CN116912330A - 一种逆透视变换矩阵的标定方法及装置 - Google Patents

一种逆透视变换矩阵的标定方法及装置 Download PDF

Info

Publication number
CN116912330A
CN116912330A CN202310889951.8A CN202310889951A CN116912330A CN 116912330 A CN116912330 A CN 116912330A CN 202310889951 A CN202310889951 A CN 202310889951A CN 116912330 A CN116912330 A CN 116912330A
Authority
CN
China
Prior art keywords
feature point
transformation matrix
coordinates
vehicle
pixel
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
Application number
CN202310889951.8A
Other languages
English (en)
Inventor
王星芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingwei Hirain Tech Co Ltd
Original Assignee
Beijing Jingwei Hirain Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingwei Hirain Tech Co Ltd filed Critical Beijing Jingwei Hirain Tech Co Ltd
Priority to CN202310889951.8A priority Critical patent/CN116912330A/zh
Publication of CN116912330A publication Critical patent/CN116912330A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G06T15/20—Perspective computation
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/30244—Camera pose
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种逆透视变换矩阵的标定方法及装置，其中方法，包括：获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，N为大于或等于4的整数，特征点在车辆坐标系下，根据特征点坐标和车辆标定参数，将特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，根据特征点坐标和第一特征点像素坐标，确定透视图到地平面的第一逆透视变换矩阵，根据第一逆透视变换矩阵，将透视图转换为三维路面特征信息。根据本申请实施例，能够提高车载相机的标定精度和效率。

Description

一种逆透视变换矩阵的标定方法及装置
技术领域
本申请属于智能驾驶技术领域，尤其涉及一种逆透视变换矩阵的标定方法及装置。
背景技术
在智能驾驶技术中，车载相机对路面特征检测起重要作用。但单目相机基于小孔成像原理获得的图像是透视图，图像中的路面特征会发生变形，对于后续基于图像的路面特征提取、以及输出三维路面特征带来诸多不便。
因此，需要利用逆透视矩阵，将相机采集的图像转换到鸟瞰图。而确定逆透视矩阵需要得到透视图平面与鸟瞰图上的至少四对对应点的坐标。
相关技术主要通过手动或者自动检测的方法获取透视图上的像素点，利用四个点在鸟瞰图可围成矩阵的特性，确定这四个点在鸟瞰图的像素坐标，利用这四对对应像素点坐标得到透视图到鸟瞰图的逆透视变换矩阵。这种方法获取的透视图上的像素点难以保证在同一平面且可围成矩形，导致标定精度较低。
在透视图上得到像素点坐标的方法，需要借助平行车道线来获取，因此这种方法需要保证地面上有明显的车道线特征，且需保证左右车道线在透视图上关于图像二分之一宽处的X轴对称，才能保证最后得到的鸟瞰图视野左右对称，这种方法对车辆所处的位置要求比较高，可能需要多次调整，标定效率较低。
发明内容
本申请实施例提供一种逆透视变换矩阵的标定方法及装置，能够提高车载相机的标定精度和效率。
一方面，本申请实施例提供一种逆透视变换矩阵的标定方法，包括：
获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，所述N为大于或等于4的整数，所述特征点在车辆坐标系下，
根据所述特征点坐标和车辆标定参数，将所述特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，
根据所述特征点坐标和第一特征点像素坐标，确定所述透视图到地平面的第一逆透视变换矩阵，
根据所述第一逆透视变换矩阵，将所述透视图转换为三维路面特征信息。
