CN116777966A - 一种农田路面环境下车辆航向角的计算方法 - Google Patents
一种农田路面环境下车辆航向角的计算方法 Download PDFInfo
- Publication number
- CN116777966A CN116777966A CN202310744488.8A CN202310744488A CN116777966A CN 116777966 A CN116777966 A CN 116777966A CN 202310744488 A CN202310744488 A CN 202310744488A CN 116777966 A CN116777966 A CN 116777966A
- Authority
- CN
- China
- Prior art keywords
- current
- point
- determining
- road surface
- value
- 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 84
- 238000012545 processing Methods 0.000 claims abstract description 102
- 230000000007 visual effect Effects 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 239000000725 suspension Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000009434 installation Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012795 verification 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
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种农田路面环境下车辆航向角的计算方法。该方法包括利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,确定当前处理路面点;获取当前处理路面点的位置状态、摄像机距离地面的第一高度值、摄像机的预设参数以及当前处理路面点在当前路面图像中的描述信息;根据位置状态、第一高度值、预设参数和描述信息,确定当前路面点的深度估计值,并根据深度估计值确定与当前处理路面点匹配的当前航向角;根据与各当前处理路面点对应的各当前航向角,确定与当前路面图像匹配的目标航向角。本实施例的技术方案得到更精确的估计深度信息,从而提高车辆行驶导航角的精确性。
Description
技术领域
本发明涉及车辆导航技术领域,尤其涉及一种农田路面环境下车辆航向角的计算方法。
背景技术
传统的农业种植,部分场景需要农机在田间按照导航线行驶,农机可以沿着视轴拍摄的作业方式,估计导航线上目标点的深度信息,从而得到航向信息。
由于单目相机缺乏深度信息,如何从序列图像中获取深度信息为当前研究重点。目前常用的单目相机深度估计方法分为两类,一个是基于传统方法,另一个是基于深度学习的方法。基于传统方法主要通过围绕物体拍摄的方式,通过三维重建方法建立稠密点云,得到目标点深度信息。由于农田场景中一般是车辆沿着视轴方向运行,无法满足围绕物体拍摄的作业方式,所以该方法在这个场景中效果不佳。深度学习方法依赖庞大的数据进行网络模型训练,数据集一般包括单目图像和对应的深度真值。如果训练样本不够大,得到的训练模型效果就会不好。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:
由于现有技术依赖于三维重建导致沿着视轴拍摄造成深度估计精度不佳的问题,或者依赖于训练样本规模导致规模不足时模型训练效果不佳造成深度估计精度不佳的问题。
发明内容
本发明提供了一种农田路面环境下计算车辆航向角的方法,以得到更精确的估计深度信息,从而提高车辆行驶的导航角精确性。
根据本发明的一方面,提供了一种农田路面环境下车辆航向角的计算方法,该方法包括:
利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据所述当前路面图像确定当前处理路面点;
获取所述当前处理路面点的位置状态、所述摄像机距离地面的第一高度值、所述摄像机的预设参数以及所述当前处理路面点在所述当前路面图像中的描述信息;
根据所述位置状态、所述第一高度值、所述预设参数和所述描述信息,确定所述当前路面点的深度估计值,并根据所述深度估计值确定与所述当前处理路面点匹配的当前航向角;
根据与各当前处理路面点对应的各当前航向角,确定与所述当前路面图像匹配的目标航向角。
根据本发明的另一方面,提供了一种车辆控制方法,该方法包括:
获取与当前路面图像对应的目标航向角;
利用所述目标航向角控制待控制车辆行驶;
其中,所述获取与当前路面图像对应的目标航向角采用本发明任意实施例所述的农田路面环境下车辆航向角计算方法。
根据本发明的另一方面,提供了一种农田路面环境下车辆航向角的计算装置,该装置包括:
当前处理点确定模块,用于利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据所述当前路面图像确定当前处理路面点;
信息获取模块,用于获取所述当前处理路面点的位置状态、所述摄像机距离地面的第一高度值、所述摄像机的预设参数以及所述当前处理路面点在所述当前路面图像中的描述信息;
当前航向角确定模块,用于根据所述位置状态、所述第一高度值、所述预设参数和所述描述信息,确定所述当前路面点的深度估计值,并根据所述深度估计值确定与所述当前处理路面点匹配的当前航向角;
目标航向角确定模块,用于根据与各当前处理路面点对应的各当前航向角,确定与所述当前路面图像匹配的目标航向角。
根据本发明的另一方面,提供了一种车辆行驶控制装置,该装置包括:
各当前航向角获取模块,用于获取与当前路面图像对应的目标航向角;
