CN116863124B - 车辆姿态确定方法、控制器及存储介质 - Google Patents
车辆姿态确定方法、控制器及存储介质 Download PDFInfo
- Publication number
- CN116863124B CN116863124B CN202311126613.5A CN202311126613A CN116863124B CN 116863124 B CN116863124 B CN 116863124B CN 202311126613 A CN202311126613 A CN 202311126613A CN 116863124 B CN116863124 B CN 116863124B
- Authority
- CN
- China
- Prior art keywords
- target
- frame image
- confidence coefficient
- vehicle
- determining
- 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 62
- 230000008859 change Effects 0.000 claims abstract description 135
- 230000003068 static effect Effects 0.000 claims abstract description 77
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000012795 verification Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 15
- 230000002829 reductive effect Effects 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 32
- 238000011161 development Methods 0.000 abstract description 12
- 230000009286 beneficial effect Effects 0.000 abstract description 8
- 238000009434 installation Methods 0.000 abstract description 6
- 230000036544 posture Effects 0.000 description 90
- 238000001514 detection method Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- 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
-
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种车辆姿态确定方法、控制器及存储介质。该方法包括：获取自车前方环境和/或自车后方环境的当前帧图像；对当前帧图像中的实际静止目标进行检测，构成目标集；从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标；根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态。本发明能够只通过图像处理确定自车姿态，成本低、开发难度低且开发周期短，有助于降低产品投放市场门槛以及拓展后装感知设备的应用市场。
Description
技术领域
本发明涉及车辆姿态判断技术领域，尤其涉及一种车辆姿态确定方法、控制器及存储介质。
背景技术
商用车自动或辅助驾驶中，进行车辆姿态的判断至关重要。目前按照车载设备的安装方式，一般可以通过车载设备前装或车载设备后装的方案来确定自车行驶过程中的姿态。
其中，车载设备前装的方案，前装的车载设备可接入车辆控制器局域网络（Controller Area Network，CAN）总线，从CAN总线上获取车辆行驶姿态的各种第一手数据。然而，对于没有前装车载设备的车辆，则只能选择车载设备后装的方案。而车载设备后装的方案由于安全性考量，往往很难接入车辆自身的CAN总线，只能间接安装多种第三方感知设备（如陀螺仪、全球定位系统（Global Positioning System，GPS）、摄像头等），通过多种第三方感知设备联动来确定车辆姿态信息。但是多种第三方感知设备联动确定车辆姿态信息的方法存在成本高、开发难度大、开发周期长等问题，不利于市场推广应用。
发明内容
本发明实施例提供了一种车辆姿态确定方法、控制器及存储介质，以解决目前需要通过多种第三方感知设备联动确定车辆姿态信息的问题。
第一方面，本发明实施例提供了一种车辆姿态确定方法，包括：
获取自车前方环境和/或自车后方环境的当前帧图像；
对当前帧图像中的实际静止目标进行检测，构成目标集；
从所述目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标；
根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态。
在一种可能的实现方式中，所述目标集中包括当前帧图像中的每个实际静止目标的目标类型和目标框顶点像素坐标；
从所述目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标，包括：
根据所述目标类型和所述目标框顶点像素坐标，从所述目标集中筛选与上一帧图像中的实际静止目标的目标框顶点像素坐标的差值在设定范围内，且目标类型相同的实际静止目标，记为有效目标。
在一种可能的实现方式中，所述根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态，包括：
根据每个有效目标从上一帧图像到当前帧图像的纵向变化趋势，确定每个有效目标的纵向变化趋势置信度；
根据每个有效目标从上一帧图像到当前帧图像的横向变化趋势，确定每个有效目标的横向变化趋势置信度；
根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度；
根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度；
根据每个有效目标的纵向变化趋势和所述纵向姿态置信度，以及每个有效目标的横向变化趋势和所述横向姿态置信度，确定自车姿态。
在一种可能的实现方式中，所述目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；
确定每个有效目标从上一帧图像到当前帧图像的纵向变化趋势的过程包括：
根据每个有效目标的目标框顶点像素坐标，计算每个有效目标在当前帧图像中的第一关键尺寸信息；
将每个有效目标的所述第一关键尺寸信息与每个有效目标在上一帧图像中对应的实际静止目标的第二关键尺寸信息进行对比，确定每个有效目标从上一帧图像到当前帧图像的纵向变化趋势。
在一种可能的实现方式中，所述目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；
确定每个有效目标从上一帧图像到当前帧图像的横向变化趋势的过程包括：
根据当前帧图像中沿纵向的设定分界线，确定每个有效目标在上一帧图像中对应的实际静止目标的目标框顶点像素坐标到该有效目标的目标框顶点像素坐标的移动方向；
