CN116883460A - 一种视觉感知定位方法、装置、电子设备及存储介质 - Google Patents
一种视觉感知定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116883460A CN116883460A CN202310819801.XA CN202310819801A CN116883460A CN 116883460 A CN116883460 A CN 116883460A CN 202310819801 A CN202310819801 A CN 202310819801A CN 116883460 A CN116883460 A CN 116883460A
- Authority
- CN
- China
- Prior art keywords
- dimensional information
- candidate
- current frame
- tracking target
- target
- 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 52
- 230000016776 visual perception Effects 0.000 title claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 18
- 238000009434 installation Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 230000008447 perception Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000354 decomposition reaction 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
- 230000000007 visual effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007670 refining 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
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视觉感知定位方法、装置、电子设备及存储介质。所述视觉感知定位方法包括:将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到跟踪目标对应的当前帧估计值;根据当前帧估计值确定当前帧中跟踪目标对应的候选三维信息,候选三维信息至少包括跟踪目标的位置、候选速度和候选航向角;在候选三维信息满足设定优化条件时,根据多个历史三维信息对候选三维信息进行优化得到目标三维信息,多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;在候选三维信息未满足设定优化条件时,将候选三维信息确定为目标三维信息。该方法可以提高对跟踪目标进行视觉感知定位时的精度。
Description
技术领域
本发明实施例涉及智能交通技术领域,尤其涉及一种视觉感知定位方法、装置、电子设备及存储介质。
背景技术
在路侧视觉感知定位系统中,可以通过摄像机和边缘计算设备的结合,实现对感知范围内的跟踪目标(包括但不限于机动车、非机动车或行人等)进行感知识别和定位,并将感知结果发送给周围车辆,以提高行车安全和交通通行效率。
现有技术中,可以通过跟踪算法对摄像机拍摄到的图像进行处理,得到图像中关于跟踪目标的二维信息,再通过定位算法基于跟踪目标在图像中的二维信息对跟踪目标进行定位,然而现有技术中的定位算法在对跟踪目标进行定位时,得到的跟踪目标的速度不稳定,跟踪目标的航向角易发生跳变,尤其是在跟踪目标低速运行时这种情况更为明显,导致对跟踪目标进行视觉感知定位时的精度降低。
发明内容
本发明提供了一种视觉感知定位方法、装置、电子设备及存储介质,可以提高对跟踪目标进行视觉感知定位时的精度。
第一方面,本发明实施例提供了一种视觉感知定位方法,包括:
将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到所述跟踪目标对应的当前帧估计值;
根据所述当前帧估计值确定当前帧中所述跟踪目标对应的候选三维信息,所述候选三维信息至少包括所述跟踪目标的位置、候选速度和候选航向角;
在所述候选三维信息满足设定优化条件时,根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息,所述多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;
在所述候选三维信息未满足所述设定优化条件时,将所述候选三维信息确定为所述目标三维信息。
第二方面,本发明实施例提供了一种视觉感知定位装置,其特征在于,包括:
输入模块,用于将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到所述跟踪目标对应的当前帧估计值;
第一确定模块,用于根据所述当前帧估计值确定当前帧中所述跟踪目标对应的候选三维信息,所述候选三维信息至少包括所述跟踪目标的位置、候选速度和候选航向角;
第二确定模块,用于在所述候选三维信息满足设定优化条件时,根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息,所述多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;