车辆控制模块,用于利用所述目标航向角控制待控制车辆行驶;
其中,所述获取与当前路面图像对应的目标航向角采用本发明任意实施例所述的农田路面环境下车辆航向角计算方法。
根据本发明的另一方面,提供了一种车辆,所述车辆包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的农田路面环境下车辆航向角的计算方法,以及本发明任一实施例所述的车辆行驶控制方法;
或者,所述车辆集成本发明实施例所述的农田路面环境下车辆航向角的计算装置,以及本发明实施例所述的车辆行驶控制装置。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的农田路面环境下车辆航向角的计算方法,以及本发明任一实施例所述的车辆行驶控制方法。
本发明实施例的技术方案,通过利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据当前路面图像确定当前处理路面点;获取当前处理路面点的位置状态、摄像机距离地面的第一高度值、摄像机的预设参数以及当前处理路面点在当前路面图像中的描述信息;根据位置状态、第一高度值、预设参数和描述信息,确定当前路面点的深度估计值,并根据深度估计值确定与当前处理路面点匹配的当前航向角;根据与各当前处理路面点对应的各当前航向角,确定与当前路面图像匹配的目标航向角,由于考虑每个当前处理路面点的位置状态以及摄像机的参数,所以解决了现有技术依赖于三维重建导致沿着视轴拍摄造成深度估计精度不佳的问题,或者依赖于训练样本规模导致规模不足时模型训练效果不佳造成深度估计精度不佳的问题,得到更精确的估计深度信息,从而提高车辆行驶的导航角精确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a为本发明实施例一提供的一种农田路面环境下车辆航向角的计算方法的流程图;
图1b为本发明实施例一提供的一种导航线像素坐标示意图;
图1c为本发明实施例一提供的一种水平路段地面点深度估计原理图;
图1d为本发明实施例一提供的一种上坡路段地面点深度估计原理图;
图1e为本发明实施例一提供的一种下坡路段地面点深度估计原理图;
图1f为本发明实施例一提供的一种悬空点深度估计第一原理图;
图1g为本发明实施例一提供的一种悬空点深度估计第二原理图;
图1h为本发明实施例一提供的一种悬空点深度估计第三原理图;
图2a为本发明实施例二提供的另一种农田路面环境下车辆航向角的计算方法的流程图;
图2b为本发明实施例二提供的一种深度估计值转相机坐标系示意图;
图2c为本发明实施例二提供的一种农田地面模拟图;
图2d为本发明实施例二提供一种深度估计方法应用流程图;
图3为本发明实施例三提供的一种车辆行驶控制方法的流程图;
图4为本发明实施例四提供的一种农田路面环境下车辆航向角的计算装置的结构示意图;
图5为本发明实施例五提供的一种车辆行驶控制装置的结构示意图;
图6是实现本发明实施例的农田路面环境下车辆航向角的计算方法和车辆行驶控制方法的车辆的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1a为本发明实施例一提供的一种农田路面环境下车辆航向角的计算方法的流程图,本实施例可适用于对车辆进行导航行驶控制的情况,该方法可以由农田路面环境下车辆航向角的计算装置来执行,该农田路面环境下车辆航向角的计算装置可以采用硬件和/或软件的形式实现,该农田路面环境下车辆航向角的计算装置可配置于车辆的整车控制器中。如图1a所示,该方法包括:
S110、利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据当前路面图像确定当前处理路面点。
其中,待控制车辆例如可以是农机;摄像机可以固定设置于待控制车辆的车顶等位置,还可以同时配置IMU(Inertial Measurement Unit,惯性测量单元)与GNSS(GlobalNavigation Satellite System,全球卫星导航系统),该摄像机例如可以是单目相机。当前路面图像例如可以是在农机行驶于农田的场景下,农机行驶前方的路面图像。
可选的,根据当前路面图像确定当前处理路面点,可以包括:根据当前路面图像,获取当前路面导航线的像素坐标以及当前路面导航线上的多个像素点;依次将各像素点确定为当前处理路面点。
可以通过视觉感知的方法获取田垄中心的导航线像素坐标,如图1b中虚线所示,由于提取到的像素点大部分都是地面点,因此可以在提取到的像素点中依次确定当前处理路面点。
S120、获取当前处理路面点的位置状态、摄像机距离地面的第一高度值、摄像机的预设参数以及当前处理路面点在当前路面图像中的描述信息。
其中,当前处理路面点的位置状态可以包括:当前处理路面点处于水平路段、当前处理路面点处于上坡路段或者当前处理路面点处于下坡路段。
摄像机的预设参数可以包括焦距值,以及摄像机视轴方向与竖直方向的第一夹角。以图1c为例,其中AO和BO的范围表示摄像机视野角;OF表示摄像机的相机坐标系的视轴Zc方向;OC表示视轴Zc投影到图像AB中的射线,投影点为C,OC线段表示摄像机的焦距值f;OG表示摄像机看地面点G(相当于当前处理路面点)的射线;第一夹角在图1c中相当于θc。
描述信息可以包括当前路面图像的图像第一高度值和当前处理路面点距离当前路面图像底部的第一距离值;其中,第一高度值在图1c中相当于h,第一距离值相当于dp。
S130、根据位置状态、第一高度值、预设参数和描述信息,确定当前路面点的深度估计值,并根据深度估计值确定与当前处理路面点匹配的当前航向角。
一个可选实施方式中,根据位置状态、第一高度值、预设参数和描述信息,确定当前路面点的深度估计值,可以包括:根据焦距值、第一夹角、图像第一高度值和第一距离值,确定摄像机看当前处理路面点的视线方向与竖直方向的第二夹角;基于位置状态,根据第一高度值确定摄像机与当前处理路面点之间的垂直向距离;根据第二夹角和垂直向距离,确定当前处理路面点的深度估计值。
其中,由于摄像机与当前处理路面点不在同一水平面上,因此摄像机与当前处理路面点之间实际上可以存在一个垂直向距离。
