CN116701478B - 航向角确定方法、装置、计算机设备和存储介质 - Google Patents
航向角确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116701478B CN116701478B CN202310961986.8A CN202310961986A CN116701478B CN 116701478 B CN116701478 B CN 116701478B CN 202310961986 A CN202310961986 A CN 202310961986A CN 116701478 B CN116701478 B CN 116701478B
- Authority
- CN
- China
- Prior art keywords
- current
- target object
- tracking image
- determining
- frame tracking
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004590 computer program Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Abstract
本申请实施例涉及智慧交通技术领域，特别涉及一种航向角确定方法、装置、计算机设备和存储介质，该航向角确定方法包括：获取当前路口中目标对象的多帧跟踪图像；若当前帧跟踪图像处于所述当前路口的预设行驶区域内，且在上一帧跟踪图像中处于所述当前路口的所述预设行驶区域之外，则根据所述当前帧跟踪图像确定所述目标对象在当前时刻所处的当前位置，根据所述上一帧跟踪图像与所述当前帧跟踪图像确定所述目标对象历史时刻中在所述预设行驶区域中所处的边界位置；根据所述当前位置与所述边界位置确定所述目标对象的初始航向角。解决了目前在路口场景下航向角的确定方法效果不佳的技术问题，达到了提高航向角确定可靠性的技术效果。
Description
技术领域
本申请涉及智慧交通技术领域，具体地，涉及一种航向角确定方法、装置、计算机设备和存储介质。
背景技术
航向角是保障车辆安全稳定运行的一个重要参数，例如路侧感知设备在检测到车辆时需要赋予一个初始航向角，以便在云端智慧城市或数字孪生进行数字化显示时有明确的车辆朝向；或者给车端补盲时根据车辆航向进行轨迹预测等。
目前航向角的确定方式主要为赋值法，即为车辆赋予相机下方所在车道的方向，但是在路口场景下左右车辆进入该路口时如果继续赋予相机下的车道方向必然是错误的，从而导致左右车辆在相机视角下出现“原地打转”的情况。
因此，目前在路口场景下航向角的确定方法效果不佳。
发明内容
本申请实施例中提供了一种航向角确定方法、装置、计算机设备和存储介质。
本申请实施例的第一个方面，提供了一种航向角确定方法，包括：
获取当前路口中目标对象的多帧跟踪图像；
若当前帧跟踪图像处于当前路口的预设行驶区域内，且在上一帧跟踪图像中处于当前路口的预设行驶区域之外，则根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像与当前帧跟踪图像确定目标对象历史时刻中在预设行驶区域中所处的边界位置；其中，当前帧图像与上一帧跟踪图像在图像采集序列中连续，且上一帧跟踪图像在图像采集序列中位于当前帧跟踪图像之前；
根据当前位置与边界位置确定目标对象的初始航向角。
本申请实施例的第二个方面，提供了一种航向角确定装置，包括：
获取模块，用于获取当前路口中目标对象的多帧跟踪图像；
第一确定模块，用于若当前帧跟踪图像处于当前路口的预设行驶区域内，且在上一帧跟踪图像中处于当前路口的预设行驶区域之外，则根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像与当前帧跟踪图像确定目标对象历史时刻中在预设行驶区域中所处的边界位置；其中，当前帧图像与上一帧跟踪图像在图像采集序列中连续，且上一帧跟踪图像在图像采集序列中位于当前帧跟踪图像之前；
第二确定模块，用于根据当前位置与边界位置确定目标对象的初始航向角。
本申请实施例的第三个方面，提供了一种计算机设备，包括：包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上任一项方法的步骤。
本申请实施例的第四个方面，提供了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，计算机程序被处理器执行时实现如上任一项的方法的步骤。
