线方式或无线方式获取相机外参矩阵和与上述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列。其中,车位图像对应不同的帧,即对应不同的时刻。因此,当前车辆定位位姿矩阵序列中的各个当前车辆定位位姿矩阵可以对应连续帧的各个车位图像。当前车辆定位位姿矩阵可以用于表征某一时刻当前车辆的位置姿态。其次,相机外参矩阵可以是相机坐标系与车体坐标系之间的转换矩阵。另外,当前车辆定位位姿矩阵可以是车体相对于地图坐标系的位姿矩阵。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤103,基于车位角点坐标序列组集合、角点检测协方差矩阵序列组集合、当前车辆定位位姿矩阵序列和相机外参矩阵,构建坐标重投影综合误差方程。
在一些实施例中,上述执行主体可以基于上述车位角点坐标序列组集合、上述角点检测协方差矩阵序列组集合、上述当前车辆定位位姿矩阵序列和上述相机外参矩阵,构建坐标重投影综合误差方程。
在一些实施例中的一些可选的实现方式中,上述车位角点坐标序列集中的每个车位角点坐标序列可以包括对应车位左前位置、车位右前位置、车位左后位置和车位右后位置的四个车位角点坐标。以及上述执行主体基于上述车位角点坐标序列组集合、上述角点检测协方差矩阵序列组集合、上述当前车辆定位位姿矩阵序列和上述相机外参矩阵,构建坐标重投影综合误差方程,可以包括以下步骤:
第一步,构建与上述车位角点坐标序列组集合中各个车位角点坐标序列中四个车位角点坐标对应的坐标重投影误差方程组。其中,车位左前位置、车位右前位置、车位左后位置和车位右后位置可以是车位角点坐标的位置。构建的坐标重投影误差方程组中可以包括四个坐标重投影误差方程。每个坐标重投影误差方程可以对应车位上的一个角点位置,以用于对车位角点坐序列组集合中各个车位角点坐标序列中对应该位置的车位角点坐标进行投影误差约束。
构建的坐标重投影误差方程组可以如以下公式所示:
其中,e表示车位角点坐标的重投影误差值。f表示前方。b表示后方。l表示左方。r表示右方。n、k表示序号。efl,n,k表示上述车位角点坐标序列组集合中第k个车位角点坐标序列组中第n个车位角点坐标序列中对应车位左前位置的车位角点坐标的重投影误差值。T1表示相机外参矩阵。T2,k表示上述当前车辆定位位姿矩阵序列中对应第k个车位角点坐标序列的当前车辆定位位姿。p表示车位角点坐标。m表示地图坐标系。pfl,n表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n个车位角点坐标序列中对应车位左前位置的车位角点坐标、在地图坐标系中的坐标。pfl,n,k表示上述车位角点坐标序列组集合中第k个车位角点坐标序列组中第n个车位角点坐标序列中对应车位左前位置的车位角点坐标。∑fl,n,k表示上述角点检测协方差矩阵序列组集合中对应第k个车位角点坐标序列组中第n个车位角点坐标序列中车位左前位置车位角点坐标的角点检测协方差矩阵。efr,n,k表示上述车位角点坐标序列组集合中第k个车位角点坐标序列组中第n个车位角点坐标序列中对应车位右前位置的车位角点坐标的重投影误差值。mpfr,n表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n个车位角点坐标序列中对应车位右前位置的车位角点坐标、在地图坐标系中的坐标。pfr,n,k表示表示上述车位角点坐标序列组集合中第k个车位角点坐标序列组中第n个车位角点坐标序列中对应车位右前位置的车位角点坐标。Σfr,n,k表示上述角点检测协方差矩阵序列组集合中对应第k个车位角点坐标序列组中第n个车位角点坐标序列中车位右前位置车位角点坐标的角点检测协方差矩阵。ebl,n,k表示上述车位角点坐标序列组集合中第k个车位角点坐标序列组中第n个车位角点坐标序列中对应车位左后位置的车位角点坐标的重投影误差值。mpbl,n表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n个车位角点坐标序列中对应车位左后位置的车位角点坐标、在地图坐标系中的坐标。pbl,n,k表示表示上述车位角点坐标序列组集合中第k个车位角点坐标序列组中第n个车位角点坐标序列中对应车位左后位置的车位角点坐标。Σbl,n,k表示上述角点检测协方差矩阵序列组集合中对应第k个车位角点坐标序列组中第n个车位角点坐标序列中车位左后位置车位角点坐标的角点检测协方差矩阵。ebr,n,k表示上述车位角点坐标序列组集合中第k个车位角点坐标序列组中第n个车位角点坐标序列中对应车位右后位置的车位角点坐标的重投影误差值。mpbr,n表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n个车位角点坐标序列中对应车位右后位置的车位角点坐标、在地图坐标系中的坐标。pbr,n,k表示表示上述车位角点坐标序列组集合中第k个车位角点坐标序列组中第n个车位角点坐标序列中对应车位右后位置的车位角点坐标。Σbr,n,k表示上述角点检测协方差矩阵序列组集合中对应第k个车位角点坐标序列组中第n个车位角点坐标序列中车位右后位置车位角点坐标的角点检测协方差矩阵。||||∑表示马氏距离。表示预设的投影函数,用于将括号内相机坐标系中的坐标投影至图像坐标系中。