若所述移动方向为从左到右，则将该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为左转；
若所述移动方向为从右到左，则将该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为右转。
在一种可能的实现方式中，所述目标集中包括当前帧图像中的每个实际静止目标的目标类型；
在从所述目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标之前，还包括：
根据当前帧图像中的每个实际静止目标的目标类型，确定当前帧图像中的每个实际静止目标的目标类型置信度；
所述根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，包括：
根据每个有效目标的纵向变化趋势置信度和目标类型置信度，确定自车的纵向姿态置信度；
所述根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，包括：
根据每个有效目标的横向变化趋势置信度和目标类型置信度，确定自车的横向姿态置信度。
在一种可能的实现方式中，在从所述目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标之后，还包括：
确定每个有效目标的同一目标置信度；
所述根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，包括：
根据每个有效目标的纵向变化趋势置信度、目标类型置信度和同一目标置信度，确定自车的纵向姿态置信度；
所述根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，包括：
根据每个有效目标的横向变化趋势置信度、目标类型置信度和同一目标置信度，确定自车的横向姿态置信度。
在一种可能的实现方式中，所述目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；
在确定每个有效目标的同一目标置信度之后，还包括：
对比每个有效目标的目标框顶点像素坐标与该有效目标在上一帧图像中对应的实际静止坐标的预测目标框顶点像素坐标是否匹配；
若某个有效目标的目标框顶点像素坐标与对应的所述预测目标框顶点像素坐标匹配，则增加该有效目标的同一目标置信度，并确定该有效目标的趋势验证置信度；
若某个有效目标的目标框顶点像素坐标与对应的所述预测目标框顶点像素坐标不匹配，则减少该有效目标的同一目标置信度，并确定该有效目标的趋势验证置信度；
所述根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，包括：
根据每个有效目标的纵向变化趋势置信度、目标类型置信度、增加或减少后的同一目标置信度和趋势验证置信度，确定自车的纵向姿态置信度；
所述根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，包括：
根据每个有效目标的横向变化趋势置信度、目标类型置信度、增加或减少后的同一目标置信度和趋势验证置信度，确定自车的横向姿态置信度。
第二方面，本发明实施例提供了一种控制器，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第三方面，本发明实施例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程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种车辆姿态确定方法、控制器及存储介质，通过先获取自车前方环境和/或自车后方环境的当前帧图像，并对当前帧图像中的实际静止目标进行检测，构成目标集，然后从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标，最后根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态。进而可以只通过对图像采集装置这一种感知设备采集的图像进行处理确定自车姿态，无需陀螺仪、GPS等其他感知设备，也无需接入车辆自身CAN总线，无需对接车辆数据接口，成本低、开发难度低且开发周期短，从而有助于降低产品投放市场门槛，并且由于仅基于图像采集装置这一种感知设备确定自车姿态，使客户对接沟通简单，有利于拓展后装感知设备的应用市场。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的车辆姿态确定方法的实现流程图；
图2是本发明实施例提供的图像采集装置的安装位置示意图；
图3是本发明一实施例提供的目标检测模型对实际静止目标进行编号的示意图；
图4是本发明另一实施例提供的目标检测模型对实际静止目标进行编号的示意图；
图5是本发明实施例提供的车辆姿态确定装置的结构示意图；
图6是本发明实施例提供的控制器的示意图。
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。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
参见图1，其示出了本发明实施例提供的车辆姿态确定方法的实现流程图，该车辆姿态确定方法应用于后装感知设备以进行车辆姿态判断的商用车或乘用车中，详述如下：
在步骤101中，获取自车前方环境和/或自车后方环境的当前帧图像。
如图2所示，为了应用本发明实施例提供的车辆姿态确定方法，可以在自车前方和/或自车后方安装图像采集装置，以获取自车前方环境和/或自车后方环境的当前帧图像，从而利用自车前方环境和/或自车后方环境在图像中的变化确定自车姿态。
示例性的，如图2所示，可以只在自车正前方中间位置安装前置摄像头作为图像采集装置获取自车前方环境的当前帧图像，或者也只可以在自车正后方中间位置安装后置摄像头为图像采集装置获取自车后方环境的当前帧图像。为了使后续确定自车姿态更准确，也可以在自车正前方中间位置安装前置摄像头，并在自车正后方中间位置安装后置摄像头，以通过前置摄像头获取的当前帧图像和后置摄像头获取的当前帧图像对自车姿态的确定结果进行相互验证。
在一些实际情况中，前置摄像头也可以不安装在自车正前方中间位置，而是根据实际需要安装在自车前方某一位置，同样的，后置摄像头也可以不安装在自车正后方中间位置，而是根据实际需要安装在自车后方某一位置，只要能够获取自车前方环境和/或自车后方环境的图像即可。
可选的，图像采集装置采集图像的帧率可以配置，例如帧率配置为15帧，即图像采集设备每秒采集15帧实时图像，帧率越高每秒采集的图像帧越多，实时性越高。
在步骤102中，对当前帧图像中的实际静止目标进行检测，构成目标集。
本实施例中，考虑到自车前方环境和/或自车后方环境的图像中，相对于自车运动的目标的变化是不确定的，而相对于自车的实际静止目标在不同图像中的变化趋势是有规律可循的。即实际静止目标在自车前进、倒车、左转、右转等不同姿态下会出现不同的变化趋势，因而对当前帧图像中的实际静止目标进行检测，以用于后续区分自车的不同姿态。
示例性的，可以通过事先训练好的目标检测模型例如预置神经网络模型对当前帧图像中的实际静止目标进行检测。检测完成后，目标检测模型可以输出当前帧图像中每个实际静止目标的目标编号、目标置信度、目标类型和目标框顶点像素坐标。