本申请实施例提供的航向角确定方法，先获取当前路口中目标对象的多帧跟踪图像，在当前帧跟踪图像处于当前路口的预设行驶区域内，且在上一帧跟踪图像中处于当前路口的预设行驶区域之外的情况下，根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像与当前帧跟踪图像确定目标对象历史时刻中在预设行驶区域中所处的边界位置，将边界位置默认为目标对象在历史时刻出现的位置，最后根据当前位置与边界位置确定目标对象的初始航向角。无需过多的跟踪图像，即使在路口场景中左右车辆驶入路口也可以为其赋予一个相比于传统赋值法更为可靠的初始航向角，从而解决了目前的航向角确定方法效果不佳的技术问题，达到了提高航向角确定精准性与可靠性的技术效果。
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为本申请一个实施例提供的航向角确定方法的流程图；
图2为本申请一个实施例提供的航向角确定方法的应用场景图；
图3为本申请一个实施例提供的航向角确定方法的流程图；
图4为本申请一个实施例提供的航向角确定方法的流程图；
图5为本申请一个实施例提供的航向角确定方法的流程图；
图6为本申请一个实施例提供的航向角确定方法的流程图；
图7为本申请一个实施例提供的航向角确定方法的流程图；
图8为本申请一个实施例提供的航向角确定装置结构示意图；
图9为本申请一个实施例提供的计算机设备结构示意图。
具体实施方式
在实现本申请的过程中发现，目前在路口场景下航向角的确定方法效果不佳。针对上述问题，本申请实施例中提供了一种航向角确定方法，可以在路口场景下提供一个更为可靠的初始航向角。
本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
以下对本申请实施例提供的航向角确定方法的应用环境作简要说明：
本申请实施例提供的航向角确定方法可应用于路侧或者云端系统，该系统可包括：例如图像采集设备、雷达等路侧感知设备，交通状态指引设备，控制设备等。图像采集设备一般固定于某一位置，用于实时采集固定区域的图像，该固定区域中的固定对象不变，例如道路分界线，斑马线，交通状态指引设备等，该固定区域中的可移动对象动态变化，例如车辆，行人等；雷达设置于道路两侧，用于测量不同对象之间的距离，例如前后车之间的间隔距离等；交通状态指引设备用于通过不同的显示状态来表征当前的交通通行状态，例如红绿灯，红灯亮的时候通行状态为禁止行驶，绿色亮的时候通行状态为通行，黄灯亮的时候通行状态为等待通行等；控制设备分别与各路侧感知设备、交通状态指引设备等分别通信连接，接收各路侧感知设备、交通状态指引设备等发送的信号，根据接收到的信号确定当前的交通状态，例如确定道路拥挤程度，为各车辆或者目标对象提供初始航向角等；在一种可能的情况下该控制设备还可以与各车辆通信连接，用以将确定的交通状态以及初始航向角等发送给车辆，以供车辆基于接收到的信息调整车辆操作内容，或者实时显示等。该控制设备可以为计算机、服务器、笔记本电脑或者其他可穿戴设备等均可，在此不作穷举。
请参见图1，以下实施例以上述控制设备为执行主体，将本申请实施例提供的航向角确定方法应用于上述控制设备，为目标对象在当前路口确认一初始航向角为例进行具体说明。本申请实施例提供的航向角确定方法包括如下步骤101-步骤103：
步骤101、获取当前路口中目标对象的多帧跟踪图像。
当前路口设置有至少一个图像采集设备，目标对象是指不断移动的一个对象，在移动过程中图像采集设备不断对该目标对象进行图像采集。第一种情况，该图像采集设备为一个，该多帧跟踪图像即为该图像采集设备在不同时刻采集到的图像，每帧图像中目标对象的位置不断变化；第二种情况，该图像采集设备为多个，该多帧跟踪图像即为不同的图像采集设备在不同的图像采集区域采集到的包含有目标对象的跟踪图像。
步骤102、若当前帧跟踪图像处于当前路口的预设行驶区域内，且在上一帧跟踪图像中处于当前路口的预设行驶区域之外，则根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像与当前帧跟踪图像确定目标对象历史时刻中在预设行驶区域中所处的边界位置。