基于上述可选实施方式,根据焦距值、第一夹角、图像第一高度值和第一距离值,确定摄像机看当前处理路面点的视线方向与竖直方向的第二夹角,可以包括:根据图像第一高度值和第一距离值,确定图像坐标系下当前处理路面点在当前路面图像的第一映射点与摄像机视轴方向在当前路面图像的第二映射点之间的第二距离值;根据第二距离值和焦距值,确定摄像机视轴方向与摄像机看当前处理路面点的视线方向之间的第三夹角;将第一夹角和第三夹角之和确定为第二夹角。
其中,第二夹角在图1c中相当于θc+β。具体的,第二距离值其中h表示图像高度,dp表示地面点G=(u,v)到图像底部的像素大小,即第一距离值,如图1c右侧图像坐标系中DB所示。OC线段表示焦距f,即|OC|=f,所以,第三夹角/>从而得到第二夹角/>
基于上述可选实施方式,一种情况下,位置状态为当前处理路面点处于水平路段时,将第一高度值直接确定为垂直向距离。参考图1c,G相当于当前处理路面点,且G位于水平路段,此时摄像机距离地面的第一高度值,以及摄像机与G之间的垂直向距离相同,均为Hc。
相应的,根据第二夹角和垂直向距离,确定当前处理路面点的深度估计值,可以包括:通过D=Hctan(θc+β)确定当前处理路面点的深度估计值;其中,D表示深度估计值;Hc表示第一高度值;θc+β表示第二夹角;θc表示第一夹角;β表示第三夹角。
基于上述可选实施方式,另一种情况下,位置状态为当前处理路面点处于上坡路段时,通过Hc-Dtanθ上坡确定垂直向距离;其中,θ上坡表示上坡路段的上坡坡度角。参考图1d,当前处理路面点G位于上坡路段,且上坡路段的上坡坡度角为θ上坡,此时摄像机距离地面的第一高度值为Hc,但摄像机与G之间的垂直向距离为Hc-Dtanθ上坡。
相应的,根据第二夹角和垂直向距离,确定当前处理路面点的深度估计值,可以包括:通过D=(Hc-Dtanθ上坡)tan(θc+β)确定深度估计值。
基于上述可选实施方式,另一种情况下,位置状态为当前处理路面点处于下坡路段时,通过Hc+Dtanθ下坡确定垂直向距离,其中,θ下坡表示下坡路段的下坡坡度角。参考图1e,当前处理路面点G位于下坡路段,且下坡路段的下坡坡度角为θ下坡,此时摄像机距离地面的第一高度值为Hc,但摄像机与G之间的垂直向距离为Hc+Dtanθ下坡。
相应的,根据第二夹角和垂直向距离,确定当前处理路面点的深度估计值,可以包括:通过D=(Hc+D tanθ下坡)tan(θc+β)确定深度估计值。
基于上述可选实施方式,还可以有另一种情况,位置状态为当前处理路面点处于悬空点(悬空点可以为路面被覆盖后得到的像素点)时,根据当前处理路面点在当前路面图像的实际像素坐标,确定悬空点距离地面的第二高度值;根据第二夹角、第二高度值和第一高度值,确定悬空点的深度估计值。
示例性的,参考图1f、图1g合图1h,若树苗高度将田垄覆盖,则视觉感知小组提取到的像素点是悬空点,不是真正的地面点,因此存在当前处理路面点处于悬空点的情况。此时可以根据以下方式计算,具体需要前后两帧一起计算。以下以计算pm点相机坐标系为例。
参考图1f,其中p点为悬空点,其像素坐标已知,所以角度β可求。如果继续按照D=Hctan(θc+β)进行计算,此时算出来的深度值是Mm的深度Dm。接下来求解Mm对应的pm的像素坐标。
参考图1g,从p点往后继续按图1f的方式计算,可求得每一个点(例如pn和pm)对应延长线上的深度估计值(如图1g所示)。其中pn表示p点往后的像素点,Mn为其延长线上的点,Mn深度可求。其中ΔOMmMn中,MmMn长度为二者深度差,OMm的长度可通过相似三角形进行计算,如下所示:
由于不知道Mm对应的pm像素值大小,所以每计算出一个点,将该点y值认为是pn的y值大小,其深度等于Mm,则其像素坐标v可通过下式求得其中,K表示摄像机的内参矩阵,Y1和Z1均已知。
若该值与pn的像素坐标v不相等,则该点不是Mm对应的像素坐标pm。若相等则该点是Mm对应的像素坐标pm。此时pm的相机坐标系也全部可知。y值为|OMm|,z为Mm的长度,x轴大小可通过归一化坐标系得到,其中,K表示摄像机的内参矩阵,pm像素坐标u和v已知,Y1和Z1均已知,即可求解X1大小。最终结果如图1h所示。
进一步的,根据深度估计值确定与当前处理路面点匹配的当前航向角。
S140、根据与各当前处理路面点对应的各当前航向角,确定与当前路面图像匹配的目标航向角。
本实施例中,依次将导航线的全部像素点作为当前处理路面点处理完毕后,可以得到各当前航向角,进而根据各当前航向角确定与当前路面图像匹配的目标航向角。
一个可选实施方式中,根据与各当前处理路面点对应的各当前航向角,确定与当前路面图像匹配的目标航向角,可以包括:从各当前航向角中将超过预设偏移阈值的当前航向角筛除,得到剩余当前航向角;对剩余当前航向角求平均值,确定与当前路面图像匹配的当前备用航向角;将当前备用航向角进行坐标系转换,得到地理坐标系下的目标航向角。
具体的,由于提取到的像素点很多,可获取所有满足精度要求的像素点对应的航向角。如果其中某个像素点对应的角度信息与其余像素点相差很大,将其剔除。由于存在计算误差以及系统性误差,得到的航向角不唯一,所以将剩下像素点对应的航向角求平均值,得到当前路面图像对应的最终航向信息(即当前备用航向角)。若前方道路为曲线,可将曲线分成多段直线,计算距离车前方最近的一段直线的航向角即可,剩下的点可在接下来车辆行驶至附近再计算即可。最后将最终航向信息转换到地理坐标系下,二者转换关系如下:其中/>可通过GNSS组合信息得到。Pcam为以上技术方案计算的相机坐标系下的目标航向角。
本发明实施例的技术方案,通过利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据当前路面图像确定当前处理路面点;获取当前处理路面点的位置状态、摄像机距离地面的第一高度值、摄像机的预设参数以及当前处理路面点在当前路面图像中的描述信息;根据位置状态、第一高度值、预设参数和描述信息,确定当前路面点的深度估计值,并根据深度估计值确定与当前处理路面点匹配的当前航向角;根据与各当前处理路面点对应的各当前航向角,确定与当前路面图像匹配的目标航向角,由于考虑每个当前处理路面点的位置状态以及摄像机的参数,所以解决了现有技术依赖于三维重建导致沿着视轴拍摄造成深度估计精度不佳的问题,或者依赖于训练样本规模导致规模不足时模型训练效果不佳造成深度估计精度不佳的问题,得到更精确的估计深度信息,从而提高车辆行驶的导航角精确性。