其中，目标检测模型可以按像素零点为起点，先横向（即图3中u方向）后纵向（即图3中v方向）或先纵向后横向对检测出的实际静止目标进行编号。或者目标检测模型也可以按图像中沿纵向的设定分界线的最上方像素点或最下方像素点为起点，先对设定分界线右侧（即图4中a向）的实际静止目标按照先纵向再横向或先横向再纵向的顺序编号，再对设定分界线左侧（即图4中b向）的实际静止目标按照先纵向再横向或先横向再纵向的顺序编号。例如将图像中的实际静止目标编号为A1、A2、A3……，B1、B2、B3……。本实施例并不对目标检测模型具体的编号顺序进行限定，只要对获取的自车前方环境和/或自车后方环境的每一帧图像均按相同的规则进行编号即可。
本实施例中，通过目标检测模型对检测出的实际静止目标进行编号，可以利用编号将上一帧图像、当前帧图像及下一帧图像中的实际静止目标关联起来，从而便于后续处理。
在此基础上，通过目标检测模型输出的关于每个实际静止目标的目标置信度、目标类型和目标框顶点像素坐标，可以确定当前帧图像中的实际静止目标和上一帧图像中的实际静止目标是否为同一目标，以及同一目标从上一帧图像到当前帧图像的变化趋势，进而根据同一目标从上一帧图像到当前帧图像的变化趋势确定自车姿态。
在步骤103中，从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标。
本实施例中，考虑到只有在当前帧图像中的实际静止目标与上一帧图像中的实际静止目标为同一目标的情况下，才能确定同一目标从上一帧图像到当前帧图像的变化趋势，进而根据同一目标从上一帧图像到当前帧图像的变化趋势确定自车姿态。因此，在利用目标检测模型对当前帧图像中的实际静止目标进行检测，得到目标集后，可以先判断目标集中的每个实际静止目标与上一帧图像中的各个实际静止目标的关联性，从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，作为有效目标。
可选的，为了降低计算量并提高准确率，在从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标之前，可以先根据当前帧图像中每个实际静止目标的目标置信度对目标集进行过滤，将目标置信度阈值低于设定置信度阈值的实际静止目标过滤掉，以避免对目标集中所有实际静止目标进行处理计算量较大的问题，以及目标检测模型输出的目标置信度较低的目标可能属于非实际静止目标等误检的情况，进而可能为后续自车姿态确定引入误差的问题。
在步骤104中，根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态。
本实施例中，在从目标集中筛选出有效目标后，可以综合每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态。
可选的，为了提高自车姿态的确定结果的准确性和可靠性，可以配置连续处理的图像帧数。例如将连续处理的图像帧数配置为3帧，即结合连续3帧图像中每个有效目标从上一帧图像到当前帧图像的变化趋势确定自车姿态。例如当前帧图像为第i帧图像，即结合第i-1帧图像、第i-2帧图像中每个有效目标从上一帧图像到当前帧图像的变化趋势确定自车姿态，若第i帧图像、第i-1帧图像、第i-2帧图像中每个有效目标的变化趋势均相同，则可以确定自车姿态为该变化趋势对应的姿态的可能性更高。若第i帧图像、第i-1帧图像、第i-2帧图像中存在与其他有效目标的变化趋势不同的目标，则可以基于该目标对自车整体的姿态进行修正。
其中，可以通过同一处理模块配置连续处理的图像帧数以及图像采集装置采集图像的帧率等主要参数，从而便于动态调整参数信息，为进行高置信度测试提供便利，进而精确确定主要参数。
本发明实施例通过先获取自车前方环境和/或自车后方环境的当前帧图像，并对当前帧图像中的实际静止目标进行检测，构成目标集，然后从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标，最后根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态。进而可以只通过对图像采集装置这一种感知设备采集的图像进行处理确定自车姿态，无需陀螺仪、GPS等其他感知设备，也无需接入车辆自身CAN总线，无需对接车辆数据接口，成本低、开发难度低且开发周期短，从而有助于降低产品投放市场门槛，并且由于仅基于图像采集装置这一种感知设备确定自车姿态，使客户对接沟通简单，有利于拓展后装感知设备的应用市场。
可选的，目标集中包括当前帧图像中的每个实际静止目标的目标类型和目标框顶点像素坐标。
相应的，从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标，可以包括：
根据目标类型和目标框顶点像素坐标，从目标集中筛选与上一帧图像中的实际静止目标的目标框顶点像素坐标的差值在设定范围内，且目标类型相同的实际静止目标，记为有效目标。
本实施例给出了结合目标检测模型输出的目标类型和目标框顶点像素坐标从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标的实施例。对于目标集中的某一实际静止目标来说，首先通过目标类型缩小比较范围，也即先判断上一帧图像中是否存在与该实际静止目标的目标类型相同的实际静止目标，若上一帧图像中不存在与该实际静止目标的目标类型相同的实际静止目标，则不利用该实际静止目标进行后续处理。若上一帧图像中存在与该实际静止目标的目标类型相同的实际静止目标，则进一步比较该实际静止目标的目标框顶点像素坐标与上一帧图像中的目标框顶点像素坐标，若该实际静止目标的目标框顶点像素坐标与上一帧图像中对应的目标框顶点像素坐标的差值在设定范围内，则可以将该实际静止目标作为有效目标。否则，该实际静止目标可能为自车前方环境或后方环境中出现的相同目标类型的另一实际静止目标，例如上一帧图像中出现的灯杆或红绿灯为灯杆1或红绿灯1，当前帧图像中出现的灯杆或红绿灯为灯杆2或红绿灯2。
以红绿灯为例，示例性的，可以根据自车所处的实际道路环境中相邻红绿灯之间的间距以及一般情况下车辆的车速确定当前帧图像中的实际静止目标的目标框顶点像素坐标与上一帧图像中的实际静止目标的目标框顶点像素坐标的差值的设定阈值，以确定相应的设定范围。或者，根据实际情况，也可以再结合其他因素确定设定阈值及设定范围。
可选的，根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态，可以包括：
根据每个有效目标从上一帧图像到当前帧图像的纵向变化趋势，确定每个有效目标的纵向变化趋势置信度。
根据每个有效目标从上一帧图像到当前帧图像的横向变化趋势，确定每个有效目标的横向变化趋势置信度。
根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度。
根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度。
根据每个有效目标的纵向变化趋势和纵向姿态置信度，以及每个有效目标的横向变化趋势和横向姿态置信度，确定自车姿态。
本实施例中，为了准确确定自车的前进、倒车、左转、右转，可以结合每个有效目标的纵向变化趋势和横向变化趋势综合确定。
为了进一步提高确定的自车姿态的准确性，在确定每个有效目标的纵向变化趋势和横向变化趋势之后，还可以设定相应的纵向变化趋势置信度和横向变化趋势置信度，并综合每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，综合每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度。