第二步,基于上述坐标重投影误差方程组,构建坐标重投影综合误差方程。其中,可以联立坐标重投影误差方程组中各个坐标重投影误差方程,得到坐标重投影综合误差方程。其次,坐标重投影综合误差方程可以如以下所示:
其中,e1表示重投影综合误差方程的误差值。
步骤104,基于车位角点坐标序列组集合,构建车位角点结构误差约束方程组。
在一些实施例中,上述执行主体可以基于上述车位角点坐标序列组集合,构建车位角点结构误差约束方程组。其中,车位角点结构误差约束方程组中的车位角点结构误差约束方程可以用于约束各个车位为的结构化特征。
在一些实施例中的一些可选的实现方式中,上述执行主体基于上述车位角点坐标序列组集合,构建车位角点结构误差约束方程组,可以包括以下步骤:
第一步,构建与上述车位角点坐标序列组集合中各个车位角点坐标序列中的四个车位角点坐标对应的平行四边形误差方程,作为第一角点结构约束方程。其中,可以将车位四个角点坐标中相邻两个角点坐标的差值确定车位为平行四边形的结构化约束,以供构建第一角点约束方程。其次,第一角点约束方程可以如以下公式所示:
其中,e2表示第一角点约束方程的误差值。A、B用于缩短公式长度。
第二步,构建与上述车位角点坐标序列组集合中各个车位角点坐标序列中的四个车位角点坐标对应的车位平行约束误差方程,作为第二角点结构约束方程。其中,可以将相邻车位之间相邻边的两个车位角点坐标的差值作为同一区域内车位之间并行排列的结构化约束,以构建第二角点结构约束方程。这里,第二角点约束方程可以如以下公式所示:
其中,efl表示对应车位左前位置的车位角点坐标的误差值。efr表示对应车位右前位置的车位角点坐标的误差值。ebl表示对应车位左后位置的车位角点坐标的误差值。ebr表示对应车位右后位置的车位角点坐标的误差值。mpfl,n+1表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n+1个车位角点坐标序列中对应车位左前位置的车位角点坐标、在地图坐标系中的坐标。这里,n+1表示与第n个车位相邻的车位上对应的同一车位角点位置的车位角点坐标的序号。相同的,n+2表示与第n+1个车位相邻的另一个车位上对应同一车位角点位置的车位角点坐标的序号。mpfl,n+2表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n+2个车位角点坐标序列中对应车位左前位置的车位角点坐标、在地图坐标系中的坐标。mpfr,n+1表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n+1个车位角点坐标序列中对应车位右前位置的车位角点坐标、在地图坐标系中的坐标。mpfr,n+2表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n+2个车位角点坐标序列中对应车位右前位置的车位角点坐标、在地图坐标系中的坐标。mpbl,n+1表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n+1个车位角点坐标序列中对应车位左后位置的车位角点坐标、在地图坐标系中的坐标。mpbl,n+2表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n+2个车位角点坐标序列中对应车位左后位置的车位角点坐标、在地图坐标系中的坐标。mpbr,n+1表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n+1个车位角点坐标序列中对应车位右后位置的车位角点坐标、在地图坐标系中的坐标。mpbr,n+2表示上述车位角点坐标序列组集合中车位角点坐标序列组中第n+2个车位角点坐标序列中对应车位右后位置的车位角点坐标、在地图坐标系中的坐标。e3表示第二角点结构约束方程的误差值。
实践中,若某一车位无相邻车位,则可以无需通过第二角点结构约束方程进行约束。若某一车位有一个或多个相邻车位,则可以根据对应的车位坐标通过第二角点结构约束方程进行约束。
第三步,构建与上述车位角点坐标序列组集合中各个车位角点坐标序列中的四个车位角点坐标对应的相邻车位角点位置约束方程,作为第三角点结构约束方程。其中,可以通过相邻的车位之间的对应相邻车位角点坐标的结构化约束,构建第三角点结构约束方程。这里,第三角点结构约束方程可以如以下公式所示:
其中,e4表示第三角点机构约束方程的误差值。
第四步,将上述第一角点结构约束方程、上述第二角点结构约束方程和上述第三角点结构约束方程组合为车位角点结构误差约束方程组。
步骤105,基于坐标重投影综合误差方程和车位角点结构误差约束方程组,对车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合。
在一些实施例中,上述执行主体可以基于上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合。