其中，当前帧图像与上一帧跟踪图像在图像采集序列中连续，且上一帧跟踪图像在图像采集序列中位于当前帧跟踪图像之前。以目标对象为车辆示例，车辆在行驶过程中，若当前帧车辆出现在如图2中预设行驶区域（图2中的阴影部分）内，但是上一帧未出现在该预设行驶区域之内，则意味着车辆是由其他地方驶入该预设行驶区域内，也必然经过了该预设行驶区域的边界。每台图像采集设备的位置固定，其图像采集视野也固定，在包含有目标对象的当前帧跟踪图像中，根据目标对象在图像中的像素位置与其在世界空间中的对应关系可以准确的得到目标对象当前时刻所处的当前位置；在不包含有目标对象的上一帧跟踪图像中，可以先根据上一帧跟踪图像确定预设行驶区域的边界线，将边界线中距离当前位置最短的点或者路径最优的点确定为目标对象历史时刻中在预设行驶区域中所处的边界位置，即默认为目标对象驶入预设行驶区域的初始位置。当然，在此仅为示例，不构成对于对该边界位置确定方式的具体限定。需要解释的是，该历史时刻是指在当前时刻之前，在上一帧跟踪图像拍摄之后的时间点，也就是驶入该预设行驶区域时的时间点。
步骤103、根据当前位置与边界位置确定目标对象的初始航向角。
在上述步骤102中得到了目标对象驶入预设行驶区域边界线中的边界位置，即可以理解为上一帧跟踪图像中不包含目标对象，属无效跟踪图像，本申请实施例将驶入预设行驶区域的边界位置默认为目标对象在历史时刻出现的位置。在得到该当前位置与边界位置后，也就有了目标对象至少两个位置点，通过这两个位置点即可计算得到目标对象的初始航向角。
本申请实施例提供的航向角确定方法，先获取当前路口中目标对象的多帧跟踪图像，在当前帧跟踪图像处于当前路口的预设行驶区域内，且在上一帧跟踪图像中处于当前路口的预设行驶区域之外的情况下，根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像与当前帧跟踪图像确定目标对象历史时刻中在预设行驶区域中所处的边界位置，将边界位置默认为目标对象在历史时刻出现的位置，最后根据当前位置与边界位置确定目标对象的初始航向角。无需过多的跟踪图像，即使在路口场景中左右车辆驶入路口也可以为其赋予一个相比于传统赋值法更为可靠的初始航向角，从而解决了目前的航向角确定方法效果不佳的技术问题，达到了提高航向角确定精准性与可靠性的技术效果。
请参见图3，在本申请一个可选实施例中，上述步骤101、获取当前路口中目标对象的多帧跟踪图像，包括如下步骤301-步骤302：
步骤301、获取当前路口中各图像采集设备发送的针对各图像采集区域的初始跟踪图像。
一个路口一般会设置有多台图像采集设备，用于采集不同的图像采集区域的图像，每台图像采集设备对应一个设备标识，与各图像采集区域一一对应。
步骤302、将各初始跟踪图像进行图像融合，得到多帧包含目标对象的目标跟踪图像。
图像采集设备的数量较多，必然会有部分图像采集设备的图像采集区域是重合的，因此，本申请实施例按照图像采集区域将各初始跟踪图像进行融合，即可得到多帧包含该目标对象的目标跟踪图像。图像融合的方式可以按照图像采集区域融合，也可以按照目标对象融合，本申请实施例不作具体限定，可根据实际情况选择或者设定，只需要可以达到在保障目标对象信息完整的情况下下减少跟踪图像数量的目的即可。本申请实施例获取当前路口中各图像采集设备发送的针对各图像采集区域的初始跟踪图像，然后将各初始跟踪图像进行图像融合后得到的目标跟踪图像无过多图像采集区域的重合，大大减小了目标跟踪图像的数量，缓解存储压力，进一步提高航向角确定的效率。
请参见图4，在本申请一个可选实施例中，在步骤101、获取当前路口中目标对象的多帧跟踪图像之后，上述航向角确定方法还包括如下步骤401-步骤402：
步骤401、针对每帧跟踪图像，分别确定目标对象在预设行驶区域的显示属性。
其中，显示属性包括可见与不可见，显示属性为可见指目标对象出现在预设行驶区域内，显示属性为不可见指目标对象处于预设行驶区域之外。
对应的，上述步骤102、若当前帧跟踪图像处于当前路口的预设行驶区域内，且在上一帧跟踪图像中处于当前路口的预设行驶区域之外，则根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像与当前帧跟踪图像确定目标对象历史时刻中在预设行驶区域中所处的边界位置，包括如下步骤402：
步骤402、若在当前帧跟踪图像中目标对象在预设行驶区域的显示属性为可见，且在上一帧跟踪图像中预设行驶区域的显示属性为不可见，则根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像确定目标对象在上一时刻所处的边界位置。