其中，纵向变化趋势置信度和横向变化趋势置信度的数值类型和范围可进行预先定义，例如当某个有效目标的纵向变化趋势为变大时，将其相应的纵向变化趋势置信度设置为一正值，当某个有效目标的纵向变化趋势为变小时，将其相应的纵向变化趋势置信度设置为一负值。当某个有效目标的横向变化趋势为左转时，将其相应的横向变化趋势置信度设置为一负值，当某个有效目标的横向变化趋势为右转时，将其相应的横向变化趋势置信度设置为一正值。
示例性的，可以通过将每个有效目标的纵向变化趋势置信度或横向变化趋势置信度累加或加权累加的方式，得到自车的纵向姿态置信度或横向姿态置信度。
可选的，目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标。
相应的，确定每个有效目标从上一帧图像到当前帧图像的纵向变化趋势的过程可以包括：根据每个有效目标的目标框顶点像素坐标，计算每个有效目标在当前帧图像中的第一关键尺寸信息。
将每个有效目标的第一关键尺寸信息与每个有效目标在上一帧图像中对应的实际静止目标的第二关键尺寸信息进行对比，确定每个有效目标从上一帧图像到当前帧图像的纵向变化趋势。
本实施例给出了确定每个有效目标从上一帧图像到当前帧图像的纵向变化趋势的一实施例，即通过相邻两帧图像中同一目标的同一尺寸变量（即第一关键尺寸信息和第二关键尺寸信息），确定同一目标在相邻两帧图像中的大小变化趋势，进而确定同一目标在相邻两帧图像中的纵向变化趋势。
示例性的，第一关键尺寸信息或第二关键尺寸信息可以为实际静止目标对应的目标框的宽、高、目标框对角线等，本实施例对此不做限定，只要第一关键尺寸信息与第二关键尺寸信息的类型相同即可。
以第一关键尺寸信息和第二关键尺寸信息均为目标框对角线为例，根据有效目标的目标框顶点像素坐标计算该有效目标的目标框对角线，若当前帧图像中的有效目标的目标框对角线比上一帧图像中的同一目标的目标框对角线长，则确定该有效目标的纵向变化趋势为变大。反之，则确定该有效目标的纵向变化趋势为变小。
可选的，目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标。
相应的，确定每个有效目标从上一帧图像到当前帧图像的横向变化趋势的过程可以包括：
根据当前帧图像中沿纵向的设定分界线，确定每个有效目标在上一帧图像中对应的实际静止目标的目标框顶点像素坐标到该有效目标的目标框顶点像素坐标的移动方向。
若移动方向为从左到右，则将该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为左转。
若移动方向为从右到左，则将该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为右转。
结合图3和图4所示，本实施例在图像中设置设定分界线，以便于确定有效目标在横向方向上的移动方向。
将有效目标的目标框顶点像素坐标作为第一坐标，将有效目标在上一帧图像中对应的实际静止目标的目标框顶点像素坐标作为第二坐标，示例性的，若从第二坐标到第一坐标即从左到右跨越设定分界线或相对设定分界线的移动方向为从左到右，则可以确定该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为左转。若从第二坐标到第一坐标即从右到左跨越设定分界线或相对设定分界线的移动方向为从右到左，则可以确定该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为右转。
可选的，当图像采集装置安装在自车正前方中间位置或者自车正后方中间位置时，设定边界线可以为沿纵向将图像等分的正中线。或者当图像采集装置的安装位置不在自车自车正前方中间位置或者自车正后方中间位置时，可以根据图像采集装置的安装位置选定图像中的设定边界线。
可选的，目标集中包括当前帧图像中的每个实际静止目标的目标类型。
在从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标之前，还可以包括：
根据当前帧图像中的每个实际静止目标的目标类型，确定当前帧图像中的每个实际静止目标的目标类型置信度。
根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，可以包括：根据每个有效目标的纵向变化趋势置信度和目标类型置信度，确定自车的纵向姿态置信度。
根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，可以包括：根据每个有效目标的横向变化趋势置信度和目标类型置信度，确定自车的横向姿态置信度。
本实施例中，目标类型置信度为根据某一类型的目标确定自车姿态的可信度。例如根据红绿灯确定自车姿态的可信度较高，则可以配置为0.9，根据灯杆或垃圾桶确定自车姿态的可信度一般，则可以配置为0.5，等等。
具体某一目标类型对应的目标类型置信度可以事先标定，也可以在车辆姿态确定的过程中适当调整。
确定每个实际静止目标对应的目标类型置信度之后，可以在后续综合每个有效目标的纵向变化趋势置信度确定自车的纵向姿态置信度，以及综合每个有效目标的横向变化趋势置信度确定自车的横向姿态置信度的过程中，利用目标类型置信度对每个有效目标的纵向变化趋势置信度或横向变化趋势置信度赋权，从而使获得的纵向姿态置信度和横向姿态置信度更加准确。
可选的，在从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标之后，还可以包括：
确定每个有效目标的同一目标置信度。
根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，可以包括：根据每个有效目标的纵向变化趋势置信度、目标类型置信度和同一目标置信度，确定自车的纵向姿态置信度。
根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，可以包括：根据每个有效目标的横向变化趋势置信度、目标类型置信度和同一目标置信度，确定自车的横向姿态置信度。
本实施例中，考虑在从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标的过程中，也有可能出现误检等情况，因此，在从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标之后，也为每个有效目标设置一个同一目标置信度，以便于后续基于同一目标置信度进一步对有效目标的纵向变化趋势置信度或横向变化趋势置信度进行赋权。
可选的，目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标。
在确定每个有效目标的同一目标置信度之后，还可以包括：
对比每个有效目标的目标框顶点像素坐标与该有效目标在上一帧图像中对应的实际静止坐标的预测目标框顶点像素坐标是否匹配。
若某个有效目标的目标框顶点像素坐标与对应的预测目标框顶点像素坐标匹配，则增加该有效目标的同一目标置信度，并确定该有效目标的趋势验证置信度。
若某个有效目标的目标框顶点像素坐标与对应的预测目标框顶点像素坐标不匹配，则减少该有效目标的同一目标置信度，并确定该有效目标的趋势验证置信度。