在一些实施例中的一些可选的实现方式中,上述执行主体基于上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合,可以包括以下步骤:
第一步,对上述车位角点坐标序列组集合中的车位角点坐标进行筛选处理,得到筛选后角点坐标序列组集合。其中,由于遮挡等原因,使得角点检测过程中存在某些帧未检测到角点坐标。因此,筛选处理可以是将车位角点坐标序列组集合中满足预设条件的车位角点坐标序列组删除。预设条件可以是车位角点坐标序列组中存在大于目标数量个车位角点坐标序列中的车位角点坐标为空。
第二步,利用上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述筛选后角点坐标序列组集合进行优化处理,以生成优化后车位角点坐标序列组集合。其中,可以通过以下公式进行优化处理:
其中,λ1、λ2、λ3、λ4表示预设误差系数。表示上述优化后车位角点坐标序列组集合中各个优化后车位角点坐标序列组中、第n个优化后车位角点坐标序列中对应车位左前位置的优化后车位角点坐标、在地图坐标系中的坐标。/>表示上述优化后车位角点坐标序列组集合中各个优化后车位角点坐标序列组中、第n个优化后车位角点坐标序列中对应车位右前位置的优化后车位角点坐标、在地图坐标系中的坐标。/>表示上述优化后车位角点坐标序列组集合中各个优化后车位角点坐标序列组中、第n个优化后车位角点坐标序列中对应车位左后位置的优化后车位角点坐标、在地图坐标系中的坐标。表示上述优化后车位角点坐标序列组集合中各个优化后车位角点坐标序列组中、第n个优化后车位角点坐标序列中对应车位右后位置的优化后车位角点坐标、在地图坐标系中的坐标。M用于缩短公式长度。
上述各个公式及其相关内容作为本公开的实施例的一个发明点,可以进一步解决背景技术提及的技术问题“未考虑车位高度结构化的特性,即车位往往是矩形或平行四边形的,且相邻车位之间并列排列的,而针对单个车位生成的车位信息,会导致车位之间难以保持这种结构化的特性,使得生成的车位信息存在重叠、空隙等情况,从而导致生成的车位信息的准确度降低”。为了进一步解决上述技术问题,本公开的一些实施例的车位信息生成方法,首先,通过构建坐标重投影误差方程组,可以用于在车位角点坐标优化过程中,极大的减小坐标投影误差。然后,通过构建第一角点结构约束方程,可以用于表征对每个车位是平行四边形的结构化约束特征。之后,通过构建第二角点结构约束方程,可以用于约束同一区域内各个车位之间为并行排列的位置关系。而后,通过构建第三角点结构约束方程,可以用于约束相邻车位的公共角点处于相同位置的约束。从而,通过上述约束方程,在优化处理过程中车位角点坐标之间可以结合车位的高度结构化特性,使得生成的车位信息避免出现重叠、空隙等情况。进而,可以进一步提高生成的车位信息的准确度。
步骤106,将当前车辆定位位姿矩阵和优化后车位角点坐标序列组集合确定为车位信息。
在一些实施例中,上述执行主体可以将上述当前车辆定位位姿矩阵和上述优化后车位角点坐标序列组集合确定为车位信息。
可选的,上述执行主体还可以执行以下步骤:
第一步,将上述车位信息中的优化后车位角点坐标序列组集合添加至上述车位图像中,得到添加后车位图像。其中,添加可以是将优化后车位角点坐标从地图坐标系转换至车位图像的图像坐标系中。
第二步,将上述添加后车位图像发送至显示终端以供显示。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的车位信息生成方法,可以提高生成的车位信息的准确度。具体来说,造成生成的车位信息的准确度降低的原因在于:未考虑车位高度结构化的特性,即车位往往是矩形或平行四边形的,且相邻车位之间并列排列的,而针对单个车位生成的车位信息,会导致车位之间难以保持这种结构化的特性,使得生成的车位信息存在重叠、空隙等情况。基于此,本公开的一些实施例的车位信息生成方法,首先,对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合。然后,获取相机外参矩阵和与上述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列。之后,基于上述车位角点坐标序列组集合、上述角点检测协方差矩阵序列组集合、上述当前车辆定位位姿矩阵序列和上述相机外参矩阵,构建坐标重投影综合误差方程,通过构建坐标重投影综合误差方程,可以便于在坐标投影方面,对检测到的车位角点坐标进行约束。接着,基于上述车位角点坐标序列组集合,构建车位角点结构误差约束方程组。通过构建车位角点结构误差方程组,可以用于在优化过程中,加入车位的结构化特性的约束,使得不同车位之间的车位角点坐标也可以保持车位的结构化特性。以此避免生成的车位信息存在重叠、空隙等情况。而后,基于上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合。通过优化处理,使得优化后车位角点坐标序列组集合中的各个优化后车位角点坐标在车位结构上具备车位结构化的特性。最后,将上述当前车辆定位位姿矩阵和上述优化后车位角点坐标序列组集合确定为车位信息。