第三确定模块,用于在所述候选三维信息未满足所述设定优化条件时,将所述候选三维信息确定为所述目标三维信息。
第三方面,本发明实施例提供了一种电子设备,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如第一方面所述的方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的方法。
本发明实施例的技术方案,将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到跟踪目标对应的当前帧估计值;根据当前帧估计值确定当前帧中跟踪目标对应的候选三维信息,候选三维信息至少包括跟踪目标的位置、候选速度和候选航向角;在候选三维信息满足设定优化条件时,根据多个历史三维信息对候选三维信息进行优化得到目标三维信息,多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;在候选三维信息未满足设定优化条件时,将候选三维信息确定为目标三维信息。上述技术方案,首先得到卡尔曼滤波器输出的当前帧估计值,并通过当前帧估计值确定跟踪目标的候选三维信息,在候选三维信息满足设定优化条件时,通过滑动窗口中各帧对应的三维信息进行优化得到目标三维信息,对跟踪目标的速度不稳定或跟踪目标的航向角易发生跳变的现象进行优化,提高了对跟踪目标进行视觉感知定位时的精度。
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1是根据本发明实施例一提供的一种视觉感知定位方法的流程图;
图2是根据本发明实施例二提供的一种视觉感知定位方法的流程图;
图3是根据本发明实施例三提供的一种视觉感知定位装置的结构示意图;
图4示出了可以用来实施本发明的实施例的电子设备的结构示意图。
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。
可以理解的是,在使用本发明各实施例公开的技术方案之前,均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围以及使用场景等告知用户并获得用户的授权。
实施例一
图1是根据本发明实施例一提供的一种视觉感知定位方法的流程图,本实施例可适用于进行视觉感知定位的情况,该方法可以由视觉感知定位装置来执行,该装置可以采用软件和/或硬件的形式实现,并集成在电子设备中。进一步的,电子设备包括但不限定于:计算机、笔记本电脑、智能手机、服务器等。如图1所示,该方法包括:
S110、将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到跟踪目标对应的当前帧估计值。
其中,跟踪目标可以是指通过视觉感知定位进行跟踪的目标,对跟踪目标不作限定,如跟踪目标可以包括但不限于机动车、非机动车或行人等。摄像机可以是能够拍摄到跟踪目标的摄像机,对摄像机的安装位置不作限定,可以根据实际应用需要确定。
在进行路侧视觉感知定位时,可以通过摄像机和电子设备的结合,对感知范围内的跟踪目标进行感知识别和定位,如通过跟踪算法对摄像机拍摄到的图像进行处理,得到图像中关于跟踪目标的二维信息,如跟踪目标的标识、跟踪目标在图像中对应的像素坐标或跟踪目标的置信度等,再通过对跟踪目标的像素坐标进行坐标转换确定跟踪目标在实际场景中的坐标,如确定跟踪目标与摄像机安装位置的相对坐标,再通过相对坐标进行跟踪目标的定位。其中,对跟踪算法不作限定,只要能够通过跟踪算法对图像进行处理得到跟踪目标的二维信息即可。
在摄像机拍摄到的图像中,可以有一个或多个跟踪目标,可以将一个或多个跟踪目标置于跟踪列表,通过摄像机拍摄到的多帧图像实现对跟踪列表中各跟踪目标的更新,在本发明实施例中,以当前帧的图像中的一个跟踪目标为例,对该跟踪目标的视觉感知定位进行说明。
当前帧中跟踪目标与摄像机的安装位置的相对坐标,可以是指当前帧拍摄到的图像中的跟踪目标在实际场景中的位置,与摄像机的安装位置的相对坐标,相对坐标的确定方式不作限定,如通过跟踪算法对摄像机拍摄到的当前帧的图像进行处理,得到当前帧中跟踪目标在图像中的像素坐标;对得到的像素坐标进行坐标变换,确定该像素坐标对应的跟踪目标在世界坐标系中的经纬度;以摄像机的安装位置的经纬度为世界坐标系的原点,正北方向为坐标系的纵轴(即Y轴),确定跟踪目标的经纬度与摄像机的安装位置的经纬度的相对坐标,该相对坐标可以是将经纬度的相对位置转换为以跟踪目标与摄像机的距离表示的相对位置。
当前帧估计值可以是将当前帧中跟踪目标与摄像机的相对坐标输入卡尔曼滤波器后得到的估计值,通过当前帧估计值可以在后续确定跟踪目标的三维信息。对当前帧估计值不作限定,如当前帧估计值可以包括跟踪目标对应的横向速度分量、纵向速度分量、横向位置坐标和纵向位置坐标,其中,横向速度分量和纵向速度分量可以用于确定跟踪目标在实际场景中的速度和航向角,横向位置坐标和纵向位置坐标可以用于确定跟踪目标在实际场景中的位置,如跟踪目标的经纬度。
在卡尔曼滤波器中,可以通过上一帧估计值得到初始当前帧估计值,再将当前帧中跟踪目标与摄像机的安装位置的相对坐标作为卡尔曼滤波器的观测值,对所得到的初始当前帧估计值进行更新,最终得到跟踪目标对应的当前帧估计值。其中,上一帧估计值可以是当前帧的上一帧中,卡尔曼滤波器输出的估计值;初始当前帧估计值可以是卡尔曼滤波器中通过上一帧估计值估计得到的当前帧对应的初始的估计值;当前帧估计值可以是通过观测值对初始当前帧估计值进行更新得到的当前帧中最终的估计值。