根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，可以包括：根据每个有效目标的纵向变化趋势置信度、目标类型置信度、增加或减少后的同一目标置信度和趋势验证置信度，确定自车的纵向姿态置信度。
根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，可以包括：根据每个有效目标的横向变化趋势置信度、目标类型置信度、增加或减少后的同一目标置信度和趋势验证置信度，确定自车的横向姿态置信度。
本实施例中，为了进一步提高自车的纵向姿态置信度和横向姿态置信度的准确性，在结合目标类型置信度、同一目标置信度对有效目标的纵向变化趋势置信度或横向变化趋势置信度进行赋权的基础上，还根据有效目标在上一帧图像中对应的实际静止坐标的预测目标框顶点像素坐标，对有效目标的同一目标置信度进行修正，并添加趋势验证置信度，以采用多种置信度综合决策。
示例性的，假设上一帧图像中的实际静止目标A1与当前帧图像中的实际静止目标B2为同一目标，且上一帧图像中预测的A1在下一帧图像中的预测目标框顶点像素坐标与当前帧图像中B2的目标框顶点像素坐标匹配（即坐标差值不大或坐标完全相同），则说明实际静止目标A1与实际静止目标B2为同一目标这个结论的准确性较大，因此，可以增加同一目标置信度，并将趋势验证置信度设为正值或一个较大值。若上一帧图像中预测的A1在下一帧图像中的预测目标框顶点像素坐标与当前帧图像中B2的目标框顶点像素坐标不匹配（即坐标差值较大），则说明实际静止目标A1与实际静止目标B2为同一目标这个结论的准确性较小，因此，可以减少同一目标置信度，并将趋势验证置信度设为负值或一个较小值。
在此基础上，当自车同时安装前置摄像头和后置摄像头时，对于前置摄像头获取的自车前方环境的当前帧图像和后置摄像头获取的自车后方环境的当前帧图像，均可以按照上述步骤101至步骤104进行处理，只是在根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态时，可以先分别确定表征自车前方环境的当前帧图像对应的纵向姿态置信度和横向姿态置信度，以及表征自车后方环境的当前帧图像对应的纵向姿态置信度和横向姿态置信度。然后再综合自车前方环境的当前帧图像的纵向姿态置信度和自车后方环境的当前帧图像的纵向姿态置信度，确定自车整体的纵向姿态置信度。并综合自车前方环境的当前帧图像的横向姿态置信度和自车后方环境的当前帧图像的横向姿态置信度，确定自车整体的横向姿态置信度，以对自车前方环境确定的纵向姿态置信度和横向姿态置信度与自车后方环境确定的纵向姿态置信度和横向姿态置信度进行对比验证，增加相同判断结果的置信度，使后续根据纵向姿态置信度和横向姿态置信度确定的自车姿态更加准确。
以下通过具体实施例，对上述车辆姿态确定方法进行进一步说明：
以通过安装在自车正前方中间位置的前置摄像头获取到的自车前方环境的实时图像N为例，该图像N经目标检测模型处理获得对应的目标集，即图像N中识别出来的一组实际静止目标，目标集中包含每个实际静止目标的目标编号、目标置信度、目标类型和目标框顶点像素坐标。遍历目标集中的各个实际静止目标，先后主要进行同一目标的判断、同一目标变化趋势的判断，具体如下：
（1）根据目标类型赋值目标类型置信度，例如目标类型为红绿灯，则可以赋值目标类型置信度为0.9。
（2）根据目标类型，对比上一帧图像中的同类目标，判断是否为同一目标。判断方法为，根据目标框顶点像素坐标值，对比上一帧图像中同类目标的目标框顶点像素坐标值，位置关键点之间差值小于设定阈值的，判为同一目标，并根据差值范围，赋值同一目标置信度。
（3）对比目标框像素坐标值和上一帧图像预测的同一目标的预测位置（即预测目标框顶点像素坐标值），若两者之间匹配度较高，则更新该目标的同一目标置信度，并赋值趋势验证置信度（例如如赋值趋势验证置信度为1），并推测下一帧该目标的预测位置，更新预测位置记录值；若两者之间匹配度较低，即上一帧图像预测的同一目标预测位置与本帧中判断为同一目标的实际像素位置相差较大，则降低同一目标置信度，并赋值趋势验证置信度（例如赋值为0），更新该置信度记录值；清空预测位置记录。
从而通过步骤（2）、（3）判断是否为同一目标，并给出同一目标置信度。
（4）计算并记录目标的对比因子（即第一关键尺寸信息），如目标框的对角线长度L(n)；对比当前帧该目标的对比因子与上一帧中同一目标的对比因子，如果对比因子呈现变大趋势，可以赋值目标变化趋势置信度1（即纵向变化趋势置信度）为正值；如果对比因子呈现减小趋势，可以赋值目标变化趋势置信度1（即纵向变化趋势置信度）为负值。
（5）判断目标像素位置是否跨越位于图像中心的设定分界线，如果目标跨越分界线，且自左向右跨越，则可以赋值目标变化趋势置信度2（即横向变化趋势置信度）为负值，即左转；如果目标跨越分界线，且自右向左跨越，则可以赋值目标变化趋势置信度2（即横向变化趋势置信度）为正值，即右转。
（6）综合当前帧中所有目标的纵向变化趋势置信度和横向变化趋势置信度，即所有可用目标的纵向变化趋势置信度相加或加权相加，且所有可用目标的横向变化趋势置信度相加或加权相加。
（7）将本帧处理得出的目标类型置信度、同一目标置信度、趋势验证置信度、纵向变化趋势置信度和横向变化趋势置信度进行计算，分别得出姿态置信度1（即纵向姿态置信度）和姿态置信度2（即横向姿态置信度）。计算方法可相加、加权相加、相乘、加权相乘，或乘法加法混合运算。最终计算结果可以和相应姿态置信度阈值进行比对，得出自车姿态。
（8）如果为前后双摄像头，则可以进一步将前后摄像头获取图像处理后的姿态置信度1和姿态置信度2分别进行相加或加权相加。
（9）当姿态置信度1大于姿态置信度阈值1时为向前行驶，当姿态置信度1小于姿态置信度阈值2时为向后行驶；当姿态置信度2大于姿态置信度阈值3时为向右行驶，当姿态置信度2小于姿态置信度阈值4时为向左行驶。
（10）各个阈值可根据配置文件进行修改。
本发明实施例可以解决车辆行驶过程中（包括起步阶段）车辆姿态确定的确定问题，通过前置摄像头或前后双摄像头，利用图像处理的一系列算法来实现车辆姿态的确定。产品只采用摄像头作为感知设备，无需依靠陀螺仪、GPS等感知设备，无需多感知设备联动，成本低。并且无需接入车辆自身CAN总线，无需对接车辆数据接口，开发难度低，开发周期短，客户对接沟通简单，可以降低产品投放市场门槛，为车载后装设备开创广泛市场应用。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图5示出了本发明实施例提供的车辆姿态确定装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图5所示，车辆姿态确定装置包括：获取模块51、识别模块52、第一处理模块53和第二处理模块54。
获取模块51，用于获取自车前方环境和/或自车后方环境的当前帧图像；
识别模块52，用于对当前帧图像中的实际静止目标进行检测，构成目标集；
第一处理模块53，用于从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标；
第二处理模块54，用于根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态。