从而,可以提高生成的车位信息的准确度。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种障碍物信息生成装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的障碍物信息生成装置200包括:角点检测单元201、获取单元202、第一构建单元203、第二构建单元204、优化处理单元205和确定单元206。其中,角点检测单元201,被配置成对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合;获取单元202,被配置成获取相机外参矩阵和与上述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列;第一构建单元203,被配置成基于上述车位角点坐标序列组集合、上述角点检测协方差矩阵序列组集合、上述当前车辆定位位姿矩阵序列和上述相机外参矩阵,构建坐标重投影综合误差方程;第二构建单元204,被配置成基于上述车位角点坐标序列组集合,构建车位角点结构误差约束方程组;优化处理单元205,被配置成基于上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合;确定单元206,被配置成将上述当前车辆定位位姿矩阵和上述优化后车位角点坐标序列组集合确定为车位信息。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置301(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合;获取相机外参矩阵和与上述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列;基于上述车位角点坐标序列组集合、上述角点检测协方差矩阵序列组集合、上述当前车辆定位位姿矩阵序列和上述相机外参矩阵,构建坐标重投影综合误差方程;基于上述车位角点坐标序列组集合,构建车位角点结构误差约束方程组;基于上述坐标重投影综合误差方程和上述车位角点结构误差约束方程组,对上述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合;将上述当前车辆定位位姿矩阵和上述优化后车位角点坐标序列组集合确定为车位信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括角点检测单元、获取单元、第一构建单元、第二构建单元、优化处理单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取相机外参矩阵和与车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种车位信息生成方法,包括:
对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合;
获取相机外参矩阵和与所述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列;
基于所述车位角点坐标序列组集合、所述角点检测协方差矩阵序列组集合、所述当前车辆定位位姿矩阵序列和所述相机外参矩阵,构建坐标重投影综合误差方程;
基于所述车位角点坐标序列组集合,构建车位角点结构误差约束方程组;
基于所述坐标重投影综合误差方程和所述车位角点结构误差约束方程组,对所述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合;
将所述当前车辆定位位姿矩阵和所述优化后车位角点坐标序列组集合确定为车位信息。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述车位信息中的优化后车位角点坐标序列组集合添加至所述车位图像中,得到添加后车位图像;
将所述添加后车位图像发送至显示终端以供显示。
3.根据权利要求1所述的方法,其中,所述车位角点坐标序列集中的每个车位角点坐标序列包括对应车位左前位置、车位右前位置、车位左后位置和车位右后位置的四个车位角点坐标;以及
所述基于所述车位角点坐标序列组集合、所述角点检测协方差矩阵序列组集合、所述当前车辆定位位姿矩阵序列和所述相机外参矩阵,构建坐标重投影综合误差方程,包括:
构建与所述车位角点坐标序列组集合中各个车位角点坐标序列中四个车位角点坐标对应的坐标重投影误差方程组;
基于所述坐标重投影误差方程组,构建坐标重投影综合误差方程。
4.根据权利要求3所述的方法,其中,所述基于所述车位角点坐标序列组集合,构建车位角点结构误差约束方程组,包括:
构建与所述车位角点坐标序列组集合中各个车位角点坐标序列中的四个车位角点坐标对应的平行四边形误差方程,作为第一角点结构约束方程;
构建与所述车位角点坐标序列组集合中各个车位角点坐标序列中的四个车位角点坐标对应的车位平行约束误差方程,作为第二角点结构约束方程;
构建与所述车位角点坐标序列组集合中各个车位角点坐标序列中的四个车位角点坐标对应的相邻车位角点位置约束方程,作为第三角点结构约束方程;