在一种可能的实现方式中，所述车辆标定参数包括：激光雷达与车辆坐标系的第一位姿变换矩阵、激光雷达与相机的第二位姿变换矩阵和相机内参矩阵，
所述根据所述特征点坐标和车辆标定参数，将所述特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，包括：
根据所述第一位姿变换矩阵、所述第二位姿变换矩阵和所述相机内参矩阵，确定车辆坐标系到图像像素坐标的齐次变换矩阵，
通过所述齐次变换矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标。
在一种可能的实现方式中，所述根据所述第一位姿变换矩阵、所述第二位姿变换矩阵和所述相机内参矩阵，确定车辆坐标系到图像像素坐标的齐次变换矩阵，包括：
根据公式(1)，确定齐次变换矩阵：
T_car2pixel＝M×T_lidar2camera×inv(T_lidar2car) (1)
其中，T_car2pixel为齐次变换矩阵，M为相机内参矩阵，T_lidar2camera为第二位姿变换矩阵，inv(T_lidar2car)为第一位姿变换矩阵的逆矩阵。
在一种可能的实现方式中，所述通过所述齐次变换矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，包括：
根据公式(2)和公式(3)，确定第一特征点像素齐次坐标：
其中，U为第一特征点像素齐次坐标的横坐标，V为第一特征点像素齐次坐标的纵坐标，W为第一特征点像素齐次坐标的立坐标，X为特征点坐标的横坐标，Y为特征点坐标的纵坐标，Z为特征点坐标的立坐标，T_car2pixel为齐次变换矩阵，
u ＝U÷W,v＝V÷W (3)
其中，u为第一特征点像素坐标的横坐标，v为第一特征点像素坐标的纵坐标，U为第一特征点像素齐次坐标的横坐标，V为第一特征点像素齐次坐标的纵坐标。
在一种可能的实现方式中，在所述获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标之后，所述方法还包括：
根据所述特征点坐标和预设鸟瞰图参数，将所述特征点坐标转换为在鸟瞰图像坐标系下的第二特征点像素坐标，
根据所述第一特征点像素坐标和第二特征点像素坐标，确定所述透视图到鸟瞰图的第二逆透视变换矩阵，
根据所述第二逆透视变换矩阵和预设鸟瞰图参数，将所述透视图转换为鸟瞰图，
所述车辆坐标系和所述鸟瞰图像坐标系均与车辆的后轴中心点相关。
在一种可能的实现方式中，所述预设鸟瞰图参数包括：鸟瞰图尺寸和鸟瞰图像素尺寸，
所述根据所述特征点坐标和预设鸟瞰图参数，将所述特征点坐标转换为在鸟瞰图像坐标系下的第二特征点像素坐标，包括：
根据公式(4)和公式(5)，确定第二特征点像素坐标：
x_bev＝width /2-Y/scale_h (4)
y_bev＝height-X/scale_w (5)
其中，x_bev为第二特征点像素坐标的横坐标，y_bev为第二特征点像素坐标的纵坐标，width为鸟瞰图尺寸中的宽度，height为鸟瞰图尺寸中的高度，scale_w为鸟瞰图像素尺寸中，一个像素代表的车辆坐标系纵向距离，scale_h为鸟瞰图像素尺寸中，一个像素代表的车辆坐标系下的横向距离，X为特征点坐标的横坐标，Y为特征点坐标的纵坐标。
在一种可能的实现方式中，所述根据所述第一特征点像素坐标和第二特征点像素坐标，确定所述透视图到鸟瞰图的第二逆透视变换矩阵，包括：
根据公式(6)，确定第二逆透视变换矩阵：
其中，为第二逆透视变换矩阵，x_bev为第二特征点像素坐标的横坐标，y_bev为第二特征点像素坐标的纵坐标，u为第一特征点像素坐标的横坐标，v为第一特征点像素坐标的纵坐标。
在一种可能的实现方式中，所述根据所述第一逆透视变换矩阵，将所述透视图转换为三维路面特征信息，包括：
根据公式(7)，将所述透视图转换为三维路面特征信息：
其中，u’为透视图上的路面特征像素坐标的横坐标，v’为透视图上的路面特征像素坐标的纵坐标，为第一逆透视变换矩阵，E为三维路面特征信息的横坐标，F为三维路面特征信息的纵坐标，G为三维路面特征信息的立坐标。
在一种可能的实现方式中，在所述根据所述第一逆透视变换矩阵，将所述透视图转换为三维路面特征信息之后，所述方法还包括：
识别所述鸟瞰图中的车道线，
在所述车道线平行的情况下，确定所述三维路面特征信息有效，
存储所述第一逆透视变换矩阵和所述第二逆透视变换矩阵，
在所述车道线不平行的情况下，确定所述三维路面特征信息无效。
另一方面，本申请实施例提供了一种逆透视变换矩阵的标定装置，包括：
获取模块，用于获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，所述N为大于等于4的整数，所述特征点在车辆坐标系下，
第一转换模块，用于根据所述特征点坐标和车辆标定参数，将所述特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，
确定模块，用于根据所述特征点坐标和第一特征点像素坐标，确定所述透视图到地平面的第一逆透视变换矩阵，
第二转换模块，用于根据所述第一逆透视变换矩阵，将所述透视图转换为三维路面特征信息。
再一方面，本申请实施例提供了一种逆透视变换矩阵的标定设备，所述设备包括：处理器以及存储有计算机程序指令的存储器，