本发明实施例通过先获取自车前方环境和/或自车后方环境的当前帧图像，并对当前帧图像中的实际静止目标进行检测，构成目标集，然后从目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标，最后根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态。进而可以只通过对图像采集装置这一种感知设备采集的图像进行处理确定自车姿态，无需陀螺仪、GPS等其他感知设备，也无需接入车辆自身CAN总线，无需对接车辆数据接口，成本低、开发难度低且开发周期短，从而有助于降低产品投放市场门槛，并且由于仅基于图像采集装置这一种感知设备确定自车姿态，使客户对接沟通简单，有利于拓展后装感知设备的应用市场。
在一种可能的实现方式中，目标集中包括当前帧图像中的每个实际静止目标的目标类型和目标框顶点像素坐标；第一处理模块53，可以用于根据目标类型和目标框顶点像素坐标，从目标集中筛选与上一帧图像中的实际静止目标的目标框顶点像素坐标的差值在设定范围内，且目标类型相同的实际静止目标，记为有效目标。
在一种可能的实现方式中，第二处理模块54，可以用于根据每个有效目标从上一帧图像到当前帧图像的纵向变化趋势，确定每个有效目标的纵向变化趋势置信度；根据每个有效目标从上一帧图像到当前帧图像的横向变化趋势，确定每个有效目标的横向变化趋势置信度；根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度；根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度；根据每个有效目标的纵向变化趋势和纵向姿态置信度，以及每个有效目标的横向变化趋势和横向姿态置信度，确定自车姿态。
在一种可能的实现方式中，目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；第二处理模块54，可以用于根据每个有效目标的目标框顶点像素坐标，计算每个有效目标在当前帧图像中的第一关键尺寸信息；将每个有效目标的第一关键尺寸信息与每个有效目标在上一帧图像中对应的实际静止目标的第二关键尺寸信息进行对比，确定每个有效目标从上一帧图像到当前帧图像的纵向变化趋势。
在一种可能的实现方式中，目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；第二处理模块54，可以用于根据当前帧图像中沿纵向的设定分界线，确定每个有效目标在上一帧图像中对应的实际静止目标的目标框顶点像素坐标到该有效目标的目标框顶点像素坐标的移动方向；若移动方向为从左到右，则将该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为左转；若移动方向为从右到左，则将该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为右转。
在一种可能的实现方式中，目标集中包括当前帧图像中的每个实际静止目标的目标类型；第一处理模块53，还可以用于根据当前帧图像中的每个实际静止目标的目标类型，确定当前帧图像中的每个实际静止目标的目标类型置信度；第二处理模块54，可以用于根据每个有效目标的纵向变化趋势置信度和目标类型置信度，确定自车的纵向姿态置信度；根据每个有效目标的横向变化趋势置信度和目标类型置信度，确定自车的横向姿态置信度。
在一种可能的实现方式中，第一处理模块53，还可以用于确定每个有效目标的同一目标置信度；第二处理模块54，可以用于根据每个有效目标的纵向变化趋势置信度、目标类型置信度和同一目标置信度，确定自车的纵向姿态置信度；根据每个有效目标的横向变化趋势置信度、目标类型置信度和同一目标置信度，确定自车的横向姿态置信度。
在一种可能的实现方式中，目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；第一处理模块53，还可以用于对比每个有效目标的目标框顶点像素坐标与该有效目标在上一帧图像中对应的实际静止坐标的预测目标框顶点像素坐标是否匹配；若某个有效目标的目标框顶点像素坐标与对应的预测目标框顶点像素坐标匹配，则增加该有效目标的同一目标置信度，并确定该有效目标的趋势验证置信度；若某个有效目标的目标框顶点像素坐标与对应的预测目标框顶点像素坐标不匹配，则减少该有效目标的同一目标置信度，并确定该有效目标的趋势验证置信度；第二处理模块54，可以用于根据每个有效目标的纵向变化趋势置信度、目标类型置信度、增加或减少后的同一目标置信度和趋势验证置信度，确定自车的纵向姿态置信度；根据每个有效目标的横向变化趋势置信度、目标类型置信度、增加或减少后的同一目标置信度和趋势验证置信度，确定自车的横向姿态置信度。
图6是本发明实施例提供的控制器的示意图。如图6所示，该实施例的控制器6包括：处理器60、存储器61以及存储在存储器61中并可在处理器60上运行的计算机程序62。处理器60执行计算机程序62时实现上述各个车辆姿态确定方法实施例中的步骤，例如图1所示的步骤101至步骤104。或者，处理器60执行计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示获取模块51、识别模块52、第一处理模块53和第二处理模块54的功能。
示例性的，计算机程序62可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器61中，并由处理器60执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序62在控制器6中的执行过程。例如，计算机程序62可以被分割成图4所示的获取模块51、识别模块52、第一处理模块53和第二处理模块54。
控制器6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备，或者车辆上的车辆控制器等。控制器6可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是控制器6的示例，并不构成对控制器6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如控制器还可以包括输入输出设备、网络接入设备、总线等。
所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal 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、分立硬件组件等。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。
存储器61可以是控制器6的内部存储单元，例如控制器6的硬盘或内存。存储器61也可以是控制器6的外部存储设备，例如控制器6上配备的插接式硬盘，智能存储卡（SmartMedia Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器61还可以既包括控制器6的内部存储单元也包括外部存储设备。存储器61用于存储计算机程序以及控制器所需的其他程序和数据。存储器61还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
作为本发明的另一实施例，本发明还可以包括一种车辆，包括如上任一实施例的控制器，且与上述控制器具有同样的有益效果，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/控制器和方法，可以通过其它的方式实现。例如，以上所描述的装置/控制器实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个车辆姿态确定方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (9)