将所述第一角点结构约束方程、所述第二角点结构约束方程和所述第三角点结构约束方程组合为车位角点结构误差约束方程组。
5.根据权利要求1所述的方法,其中,所述基于所述坐标重投影综合误差方程和所述车位角点结构误差约束方程组,对所述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合,包括:
对所述车位角点坐标序列组集合中的车位角点坐标进行筛选处理,得到筛选后角点坐标序列组集合;
利用所述坐标重投影综合误差方程和所述车位角点结构误差约束方程组,对所述筛选后角点坐标序列组集合进行优化处理,以生成优化后车位角点坐标序列组集合。
6.一种车位信息生成装置,包括:
角点检测单元,被配置成对获取到的车位图像序列中的每个车位图像进行角点检测以生成车位角点坐标序列组,得到车位角点坐标序列组集合和对应的角点检测协方差矩阵序列组集合;
获取单元,被配置成获取相机外参矩阵和与所述车位图像序列中的各个车位图像对应的当前车辆定位位姿矩阵序列;
第一构建单元,被配置成基于所述车位角点坐标序列组集合、所述角点检测协方差矩阵序列组集合、所述当前车辆定位位姿矩阵序列和所述相机外参矩阵,构建坐标重投影综合误差方程;
第二构建单元,被配置成基于所述车位角点坐标序列组集合,构建车位角点结构误差约束方程组;
优化处理单元,被配置成基于所述坐标重投影综合误差方程和所述车位角点结构误差约束方程组,对所述车位角点坐标序列组集合中的各个车位角点坐标进行优化处理,得到优化后车位角点坐标序列组集合;
确定单元,被配置成将所述当前车辆定位位姿矩阵和所述优化后车位角点坐标序列组集合确定为车位信息。
7.根据权利要求6所述的一种车位信息生成装置,其中,所述第一构建单元被进一步配置成:
构建与所述车位角点坐标序列集中各个车位角点坐标序列中四个车位角点坐标对应的坐标重投影误差方程组;
基于所述坐标重投影误差方程组,构建坐标重投影综合误差方程。
8.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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1-5中任一所述的方法。
9.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620586.0A CN116691694A (zh) | 2023-05-29 | 2023-05-29 | 车位信息生成方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310620586.0A CN116691694A (zh) | 2023-05-29 | 2023-05-29 | 车位信息生成方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116691694A true CN116691694A (zh) | 2023-09-05 |
Family
ID=87830466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310620586.0A Pending CN116691694A (zh) | 2023-05-29 | 2023-05-29 | 车位信息生成方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116691694A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10755571B1 (en) * | 2019-03-01 | 2020-08-25 | Amazon Technologies, Inc. | Identifying parking location using single camera reverse projection |
WO2022148348A1 (zh) * | 2021-01-05 | 2022-07-14 | 广州小鹏自动驾驶科技有限公司 | 车位显示方法、装置、电子设备及存储介质 |
CN115393815A (zh) * | 2022-08-24 | 2022-11-25 | 禾多科技(北京)有限公司 | 道路信息生成方法、装置、电子设备和计算机可读介质 |
CN115775382A (zh) * | 2022-12-20 | 2023-03-10 | 上海安亭地平线智能交通技术有限公司 | 车位重建方法、装置、电子设备和存储介质 |
CN116161040A (zh) * | 2023-04-26 | 2023-05-26 | 禾多科技(北京)有限公司 | 车位信息生成方法、装置、电子设备和计算机可读介质 |
-
2023