S120、根据当前帧估计值确定当前帧中跟踪目标对应的候选三维信息,候选三维信息至少包括跟踪目标的位置、候选速度和候选航向角。
其中,候选三维信息可以是当前帧中跟踪目标的候选的三维信息,在后续需要根据候选三维信息确定跟踪目标的目标三维信息,目标三维信息即为最终确定的跟踪目标的三维信息,通过目标三维信息可以确定跟踪目标在实际场景中的位置、速度和航向角。
根据当前帧估计值确定当前帧中跟踪目标对应的候选三维信息的方式不作限定,如可以根据当前帧估计值所包括的横向速度分量和纵向速度分量,确定候选三维信息所包括的候选速度;根据当前帧估计值所包括的横向速度分量和纵向速度分量,确定候选三维信息所包括的候选航向角,候选航向角即为跟踪目标运动的方向与正北方向的夹角;根据当前帧估计值所包括的横向位置坐标和纵向位置坐标,确定候选三维信息所包括的跟踪目标的位置。
其中,当前帧估计值所包括的横向位置坐标和纵向位置坐标,可以是跟踪目标相对于摄像机的安装位置的相对坐标,可以通过横向位置坐标和纵向位置坐标直接表示跟踪目标的位置,也可以将横向位置坐标和纵向位置坐标转换为跟踪目标的经纬度,通过跟踪目标的经纬度表示跟踪目标的位置,具体不作限定。
S130、在候选三维信息满足设定优化条件时,根据多个历史三维信息对候选三维信息进行优化得到目标三维信息,多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息。
设定优化条件可以是指设定的需要对候选三维信息进行优化的条件,设定优化条件可以根据实际应用需要确定,具体不作限定。在本发明实施例中,对候选三维信息进行优化,主要是针对候选三维信息所包括的候选速度和候选航向角进行优化。其中,候选三维信息包括跟踪目标的位置、候选速度和候选航向角,相应的,目标三维信息包括跟踪目标的位置、目标速度和目标航向角。
在一个实施例中,设定优化条件包括以下条件中的一个或多个:
候选速度与上一帧中跟踪目标的速度相差大于第一设定阈值;
候选速度小于第二设定阈值;
候选速度大于第三设定阈值;
候选航向角与上一帧中跟踪目标的航向角相差大于第四设定阈值;
其中,第二设定阈值小于第三设定阈值。
其中,第一设定阈值、第二设定阈值、第三设定阈值和第四设定阈值均为根据实际需要设定的阈值,本发明对此不作限定,只要能够保证第二设定阈值小于第三设定阈值即可。
其中,多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息,滑动窗口的大小为设定大小,对设定大小不作限定,如多个历史三维信息包括当前帧之前与当前帧相邻的30帧中各帧对应的三维信息,此时设定大小为30。对于各帧对应的三维信息,均可以包括各帧中跟踪目标的位置、速度和航向角。
在候选三维信息满足设定优化条件时,根据多个历史三维信息对候选三维信息进行优化得到目标三维信息的方式不作限定,如在候选三维信息满足设定优化条件时,将候选三维信息所包括的跟踪目标的位置,确定为目标三维信息所包括的跟踪目标的位置;将滑动窗口中各帧对应的三维信息所包括的跟踪目标的速度的均值,确定为目标速度;将滑动窗口中各帧对应的三维信息所包括的跟踪目标的航向角的均值,确定为目标航向角。
S140、在候选三维信息未满足设定优化条件时,将候选三维信息确定为目标三维信息。
在候选三维信息未满足设定优化条件时,表明通过卡尔曼滤波器估计得到的跟踪目标对应的当前帧估计值可信,则通过当前帧估计值确定的当前帧中跟踪目标对应的候选三维信息也可信,因此可以直接将候选三维信息确定为跟踪目标的目标三维信息,具体的,将候选三维信息所包括的跟踪目标的位置,确定为目标三维信息所包括的跟踪目标的位置,将候选三维信息所包括的候选速度,确定为目标三维信息所包括的目标速度,将候选三维信息所包括的候选航向角,确定为目标三维信息所包括的目标航向角。
本发明实施例的技术方案,将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到跟踪目标对应的当前帧估计值;根据当前帧估计值确定当前帧中跟踪目标对应的候选三维信息,候选三维信息至少包括跟踪目标的位置、候选速度和候选航向角;在候选三维信息满足设定优化条件时,根据多个历史三维信息对候选三维信息进行优化得到目标三维信息,多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;在候选三维信息未满足设定优化条件时,将候选三维信息确定为目标三维信息。上述技术方案,首先得到卡尔曼滤波器输出的当前帧估计值,并通过当前帧估计值确定跟踪目标的候选三维信息,在候选三维信息满足设定优化条件时,通过滑动窗口中各帧对应的三维信息进行优化得到目标三维信息,对跟踪目标的速度不稳定或跟踪目标的航向角易发生跳变的现象进行优化,提高了对跟踪目标进行视觉感知定位时的精度。
实施例二
图2是根据本发明实施例二提供的一种视觉感知定位方法的流程图,本实施例是在上述实施例一的基础上,对将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到跟踪目标对应的当前帧估计值的进一步细化;以及对根据当前帧估计值确定当前帧中跟踪目标对应的候选三维信息的进一步细化;以及对根据多个历史三维信息对候选三维信息进行优化得到目标三维信息的进一步细化。如图2所示,该方法包括:
S111、通过卡尔曼滤波器基于上一帧估计值得到初始当前帧估计值。
在卡尔曼滤波器中,可以根据上一帧对应的t-1时刻的上一帧估计值,预测跟踪目标在当前帧对应的t时刻的初始当前帧估计值,并确定当前帧对应的t时刻的系统状态的估计误差协方差矩阵,具体的,可以通过以下公式实现:
Pt -=APt-1AT+Q
其中,为初始当前帧估计值;/>为上一帧估计值;A为状态转移矩阵;B为控制矩阵;ut-1为t-1时刻的控制向量;Pt -为t时刻的系统状态的估计误差协方差矩阵;Pt-1为t-1时刻的系统状态的估计误差协方差矩阵;Q为过程噪声协方差矩阵。
S112、将当前帧中跟踪目标与摄像机的安装位置的相对坐标,作为卡尔曼滤波器对应的观测值。
当前帧中跟踪目标与摄像机的安装位置的相对坐标,可以通过以下方式确定:
通过跟踪算法对摄像机拍摄到的当前帧的图像进行处理,得到当前帧中跟踪目标在图像中的像素坐标(u,v);
通过以下公式对得到的像素坐标进行坐标变换,确定该像素坐标对应的跟踪目标在世界坐标系中的经纬度(X,Y);
其中,s为一个任意大小的尺度因子;H1为单应变换矩阵;s和H1可以预先根据实际需要确定,具体不作限定;
将摄像机安装位置的经纬度(X0,Y0)作为世界坐标系的原点,正北方向为纵轴确定坐标系,根据上述确定的跟踪目标在世界坐标系中的经纬度(X,Y),确定跟踪目标与摄像机的安装位置的相对坐标(x,y),具体通过以下公式实现:
y=(Y-Y0)*D*3600
x=(X-X0)*D*cos(Y)*3600
其中,(X,Y)为跟踪目标在世界坐标系中的经纬度;(X0,Y0)为摄像机安装位置的经纬度;D表示一秒对应的距离(固定值)单位为m/s;(x,y)为跟踪目标与摄像机的安装位置的相对坐标,将(x,y)作为卡尔曼滤波器对应的观测值输入卡尔曼滤波器,对初始当前帧估计值进行更新。
S113、通过卡尔曼滤波器基于观测值对初始当前帧估计值进行更新,得到跟踪目标对应的当前帧估计值。
通过卡尔曼滤波器基于观测值对初始当前帧估计值进行更新,得到跟踪目标对应的当前帧估计值,可以通过以下公式实现:
Pt=(I-KtH2)Pt -
其中,Kt为卡尔曼增益系数;Pt -为t时刻的系统状态的估计误差协方差矩阵;H2为观测矩阵;R为观测噪声协方差矩阵;为当前帧估计值;/>为初始当前帧估计值;Zt为观测值;Pt为更新后的估计误差协方差矩阵。
在一个实施例中,观测噪声协方差矩阵可以为如下矩阵:
S121、基于当前帧估计值所包括的横向速度分量和纵向速度分量,确定候选三维信息所包括的候选速度。
候选速度可以通过以下公式确定:
其中,vt为候选速度;vx为横向速度分量;vy为纵向速度分量。
S122、基于横向速度分量和纵向速度分量的比值对应的反正切值,确定候选三维信息所包括的候选航向角。
候选航向角可以通过以下公式确定:
其中,θt为候选航向角;vx为横向速度分量;vy为纵向速度分量。
S123、将当前帧估计值所包括的横向位置坐标和纵向位置坐标,转换为经纬度值,横向位置坐标和纵向位置坐标为跟踪目标相对摄像机的安装位置的坐标。
将当前帧估计值所包括的横向位置坐标和纵向位置坐标,转换为经纬度值,可以通过以下公式实现:
Y=dcosθ÷D÷3600+Y0
X=dsinθ÷(D×cos(Y×π÷180))÷3600+X0
其中,(X,Y)为跟踪目标在世界坐标系中的经纬度,即经纬度值;(X0,Y0)为摄像机安装位置的经纬度;D表示一秒对应的距离(固定值)单位为m/s;d为跟踪目标到摄像机的距离;θ为跟踪目标与正北方向的夹角;(x,y)为跟踪目标与摄像机的安装位置的相对坐标,x即为横向位置坐标,y即为纵向位置坐标。
S124、将经纬度值确定为候选三维信息所包括的跟踪目标的位置。
S131、在候选三维信息满足设定优化条件时,将滑动窗口中各帧所对应三维信息对应的第一均值,确定为当前帧中跟踪目标对应的目标速度,第一均值为各三维信息包括的跟踪目标的速度的均值。
S132、将滑动窗口中各帧所对应三维信息对应的第二均值,确定为当前帧中跟踪目标对应的目标航向角,第二均值为各三维信息包括的跟踪目标的航向角的均值。
S133、将目标速度、目标航向角以及跟踪目标的位置,确定为当前帧中跟踪目标对应的目标三维信息。
步骤S131到S133可以合并理解为,在候选三维信息满足设定优化条件时,将候选三维信息所包括的跟踪目标的位置,确定为目标三维信息所包括的跟踪目标的位置;将滑动窗口中各帧对应的三维信息所包括的跟踪目标的速度的均值(即第一均值),确定为目标三维信息所包括的目标速度;将滑动窗口中各帧对应的三维信息所包括的跟踪目标的航向角的均值(即第二均值),确定为目标三维信息所包括的目标航向角。
S140、在候选三维信息未满足设定优化条件时,将候选三维信息确定为目标三维信息。
本发明实施例的技术方案,在候选三维信息满足设定优化条件时,将滑动窗口中各帧对应的三维信息所包括的跟踪目标的速度的均值,确定为目标三维信息所包括的目标速度,将滑动窗口中各帧对应的三维信息所包括的跟踪目标的航向角的均值,确定为目标三维信息所包括的目标航向角;在候选三维信息未满足设定优化条件时,将候选三维信息确定为目标三维信息。通过对候选三维信息进行优化得到目标三维信息,对跟踪目标的速度不稳定或跟踪目标的航向角易发生跳变的现象进行优化,提高了对跟踪目标进行视觉感知定位时的精度。
在一个实施例中,当前帧估计值包括横向速度分量、纵向速度分量、横向位置坐标和纵向位置坐标,相应的,在根据多个历史三维信息对候选三维信息进行优化得到目标三维信息之后,还包括:
将第一均值与第二均值的正弦值的乘积,确定为更新后的横向速度分量;
将第一均值与第二均值的余弦值的乘积,确定为更新后的纵向速度分量;
将横向位置坐标与第一乘积的加和值,确定为更新后的横向位置坐标,第一乘积为更新后的横向速度分量和单帧时长的乘积;
将纵向位置坐标与第二乘积的加和值,确定为更新后的纵向位置坐标,第二乘积为更新后的纵向速度分量和单帧时长的乘积;