所述处理器执行所述计算机程序指令时实现如上述任意一项所述的在逆透视变换矩阵的标定方法。
再一方面，本申请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上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上述任意一项所述的逆透视变换矩阵的标定方法。
再一方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如上述任意一项所述的逆透视变换矩阵的标定方法。
本申请实施例的逆透视变换矩阵的标定方法及装置，先获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，这样获取的特征点坐标一定处于同一平面且可围成矩形，基于特征点坐标的精度提高，车载相机的标定精度也提高，然后根据特征点坐标和车辆标定参数，将特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，此时得到了N对在地平面和相机图像上对应的点坐标，根据特征点坐标和第一特征点像素坐标进行求解，可以得到能够将透视图转换到地平面的第一逆透视变换矩阵，通过第一逆透视变换矩阵可以快速将透视图转换为三维路面特征信息，提高了车载相机的标定效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，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是本申请实施例提供的车辆坐标系的示意图，
图2是本申请实施例提供的逆透视变换矩阵的标定方法的流程示意图，
图3是本申请实施例提供的透视图的示意图，
图4是本申请实施例提供的鸟瞰图的示意图，
图5是本申请实施例提供的逆透视变换矩阵的标定装置的结构示意图，
图6是本申请实施例提供的逆透视变换矩阵的标定设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
相关技术如背景技术，基于此发明人提供一种逆透视变换矩阵的标定方法及装置，先获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，这样获取的特征点坐标一定处于同一平面且可围成矩形，基于特征点坐标的精度提高，车载相机的标定精度也提高，然后根据特征点坐标和车辆标定参数，将特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，此时得到了N对在地平面和相机图像上对应的点坐标，根据特征点坐标和第一特征点像素坐标进行求解，可以得到能够将透视图转换到地平面的第一逆透视变换矩阵，通过第一逆透视变换矩阵可以快速将透视图转换为三维路面特征信息，提高了车载相机的标定效率。
为了解决现有技术问题，本申请实施例提供了一种逆透视变换矩阵的标定方法及装置。
为便于理解本申请，首先对以下涉及的坐标系进行说明。
图1是本申请实施例提供的车辆坐标系的示意图，如图1所示，车辆上安装有激光雷达和相机。车辆坐标系以车辆后轴的中心点为原点建立，X轴正向朝向车头，Y轴正向垂直纸面向外，Z轴正向垂直地面向上。
图2是本申请实施例提供的逆透视变换矩阵的标定方法的流程示意图，如图2所示，本申请实施例提供的逆透视变换矩阵的标定方法包括以下步骤：S201至S204。
S201，获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，
其中，N为大于或等于4的整数，特征点在车辆坐标系下。
作为S201的一种可能的实现方式，实时获取车载相机采集的透视图，从数据库中获取车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标。
作为S201的另一种可能的实现方式，实时获取车载相机采集的透视图，每次车辆启动时获取车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标。
作为S201的另一种可能的实现方式，实时获取车载相机采集的透视图，根据预设时间间隔获取车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标。
在一种可能的实现方式中，在S201之前，设定车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，即A(X1,Y1,H)、B(X1,-Y1,-H)、C(X2,Y1,-H)、D(X2,-Y2,-H),H为车辆后轴距地面高度。为了保证设定的特征点的准确性，需要确保输入的四个特征点在地平面上，而不是在其他物体上，例如灯杆、台阶、车体等。
上述A、B、C、D四个特征点只是为举例说明，并不限制特征点的数量，也不限制特征点的位置，特征点可以在预设矩形区域的角上。也可以在预设矩形区域的边上，或者预设矩形区域内部。
由于特征点是直接根据矩形特征直接设定的，所以省去了现有方案中标记、量取地面特征点的繁琐过程，也提高了标定精度和效率。
S202，根据特征点坐标和车辆标定参数，将特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标。