- 2023-05-29 CN CN202310620586.0A patent/CN116691694A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10755571B1 (en) * | 2019-03-01 | 2020-08-25 | Amazon Technologies, Inc. | Identifying parking location using single camera reverse projection |
WO2022148348A1 (zh) * | 2021-01-05 | 2022-07-14 | 广州小鹏自动驾驶科技有限公司 | 车位显示方法、装置、电子设备及存储介质 |
CN115393815A (zh) * | 2022-08-24 | 2022-11-25 | 禾多科技(北京)有限公司 | 道路信息生成方法、装置、电子设备和计算机可读介质 |
CN115775382A (zh) * | 2022-12-20 | 2023-03-10 | 上海安亭地平线智能交通技术有限公司 | 车位重建方法、装置、电子设备和存储介质 |
CN116161040A (zh) * | 2023-04-26 | 2023-05-26 | 禾多科技(北京)有限公司 | 车位信息生成方法、装置、电子设备和计算机可读介质 |
Non-Patent Citations (3)
Title |
---|
仇旭;朱浩;邓元望;: "基于超声波雷达的改进车位检测算法研究", 中国机械工程, no. 14 * |
刘畅: "汽车自动泊车车位识别与路径规划研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑 * |
范梦阳: "基于环视图的自动泊车停车位检测方法", 时代汽车 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230394671A1 (en) | Image segmentation method and apparatus, and device, and storage medium | |
CN110516678B (zh) | 图像处理方法和装置 | |
CN113327318B (zh) | 图像显示方法、装置、电子设备和计算机可读介质 | |
CN113607185B (zh) | 车道线信息显示方法、装置、电子设备和计算机可读介质 | |
CN114399589B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN114399588B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN111292420A (zh) | 用于构建地图的方法和装置 | |
CN112150490A (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN114863385B (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
CN116182878A (zh) | 道路曲面信息生成方法、装置、设备和计算机可读介质 | |
CN112150491B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN116740382B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN116758498B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
WO2024060708A1 (zh) | 目标检测方法和装置 | |
CN116691694A (zh) | 车位信息生成方法、装置、电子设备和计算机可读介质 | |
CN111726476B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN113269168A (zh) | 障碍物数据处理方法、装置、电子设备和计算机可读介质 | |
CN110119721B (zh) | 用于处理信息的方法和装置 | |
CN114863025B (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
CN114863026B (zh) | 三维车道线信息生成方法、装置、设备和计算机可读介质 | |
CN114708336B (zh) | 多相机在线标定方法、装置、电子设备和计算机可读介质 | |
CN116563818B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
CN112883757B (zh) | 生成跟踪姿态结果的方法 | |
CN115345931B (zh) | 物体姿态关键点信息生成方法、装置、电子设备和介质 | |
CN112734962B (zh) | 考勤信息生成方法、装置、计算机设备和可读存储介质 |
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 |