实施例二
图2a为本发明实施例二提供的另一种农田路面环境下车辆航向角的计算方法的流程图,本实施例在上述实施例的基础上,将根据深度估计值确定与当前处理路面点匹配的当前航向角进行细化。如图2a所示,该方法包括:
S210、利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据当前路面图像确定当前处理路面点。
S220、获取当前处理路面点的位置状态、摄像机距离地面的第一高度值、摄像机的预设参数以及当前处理路面点在当前路面图像中的描述信息;摄像机的预设参数还包括安装俯仰角和内参矩阵。
S230、根据位置状态、第一高度值、预设参数和描述信息,确定当前路面点的深度估计值。
S240、根据安装俯仰角、内参矩阵、深度估计值、第一高度值和当前处理路面点的实际像素坐标,对深度估计值进行坐标系转换,得到深度估计值在相机坐标系下的估计三维坐标,并从估计三维坐标中获取X轴坐标值和Z轴坐标值。
一个可选实施方式中,根据安装俯仰角、内参矩阵、深度估计值和第一高度值,对深度估计值进行坐标系转换,得到深度估计值在相机坐标系下的估计三维坐标,可以包括:通过Z1=Dcosγ+Hcsinγ得到Z轴坐标;其中,D表示深度估计值,γ表示安装俯仰角,Hc表示第一高度值;通过Y1=Hccosγ-Dsinγ得到Y轴坐标;通过得到X轴坐标;其中,K表示内参矩阵;u实际、v实际表示当前处理路面点的实际像素坐标。
由于摄像机可能与地面不是完全平行的关系,存在一定的夹角(如图2b所示),所以需要将深度值转换到相机坐标系下,计算该点相机坐标系的坐标。具体计算方式如图2b所示。其中OZY表示原始相机坐标系,OZ1Y1表示相机存在安装角时的相机坐标系。Z1=D cosγ+Hcsinγ,Y1=Hccosγ-D sinγ,又因为相机坐标系归一化坐标与像素坐标存在以下关系,所以可通过输入的实际像素坐标得到相机坐标系X1/Z1的比值常数,即可得到X1的大小。
S250、将X轴坐标值和Z轴坐标值的比值,确定为与当前处理路面点匹配的当前航向角。
基于S240的可选实施方式,通过X1与Z1的比值即可求出当前航向角。
需要说明,在确定为与当前处理路面点匹配的当前航向角之前,还可以通过得到当前处理路面点在像素坐标系下的估计像素坐标;其中,X1、Y1和Z1表示估计三维坐标,u估计、v估计表示估计像素坐标;K表示摄像机的内参矩阵;将估计像素坐标与当前处理路面点的实际像素坐标进行比对,判断当前处理路面点的估计像素坐标是否满足精度要求;对满足精度要求的当前处理路面点确定匹配的当前航向角。其中,精度要求例如可以指估计像素坐标与实际像素坐标的误差不超过设定数量的像素(比如,2个像素)。
由于当前处理地面点的深度估计值是基于摄像机距离地面的第一高度值得到的。由于农田环境地面不规整,如图2c所示,但总有点的y轴坐标与第一高度值一致,如图2c的B点所示。那么在D=Hctan(θc+β)的前提下,只有B点深度估计值是计算正确的,其余点的深度估计值都存在一定的误差。可通过公式(4)计算得到的相机坐标系投影至像素坐标系,与输入的目标点进行对比,如果二者完全重合,则表明精度可靠,否则认为计算得到的深度以及估计的y轴坐标存在误差。
为使本领域的技术人员更好地理解本发明的深度估计方法,图2d提供一种深度估计方法应用流程图。对于当前处理路面点通过像素坐标以及相机内参得到相机归一化坐标系的坐标,进行深度估计,进一步对深度估计结果进行精度验证,满足精度要求的当前处理路面点可以保存计算的航向角信息,若不满足精度要求可以计算下一个当前处理路面点,并返回执行通过像素坐标以及相机内参得到相机归一化坐标系的坐标这一操作,直至当前路面点全部处理完毕。
S260、根据与各当前处理路面点对应的各当前航向角,确定与当前路面图像匹配的目标航向角。
本发明实施例的技术方案,通过利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据当前路面图像确定当前处理路面点;获取当前处理路面点的位置状态、摄像机距离地面的第一高度值、摄像机的预设参数以及当前处理路面点在当前路面图像中的描述信息,摄像机的预设参数还包括安装俯仰角和内参矩阵;根据位置状态、第一高度值、预设参数和描述信息,确定当前路面点的深度估计值;根据安装俯仰角、内参矩阵、深度估计值、第一高度值和当前处理路面点的实际像素坐标,对深度估计值进行坐标系转换,得到深度估计值在相机坐标系下的估计三维坐标,并从估计三维坐标中获取X轴坐标值和Z轴坐标值;将X轴坐标值和Z轴坐标值的比值,确定为与当前处理路面点匹配的当前航向角;根据与各当前处理路面点对应的各当前航向角,确定与当前路面图像匹配的目标航向角的技术手段,解决了现有技术依赖于三维重建导致沿着视轴拍摄造成深度估计精度不佳的问题,或者依赖于训练样本规模导致规模不足时模型训练效果不佳造成深度估计精度不佳的问题,得到更精确的估计深度信息,从而提高车辆行驶的导航角精确性。
实施例三
图3为本发明实施例三提供的一种车辆行驶控制方法的流程图,本实施例在上述各实施例农田路面环境下车辆航向角的计算方法的基础上实现,可适用于对车辆进行导航行驶控制的情况,该方法可以由车辆行驶控制装置来执行,该车辆行驶控制装置可以采用硬件和/或软件的形式实现,该车辆行驶控制装置可配置于车辆的整车控制器中。如图3所示,该方法包括:
S310、获取与当前路面图像对应的目标航向角。
S320、利用目标航向角控制待控制车辆行驶。
本实施例的技术方案,基于上述各实施例的农田路面环境下车辆航向角的计算方法,通过获取与当前路面图像对应的目标航向角;利用目标航向角控制待控制车辆行驶的技术手段,获取更高精度的估计深度信息,基于高精度的估计深度信息计算更精确的航向信息以提高车辆行驶的导航精确性。
实施例四