由于激光雷达和相机为智能驾驶车辆的常用传感器配置，上述车辆标定参数是必须要标定的。本申请利用已有的车辆标定参数进行自动标定逆透视变换矩阵，不会增加智能车整体传感器标定复杂度，还能提高标定效率和精度。
作为S202的一种可能的实现方式，车辆标定参数包括：激光雷达与车辆坐标系的第一位姿变换矩阵、激光雷达与相机的第二位姿变换矩阵和相机内参矩阵，上述S202包括：
根据第一位姿变换矩阵、第二位姿变换矩阵和相机内参矩阵，确定车辆坐标系到图像像素坐标的齐次变换矩阵，
通过齐次变换矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标。
作为S202的一种可能的实现方式，根据如下公式(1)确定齐次变换矩阵：
T_car2pixel＝M×T_lidar2camera×inv(T_lidar2car) (1)
其中，T_car2pixel为齐次变换矩阵，M为相机内参矩阵，T_lidar2camera为第二位姿变换矩阵，inv(T_lidar2car)为第一位姿变换矩阵的逆矩阵。
由此，根据第一位姿变换矩阵、第二位姿变换矩阵和相机内参矩阵，确定车辆坐标系到图像像素坐标的齐次变换矩阵，以利后续求解第一特征点像素坐标。
作为S202的一种可能的实现方式，如下公式(2)和(3)所示，通过齐次变换矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标：
其中，U为第一特征点像素齐次坐标的横坐标，V为第一特征点像素齐次坐标的纵坐标，W为第一特征点像素齐次坐标的立坐标，X为特征点坐标的横坐标，Y为特征点坐标的纵坐标，Z为特征点坐标的立坐标，T_car2pixel为齐次变换矩阵，
u ＝U÷W,v＝V÷W (3)
其中，u为第一特征点像素坐标的横坐标，v为第一特征点像素坐标的纵坐标，U为第一特征点像素齐次坐标的横坐标，V为第一特征点像素齐次坐标的纵坐标。
其中，齐次变换矩阵可以理解为车辆坐标系在图像像素坐标系中位置和姿态的描述。
通过齐次变换矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，得到在透视图和地平面上的N对坐标点。
由此，通过激光雷达与车辆坐标系的第一位姿变换矩阵、激光雷达与相机的第二位姿变换矩阵和相机内参矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，以利后续根据在透视图和地平面上的N对坐标点，求解第一逆透视变换矩阵。
S203，根据特征点坐标和第一特征点像素坐标，确定透视图到地平面的第一逆透视变换矩阵。
作为S203的一种可能的实现方式，利用N对特征点坐标和第一特征点像素坐标，得到多个线性方程，求解方程得到设立的第一逆透视变换矩阵中的每个参数的数值，进而得到第一逆透视变换矩阵
由此，根据地平面和鸟瞰图上的N对坐标点，求解透视图到鸟瞰图的第一逆透视变换矩阵。
S204，根据第一逆透视变换矩阵，将透视图转换为三维路面特征信息。
作为S204的一种可能的实现方式，根据公式(7)，将透视图转换为三维路面特征信息：
其中，u’为透视图上的路面特征像素坐标的横坐标，v’为透视图上的路面特征像素坐标的纵坐标，为第一逆透视变换矩阵，E为三维路面特征信息的横坐标，F为三维路面特征信息的纵坐标，G为三维路面特征信息的立坐标。
作为一种可能的实现方式，根据第一逆透视变换矩阵，依次将每一帧透视图转换为车辆坐标系下的三维路面特征信息。三维路面特征信息是车辆坐标系下的三维坐标信息。
作为一种可能的实现方式，在将透视图转换为三维路面特征信息之后，根据各物体的特征，识别三维路面特征信息中的物体，例如车道线、车辆、路灯等等。
由此，根据地平面和透视图的N对对应坐标点，求解第一逆透视变换矩阵，使得通过第一逆透视变换矩阵，能够快速将透视图转换为三维路面特征信息，便于车辆根据三维路面特征信息进行路线规划。
为便于查看，将透视图转换为三维路面特征信息后，输出显示鸟瞰图。
图3是本申请实施例提供的透视图的示意图，如图3所示，透视图中的路面特征近大远小。图4是本申请实施例提供的鸟瞰图的示意图，如图4所示，底部为车辆的车头，转换后的鸟瞰图中路面特征，如左右车道线平行不再有近大远小的效果。
本申请的方法是静态标定，未对相机的姿态进行动态修正，主要应用于在路面平坦的场景下，如封闭园区、测试场、港口等。
本申请实施例的逆透视变换矩阵的标定方法，先获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，这样获取的特征点坐标一定处于同一平面且可围成矩形，基于特征点坐标的精度提高，车载相机的标定精度也提高，然后根据特征点坐标和车辆标定参数，将特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，此时得到了N对在地平面和相机图像上对应的点坐标，根据特征点坐标和第一特征点像素坐标进行求解，可以得到能够将透视图转换到地平面的第一逆透视变换矩阵，通过第一逆透视变换矩阵可以快速将透视图转换为三维路面特征信息，提高了车载相机的标定效率。
在一种可能的实现方式中，在获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标之后，方法还包括：
根据特征点坐标和预设鸟瞰图参数，将特征点坐标转换为在鸟瞰图像坐标系下的第二特征点像素坐标，