将更新后的横向速度分量、更新后的纵向速度分量、更新后的横向位置坐标和更新后的纵向位置坐标,确定为更新后的当前帧估计值,以用于下一帧的估计。
在根据多个历史三维信息对候选三维信息进行优化得到目标三维信息之后,可以对卡尔曼滤波器输出的当前帧估计值进行更新,以将更新后的当前帧估计值用于下一帧中卡尔曼滤波器的估计,具体可以通过以下公式实现:
v'x=vmeansinθmean
v'y=vmeancosθmean
xt'=xt+v'xdt
yt'=yt+v'ydt
其中,v'x为更新后的横向速度分量;v'y为更新后的纵向速度分量;vmean为第一均值;θmean为第二均值;xt'为更新后的横向位置坐标;xt为横向位置坐标;dt为单帧时长,即前后两帧时间差;yt'为更新后的纵向位置坐标;yt为纵向位置坐标。
将更新后的横向速度分量、更新后的纵向速度分量、更新后的横向位置坐标和更新后的纵向位置坐标,确定为更新后的当前帧估计值,更新后的当前帧估计值可以表示为
在一个实施例中,在根据多个历史三维信息对候选三维信息进行优化得到目标三维信息之后,还包括:
确定第一方差,第一方差为滑动窗口中各帧所对应三维信息包括的跟踪目标的速度的方差;
确定第二方差,第二方差为各三维信息包括的跟踪目标的航向角的方差;
对第一方差和第二方差进行加权求和;
通过加权求和的结果,更新卡尔曼滤波器的观测噪声协方差矩阵,以用于下一帧的估计。
在根据多个历史三维信息对候选三维信息进行优化得到目标三维信息之后,可以对卡尔曼滤波器的观测噪声协方差矩阵进行更新,以将更新后的观测噪声协方差矩阵用于下一帧中卡尔曼滤波器的估计,具体可以通过以下公式实现:
δ=w1vvar+w2θvar
其中,R'为更新后的观测噪声协方差矩阵;δ为观测噪声协方差矩阵中能够用于更新的参量;vvar为第一方差;θvar为第二方差;w1和w2为两个权重,w1和w2的和为1,具体可以根据实际需要确定。
在一个实施例中,在确定当前帧中跟踪目标与摄像机的安装位置的相对坐标之前,可以先对摄像机进行标定,即确定摄像机到世界坐标系的单应变换矩阵H1,具体如下:
1)数据采集
首先在路侧的任意杆件上安装好摄像机,调整摄像机的角度,调整摄像机的焦距,设置好分辨率;通过全球定位系统(Global Positioning System,GPS)在摄像机的视野范围内,采集多张图片并记录图片采集时对应位置的经纬度数据(X,Y)。
2)标定点选择
使用标定工具,人工辅助戳点的方式获取指定点的像素坐标点(u,v),再确定每个指定点的像素坐标点对应的经纬度数据(X,Y)。
3)计算摄像机到世界坐标系的单应变换矩阵H1
通过上述步骤,已经获取到了空间三维坐标为(X,Y),将其变成其次坐标为(X,Y,1);获取到了摄像机二维投影点坐标(u,v),将变成其次坐标为(u,v,1);有透视投影模型,可得:
其中,s为一个任意大小的尺度因子;在已知s、(X,Y,1)和(u,v,1)的情况下,可以确定单应变换矩阵H1。
具体的,通过上述公式变形可得:
其中,H1矩阵包含9个未知数,但是由于尺度因子的存在,可以令h33=1,则单应变换矩阵只有8个自由度,因此如果有4组不共线的对应点对,就可以求出方程的唯一解,但是由于噪声的存在,一般会使用多于4组点对来求解,当方程组个数多于未知数个数时,就是超定方程组的问题,可以用最小二乘求解,即:
上述公式还可以表示为:
Ah=0
其中,A为2N*9的矩阵,N为匹配的点对的数量;h为要求解的矩阵;(xi',yi')为三维平面Z=0上的点(X,Y);(xi,yi)为像素坐标(u,v)。可以采用奇异值分解(Singular ValueDecomposition,SVD)的方法求解齐次方程组,将其表述为如下的最优化问题:
min(||Ah||2)
推导可得:
||Ah||2=||U∑VTh||2=||∑VTh||2
在上式中,令y=VTh,则可得:
min||Ah||2=min||∑y||2
可得y=[0,...,1]T,于是h等于V的最后一列,由此可以确定单应变换矩阵H1。
在一个实施例中,可以将一个或多个跟踪目标置于跟踪列表,对于跟踪列表中的每个跟踪目标,可以通过本发明实施例提供的视觉感知定位方法进行视觉感知定位。在每次需要进行视觉感知定位时,可以通过跟踪算法确定的跟踪目标的标识,通过该标识在跟踪列表中进行查询,若未查找到该跟踪目标,则将该跟踪目标确定为新的跟踪目标加入跟踪列表;若查找到该跟踪目标,则对该跟踪目标的三维信息进行更新;如果跟踪目标的丢失次数超过一定的阈值,将该跟踪目标从跟踪列表中删除。
实施例三
图3是根据本发明实施例三提供的一种视觉感知定位装置的结构示意图,本实施例可适用于进行视觉感知定位的情况,如图3所示,该装置的具体结构包括:
输入模块21,用于将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到所述跟踪目标对应的当前帧估计值;
第一确定模块22,用于根据所述当前帧估计值确定当前帧中所述跟踪目标对应的候选三维信息,所述候选三维信息至少包括所述跟踪目标的位置、候选速度和候选航向角;
第二确定模块23,用于在所述候选三维信息满足设定优化条件时,根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息,所述多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;
第三确定模块24,用于在所述候选三维信息未满足所述设定优化条件时,将所述候选三维信息确定为所述目标三维信息。