图4为本发明实施例四提供的一种农田路面环境下车辆航向角的计算装置的结构示意图。如图4所示,该装置包括:当前处理点确定模块410、信息获取模块420、当前航向角确定模块430和目标航向角确定模块440。
其中:
当前处理点确定模块410,用于利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据所述当前路面图像确定当前处理路面点;
信息获取模块420,用于获取所述当前处理路面点的位置状态、所述摄像机距离地面的第一高度值、所述摄像机的预设参数以及所述当前处理路面点在所述当前路面图像中的描述信息;
当前航向角确定模块430,用于根据所述位置状态、所述第一高度值、所述预设参数和所述描述信息,确定所述当前路面点的深度估计值,并根据所述深度估计值确定与所述当前处理路面点匹配的当前航向角;
目标航向角确定模块440,用于根据与各当前处理路面点对应的各当前航向角,确定与所述当前路面图像匹配的目标航向角。
本发明实施例的技术方案,通过利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据当前路面图像确定当前处理路面点;获取当前处理路面点的位置状态、摄像机距离地面的第一高度值、摄像机的预设参数以及当前处理路面点在当前路面图像中的描述信息;根据位置状态、第一高度值、预设参数和描述信息,确定当前路面点的深度估计值,并根据深度估计值确定与当前处理路面点匹配的当前航向角,由于考虑每个当前处理路面点的位置状态以及摄像机的参数,所以解决了现有技术依赖于三维重建导致沿着视轴拍摄造成深度估计精度不佳的问题,或者依赖于训练样本规模导致规模不足时模型训练效果不佳造成深度估计精度不佳的问题,得到更高精度的估计深度信息,从而提高车辆行驶的导航角精确性。
可选的,当前处理点确定模块410,具体可以用于:
根据所述当前路面图像,获取当前路面导航线的像素坐标以及所述当前路面导航线上的多个像素点;
依次将各像素点确定为当前处理路面点。
可选的,所述预设参数包括所述摄像机的焦距值,以及所述摄像机视轴方向与竖直方向的第一夹角;
所述描述信息包括所述当前路面图像的图像第一高度值和所述当前处理路面点距离所述当前路面图像底部的第一距离值;
当前航向角确定模块430,可以包括:
第二夹角确定子模块,用于根据所述焦距值、所述第一夹角、所述图像第一高度值和所述第一距离值,确定所述摄像机看所述当前处理路面点的视线方向与竖直方向的第二夹角;
垂直向距离确定子模块,用于基于所述位置状态,根据所述第一高度值确定所述摄像机与所述当前处理路面点之间的垂直向距离;
深度估计值确定子模块,用于根据所述第二夹角和所述垂直向距离,确定所述当前处理路面点的深度估计值。
可选的,第二夹角确定子模块,具体可以用于:
根据所述图像第一高度值和所述第一距离值,确定图像坐标系下所述当前处理路面点在所述当前路面图像的第一映射点与所述摄像机视轴方向在所述当前路面图像的第二映射点之间的第二距离值;
根据所述第二距离值和所述焦距值,确定所述摄像机视轴方向与所述摄像机看所述当前处理路面点的视线方向之间的第三夹角;
将所述第一夹角和所述第三夹角之和确定为所述第二夹角。
可选的,垂直向距离确定子模块,可以包括,第一垂直向距离确定单元,用于:
所述位置状态为所述当前处理路面点处于水平路段时,将所述第一高度值直接确定为所述垂直向距离;
相应的,深度估计值确定子模块,可以包括,第一深度估计值确定单元,用于:
通过D=Hctan(θc+β)确定所述当前处理路面点的深度估计值;其中,D表示深度估计值;Hc表示第一高度值;θc+β表示第二夹角;θc表示第一夹角;β表示第三夹角。
可选的,垂直向距离确定子模块,还可以包括,第二垂直向距离确定单元,用于:
所述位置状态为所述当前处理路面点处于上坡路段时,通过Hc-Dtanθ上坡确定所述垂直向距离;其中,θ上坡表示上坡路段的上坡坡度角;
相应的,深度估计值确定子模块,还可以包括,第二深度估计值确定单元,用于:
通过D=(Hc-Dtanθ上坡)tan(θc+β)确定所述深度估计值。
可选的,垂直向距离确定子模块,还可以包括,第三垂直向距离确定单元,用于:
所述位置状态为所述当前处理路面点处于下坡路段时,通过Hc+Dtanθ下坡确定所述垂直向距离,其中,θ下坡表示所述下坡路段的下坡坡度角;
相应的,深度估计值确定子模块,还可以包括,第三深度估计值确定单元,用于:
通过D=(Hc+Dtanθ下坡)tan(θc+β)确定所述深度估计值。
可选的,深度估计值确定子模块,还可以包括,第四深度估计值确定单元,用于:
在所述位置状态为所述当前处理路面点处于悬空点时,根据所述当前处理路面点在当前路面图像的实际像素坐标,确定所述悬空点距离地面的第二高度值;其中,所述悬空点为路面被覆盖后得到的像素点;
根据所述第二夹角、所述第二高度值和所述第一高度值,确定所述悬空点的深度估计值。
可选的,所述摄像机的预设参数还包括安装俯仰角和内参矩阵;
当前航向角确定模块430,还可以包括:
估计三维坐标获取子模块,用于根据所述安装俯仰角、所述内参矩阵、所述深度估计值、所述第一高度值和所述当前处理路面点的实际像素坐标,对所述深度估计值进行坐标系转换,得到所述深度估计值在相机坐标系下的估计三维坐标,并从所述估计三维坐标中获取X轴坐标值和Z轴坐标值;
当前航向角确定子模块,用于将所述X轴坐标值和所述Z轴坐标值的比值,确定为与所述当前处理路面点匹配的当前航向角。
可选的,估计三维坐标获取子模块,具体可以用于:
通过Z1=D cosγ+Hc sinγ得到Z轴坐标;其中,D表示深度估计值,γ表示安装俯仰角,Hc表示第一高度值;
通过Y1=Hccosγ-D sinγ得到Y轴坐标;
通过得到X轴坐标;其中,K表示内参矩阵;u实际、v实际表示所述当前处理路面点的实际像素坐标。
可选的,精度要求判断模块,用于在确定为与所述当前处理路面点匹配的当前航向角之前:
通过得到所述当前处理路面点在所述像素坐标系下的估计像素坐标;其中,X1、Y1和Z1表示估计三维坐标,u估计、v估计表示估计像素坐标;K表示内参矩阵;
将所述估计像素坐标与所述当前处理路面点的实际像素坐标进行比对,判断所述当前处理路面点的估计像素坐标是否满足精度要求;