根据第一特征点像素坐标和第二特征点像素坐标，确定透视图到鸟瞰图的第二逆透视变换矩阵，
根据第二逆透视变换矩阵和预设鸟瞰图参数，将透视图转换为鸟瞰图，车辆坐标系和鸟瞰图像坐标系均与车辆的后轴中心点相关。
作为一种可能的实现方式，预设鸟瞰图参数包括：鸟瞰图尺寸和鸟瞰图像素尺寸，根据公式(4)和公式(5)，确定第二特征点像素坐标：
x_bev＝width /2-Y/scale_h (4)
y_bev＝height-X/scale_w (5)
其中，x_bev为第二特征点像素坐标的横坐标，y_bev为第二特征点像素坐标的纵坐标，width为鸟瞰图尺寸中的宽度，height为鸟瞰图尺寸中的高度，scale_w为鸟瞰图像素尺寸中，一个像素代表的车辆坐标系纵向距离，scale_h为鸟瞰图像素尺寸中，一个像素代表的车辆坐标系下的横向距离，X为特征点坐标的横坐标，Y为特征点坐标的纵坐标。
由此，根据鸟瞰图尺寸和鸟瞰图像素尺寸，将特征点坐标转换为在鸟瞰图像坐标系下的第二特征点像素坐标，得到地平面和鸟瞰图上的N对坐标点，以利后续根据N对坐标点求解第二逆透视变换矩阵。
作为一种可能的实现方式，根据公式(6)，确定第二逆透视变换矩阵：
其中，为第二逆透视变换矩阵，x_bev为第二特征点像素坐标的横坐标，y_bev为第二特征点像素坐标的纵坐标，u为第一特征点像素坐标的横坐标，v为第一特征点像素坐标的纵坐标。
由此，根据第一特征点像素坐标和第二特征点像素坐标，求解透视图到鸟瞰图的第二逆透视变换矩阵。
在一种可能的实现方式中，在根据第二逆透视变换矩阵，将透视图转换为三维路面特征信息之后，方法还包括：
识别鸟瞰图中的车道线，
作为一种可能的实现方式，根据预设车道线特征识别鸟瞰图中的车道线。
在车道线平行的情况下，确定三维路面特征信息有效，
作为一种可能的实现方式中，从相邻的车道线中分别选取m个相对的点，并计算每对点的距离，在得到的距离的最大差值小于预设阈值的情况下，确定车道线平行，在得到的距离的最大差值大于或等于预设阈值的情况下，确定车道线不平行。
存储第一逆透视变换矩阵和第二逆透视变换矩阵，
作为一种可能的实现方式中，存储第一逆透视变换矩阵和第二逆透视变换矩阵，同时标注存储时间，便于基于车辆长时间的使用，对第一逆透视变换矩阵和第二逆透视变换矩阵进行更新。
在车道线不平行的情况下，确定三维路面特征信息无效。
作为一种可能的实现方式，在车道线不平行的情况下，重新执行上述步骤S201-204。
由此，通过识别鸟瞰图的车道线是否平行，判断三维路面特征信息是否有效。
基于上述实施例提供的逆透视变换矩阵的标定方法，相应地，本申请还提供了逆透视变换矩阵的标定装置。
图5是本申请实施例提供的逆透视变换矩阵的标定装置的结构示意图，如图5所示，逆透视变换矩阵的标定装置500，包括：
获取模块501，用于获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，N为大于等于4的整数，特征点在车辆坐标系下，
第一转换模块502，用于根据特征点坐标和车辆标定参数，将特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，
确定模块503，用于根据特征点坐标和第一特征点像素坐标，确定透视图到地平面的第一逆透视变换矩阵，
第二转换模块504，用于根据第一逆透视变换矩阵，将透视图转换为三维路面特征信息。
本申请实施例的逆透视变换矩阵的标定装置，先获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，这样获取的特征点坐标一定处于同一平面且可围成矩形，基于特征点坐标的精度提高，车载相机的标定精度也提高，然后根据特征点坐标和车辆标定参数，将特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，此时得到了N对在地平面和相机图像上对应的点坐标，根据特征点坐标和第一特征点像素坐标进行求解，可以得到能够将透视图转换到地平面的第一逆透视变换矩阵，通过第一逆透视变换矩阵可以快速将透视图转换为三维路面特征信息，提高了车载相机的标定效率。
在一种可能的实现方式中，车辆标定参数包括：激光雷达与车辆坐标系的第一位姿变换矩阵、激光雷达与相机的第二位姿变换矩阵和相机内参矩阵，第一转换模块502用于：
根据第一位姿变换矩阵、第二位姿变换矩阵和相机内参矩阵，确定车辆坐标系到图像像素坐标的齐次变换矩阵，
通过齐次变换矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标。
在一种可能的实现方式中，第一转换模块502，还可以用于：
根据公式(1)，确定齐次变换矩阵：
T_car2pixel＝M×T_lidar2camera×inv(T_lidar2car) (1)
其中，T_car2pixel为齐次变换矩阵，M为相机内参矩阵，T_lidar2camera为第二位姿变换矩阵，inv(T_lidar2car)为第一位姿变换矩阵的逆矩阵。
在一种可能的实现方式中，第一转换模块502，还可以用于：
根据公式(2)和公式(3)，确定第一特征点像素齐次坐标：