本实施例提供的视觉感知定位装置,首先通过输入模块将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到所述跟踪目标对应的当前帧估计值;然后通过第一确定模块根据所述当前帧估计值确定当前帧中所述跟踪目标对应的候选三维信息,所述候选三维信息至少包括所述跟踪目标的位置、候选速度和候选航向角;然后通过第二确定模块在所述候选三维信息满足设定优化条件时,根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息,所述多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;最后通过第三确定模块在所述候选三维信息未满足所述设定优化条件时,将所述候选三维信息确定为所述目标三维信息。
进一步的,所述设定优化条件包括以下条件中的一个或多个:
所述候选速度与上一帧中所述跟踪目标的速度相差大于第一设定阈值;
所述候选速度小于第二设定阈值;
所述候选速度大于第三设定阈值;
所述候选航向角与上一帧中所述跟踪目标的航向角相差大于第四设定阈值;
其中,所述第二设定阈值小于所述第三设定阈值。
进一步的,第二确定模块23,具体用于:
将所述滑动窗口中各帧所对应三维信息对应的第一均值,确定为当前帧中所述跟踪目标对应的目标速度,所述第一均值为各所述三维信息包括的所述跟踪目标的速度的均值;
将所述滑动窗口中各帧所对应三维信息对应的第二均值,确定为当前帧中所述跟踪目标对应的目标航向角,所述第二均值为各所述三维信息包括的所述跟踪目标的航向角的均值;
将所述目标速度、所述目标航向角以及所述跟踪目标的位置,确定为当前帧中所述跟踪目标对应的目标三维信息。
进一步的,当前帧估计值包括横向速度分量、纵向速度分量、横向位置坐标和纵向位置坐标,相应的,该装置还包括:
第四确定模块,用于在根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息之后,将所述第一均值与所述第二均值的正弦值的乘积,确定为更新后的横向速度分量;
第五确定模块,用于将所述第一均值与所述第二均值的余弦值的乘积,确定为更新后的纵向速度分量;
第六确定模块,用于将所述横向位置坐标与第一乘积的加和值,确定为更新后的横向位置坐标,所述第一乘积为所述更新后的横向速度分量和单帧时长的乘积;
第七确定模块,用于将所述纵向位置坐标与第二乘积的加和值,确定为更新后的纵向位置坐标,所述第二乘积为所述更新后的纵向速度分量和单帧时长的乘积;
第八确定模块,用于将所述更新后的横向速度分量、所述更新后的纵向速度分量、所述更新后的横向位置坐标和所述更新后的纵向位置坐标,确定为更新后的当前帧估计值,以用于下一帧的估计。
进一步的,该装置还包括:
第一方差确定模块,用于在根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息之后,确定第一方差,所述第一方差为所述滑动窗口中各帧所对应三维信息包括的所述跟踪目标的速度的方差;
第二方差确定模块,用于确定第二方差,所述第二方差为各所述三维信息包括的所述跟踪目标的航向角的方差;
加权求和模块,用于对所述第一方差和所述第二方差进行加权求和;
更新模块,用于通过所述加权求和的结果,更新卡尔曼滤波器的观测噪声协方差矩阵,以用于下一帧的估计。
进一步的,第一确定模块22,具体用于:
基于所述当前帧估计值所包括的横向速度分量和纵向速度分量,确定所述候选三维信息所包括的候选速度;
基于所述横向速度分量和所述纵向速度分量的比值对应的反正切值,确定所述候选三维信息所包括的候选航向角;
将所述当前帧估计值所包括的横向位置坐标和纵向位置坐标,转换为经纬度值,所述横向位置坐标和所述纵向位置坐标为所述跟踪目标相对所述摄像机的安装位置的坐标;
将所述经纬度值确定为所述候选三维信息所包括的所述跟踪目标的位置。
进一步的,输入模块21,具体用于:
通过所述卡尔曼滤波器基于上一帧估计值得到初始当前帧估计值;
将所述当前帧中跟踪目标与摄像机的安装位置的相对坐标,作为所述卡尔曼滤波器对应的观测值;
通过所述卡尔曼滤波器基于所述观测值对所述初始当前帧估计值进行更新,得到所述跟踪目标对应的当前帧估计值。
本发明实施例所提供的视觉感知定位装置可执行本发明任意实施例所提供的视觉感知定位方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。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4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13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11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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11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11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11执行上文所描述的各个方法和处理,例如视觉感知定位方法。
在一些实施例中,视觉感知定位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18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的视觉感知定位方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行视觉感知定位方法。