对满足所述精度要求的当前处理路面点确定匹配的当前航向角。
可选的,目标航向角确定模块440,具体可以用于:
从所述各当前航向角中将超过预设偏移阈值的当前航向角筛除,得到剩余当前航向角;
对所述剩余当前航向角求平均值,确定与所述当前路面图像匹配的当前备用航向角;
将所述当前备用航向角进行坐标系转换,得到地理坐标系下的目标航向角。
本发明实施例所提供的农田路面环境下车辆航向角的计算装置可执行本发明任意实施例所提供的农田路面环境下车辆航向角的计算方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种车辆行驶控制装置的结构示意图。如图5所示,该装置包括:目标航向角获取模块510和车辆控制模块520。
其中:
目标航向角获取模块510,用于获取与当前路面图像对应的目标航向角;
车辆控制模块520,用于利用所述目标航向角控制待控制车辆行驶。
本实施例的技术方案,基于上述各实施例的农田路面环境下车辆航向角的计算方法,通过获取与当前路面图像对应的目标航向角;利用目标航向角控制待控制车辆行驶的技术手段,获取更高精度的估计深度信息,基于高精度的估计深度信息计算更精确的航向信息以提高车辆行驶的导航精确性。
本发明实施例所提供的车辆行驶控制装置可执行本发明任意实施例所提供的车辆行驶控制方法,具备执行方法相应的功能模块和有益效果。
实施例六
图6示出了可以用来实施本发明的实施例的车辆600的结构示意图。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/或者要求的本发明的实现。
如图6所示,车辆600包括至少一个处理器601,以及与至少一个处理器601通信连接的存储器,如只读存储器(ROM)602、随机访问存储器(RAM)603等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器601可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储车辆600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
车辆600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许车辆600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。
处理器601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。处理器601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处理器、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。处理器601执行上文所描述的各个方法和处理,例如农田路面环境下车辆航向角的计算方法和车辆行驶控制方法。
在一些实施例中,农田路面环境下车辆航向角的计算方法和车辆行驶控制方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到车辆600上。当计算机程序加载到RAM 603并由处理器601执行时,可以执行上文描述的农田路面环境下车辆航向角的计算方法和车辆行驶控制方法的一个或多个步骤。备选地,在其他实施例中,处理器601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行农田路面环境下车辆航向角的计算方法和车辆行驶控制方法。
本实施例的车辆还可以集成有农田路面环境下车辆航向角的计算装置,以及车辆行驶控制装置。
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)、专用目标产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在车辆上实施此处描述的系统和技术,该车辆具有: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车辆。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)、区块链网络和互联网。
计算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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (15)
1.一种农田路面环境下车辆航向角的计算方法,其特征在于,包括:
利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据所述当前路面图像确定当前处理路面点;
获取所述当前处理路面点的位置状态、所述摄像机距离地面的第一高度值、所述摄像机的预设参数以及所述当前处理路面点在所述当前路面图像中的描述信息;
根据所述位置状态、所述第一高度值、所述预设参数和所述描述信息,确定所述当前路面点的深度估计值,并根据所述深度估计值确定与所述当前处理路面点匹配的当前航向角;
根据与各当前处理路面点对应的各当前航向角,确定与所述当前路面图像匹配的目标航向角。
2.根据权利要求1所述的方法,其特征在于,根据所述当前路面图像确定当前处理路面点,包括:
根据所述当前路面图像,获取当前路面导航线的像素坐标以及所述当前路面导航线上的多个像素点;
依次将各像素点确定为当前处理路面点。
3.根据权利要求1所述的方法,其特征在于,所述预设参数包括所述摄像机的焦距值,以及所述摄像机视轴方向与竖直方向的第一夹角;
所述描述信息包括所述当前路面图像的图像第一高度值和所述当前处理路面点距离所述当前路面图像底部的第一距离值;
根据所述位置状态、所述第一高度值、所述预设参数和所述描述信息,确定所述当前路面点的深度估计值,包括:
根据所述焦距值、所述第一夹角、所述图像第一高度值和所述第一距离值,确定所述摄像机看所述当前处理路面点的视线方向与竖直方向的第二夹角;