其中，U为第一特征点像素齐次坐标的横坐标，V为第一特征点像素齐次坐标的纵坐标，W为第一特征点像素齐次坐标的立坐标，X为特征点坐标的横坐标，Y为特征点坐标的纵坐标，Z为特征点坐标的立坐标，T_car2pixel为齐次变换矩阵，
u ＝U÷W,v＝V÷W (3)
其中，u为第一特征点像素坐标的横坐标，v为第一特征点像素坐标的纵坐标，U为第一特征点像素齐次坐标的横坐标，V为第一特征点像素齐次坐标的纵坐标。
在一种可能的实现方式中，在获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标之后，逆透视变换矩阵的标定装置500，还可以包括：
第三转换模块，用于根据特征点坐标和预设鸟瞰图参数，将特征点坐标转换为在鸟瞰图像坐标系下的第二特征点像素坐标，
第二确定模块，用于根据第一特征点像素坐标和第二特征点像素坐标，确定透视图到鸟瞰图的第二逆透视变换矩阵，
第四转换模块，用于根据第二逆透视变换矩阵和预设鸟瞰图参数，将透视图转换为鸟瞰图，
车辆坐标系和鸟瞰图像坐标系均与车辆的后轴中心点相关。
在一种可能的实现方式中，预设鸟瞰图参数包括：鸟瞰图尺寸和鸟瞰图像素尺寸，第三转换模块，还可以用于：
根据公式(4)和公式(5)，确定第二特征点像素坐标：
x_bev＝width /2-Y/scale_h (4)
y_bev＝height-X/scale_w (5)
其中，x_bev为第二特征点像素坐标的横坐标，y_bev为第二特征点像素坐标的纵坐标，width为鸟瞰图尺寸中的宽度，height为鸟瞰图尺寸中的高度，scale_w为鸟瞰图像素尺寸中，一个像素代表的车辆坐标系纵向距离，scale_h为鸟瞰图像素尺寸中，一个像素代表的车辆坐标系下的横向距离，X为特征点坐标的横坐标，Y为特征点坐标的纵坐标。
在一种可能的实现方式中，第二确定模块，还可以用于：
根据公式(6)，确定第二逆透视变换矩阵：
其中，为第二逆透视变换矩阵，x_bev为第二特征点像素坐标的横坐标，y_bev为第二特征点像素坐标的纵坐标，u为第一特征点像素坐标的横坐标，v为第一特征点像素坐标的纵坐标。
在一种可能的实现方式中，第二转换模块504，还可以用于：
根据公式(7)，将透视图转换为三维路面特征信息：
其中，u’为透视图上的路面特征像素坐标的横坐标，v’为透视图上的路面特征像素坐标的纵坐标，为第一逆透视变换矩阵，E为三维路面特征信息的横坐标，F为三维路面特征信息的纵坐标，G为三维路面特征信息的立坐标。
由此，根据第二逆透视变换矩阵，将透视图转换为三维路面特征信息，便于车辆根据三维路面特征信息进行路线规划。
在一种可能的实现方式中，在根据第一逆透视变换矩阵，将透视图转换为三维路面特征信息之后，逆透视变换矩阵的标定装置500，还可以包括：
识别模块，用于识别鸟瞰图中的车道线，
有效确定模块，用于在车道线平行的情况下，确定三维路面特征信息有效，
存储模块，用于存储第一逆透视变换矩阵和第二逆透视变换矩阵，
无效确定模块，用于在车道线不平行的情况下，确定三维路面特征信息无效。
由此，通过识别鸟瞰图的车道线是否平行，判断三维路面特征信息是否有效。
基于上述实施例提供的逆透视变换矩阵的标定方法，相应地，本申请还提供了一种逆透视变换矩阵的标定设备。
图6是本申请实施例提供的逆透视变换矩阵的标定设备的结构示意图，如图6所示，逆透视变换矩阵的标定设备可以包括：处理器601以及存储有计算机程序指令的存储器602。
具体地，上述处理器601可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器602可在综合网关容灾设备的内部或外部。在特定实施例中，存储器602是非易失性固态存储器。
存储器602可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器602包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现上述实施例中的任意一种逆透视变换矩阵的标定方法。
在一个示例中，逆透视变换矩阵的标定设备还可包括通信接口603和总线610。其中，如图6所示，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
通信接口603，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者，将逆透视变换矩阵的标定设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线610可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该逆透视变换矩阵的标定设备可以执行本申请实施例中的逆透视变换矩阵的标定方法，从而实现结合图2和图5描述的逆透视变换矩阵的标定方法和装置。
另外，基于上述实施例提供的逆透视变换矩阵的标定方法，相应地，本申请还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如上述任意一项的逆透视变换矩阵的标定方法。