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)、专用标准产品(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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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 (10)
1.一种视觉感知定位方法,其特征在于,包括:
将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到所述跟踪目标对应的当前帧估计值;
根据所述当前帧估计值确定当前帧中所述跟踪目标对应的候选三维信息,所述候选三维信息至少包括所述跟踪目标的位置、候选速度和候选航向角;
在所述候选三维信息满足设定优化条件时,根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息,所述多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;
在所述候选三维信息未满足所述设定优化条件时,将所述候选三维信息确定为所述目标三维信息。
2.根据权利要求1所述的方法,其特征在于,所述设定优化条件包括以下条件中的一个或多个:
所述候选速度与上一帧中所述跟踪目标的速度相差大于第一设定阈值;
所述候选速度小于第二设定阈值;
所述候选速度大于第三设定阈值;
所述候选航向角与上一帧中所述跟踪目标的航向角相差大于第四设定阈值;
其中,所述第二设定阈值小于所述第三设定阈值。
3.根据权利要求1所述的方法,其特征在于,根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息,包括:
将所述滑动窗口中各帧所对应三维信息对应的第一均值,确定为当前帧中所述跟踪目标对应的目标速度,所述第一均值为各所述三维信息包括的所述跟踪目标的速度的均值;
将所述滑动窗口中各帧所对应三维信息对应的第二均值,确定为当前帧中所述跟踪目标对应的目标航向角,所述第二均值为各所述三维信息包括的所述跟踪目标的航向角的均值;
将所述目标速度、所述目标航向角以及所述跟踪目标的位置,确定为当前帧中所述跟踪目标对应的目标三维信息。
4.根据权利要求3所述的方法,其特征在于,当前帧估计值包括横向速度分量、纵向速度分量、横向位置坐标和纵向位置坐标,相应的,在根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息之后,还包括:
将所述第一均值与所述第二均值的正弦值的乘积,确定为更新后的横向速度分量;
将所述第一均值与所述第二均值的余弦值的乘积,确定为更新后的纵向速度分量;
将所述横向位置坐标与第一乘积的加和值,确定为更新后的横向位置坐标,所述第一乘积为所述更新后的横向速度分量和单帧时长的乘积;
将所述纵向位置坐标与第二乘积的加和值,确定为更新后的纵向位置坐标,所述第二乘积为所述更新后的纵向速度分量和单帧时长的乘积;
将所述更新后的横向速度分量、所述更新后的纵向速度分量、所述更新后的横向位置坐标和所述更新后的纵向位置坐标,确定为更新后的当前帧估计值,以用于下一帧的估计。
5.根据权利要求1所述的方法,其特征在于,在根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息之后,还包括:
确定第一方差,所述第一方差为所述滑动窗口中各帧所对应三维信息包括的所述跟踪目标的速度的方差;
确定第二方差,所述第二方差为各所述三维信息包括的所述跟踪目标的航向角的方差;
对所述第一方差和所述第二方差进行加权求和;
通过所述加权求和的结果,更新卡尔曼滤波器的观测噪声协方差矩阵,以用于下一帧的估计。
6.根据权利要求1所述的方法,其特征在于,根据所述当前帧估计值确定当前帧中所述跟踪目标对应的候选三维信息,包括:
基于所述当前帧估计值所包括的横向速度分量和纵向速度分量,确定所述候选三维信息所包括的候选速度;
基于所述横向速度分量和所述纵向速度分量的比值对应的反正切值,确定所述候选三维信息所包括的候选航向角;
将所述当前帧估计值所包括的横向位置坐标和纵向位置坐标,转换为经纬度值,所述横向位置坐标和所述纵向位置坐标为所述跟踪目标相对所述摄像机的安装位置的坐标;
将所述经纬度值确定为所述候选三维信息所包括的所述跟踪目标的位置。
7.根据权利要求1所述的方法,其特征在于,将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到所述跟踪目标对应的当前帧估计值,包括:
通过所述卡尔曼滤波器基于上一帧估计值得到初始当前帧估计值;
将所述当前帧中跟踪目标与摄像机的安装位置的相对坐标,作为所述卡尔曼滤波器对应的观测值;
通过所述卡尔曼滤波器基于所述观测值对所述初始当前帧估计值进行更新,得到所述跟踪目标对应的当前帧估计值。
8.一种视觉感知定位装置,其特征在于,包括:
输入模块,用于将当前帧中跟踪目标与摄像机的安装位置的相对坐标输入卡尔曼滤波器,得到所述跟踪目标对应的当前帧估计值;
第一确定模块,用于根据所述当前帧估计值确定当前帧中所述跟踪目标对应的候选三维信息,所述候选三维信息至少包括所述跟踪目标的位置、候选速度和候选航向角;