基于所述位置状态,根据所述第一高度值确定所述摄像机与所述当前处理路面点之间的垂直向距离;
根据所述第二夹角和所述垂直向距离,确定所述当前处理路面点的深度估计值。
4.根据权利要求3所述的方法,其特征在于,根据所述焦距值、所述第一夹角、所述图像第一高度值和所述第一距离值,确定所述摄像机看所述当前处理路面点的视线方向与竖直方向的第二夹角,包括:
根据所述图像第一高度值和所述第一距离值,确定图像坐标系下所述当前处理路面点在所述当前路面图像的第一映射点与所述摄像机视轴方向在所述当前路面图像的第二映射点之间的第二距离值;
根据所述第二距离值和所述焦距值,确定所述摄像机视轴方向与所述摄像机看所述当前处理路面点的视线方向之间的第三夹角;
将所述第一夹角和所述第三夹角之和确定为所述第二夹角。
5.根据权利要求3所述的方法,其特征在于,基于所述位置状态,根据所述第一高度值确定所述摄像机与所述当前处理路面点之间的垂直向距离,包括:
所述位置状态为所述当前处理路面点处于水平路段时,将所述第一高度值直接确定为所述垂直向距离;
根据所述第二夹角和所述垂直向距离,确定所述当前处理路面点的深度估计值,包括:
通过D=Hctan(θc+β)确定所述当前处理路面点的深度估计值;其中,D表示深度估计值;Hc表示第一高度值;θc+β表示第二夹角;θc表示第一夹角;β表示第三夹角;
或者,所述位置状态为所述当前处理路面点处于上坡路段时,通过Hc-Dtanθ上坡确定所述垂直向距离;其中,θ上坡表示上坡路段的上坡坡度角;
根据所述第二夹角和所述垂直向距离,确定所述当前处理路面点的深度估计值,包括:
通过D=(Hc-Dtanθ上坡)tan(θc+β)确定所述深度估计值;
或者,所述位置状态为所述当前处理路面点处于下坡路段时,通过Hc+Dtanθ下坡确定所述垂直向距离,其中,θ下坡表示所述下坡路段的下坡坡度角;
根据所述第二夹角和所述垂直向距离,确定所述当前处理路面点的深度估计值,包括:
通过D=(Hc+Dtanθ下坡)tan(θc+β)确定所述深度估计值。
6.根据权利要求3所述的方法,其特征在于,还包括:
所述位置状态为所述当前处理路面点处于悬空点时,根据所述当前处理路面点在当前路面图像的实际像素坐标,确定所述悬空点距离地面的第二高度值;其中,所述悬空点为路面被覆盖后得到的像素点;
根据所述第二夹角、所述第二高度值和所述第一高度值,确定所述悬空点的深度估计值。
7.根据权利要求1所述的方法,其特征在于,所述摄像机的预设参数还包括安装俯仰角和内参矩阵;
根据所述深度估计值确定与所述当前处理路面点匹配的当前航向角,包括:
根据所述安装俯仰角、所述内参矩阵、所述深度估计值、所述第一高度值和所述当前处理路面点的实际像素坐标,对所述深度估计值进行坐标系转换,得到所述深度估计值在相机坐标系下的估计三维坐标,并从所述估计三维坐标中获取X轴坐标值和Z轴坐标值;
将所述X轴坐标值和所述Z轴坐标值的比值,确定为与所述当前处理路面点匹配的当前航向角。
8.根据权利要求7所述的方法,其特征在于,根据所述安装俯仰角、所述内参矩阵、所述深度估计值和所述第一高度值,对所述深度估计值进行坐标系转换,得到所述深度估计值在相机坐标系下的估计三维坐标,包括:
通过Z1=D cosγ+Hc sinγ得到Z轴坐标;其中,D表示深度估计值,γ表示安装俯仰角,Hc表示第一高度值;
通过Y1=Hccosγ-D sinγ得到Y轴坐标;
得到X轴坐标;其中,K表示内参矩阵;u实际、v实际表示所述当前处理路面点的实际像素坐标。
9.根据权利要求8所述的方法,其特征在于,在确定为与所述当前处理路面点匹配的当前航向角之前,还包括:
通过得到所述当前处理路面点在所述像素坐标系下的估计像素坐标;其中,X1、Y1和Z1表示估计三维坐标,u估计、v估计表示估计像素坐标;K表示内参矩阵;
将所述估计像素坐标与所述当前处理路面点的实际像素坐标进行比对,判断所述当前处理路面点的估计像素坐标是否满足精度要求;
对满足所述精度要求的当前处理路面点确定匹配的当前航向角。
10.根据权利要求1所述的方法,其特征在于,根据与各当前处理路面点对应的各当前航向角,确定与所述当前路面图像匹配的目标航向角,包括:
从所述各当前航向角中将超过预设偏移阈值的当前航向角筛除,得到剩余当前航向角;
对所述剩余当前航向角求平均值,确定与所述当前路面图像匹配的当前备用航向角;
将所述当前备用航向角进行坐标系转换,得到地理坐标系下的目标航向角。
11.一种车辆行驶控制方法,包括:
获取与当前路面图像对应的目标航向角;
利用所述目标航向角控制待控制车辆行驶;
其特征在于,所述获取与当前路面图像对应的目标航向角采用如权利要求1-10中任一项所述的农田路面环境下车辆航向角计算方法。
12.一种农田路面环境下车辆航向角的计算装置,其特征在于,包括:
当前处理点确定模块,用于利用设置于待控制车辆的摄像机获取车辆行驶前方的当前路面图像,并根据所述当前路面图像确定当前处理路面点;
信息获取模块,用于获取所述当前处理路面点的位置状态、所述摄像机距离地面的第一高度值、所述摄像机的预设参数以及所述当前处理路面点在所述当前路面图像中的描述信息;
当前航向角确定模块,用于根据所述位置状态、所述第一高度值、所述预设参数和所述描述信息,确定所述当前路面点的深度估计值,并根据所述深度估计值确定与所述当前处理路面点匹配的当前航向角;
目标航向角确定模块,用于根据与各当前处理路面点对应的各当前航向角,确定与所述当前路面图像匹配的目标航向角。
13.一种车辆行驶控制装置,其特征在于,包括:
目标航向角获取模块,用于获取与当前路面图像对应的目标航向角;
车辆控制模块,用于利用所述目标航向角控制待控制车辆行驶;
其特征在于,所述获取与当前路面图像对应的目标航向角采用如权利要求1-10中任一项所述的农田路面环境下车辆航向角计算方法。
14.一种车辆,其特征在于,所述车辆包括:
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计算机程序,所述计算机程序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1-10中任一项所述的农田路面环境下车辆航向角的计算方法,以及权利要求11中任一项所述的车辆行驶控制方法;