本申请实施例先针对每帧跟踪图像，分别确定目标对象在预设行驶区域的显示属性，然后通过当前帧跟踪图像中目标对象的显示属性确定目标对象在当前时刻所处的当前位置，以及根据上一帧跟踪图像确定目标对象在上一时刻所处的边界位置，目标对象的当前位置与边界位置确定效率更高。
请参见图5，在本申请一个可选实施例中，上述步骤401、针对每帧跟踪图像，分别确定目标对象在预设行驶区域的显示属性，包括如下步骤501-步骤502：
步骤501、针对每帧跟踪图像，对目标对象进行目标检测，得到包含目标对象的检测框；
目标检测可以采用预先训练得到的神经网络模型，例如可以采用two stage目标检测算法模型准确率较高，也可以采用two stage目标检测算法模型效率更高。该检测框的形状可以根据目标对象的形状和大小，以及具体采用的神经网络模型种类具体选择，本申请实施例不作具体限定。
步骤502、根据检测框中标定点是否处于预设行驶区域确定目标对象在预设行驶区域的显示属性。
该标定点可以为检测框的中点位置，也可以为检测框的最高点或最低点，本申请实施例不作具体限定，可根据实际情况具体选择或设定。若该标定点处于该预设行驶区域内，则确定该帧跟踪图像中目标对象的显示属性为可见；相反，若该标定点处于该预设行驶区域外，则确定该帧跟踪图像中目标对象的显示属性为不可见。
本申请实施例提供的航向角确定方法，针对每帧跟踪图像对目标对象进行目标检测得到包含目标对象的检测框后，通过设定的标记点确定目标对象在预设行驶区域的显示属性，所有跟踪图像采用同一标准进行显示属性的判断，判断基准一致，基于该显示属性得到的航向角可靠性也更高。
请参见图6，在本申请一个可选实施例中，上述步骤402、根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，包括如下步骤601-步骤602：
步骤601、确定目标对象在当前帧跟踪图像中的第一像素位置。
该第一像素位置是指在一张图片中目标对象的像素位置，为一组像素坐标矩阵，通过该像素坐标矩阵表征目标对象。
步骤602、根据第一像素位置与预设的位置映射关系模型确定第一像素位置在世界坐标系中对应的第一世界位置。
各图像采集设备的位置固定，每台图像采集设备的图像采集视野也固定，图像的像素数量与像素位置即也随之固定，只是随着画面中内容的变化，不同像素位置中的像素值发生改变。也就是说，每张跟踪图像中的像素坐标与世界坐标系中的世界坐标一一对应，因此，预先根据各像素位置与对应的世界位置之间的位置映射关系构建该位置映射模型，在使用时只需要根据得到的图像中的第一像素位置从该位置映射关系模型中查表即可得到在世界坐标系中对应的第一世界位置。
本申请实施例提供的航向角确定方法，先确定目标对象在当前帧跟踪图像中的第一像素位置，然后根据第一像素位置与预设的位置映射关系模型确定第一像素位置在世界坐标系中对应的第一世界位置，即可直接得到目标对象在当前时刻所处的当前位置，无需复杂的计算与转换过程，计算简单快捷，可以进一步提高本申请实施例航向角确定的效率。
请参见图7，在本申请一个可选实施例中，上述步骤402、根据上一帧跟踪图像确定目标对象在上一时刻所处的边界位置，包括如下步骤701-步骤703：
步骤701、根据上一帧跟踪图像确定预设行驶区域的边界线。
该边界线是指图像中的边界轮廓线，而非世界空间中的实际线路。
步骤702、将边界线中距离目标对象距离最短的点确定为目标驶入点。
边界线可以为一条完整封闭的轮廓线，也可以为若干条线条，本申请实施例不作具体限定，只需要分别计算各线条中距离目标对象的距离，然后将其中距离最短的点确定为目标驶入点，即驶入预设行驶区域的初始点。
步骤703、根据目标驶入点的第二像素位置与预设的位置映射关系模型确定第二像素位置在世界坐标系中对应的第二世界位置。
该位置映射关系模型的构建方式与上述步骤602相同，在此不再赘述。并且可以基于同样的方式从该位置映射关系模型中得到对应的第二世界位置，即为目标对象在上一时刻所处的边界位置。
本申请实施例提供的航向角确定方法，先根据上一帧跟踪图像确定预设行驶区域的边界线，然后将边界线中距离目标对象距离最短的点确定为目标驶入点，根据目标驶入点的第二像素位置与预设的位置映射关系模型确定第二像素位置在世界坐标系中对应的第二世界位置，即可得到目标对象在上一时刻所处的边界位置，无需复杂的计算与转换过程，计算简单快捷，可以进一步提高本申请实施例航向角确定的效率。
在本申请一个可选实施例中，上述步骤103、根据当前位置与边界位置确定目标对象的初始航向角，包括如下步骤：
计算第一世界位置与第二世界位置之间的夹角，得到目标对象的初始航向角。