第二确定模块,用于在所述候选三维信息满足设定优化条件时,根据多个历史三维信息对所述候选三维信息进行优化得到目标三维信息,所述多个历史三维信息包括当前帧之前与当前帧相邻的设定大小的滑动窗口中各帧对应的三维信息;
第三确定模块,用于在所述候选三维信息未满足所述设定优化条件时,将所述候选三维信息确定为所述目标三维信息。
9.一种电子设备,其特征在于,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如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310819801.XA CN116883460A (zh) | 2023-07-05 | 2023-07-05 | 一种视觉感知定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310819801.XA CN116883460A (zh) | 2023-07-05 | 2023-07-05 | 一种视觉感知定位方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116883460A true CN116883460A (zh) | 2023-10-13 |
Family
ID=88270814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310819801.XA Pending CN116883460A (zh) | 2023-07-05 | 2023-07-05 | 一种视觉感知定位方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883460A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493834A (zh) * | 2023-12-29 | 2024-02-02 | 合众新能源汽车股份有限公司 | 定位性能评价方法、装置和电子设备 |
-
2023
- 2023-07-05 CN CN202310819801.XA patent/CN116883460A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493834A (zh) * | 2023-12-29 | 2024-02-02 | 合众新能源汽车股份有限公司 | 定位性能评价方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113672845A (zh) | 一种车辆轨迹的预测方法、装置、设备及存储介质 | |
CN112560680A (zh) | 车道线处理方法、装置、电子设备及存储介质 | |
CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
CN112560684A (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN113887400B (zh) | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 | |
CN116883460A (zh) | 一种视觉感知定位方法、装置、电子设备及存储介质 | |
CN114323033A (zh) | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 | |
CN114140759A (zh) | 高精地图车道线位置确定方法、装置及自动驾驶车辆 | |
CN113740871A (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 | |
CN114926549B (zh) | 三维点云处理方法、装置、设备以及存储介质 | |
CN113706704A (zh) | 基于高精地图规划路线的方法、设备以及自动驾驶车辆 | |
CN114018269B (zh) | 定位方法、装置、电子设备、存储介质以及自动驾驶车辆 | |
CN113177980B (zh) | 用于自动驾驶的目标对象速度确定方法、装置及电子设备 | |
CN114528941A (zh) | 传感器数据融合方法、装置、电子设备及存储介质 | |
CN116772858A (zh) | 车辆定位方法、装置、定位设备及存储介质 | |
CN114919661B (zh) | 一种泊车控制方法、装置、设备和存储介质 | |
CN113984072B (zh) | 车辆定位方法、装置、设备、存储介质及自动驾驶车辆 | |
CN115937449A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
CN114612544B (zh) | 图像处理方法、装置、设备和存储介质 | |
CN116559927B (zh) | 激光雷达的航向角确定方法、装置、设备及介质 | |
CN113985413A (zh) | 点云数据的处理方法、装置、设备和自动驾驶车辆 | |
CN117058430B (zh) | 用于视场匹配的方法、装置、电子设备和存储介质 | |
CN113361379B (zh) | 生成目标检测系统和检测目标的方法及装置 | |
CN117348031A (zh) | 一种车辆定位系统、方法及介质 |
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 |