基于上述实施例提供的逆透视变换矩阵的标定方法，相应地，本申请还提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行如上述任意一项的逆透视变换矩阵的标定方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本申请的具体实施方式，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，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种逆透视变换矩阵的标定方法，其特征在于，包括：
获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，所述N为大于或等于4的整数，所述特征点在车辆坐标系下，
根据所述特征点坐标和车辆标定参数，将所述特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，
根据所述特征点坐标和第一特征点像素坐标，确定透视图到地平面的第一逆透视变换矩阵，
根据所述第一逆透视变换矩阵，将所述透视图转换为三维路面特征信息。
2.根据权利要求1所述的逆透视变换矩阵的标定方法，其特征在于，所述车辆标定参数包括：激光雷达与车辆坐标系的第一位姿变换矩阵、激光雷达与相机的第二位姿变换矩阵和相机内参矩阵，
所述根据所述特征点坐标和车辆标定参数，将所述特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，包括：
根据所述第一位姿变换矩阵、所述第二位姿变换矩阵和所述相机内参矩阵，确定车辆坐标系到图像像素坐标的齐次变换矩阵，
通过所述齐次变换矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标。
3.根据权利要求2所述的逆透视变换矩阵的标定方法，其特征在于，所述根据所述第一位姿变换矩阵、所述第二位姿变换矩阵和所述相机内参矩阵，确定车辆坐标系到图像像素坐标的齐次变换矩阵，包括：
根据公式(1)，确定齐次变换矩阵：
T_car2pixel＝M×T_lidar2camera×inv(T_lidar2car) (1)
其中，T_car2pixel为齐次变换矩阵，M为相机内参矩阵，T_lidar2camera为第二位姿变换矩阵，inv(T_lidar2car)为第一位姿变换矩阵的逆矩阵。
4.根据权利要求2所述的逆透视变换矩阵的标定方法，其特征在于，所述通过所述齐次变换矩阵，将在车辆坐标系下的特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，包括：
根据公式(2)和公式(3)，确定第一特征点像素齐次坐标：
其中，U为第一特征点像素齐次坐标的横坐标，V为第一特征点像素齐次坐标的纵坐标，W为第一特征点像素齐次坐标的立坐标，X为特征点坐标的横坐标，Y为特征点坐标的纵坐标，Z为特征点坐标的立坐标，
T_car2pixel为齐次变换矩阵，
u＝U÷W,v＝V÷W (3)
其中，u为第一特征点像素坐标的横坐标，v为第一特征点像素坐标的纵坐标，U为第一特征点像素齐次坐标的横坐标，V为第一特征点像素齐次坐标的纵坐标。
5.根据权利要求1所述的逆透视变换矩阵的标定方法，其特征在于，在所述获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标之后，所述方法还包括：
根据所述特征点坐标和预设鸟瞰图参数，将所述特征点坐标转换为在鸟瞰图像坐标系下的第二特征点像素坐标，
根据所述第一特征点像素坐标和第二特征点像素坐标，确定所述透视图到鸟瞰图的第二逆透视变换矩阵，
根据所述第二逆透视变换矩阵和预设鸟瞰图参数，将所述透视图转换为鸟瞰图，
所述车辆坐标系和所述鸟瞰图像坐标系均与车辆的后轴中心点相关。
6.根据权利要求5所述的逆透视变换矩阵的标定方法，其特征在于，所述预设鸟瞰图参数包括：鸟瞰图尺寸和鸟瞰图像素尺寸，
所述根据所述特征点坐标和预设鸟瞰图参数，将所述特征点坐标转换为在鸟瞰图像坐标系下的第二特征点像素坐标，包括：
根据公式(4)和公式(5)，确定第二特征点像素坐标：
x_bev＝width/2-Y/scale_h (4)
y_bev＝height-X/scale_w (5)
其中，x_bev为第二特征点像素坐标的横坐标，y_bev为第二特征点像素坐标的纵坐标，width为鸟瞰图尺寸中的宽度，height为鸟瞰图尺寸中的高度，scale_w为鸟瞰图像素尺寸中，一个像素代表的车辆坐标系纵向距离，scale_h为鸟瞰图像素尺寸中，一个像素代表的车辆坐标系下的横向距离，X为特征点坐标的横坐标，Y为特征点坐标的纵坐标。
7.根据权利要求5所述的逆透视变换矩阵的标定方法，其特征在于，所述根据所述第一特征点像素坐标和第二特征点像素坐标，确定所述透视图到鸟瞰图的第二逆透视变换矩阵，包括：
根据公式(6)，确定第二逆透视变换矩阵：
其中，为第二逆透视变换矩阵，x_bev为第二特征点像素坐标的横坐标，y_bev为第二特征点像素坐标的纵坐标，u为第一特征点像素坐标的横坐标，v为第一特征点像素坐标的纵坐标。
8.根据权利要求1所述的逆透视变换矩阵的标定方法，其特征在于，所述根据所述第一逆透视变换矩阵，将所述透视图转换为三维路面特征信息，包括：
根据公式(7)，将所述透视图转换为三维路面特征信息：
其中，u’为透视图上的路面特征像素坐标的横坐标，v’为透视图上的路面特征像素坐标的纵坐标，为第一逆透视变换矩阵，E为三维路面特征信息的横坐标，F为三维路面特征信息的纵坐标，G为三维路面特征信息的立坐标。