可以基于如下公式（1）计算得到该初始航向角：
A=arctan( (y 1-y 2) / (x 1-x 2) ) （1）
公式（1）中，A表示初始航向角，（x 1，y 1）为第二世界位置的坐标，（x 2，y 2）为第一世界位置的坐标。
通过计算第一世界位置与第二世界位置之间的夹角，得到目标对象的初始航向角，初始航向角的计算方法简单快捷，大大提高了初始航向角的确定效率。
应该理解的是，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参见图8，本申请一个实施例提供了一种航向角确定装置800，包括：获取模块810、第一确定模块820和第二确定模块830，其中：
该获取模块810，用于获取当前路口中目标对象的多帧跟踪图像；
该第一确定模块820，用于若当前帧跟踪图像处于当前路口的预设行驶区域内，且在上一帧跟踪图像中处于当前路口的预设行驶区域之外，则根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像与当前帧跟踪图像确定目标对象历史时刻中在预设行驶区域中所处的边界位置；其中，当前帧图像与上一帧跟踪图像在图像采集序列中连续，且上一帧跟踪图像在图像采集序列中位于当前帧跟踪图像之前；
该第二确定模块830，用于根据当前位置与边界位置确定目标对象的初始航向角。
在本申请一个可选实施例中，该获取模块810具体用于，获取当前路口中各图像采集设备发送的针对各图像采集区域的初始跟踪图像；将各初始跟踪图像进行图像融合，得到多帧包含目标对象的目标跟踪图像。
在本申请一个可选实施例中，该获取模块810还用于，针对每帧跟踪图像，分别确定目标对象在预设行驶区域的显示属性；其中，显示属性包括可见与不可见；对应的，该第一确定模块820具体用于，若在当前帧跟踪图像中目标对象在预设行驶区域的显示属性为可见，且在上一帧跟踪图像中预设行驶区域的显示属性为不可见，则根据当前帧跟踪图像确定目标对象在当前时刻所处的当前位置，根据上一帧跟踪图像确定目标对象在上一时刻所处的边界位置。
在本申请一个可选实施例中，该获取模块810具体用于，针对每帧跟踪图像，对目标对象进行目标检测，得到包含目标对象的检测框；根据检测框中标定点是否处于预设行驶区域确定目标对象在预设行驶区域的显示属性。
在本申请一个可选实施例中，该第一确定模块820具体用于，确定目标对象在当前帧跟踪图像中的第一像素位置；根据第一像素位置与预设的位置映射关系模型确定第一像素位置在世界坐标系中对应的第一世界位置。
在本申请一个可选实施例中，该第一确定模块820具体用于，根据上一帧跟踪图像确定预设行驶区域的边界线；将边界线中距离目标对象距离最短的点确定为目标驶入点；根据目标驶入点的第二像素位置与预设的位置映射关系模型确定第二像素位置在世界坐标系中对应的第二世界位置。
在本申请一个可选实施例中，该第二确定模块830具体用于，计算第一世界位置与第二世界位置之间的夹角，得到目标对象的初始航向角。
关于上述航向角确定装置800的具体限定可以参见上文中对于航向角确定方法的限定，在此不再赘述。上述航向角确定装置800中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备的内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现如上的一种航向角确定方法。包括：包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上航向角确定方法中的任一步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时可以实现如上航向角确定方法中的任一步骤。
本领域内的技术人员应明白，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。
本申请是参照根据本申请实施例的方法、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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种航向角确定方法，其特征在于，包括：
获取当前路口中目标对象的多帧跟踪图像；