或者,所述车辆集成权利要求12所述的农田路面环境下车辆航向角的计算装置,以及权利要求13所述的车辆行驶控制装置。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-10中任一项所述的农田路面环境下车辆航向角的计算方法,以及权利要求11中任一项所述的车辆行驶控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310744488.8A CN116777966A (zh) | 2023-06-21 | 2023-06-21 | 一种农田路面环境下车辆航向角的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310744488.8A CN116777966A (zh) | 2023-06-21 | 2023-06-21 | 一种农田路面环境下车辆航向角的计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116777966A true CN116777966A (zh) | 2023-09-19 |
Family
ID=88009478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310744488.8A Pending CN116777966A (zh) | 2023-06-21 | 2023-06-21 | 一种农田路面环境下车辆航向角的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116777966A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557616A (zh) * | 2024-01-11 | 2024-02-13 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种单目相机俯仰角确定和深度估计方法、装置及设备 |
-
2023
- 2023-06-21 CN CN202310744488.8A patent/CN116777966A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557616A (zh) * | 2024-01-11 | 2024-02-13 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种单目相机俯仰角确定和深度估计方法、装置及设备 |
CN117557616B (zh) * | 2024-01-11 | 2024-04-02 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种单目相机俯仰角确定和深度估计方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10964054B2 (en) | Method and device for positioning | |
CN110567469B (zh) | 视觉定位方法、装置、电子设备及系统 | |
CN113377888B (zh) | 训练目标检测模型和检测目标的方法 | |
CN111829532B (zh) | 一种飞行器重定位系统和重定位方法 | |
WO2021017213A1 (zh) | 一种视觉定位效果自检方法及车载终端 | |
WO2023004956A1 (zh) | 一种在高动态环境下的激光slam方法、系统设备及存储介质 | |
CN114565863B (zh) | 无人机图像的正射影像实时生成方法、装置、介质及设备 | |
CN113781562B (zh) | 一种基于道路模型的车道线虚实配准和自车定位方法 | |
EP3588446A2 (en) | Point cloud colorization with occlusion detection | |
WO2021017211A1 (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
CN116777966A (zh) | 一种农田路面环境下车辆航向角的计算方法 | |
CN110596741A (zh) | 车辆定位方法、装置、计算机设备和存储介质 | |
CN114217665A (zh) | 一种相机和激光雷达时间同步方法、装置及存储介质 | |
CN113223064B (zh) | 一种视觉惯性里程计尺度的估计方法和装置 | |
CN110989619B (zh) | 用于定位对象的方法、装置、设备和存储介质 | |
CN114419165B (zh) | 相机外参校正方法、装置、电子设备和存储介质 | |
CN116772858A (zh) | 车辆定位方法、装置、定位设备及存储介质 | |
CN116883460A (zh) | 一种视觉感知定位方法、装置、电子设备及存储介质 | |
CN116129422A (zh) | 单目3d目标检测方法、装置、电子设备和存储介质 | |
CN115792985A (zh) | 一种车辆定位方法、装置、电子设备、存储介质及车辆 | |
CN114987497A (zh) | 一种后向车道线拟合方法、装置、电子设备和存储介质 | |
CN114239995A (zh) | 全区域巡航路线生成方法、系统、电子设备及存储介质 | |
CN114612544B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN113379591B (zh) | 速度确定方法、速度确定装置、电子设备及存储介质 | |
CN115128655B (zh) | 自动驾驶车辆的定位方法和装置、电子设备和存储介质 |
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 |