9.根据权利要求5所述的逆透视变换矩阵的标定方法，其特征在于，在所述根据所述第一逆透视变换矩阵，将所述透视图转换为三维路面特征信息之后，所述方法还包括：
识别所述鸟瞰图中的车道线，
在所述车道线平行的情况下，确定所述三维路面特征信息有效，
存储所述第一逆透视变换矩阵和所述第二逆透视变换矩阵，
在所述车道线不平行的情况下，确定所述三维路面特征信息无效。
10.一种逆透视变换矩阵的标定装置，其特征在于，包括：
获取模块，用于获取车载相机采集的透视图和车载相机前方的地平面上的预设矩形区域的N个特征点的特征点坐标，所述N为大于或等于4的整数，所述特征点在车辆坐标系下，
第一转换模块，用于根据所述特征点坐标和车辆标定参数，将所述特征点坐标转换为在相机图像坐标系下的第一特征点像素坐标，
确定模块，用于根据所述特征点坐标和第一特征点像素坐标，确定透视图到地平面的第一逆透视变换矩阵，
第二转换模块，用于根据所述第一逆透视变换矩阵，将所述透视图转换为三维路面特征信息。
CN202310889951.8A 2023-07-19 2023-07-19 一种逆透视变换矩阵的标定方法及装置 Pending CN116912330A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310889951.8A CN116912330A (zh) 2023-07-19 2023-07-19 一种逆透视变换矩阵的标定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310889951.8A CN116912330A (zh) 2023-07-19 2023-07-19 一种逆透视变换矩阵的标定方法及装置

Publications (1)

Publication Number Publication Date
CN116912330A true CN116912330A (zh) 2023-10-20

Family

ID=88356143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310889951.8A Pending CN116912330A (zh) 2023-07-19 2023-07-19 一种逆透视变换矩阵的标定方法及装置

Country Status (1)

Country Link
CN (1) CN116912330A (zh)

Similar Documents

Publication Publication Date Title
CA3027921C (en) Integrated sensor calibration in natural scenes
CN106919915B (zh) 基于adas系统的地图道路标记及道路质量采集装置及方法
CN108445496B (zh) 测距标定装置及方法、测距设备及测距方法
CN110909705B (zh) 一种基于车载摄像头的路侧停车位感知方法及系统
US10996337B2 (en) Systems and methods for constructing a high-definition map based on landmarks
CN106651963A (zh) 一种用于驾驶辅助系统的车载摄像头的安装参数标定方法
CN110728720B (zh) 用于相机标定的方法、装置、设备和存储介质
CN110766761B (zh) 用于相机标定的方法、装置、设备和存储介质
CN110736472A (zh) 一种基于车载环视图像与毫米波雷达融合的室内高精地图表征方法
CN114419143A (zh) 深度测量方法、深度测量设备及存储介质
CN110751693A (zh) 用于相机标定的方法、装置、设备和存储介质
CN107688174A (zh) 一种图像测距方法、系统、存储介质和车载视觉感知设备
CN111222417A (zh) 一种用于提高基于车载图像车道线提取精度的方法及装置
CN112183206B (zh) 一种基于路侧单目摄像头的交通参与者定位方法和系统
CN116912328A (zh) 一种逆透视变换矩阵的标定方法及装置
CN111145260B (zh) 一种基于车载的双目标定方法
CN112424568B (zh) 构建高清地图的系统和方法
CN110332929A (zh) 车载行人定位系统及方法
CN114415200A (zh) 车辆定位方法、装置、电子设备及计算机可读存储介质
CN113888479A (zh) 道路能见度检测方法、装置、设备及存储介质
CN116740295A (zh) 虚拟场景生成方法及装置
CN117274393A (zh) 相机外参标定系数的确定方法、装置、设备及存储介质
CN116912330A (zh) 一种逆透视变换矩阵的标定方法及装置
CN111539279A (zh) 道路限高高度检测方法、装置、设备及存储介质
CN113874681B (zh) 点云地图质量的评估方法和系统

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