若当前帧跟踪图像处于所述当前路口的预设行驶区域内，且在上一帧跟踪图像中处于所述当前路口的所述预设行驶区域之外，则根据所述当前帧跟踪图像确定所述目标对象在当前时刻所处的当前位置，根据所述上一帧跟踪图像与所述当前帧跟踪图像确定所述目标对象历史时刻中在所述预设行驶区域中所处的边界位置；其中，所述当前帧跟踪图像与所述上一帧跟踪图像在图像采集序列中连续，且所述上一帧跟踪图像在所述图像采集序列中位于所述当前帧跟踪图像之前；所述边界位置是根据所述上一帧跟踪图像确定预设行驶区域的边界线，将所述边界线中距离所述当前位置最短的点或者路径最优的点确定为所述目标对象历史时刻中在所述预设行驶区域中所处的所述边界位置；根据所述当前位置与所述边界位置确定所述目标对象的初始航向角。
2.根据权利要求1所述的航向角确定方法，其特征在于，所述获取当前路口中目标对象的多帧跟踪图像，包括：
获取所述当前路口中各图像采集设备发送的针对各图像采集区域的初始跟踪图像；
将各所述初始跟踪图像进行图像融合，得到多帧包含所述目标对象的目标跟踪图像。
3.根据权利要求1所述的航向角确定方法，其特征在于，在所述获取当前路口中目标对象的多帧跟踪图像之后，所述方法还包括：
针对每帧跟踪图像，分别确定所述目标对象在所述预设行驶区域的显示属性；其中，所述显示属性包括可见与不可见；
对应的，所述若当前帧跟踪图像处于所述当前路口的预设行驶区域内，且在上一帧跟踪图像中处于所述当前路口的所述预设行驶区域之外，则根据所述当前帧跟踪图像确定所述目标对象在当前时刻所处的当前位置，根据所述上一帧跟踪图像与所述当前帧跟踪图像确定所述目标对象历史时刻中在所述预设行驶区域中所处的边界位置，包括：
若在所述当前帧跟踪图像中所述目标对象在所述预设行驶区域的所述显示属性为可见，且在所述上一帧跟踪图像中所述预设行驶区域的所述显示属性为不可见，则根据所述当前帧跟踪图像确定所述目标对象在所述当前时刻所处的所述当前位置，根据所述上一帧跟踪图像确定所述目标对象在上一时刻所处的所述边界位置。
4.根据权利要求3所述的航向角确定方法，其特征在于，所述针对每帧跟踪图像，分别确定所述目标对象在所述预设行驶区域的显示属性，包括：
针对每帧所述跟踪图像，对所述目标对象进行目标检测，得到包含所述目标对象的检测框；
根据所述检测框中标定点是否处于所述预设行驶区域确定所述目标对象在所述预设行驶区域的所述显示属性。
5.根据权利要求3所述的航向角确定方法，其特征在于，所述根据所述当前帧跟踪图像确定所述目标对象在所述当前时刻所处的所述当前位置，包括：
确定所述目标对象在所述当前帧跟踪图像中的第一像素位置；
根据所述第一像素位置与预设的位置映射关系模型确定所述第一像素位置在世界坐标系中对应的第一世界位置。
6.根据权利要求5所述的航向角确定方法，其特征在于，所述根据所述上一帧跟踪图像确定所述目标对象在上一时刻所处的所述边界位置，包括：
根据所述上一帧跟踪图像确定所述预设行驶区域的边界线；
将所述边界线中距离所述目标对象距离最短的点确定为目标驶入点；
根据所述目标驶入点的第二像素位置与预设的位置映射关系模型确定所述第二像素位置在世界坐标系中对应的第二世界位置。
7.根据权利要求6所述的航向角确定方法，其特征在于，所述根据所述当前位置与所述边界位置确定所述目标对象的初始航向角，包括：
计算所述第一世界位置与所述第二世界位置之间的夹角，得到所述目标对象的所述初始航向角。
8.一种航向角确定装置，其特征在于，包括：
获取模块，用于获取当前路口中目标对象的多帧跟踪图像；
第一确定模块，用于若当前帧跟踪图像处于所述当前路口的预设行驶区域内，且在上一帧跟踪图像中处于所述当前路口的所述预设行驶区域之外，则根据所述当前帧跟踪图像确定所述目标对象在当前时刻所处的当前位置，根据所述上一帧跟踪图像与所述当前帧跟踪图像确定所述目标对象历史时刻中在所述预设行驶区域中所处的边界位置；其中，所述当前帧跟踪图像与所述上一帧跟踪图像在图像采集序列中连续，且所述上一帧跟踪图像在所述图像采集序列中位于所述当前帧跟踪图像之前；所述边界位置是根据所述上一帧跟踪图像确定预设行驶区域的边界线，将所述边界线中距离所述当前位置最短的点或者路径最优的点确定为所述目标对象历史时刻中在所述预设行驶区域中所处的所述边界位置；
第二确定模块，用于根据所述当前位置与所述边界位置确定所述目标对象的初始航向角。
9.一种计算机设备，包括：包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310961986.8A CN116701478B (zh) | 2023-08-02 | 2023-08-02 | 航向角确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310961986.8A CN116701478B (zh) | 2023-08-02 | 2023-08-02 | 航向角确定方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116701478A CN116701478A (zh) | 2023-09-05 |
| CN116701478B true CN116701478B (zh) | 2023-11-24 |
Family
ID=87841699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310961986.8A Active CN116701478B (zh) | 2023-08-02 | 2023-08-02 | 航向角确定方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116701478B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990124A (zh) * | 2021-04-26 | 2021-06-18 | 湖北亿咖通科技有限公司 | 一种车辆跟踪方法、装置、电子设备及存储介质 |
| WO2021138475A1 (en) * | 2019-12-31 | 2021-07-08 | Zoox, Inc. | Vehicle control to join and depart a route |
| TW202232431A (zh) * | 2021-02-04 | 2022-08-16 | 國立中興大學 | 神經網路之自適應調節批量大小的訓練方法 |
| CN115556827A (zh) * | 2022-10-19 | 2023-01-03 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的航向角确定方法、装置及电子设备 |
| WO2023050567A1 (zh) * | 2021-09-30 | 2023-04-06 | 南京市德赛西威汽车电子有限公司 | 一种基于毫米波车载雷达场景识别的航位修正方法 |
| CN116050540A (zh) * | 2023-02-01 | 2023-05-02 | 北京信息科技大学 | 一种基于联合双维度用户调度的自适应联邦边缘学习方法 |
| CN116164763A (zh) * | 2023-01-06 | 2023-05-26 | 智道网联科技(北京)有限公司 | 目标航向角确定方法、装置及电子设备、存储介质 |
| CN116176603A (zh) * | 2023-01-18 | 2023-05-30 | 云控智行科技有限公司 | 一种车辆航向角的确定方法、装置及设备 |
| CN116304992A (zh) * | 2023-05-22 | 2023-06-23 | 智道网联科技(北京)有限公司 | 传感器时差确定方法、装置、计算机设备和存储介质 |
-
2023
- 2023-08-02 CN CN202310961986.8A patent/CN116701478B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021138475A1 (en) * | 2019-12-31 | 2021-07-08 | Zoox, Inc. | Vehicle control to join and depart a route |
| TW202232431A (zh) * | 2021-02-04 | 2022-08-16 | 國立中興大學 | 神經網路之自適應調節批量大小的訓練方法 |
| CN112990124A (zh) * | 2021-04-26 | 2021-06-18 | 湖北亿咖通科技有限公司 | 一种车辆跟踪方法、装置、电子设备及存储介质 |
| WO2023050567A1 (zh) * | 2021-09-30 | 2023-04-06 | 南京市德赛西威汽车电子有限公司 | 一种基于毫米波车载雷达场景识别的航位修正方法 |
| CN115556827A (zh) * | 2022-10-19 | 2023-01-03 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的航向角确定方法、装置及电子设备 |
| CN116164763A (zh) * | 2023-01-06 | 2023-05-26 | 智道网联科技(北京)有限公司 | 目标航向角确定方法、装置及电子设备、存储介质 |
| CN116176603A (zh) * | 2023-01-18 | 2023-05-30 | 云控智行科技有限公司 | 一种车辆航向角的确定方法、装置及设备 |
| CN116050540A (zh) * | 2023-02-01 | 2023-05-02 | 北京信息科技大学 | 一种基于联合双维度用户调度的自适应联邦边缘学习方法 |
| CN116304992A (zh) * | 2023-05-22 | 2023-06-23 | 智道网联科技(北京)有限公司 | 传感器时差确定方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于计算机视觉的船舶纯方位目标跟踪方法研究;张新强;;舰船科学技术(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116701478A (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6844043B2 (ja) | 視覚測位方法、装置、電子機器およびシステム | |
| CN109492507B (zh) | 红绿灯状态的识别方法及装置、计算机设备及可读介质 | |
| US11688183B2 (en) | System and method of determining a curve | |
| CN111797187B (zh) | 地图数据的更新方法、装置、电子设备和存储介质 | |
| CN112528773B (zh) | 障碍物信息融合方法、装置、电子设备和存储介质 | |
| CN109584299B (zh) | 一种定位方法、定位装置、终端及存储介质 | |
| CN111376895A (zh) | 一种环视泊车感知方法、装置、自动泊车系统和车辆 | |
| CN111144330A (zh) | 一种基于深度学习的车道线检测方法、装置以及设备 | |
| US20230278587A1 (en) | Method and apparatus for detecting drivable area, mobile device and storage medium | |
| CN115797454A (zh) | 一种鸟瞰图视角下多摄像机融合感知方法及装置 | |
| CN113343872B (zh) | 交通灯识别方法、装置、设备、介质及产品 | |
| CN116701478B (zh) | 航向角确定方法、装置、计算机设备和存储介质 | |
| CN116010854B (zh) | 异常原因的确定方法、装置、电子设备及存储介质 | |
| CN116664498A (zh) | 车位检测模型的训练方法、车位检测方法、装置和设备 | |
| CN116304992A (zh) | 传感器时差确定方法、装置、计算机设备和存储介质 | |
| CN115249407B (zh) | 指示灯状态识别方法、装置、电子设备、存储介质及产品 | |
| CN111880575B (zh) | 基于颜色追踪的控制方法、装置、存储介质及机器人 | |
| WO2023283929A1 (zh) | 双目相机外参标定的方法及装置 | |
| CN116245730A (zh) | 图像拼接的方法、装置、设备以及存储介质 | |
| CN113470067A (zh) | 数据处理方法、装置、存储介质和处理器 | |
| CN113295181B (zh) | 车辆的路径规划方法、装置和系统 | |
| CN116824849A (zh) | 航向角确定方法、装置、计算机设备和存储介质 | |
| Berrio et al. | Semantic sensor fusion: From camera to sparse LiDAR information | |
| CN114407916B (zh) | 车辆控制及模型训练方法、装置、车辆、设备和存储介质 | |
| WO2023087182A1 (zh) | 一种信息交互方法、装置及系统 |
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 |