1.一种车辆姿态确定方法，其特征在于，包括：
获取自车前方环境和/或自车后方环境的当前帧图像；
对当前帧图像中的实际静止目标进行检测，构成目标集；
从所述目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标；
根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态；
所述根据每个有效目标从上一帧图像到当前帧图像的变化趋势，确定自车姿态，包括：
根据每个有效目标从上一帧图像到当前帧图像的纵向变化趋势，确定每个有效目标的纵向变化趋势置信度；
根据每个有效目标从上一帧图像到当前帧图像的横向变化趋势，确定每个有效目标的横向变化趋势置信度；
根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度；
根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度；
根据每个有效目标的纵向变化趋势和所述纵向姿态置信度，以及每个有效目标的横向变化趋势和所述横向姿态置信度，确定自车姿态。
2.根据权利要求1所述的车辆姿态确定方法，其特征在于，所述目标集中包括当前帧图像中的每个实际静止目标的目标类型和目标框顶点像素坐标；
从所述目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标，包括：
根据所述目标类型和所述目标框顶点像素坐标，从所述目标集中筛选与上一帧图像中的实际静止目标的目标框顶点像素坐标的差值在设定范围内，且目标类型相同的实际静止目标，记为有效目标。
3.根据权利要求1所述的车辆姿态确定方法，其特征在于，所述目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；
确定每个有效目标从上一帧图像到当前帧图像的纵向变化趋势的过程包括：
根据每个有效目标的目标框顶点像素坐标，计算每个有效目标在当前帧图像中的第一关键尺寸信息；
将每个有效目标的所述第一关键尺寸信息与每个有效目标在上一帧图像中对应的实际静止目标的第二关键尺寸信息进行对比，确定每个有效目标从上一帧图像到当前帧图像的纵向变化趋势。
4.根据权利要求1所述的车辆姿态确定方法，其特征在于，所述目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；
确定每个有效目标从上一帧图像到当前帧图像的横向变化趋势的过程包括：
根据当前帧图像中沿纵向的设定分界线，确定每个有效目标在上一帧图像中对应的实际静止目标的目标框顶点像素坐标到该有效目标的目标框顶点像素坐标的移动方向；
若所述移动方向为从左到右，则将该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为左转；
若所述移动方向为从右到左，则将该有效目标从上一帧图像到当前帧图像的横向变化趋势确定为右转。
5.根据权利要求1所述的车辆姿态确定方法，其特征在于，所述目标集中包括当前帧图像中的每个实际静止目标的目标类型；
在从所述目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标之前，还包括：
根据当前帧图像中的每个实际静止目标的目标类型，确定当前帧图像中的每个实际静止目标的目标类型置信度；
所述根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，包括：
根据每个有效目标的纵向变化趋势置信度和目标类型置信度，确定自车的纵向姿态置信度；
所述根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，包括：
根据每个有效目标的横向变化趋势置信度和目标类型置信度，确定自车的横向姿态置信度。
6.根据权利要求5所述的车辆姿态确定方法，其特征在于，在从所述目标集中筛选与上一帧图像中的实际静止目标为同一目标的实际静止目标，记为有效目标之后，还包括：
确定每个有效目标的同一目标置信度；
所述根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，包括：
根据每个有效目标的纵向变化趋势置信度、目标类型置信度和同一目标置信度，确定自车的纵向姿态置信度；
所述根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，包括：
根据每个有效目标的横向变化趋势置信度、目标类型置信度和同一目标置信度，确定自车的横向姿态置信度。
7.根据权利要求6所述的车辆姿态确定方法，其特征在于，所述目标集中包括当前帧图像中的每个实际静止目标的目标框顶点像素坐标；
在确定每个有效目标的同一目标置信度之后，还包括：
对比每个有效目标的目标框顶点像素坐标与该有效目标在上一帧图像中对应的实际静止坐标的预测目标框顶点像素坐标是否匹配；
若某个有效目标的目标框顶点像素坐标与对应的所述预测目标框顶点像素坐标匹配，则增加该有效目标的同一目标置信度，并确定该有效目标的趋势验证置信度；
若某个有效目标的目标框顶点像素坐标与对应的所述预测目标框顶点像素坐标不匹配，则减少该有效目标的同一目标置信度，并确定该有效目标的趋势验证置信度；
所述根据每个有效目标的纵向变化趋势置信度，确定自车的纵向姿态置信度，包括：
根据每个有效目标的纵向变化趋势置信度、目标类型置信度、增加或减少后的同一目标置信度和趋势验证置信度，确定自车的纵向姿态置信度；
所述根据每个有效目标的横向变化趋势置信度，确定自车的横向姿态置信度，包括：
根据每个有效目标的横向变化趋势置信度、目标类型置信度、增加或减少后的同一目标置信度和趋势验证置信度，确定自车的横向姿态置信度。
8.一种控制器，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至7中任一项所述的方法。
9.一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程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311126613.5A CN116863124B (zh) | 2023-09-04 | 2023-09-04 | 车辆姿态确定方法、控制器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311126613.5A CN116863124B (zh) | 2023-09-04 | 2023-09-04 | 车辆姿态确定方法、控制器及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116863124A CN116863124A (zh) | 2023-10-10 |
| CN116863124B true CN116863124B (zh) | 2023-11-21 |
Family
ID=88225347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311126613.5A Active CN116863124B (zh) | 2023-09-04 | 2023-09-04 | 车辆姿态确定方法、控制器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116863124B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117892248B (zh) * | 2024-03-15 | 2024-05-28 | 山东鲁新国合节能环保科技有限公司 | 一种烧结烟气内循环过程中异常数据监测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017208080A (ja) * | 2016-05-18 | 2017-11-24 | 株式会社リコー | 対象姿勢特定の方法および装置 |
| CN107766821A (zh) * | 2017-10-23 | 2018-03-06 | 江苏鸿信系统集成有限公司 | 基于卡尔曼滤波与深度学习的视频中全时段车辆检测跟踪方法及系统 |
| CN109345591A (zh) * | 2018-10-12 | 2019-02-15 | 北京双髻鲨科技有限公司 | 一种车辆自身姿态检测方法和装置 |
| 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 |
| CN114919584A (zh) * | 2022-05-27 | 2022-08-19 | 深圳市豪恩汽车电子装备股份有限公司 | 机动车定点目标测距方法、装置及计算机可读存储介质 |
| CN114937250A (zh) * | 2022-05-13 | 2022-08-23 | 福思(杭州)智能科技有限公司 | 车身相对位姿计算方法、装置、车辆、设备及存储介质 |
| WO2023124383A1 (zh) * | 2021-12-28 | 2023-07-06 | 京东方科技集团股份有限公司 | 一种车辆速度检测、撞车预警方法及电子设备 |
-
2023
- 2023-09-04 CN CN202311126613.5A patent/CN116863124B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017208080A (ja) * | 2016-05-18 | 2017-11-24 | 株式会社リコー | 対象姿勢特定の方法および装置 |
| CN107766821A (zh) * | 2017-10-23 | 2018-03-06 | 江苏鸿信系统集成有限公司 | 基于卡尔曼滤波与深度学习的视频中全时段车辆检测跟踪方法及系统 |
| CN109345591A (zh) * | 2018-10-12 | 2019-02-15 | 北京双髻鲨科技有限公司 | 一种车辆自身姿态检测方法和装置 |
| 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 |
| WO2023124383A1 (zh) * | 2021-12-28 | 2023-07-06 | 京东方科技集团股份有限公司 | 一种车辆速度检测、撞车预警方法及电子设备 |
| CN114937250A (zh) * | 2022-05-13 | 2022-08-23 | 福思(杭州)智能科技有限公司 | 车身相对位姿计算方法、装置、车辆、设备及存储介质 |
| CN114919584A (zh) * | 2022-05-27 | 2022-08-19 | 深圳市豪恩汽车电子装备股份有限公司 | 机动车定点目标测距方法、装置及计算机可读存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Curved Alleyway Understanding Based on Monocular Vision in Street Scenes;Luping Wang Etc.;IEEE Transactions on Intelligent Transportation Systems;第23卷(第7期);全文 * |
| 基于FPGA的高帧频图像跟踪系统设计;马帅旗;;计算机测量与控制(05);全文 * |
| 智能网联车辆队列协同控制系统构建;温国强 等;研究与开发;第42卷(第7期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116863124A (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109087510B (zh) | 交通监测方法及装置 | |
| JP6670071B2 (ja) | 車両用画像認識システム、及び対応法 | |
| CN116863124B (zh) | 车辆姿态确定方法、控制器及存储介质 | |
| CN112084810A (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
| CN115546705B (zh) | 目标识别方法、终端设备及存储介质 | |
| CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
| CN114730472A (zh) | 车载相机的外部参数的标定方法及相关装置 | |
| CN114897987B (zh) | 一种确定车辆地面投影的方法、装置、设备及介质 | |
| CN116721396A (zh) | 车道线检测方法、设备及存储介质 | |
| CN114037977B (zh) | 道路灭点的检测方法、装置、设备及存储介质 | |
| CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
| CN113147746A (zh) | 坡道车位的探测方法及装置 | |
| CN116152691A (zh) | 图像检测方法、装置、设备和存储介质 | |
| CN114189612B (zh) | 摄像头的安装角度确定方法、装置及终端设备 | |
| CN116503695B (zh) | 目标检测模型的训练方法、目标检测方法及设备 | |
| CN118015567B (zh) | 适用于高速公路路侧监控的车道划分方法及相关装置 | |
| CN116148792A (zh) | 目标检测方法、道路事件检测方法、终端设备及存储介质 | |
| CN115206130B (zh) | 一种车位检测方法、系统、终端及存储介质 | |
| CN111126261B (zh) | 视频数据分析方法及装置、树莓派装置及可读存储介质 | |
| CN112686246B (zh) | 一种车牌字符分割方法、装置、存储介质及终端设备 | |
| CN117523440A (zh) | 客流信息统计方法、装置、电子设备和存储介质 | |
| CN118115532A (zh) | 一种目标跟踪方法、终端设备及存储介质 | |
| CN116168325A (zh) | 车辆变道检测方法、装置、电子设备以及可读存储介质 | |
| CN118015047A (zh) | 多目标跟踪方法、装置、设备及存储介质 | |
| CN116793345A (zh) | 一种自移动设备的姿态估计方法、装置及可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |