CN117058210A - 基于车载传感器的距离计算方法和装置及存储介质和车辆 - Google Patents
基于车载传感器的距离计算方法和装置及存储介质和车辆 Download PDFInfo
- Publication number
- CN117058210A CN117058210A CN202311309292.2A CN202311309292A CN117058210A CN 117058210 A CN117058210 A CN 117058210A CN 202311309292 A CN202311309292 A CN 202311309292A CN 117058210 A CN117058210 A CN 117058210A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- distance
- image
- target object
- reference point
- 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.)
- Granted
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 241000283070 Equus zebra Species 0.000 description 8
- 238000013178 mathematical model Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012625 in-situ measurement Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Optical Distance (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于车载传感器的距离计算方法和装置及存储介质和车辆,其中,方法包括:获取车辆环境图像并确定目标物在车辆环境图像中的位置;基于位置获取对应的标定信息;基于标定信息确定目标物与车辆的距离信息。根据本发明实施例的方法和装置及车辆,距离计算更加简单快速,提高车辆驾驶安全性。
Description
技术领域
本发明涉及车辆技术领域,尤其是涉及一种基于车载传感器的距离计算方法,以及基于车载传感器的距离计算装置、计算机可读存储介质和车辆。
背景技术
深度估计是计算机视觉领域的一个基础性问题,其可以应用在机器人导航、增强现实、三维重建、自动驾驶等领域。目前单目距离计算,多基于相机标定方式,计算相机内参外参矩阵,以及图像坐标与世界坐标相互转换,再进行距离估计,计算方法复杂,效率低。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明第一个目的在于提出了一种基于车载传感器的距离计算方法,该方法不依赖于相机参数标定,提高了计算距离的效率,计算方法简单快速。
本发明的第二个目的在于提出一种基于车载传感器的距离计算装置。
本发明的第三个目的在于提出一种计算机可读存储介质。
本发明第四个目的在于提出一种车辆。
为了达到上述目的,本发明第一方面实施例的基于车载传感器的距离计算方法,方法包括:获取车辆环境图像并确定目标物在车辆环境图像中的位置;基于所述位置获取对应的标定信息;基于所述标定信息确定所述目标物与车辆的距离信息。
根据本发明实施例的基于车载传感器的距离计算方法,基于标定信息确定目标物与车辆的距离信息,计算方法简单快速,提高了距离计算的效率。
在一些实施例中,所述标定信息至少包括所述车载传感器获取图像的各个位置的像素点与所述图像的各个位置的像素点关联的目标物的对应关系,及所述图像的各个位置的像素点关联的目标物与车辆的距离信息。
在一些实施例中,所述图像的各个位置的像素点关联的目标物与车辆的距离信息基于路面上平行且等间隔排布的参考点与车辆的实际距离标定获得。
在一些实施例中,所述图像的各个位置的像素点关联的目标物与车辆的距离信息包括所述图像的各个位置的像素点关联的目标物与车辆的纵向距离;所述图像的各个位置的像素点关联的目标物与车辆的纵向距离通过以下步骤标定:获取包括所述路面上平行且等间隔排布的参考点的图像,其中,所述参考点的排布方向为车辆的纵向;确定所述参考点的图像中路面上沿所述参考点的排布方向的任意一第一像素点的位置;基于所述任意一第一像素点的位置确定所述任意一第一像素点与所述参考点的图像中参考点所满足的比例关系;根据所述任意一第一像素点与所述参考点的图像中参考点所满足的比例关系和所述参考点与车辆的实际距离获得所述任意一第一像素点关联的目标物与车辆的纵向距离。
在一些实施例中,所述图像的各个位置的像素点关联的目标物与车辆的距离信息还包括所述图像的各个位置的像素点关联的目标物与车辆的横向距离;所述图像的各个位置的像素点关联的目标物与车辆的横向距离通过以下步骤标定:所述参考点的图像中垂直于所述参考点具有中垂线,所述中垂线对应依据车辆两前轮连线的中垂线的距离确定,车载传感器设置于所述中垂线上;确定所述参考点的图像中在所述中垂线两侧的任意一第二像素点的位置;基于所述任意一第二像素点的位置确定所述任意一第二像素点与所述参考点的图像中所述参考点的比例关系;根据所述任意一第二像素点与所述参考点的图像中所述参考点的比例关系以及所述参考点到所述中垂线的实际距离获得所述任意一第二像素点关联的目标物到所述车辆的横向距离。
在一些实施例中,基于所述标定信息确定所述目标物与车辆的距离信息,包括:获得所述车辆环境图像中第一目标物到车辆的第一纵向距离,以及获得所述车辆环境图像中第二目标物到所述车辆的第二纵向距离;获得所述第一目标物到所述车辆的第一横向距离,以及获得所述第二目标物到所述车辆的第二横向距离;根据所述第一纵向距离、所述第二纵向距离、所述第一横向距离和所述第二横向距离获得所述第一目标物与所述第二目标物之间的相对距离。
在一些实施例中,基于所述标定信息确定所述目标物与车辆的距离信息,包括:识别出所述车辆环境图像中所述目标物为高度方向的目标物;基于所述标定信息确定所述目标物与所述车辆的相对高度。
在一些实施例中,所述图像的各个位置的像素点关联的目标物与车辆的距离信息包括所述图像的各个位置的像素点关联的目标物与车辆的相对高度;所述图像的各个位置的像素点关联的目标物与车辆的相对高度通过以下步骤标定:所述路面上平行且间隔排布的参考点具有垂直于路面的高度,测量所述参考点与所述车载传感器的实际相对高度;确定所述参考点的图像中任意一第三像素点的位置;基于所述任意一第三像素点的位置确定所述任意一第三像素点与路面的相对高度;确定所述任意一第三像素点与路面的相对高度、所述参考点与路面的相对高度所满足的比例关系;根据所述相对高度所满足的比例关系和所述参考点与所述车载传感器的实际相对高度获得所述任意一第三像素点关联的目标物到所述车辆的相对高度。
在一些实施例中,距离计算方法还包括:获取车辆的车型信息;根据车型信息获得标定配置文件;获取所述标定配置文件中的所述标定信息。
为了达到上述目的,本发明第二方面实施例的基于车载传感器的距离计算装置,包括:处理器;与处理器通信连接的存储器;其中,存储器中存储有被处理器执行的计算机程序,计算机程序被处理器执行时实现所述的基于车载传感器的距离计算方法。
根据本发明实施例的基于车载传感器的距离计算装置,通过执行上面实施例的基于车载传感器的距离计算方法,方法简单快速,提高了距离计算的效率。
本发明第三方面实施例的计算机可读存储介质,其上存储有计算机程序,计算机程序被执行时实现所述的基于车载传感器的距离计算方法。
本发明第四方面实施例的车辆,包括:车载传感器,用于采集车辆环境图像;上面实施例的基于车载传感器的距离计算装置,所述距离计算装置与车载传感器连接。
本发明实施例的车辆,通过采用上面实施例的基于车载传感器的距离计算装置,距离计算方法简单快速,提高了驾驶安全性。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明的一个实施例的实际标定物的标定过程的流程图;
图2是根据本发明一个实施例的基于车载传感器的距离计算方法的流程图;
图3是根据本发明一个实施例的计算纵向距离的数学模型的示意图;
图4是根据本发明一个实施例的计算横向距离的数学模型的示意图;
图5是根据本发明一个实施例的基于车载传感器的距离计算方法的流程图;
图6是根据本发明一个实施例的对于目标物高度小于相机高度的数学模型的示意图;
图7是根据本发明一个实施例的对于目标物高度高于相机高度的数学模型的示意图;
图8是根据本发明一个实施例的基于车载传感器的距离计算装置的示意图;
图9是根据本发明一个实施例的车辆的框图。
具体实施方式
下面详细描述本发明的实施例,参考附图描述的实施例是示例性的,下面详细描述本发明的实施例。
为了解决目前单目测距方法计算距离效率低、精度低的问题,本发明基于实际物体作为参考点来进行标定,在实施例中,可以采用实际中路面上至少两个间隔排布的物体、画线或标记点或其它物体作为参考点,更优地,作为参考点的实际标定物可以选用特定标定物以利于实际距离的标定,例如采用斑马线、区域减速带、路障等实际标定物在一个方向上可以呈现定距情况的实际物即可,便于进行实际距离标定,并获得对应的图像以进行图像坐标系的标定,即将实际标定物的场景形成标定标尺,从而提高距离计算的精确性。
下面先对本发明实施例的基于实际参考点的标定进行说明。
例如以实际标定物以斑马线为例,斑马线作为参考点,其具有等距、平行且易分辨的优势,在实施例中,实际标定物不一定局限于斑马线。路面上任何间隔排布的参考点均可,例如可测量定距、能形成与画面上下边缘平行的辅助线的定距物都满足条件。
由于透视原理,越远的路标间距在屏幕投影上对应的像素值越接近,最坏情况下相邻两个路标可能重合。即越远处计算值误差必然越大。观察上述定量过程可以发现:在路标放置完毕后,实际世界标尺已定义完毕且不可变;相机高度变化必然导致实际画面中测量目标物和标定物坐标变化。调整相机分辨率必然导致实际画面中测量目标物和标定物坐标变化。确定在相机高度以及分辨率后,可以将实际标定物的坐标和实际物理距离进行保存。
进一步地,在实地定量过程结束后,可以得到一组路标参数以及相机高度等固定参数,这些参数可以编码为配置文件,即配置文件中可以配置实际标定物的标定信息。
图1是根据本发明的一个实施例的实际标定物的标定过程的流程图,如图1所示,包括:
S1,做垂直于车辆两前轮连线的水平垂线。
S2,将目标相机置于该水平垂线上,测量出相机高度。
S3,保证相机视野面向正前方。
S4,测量相机视野内标定物与水平垂线的距离。
S5,测量相机视野内标定物与相机在纵轴方向的距离。
S6,将获得的数据保存为配置文件。
以上实际参考点的标定信息以预定车型来标定,从而可以保证相机位置(高度、角度等)固定,从而生成的配置文件中的对应关系就不需要考虑位置变化带来的误差,或仅需要根据车型变化少量调整位置参数即可,与此同时斑马线数据的确定性给方案实施带来了便利。
因此,在一些实施例中,可以对应不同的车型标定实际参考点的标定信息,并预存对应各种车型的配置文件。从而,在实际应用中,可以获取车辆的车型信息,根据车型信息获得标定配置文件,并获取标定配置文件中的对应该车型的实际参考点的标定信息,更加准确。
进一步地,基于实际参考点的标定信息,在进行距离计算时,可以基于特定数学方法求解得到给定图像坐标对应的物理距离。其中,运算步骤的本质是求得屏幕上任何一点坐标在实际世界中的映射(如果采用线性插值方法模拟该映射会造成较大误差)。 获得预定距数据后,可在有限数学运算步骤后得到屏幕像素点对应的深度距离/水平距离;且这些数学运算容易通过主流编程语言实现。并且,如果希望摒弃运算步骤,可以考虑在路面铺设尽可能多的参考点,然后拍摄采样。程序实现时仅需使用二分搜索通过目标物的纵轴值找到最接近参考点,返回该参考点的物理距离即可。原则上讲,参考点越多则误差越小。例如,项目要求误差小于5厘米,则每隔5厘米设置一个参考点,那么从屏幕中读数获取实际距离的误差必然小于5厘米。
下面参照附图描述根据本发明实施例的基于车载传感器的距离计算方法。本发明实施例的距离计算方法可以应用于行车过程中的相关距离计算,例如,计算车辆与车辆之间的车间距、车辆与障碍物之间的距离以及车辆前方两物体之间的距离等,在实施例中,车辆、障碍物等可以称之为目标物。
图2是根据本发明一个实施例的基于车载传感器的距离计算方法的流程图,如图2所示,包括:
S11,获取车辆环境图像并确定目标物在车辆环境图像中的位置。
其中,车辆环境图像可以通过车载传感器采集获得,例如,车载相机如上文标定过程中进行放置,以更有效地利用标定信息。
其中,目标物可以为其它车辆、障碍物、行人等。通过对图像进行识别和分析可以直接确定目标物在图像中的坐标信息。
S12,基于位置获取对应的标定信息。
S13,基于标定信息确定目标物与车辆的距离信息。
具体地,如上文所述,预先将标定信息进行保存,在行车进行距离计算时可以直接调用标定信息,其中,标定信息可以包括车载传感器采集视野中每个像素点所关联目标物所映射的相关距离信息例如高度、横向距离、纵向距离等信息。
因此,在确定图像中目标物的位置即可获取对应的标定信息,并且确定目标物所对应的与车辆的距离信息。
本发明实施例的基于车载传感器的距离计算方法,基于标定信息确定目标物与车辆的距离信息,计算方法简单快速,提高了距离计算的效率。
在实施例中,标定信息至少包括车载传感器获取图像的各个位置的像素点与图像的各个位置的像素点关联的目标物的对应关系,及图像的各个位置的像素点关联的目标物与车辆的距离信息。因此,在进行行车距离计算时,确定目标物的位置,基于标定信息即可获得目标物与车辆的距离信息,简单快速。
在本发明实施例中,图像的各个位置的像素点关联的目标物与车辆的距离信息基于路面上至少两个间隔排布的参考点与车辆的实际距离标定获得。其中,参考点即实际标定物可以包括但不限于斑马线、间隔排布的路障、区域减速带、路面上间隔的标记或画线或物体等,在实施例中,以具有等距、平行等特性为佳,具体地,可以通过配置文件获得实际标定物的标定信息。
根据本发明实施例的基于车载传感器的距离计算方法,基于对图像像素点的采集和对现实世界距离的度量来获得目标物的实际距离,这两项任务均可通过成熟有效的方法得到高精度的可靠结果,并且利用物理世界中实际存在的标定物充当标尺,其实际距离方便测定且数值准确,从而提高了计算的目标距离精度。并且户外操作时更方便找到实景标定物并定量得到其与相机之间的距离。
下面分别对本发明实施例中计算目标物与车辆的纵向距离、横向距离以及任意两个目标物之间的距离以及目标物与车辆的相对高度分别进行说明。
实施例一,对于目标物与车辆的纵向距离的计算。
其中,图像的各个位置的像素点关联的目标物与车辆的距离信息包括所述图像的各个位置的像素点关联的目标物与车辆的纵向距离;
其中,可以选择路面上至少两个间隔排布的物体或标记作为参考点,例如包括路面上平行且等间隔设置的参考点例如斑马线或特定区域减速带、间隔排布的路障等。以间隔排放的路障为例,可以标定实际的每个路障到相机的实际距离以及相机高度等信息并生成配置文件。
以图3所示为根据本发明一个实施例的计算纵向距离的数学模型的示意图。其中O’点为相机位置,O点为拍摄者立足点。A、B和X点对应于物理世界中的实际点即实际标定物例如斑马线上的点或者间隔放置的路障。A’、B’和X’对应于拍摄画面中的点即图像坐标点。平面为相机成像平面,以X点为目标物为例。
其中,图像的各个位置的像素点关联的目标物与车辆的纵向距离通过以下步骤标定获得:
获取包括路面上至少两个间隔排布的参考点的图像,其中,参考点的排布方向为车辆的纵向;确定参考点的图像中路面上沿参考点的排布方向的任意一第一像素点的位置;基于任意一第一像素点的位置确定任意一第一像素点与参考点的图像中参考点所满足的比例关系;根据任意一第一像素点与参考点的图像中参考点所满足的比例关系和参考点与车辆的实际距离获得该任意一第一像素点关联的目标物与车辆的纵向距离。
具体地,如图3所示,
步骤1,对于三角形,因为其为直角三角形,根据勾股定理可以计算得到:
,且OA已知例如为2740毫米,/>为镜头高度也为已知例如为1570毫米,因此计算/>为3157.92653毫米。
步骤2:在三角形中根据勾股定理可以计算得到:
,且OB已知例如为4110毫米,/>为镜头高度也为已知例如为1570毫米,因此计算/>为4399.65907毫米。
步骤3:考察三角形,根据相机呈现原理可知其亦为直角三角形,因此边平行于边/>。根据平行线内错角相等性质,可知存在如下关系式:
;
;
;
根据正切定义有如下关系式:
;
;
在该三角形中,已知/>和/>对应的像素距离为1859-1576=283;
不妨设且/>,即存在如下关系式:
;
步骤4:
;
;
因此h对应的像素单位距离可以解出为849;
那么像素单位;
且已知和/>的像素坐标,可以解出/>;
则;
步骤5:
;
;
;
可得:,代入各项数值可得OX的计算值:
毫米。
对于OX而言,计算值和实际测量值的绝对误差为3540-3503.39=36.61毫米,小于要求的5厘米即50毫米;相对误差为(3540-3503.39)/5340=0.685%。
由此,可获知图像上X’点对应路面参考点到摄像头的纵向距离OX,可得知AX的距离或者X到其他设定参考点的距离,以确定X’在图像上的位置,并建立图像与路面参考点的对应关系,基于此,可以建立图像上每个点对应的路面参考点到摄像头距离的对应关系集合,以此作为纵向距离的标定信息。当行车过程中获得图像时,可依据相关点位置直接获得该点距离车辆的距离。
实施例二,对于目标物与车辆具体地例如车载传感器之间的横向距离的计算。
其中,图像的各个位置的像素点关联的目标物与车辆的距离信息还包括图像的各个位置的像素点关联的目标物与车辆的横向距离。
如上文标定过程所述,在一些实施例中,参考点的图像中垂直于参考点具有中垂线,中垂线对应依据车辆两前轮连线的中垂线的距离确定,车载传感器设置于中垂线上。
对目标物与车辆的横向距离,可以通过以下步骤标定获得:确定参考点的图像中在中垂线两侧的任意一第二像素点的位置;基于任意一第二像素点的位置确定任意一第二像素点与参考点的图像中参考点的比例关系;根据任意一第二像素点与参考点的图像中参考点的比例关系以及参考点到中垂线的实际距离获得任意一第二像素点关联的目标物到车辆的横向距离。
具体地,图4为根据本发明一个实施例的计算横向距离的数学模型的示意图。
如图4所示,其中,图中底部黑线为相机视野底边。其中为和底部黑线平行的辅助线,/>同理。类似地,可以在实际世界中添加尽可能多的水平辅助线,然后拍摄记录在照片中。
图中垂直于底边的黑线为相机视野垂直分割线,其横坐标等于屏幕分辨率宽度,例如定义为。不妨定义/>以及/>和该垂线的交点为/>以及/>(图中为X02’)。
可以理解的是,使用数学语言描述目标求解问题为:已知构成矩形。/>的距离测量为/>,即/>。求矩形/>内一点/>到/>(中央垂线)的距离。
横向距离完整计算步骤列举如下:
步骤1:通过绘图软件采样可以获得点和/>的具体像素坐标值,不妨分别设为和/>。
步骤2:根据平面两点决定一条直线,可得直线的斜截式方程为:
步骤3:现将目标物像素点纵坐标/>代入该方程可以解出对应的横坐标为:
;
步骤4:那么在图像坐标系中,可以通过下式计算出和/>的比例关系:
,其中/>和/>均为已知量。
步骤5:最后结合,可求得目标距离为/>。
进一步地,实际应用可能存在交点以及/>定位困难或者/>测量困难的问题。可以考虑根据/>坐标沿用上述计算步骤获得出右侧直线/>截距式/>以及对应的反函数。将目标点/>纵坐标/>代入该反函数/>,可以计算得到右侧直线/>上对应的横坐标/>。现在已知/>和/>的像素坐标值,同时它们对应的物理世界距离也可通过实地测量获得,不妨记为/>,于是可以计算得到/>。那么所求目标距离为。
由此可获知图像上Xt点对应路面参考点到摄像头的横向距离,基于此建立图像与路面参考点的对应关系,基于此,可以建立图像上每个点对应的路面参考点到摄像头距离的对应关系集合,以此作为横向方向的标定信息。当行车过程中获得图像时,可依据相关点位置直接获得该点的横向位置,比如偏移当前车道的距离等。
实施例三,对于任意两个目标物之间的相对距离的计算。
即,目标物包括第一目标物和第二目标物,分别对应屏幕中任意两点。
对于任意两个目标物之间的相对距离的计算包括:获得车辆环境图像中第一目标物到车辆的第一纵向距离,以及获得车辆环境图像中第二目标物到车辆的第二纵向距离;获得第一目标物到车辆的第一横向距离,以及获得第二目标物到车辆的第二横向距离;根据第一纵向距离、第二纵向距离、第一横向距离和第二横向距离获得第一目标物与第二目标物之间的相对距离。其中,实际纵向距离和实际横向距离可以参照上文实施例一和实施例二中的具体计算过程。
具体地,假设屏幕坐标系内两点A和B,对应坐标分别为和/>。那么结合上述对于纵向距离和横向距离计算的方法可得:
步骤1:点A到参考点在纵轴方向上的距离,点B到参考点在纵轴方向上的实际距离/>。其中,像素点在纵轴方向上的实际距离/>恒为非负值,因为被观测的物体不可能出现在屏幕内侧。
步骤2:点A到参考点在横轴方向上的实际距离,点B到参考点在横轴方向上的实际距离/>。其中,在计算/>和/>时候,由于点A和点B可能出现在中央垂线的左右两侧,因此/>和/>可能取正负值,因此点A和点B在横轴方向距离最终值为/>。
步骤3:根据勾股定理,可以计算出两点A和B在实际世界坐标系中的绝对距离为:
。
图5是根据本发明一个实施例的基于车载传感器的距离计算过程的流程图,如图5所示,包括:
S111,接收外部传入的相机视野内物体的像素坐标。
S112,根据该像素坐标在定距栅格内搜索对应的目标栅格。
S113,在目标栅格根据目标物纵坐标计算到相机的距离。
S114,在目标栅格根据目标物横坐标计算到垂线的距离。
S115,如果是两点定距,则计算出另一点到垂线的距离。
S116,结合上述两个距离计算出两点在水平方向上的距离。
S117,结合水平和垂直方向的距离计算出两点在实际世界中的绝对距离。
实施例四,目标物与车辆相对高度的计算。
在实施例中,获取车辆环境图像之后,对车辆环境图像进行图形识别,识别出车辆环境图像中目标物为高度方向的目标物例如交通灯等,则基于标定信息确定目标物与车辆的相对高度。
即,图像的各个位置的像素点关联的目标物与车辆的距离信息包括图像的各个位置的像素点关联的目标物与车辆的相对高度。
在实施例中,图像的各个位置的像素点关联的目标物与车辆的相对高度通过以下步骤标定获得:路面上平行且间隔排布的参考点具有垂直于路面的高度,测量参考点与车载传感器的实际相对高度;确定参考点的图像中任意一第三像素点的位置;基于任意一第三像素点的位置确定任意一第三像素点与路面的相对高度;确定任意一第三像素点与路面的相对高度、参考点与路面的相对高度所满足的比例关系;根据相对高度所满足的比例关系和参考点与车载传感器的实际相对高度获得任意一第三像素点关联的目标物到车辆的相对高度。
具体地,图6为对于目标物高度小于相机高度的数学模型的示意图,图7为对于目标物高度高于相机高度的数学模型的示意图。
参照图6和图7所示,步骤1:沿用原始纵轴测距场景,在点位置放置一根垂直于路面,且高度为h的标记物体;同理在/>点、/>点以及后续标记点均做相同设置。
步骤2:不妨设垂直于路面的标记物与路面的接触点为、/>、/>,假设在/>和/>区间中存在一待测定高度的物体/>,其与路面接触点为/>,因为/>,/>,/>,/>均垂直于路面,那么根据上文纵向距离估的方法,可以计算出/>到/>的距离/>;
步骤3:在中,可以得到/>。又因为/>平行/>,所以,/>,则有/>,即/>;
步骤4:在中,可以得到/>。又因为/>平行/>,所以,/>,则有/>,即/>;
步骤5:结合步骤3和步骤4,可以得到;又因为/>和/>对应/>和/>的屏幕坐标,因此可知/>;从而可以按照屏幕坐标度量推算出/>;
步骤6:基于步骤5得到的长度值,以及关系式/>,可以计算得到/>。同理可以得到/>;
步骤7:从图像中可以读出需要测距物体上端点在图像中的坐标H,从而得到对应的长度为/>。接下来分情况讨论:
步骤8:如果,那么/>,则/>;又因为,/>,则/>。
步骤8.1:为测量物底座在路面上的坐标到相机底座的垂直距离,可以基于上文内容计算得到,那么可以计算得到/>;
步骤8.2:则测量目标的高度值为/>;
步骤9:如果,即/>在/>所在直线上,则测量目标/>的高度值为;
步骤10:如果,那么/>,则/>;又因为,/>,即/>;
步骤10.1:可以计算得到,此时/>。
由此,可以获取图像上X点对应路面参考点到车载传感器的高度,基于此建立图像与路面参考点的对应关系,进而可以建立图像上每个点对应的具有高度的参考点到车载传感器高度的对应关系几何,以此作为高度方向的标定信息。
在行车过程中,获取图像,在识别获知目标物为高度方向的物体例如交通灯灯,可以基于标定信息直接获取该点的高度位置,简单快速。
需要说明是,从BEV坐标平面来看,随着测量物沿着水平方向移动,其顶端对应的值也会因为透视原理发生细微变化,导致通过上述方法求得的高度值必然有一定偏差。然而我们认为在相机视野范围产生的偏差值较小,可以忽略不计。
总的来说,本发明实施例的距离计算方法,利用物理世界中实际存在的标定物充当标尺,其实际距离方便测定且数值准确。例如选择路障区为实验场地,以放置的路障为等间测距物。并且,基于标定物以及测量获得的距离计算目标距离。
相较于基于相机标定方式计算相机内参外参矩阵,以及图像坐标与世界坐标相互转换再进行距离估计的方式,本发明实施例的方法,户外操作时更方便找到实景标定物并定量得到其与相机之间的距离;由于不涉及到矩阵变换计算,计算代价更小,程序响应更快;并且基于实际物体进行距离测定,结果精度更高。
基于上面实施例的基于车载传感器的距离计算方法,本发明第二方面实施例提出一种基于车载传感器的距离计算装置。
图8为根据本发明一个实施例的基于车载传感器的距离计算装置的示意图,如图8所示,基于车载传感器的距离计算装置10包括处理器11和存储器12。
其中,存储器12与处理器11通信连接;存储器12中存储有被处理器执行的计算机程序,计算机程序被处理器执行时实现上面实施例的基于车载传感器的距离计算方法。
根据本发明实施例的基于车载传感器的距离计算装置10,通过执行上面实施例的基于车载传感器的距离计算方法,计算结果更加精确,实现简单。
本发明第三方面实施例还提出一种计算机可读存储介质,其上存储有计算机程序,计算机程序被执行时实现上面实施例的基于车载传感器的距离计算方法。
本发明第四方面实施例还提出一种车辆,图9为根据本发明一个实施例的车辆的框图,如图9所示,车辆1包括车载相机20和上面实施例的基于车载传感器的距离计算装置10,基于车载传感器的距离计算装置10与车载传感器20连接。
本发明实施例的车辆1,通过采用上面实施例的基于车载传感器的距离计算装置10,计算距离更加精准,提高了安全性。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (12)
1.一种基于车载传感器的距离计算方法,其特征在于,包括:
获取车辆环境图像并确定目标物在所述车辆环境图像中的位置;
基于所述位置获取对应的标定信息;
基于所述标定信息确定所述目标物与车辆的距离信息。
2.根据权利要求1所述的距离计算方法,其特征在于,所述标定信息至少包括所述车载传感器获取图像的各个位置的像素点与所述图像的各个位置的像素点关联的目标物的对应关系,及所述图像的各个位置的像素点关联的目标物与车辆的距离信息。
3.根据权利要求2所述的距离计算方法,其特征在于,所述图像的各个位置的像素点关联的目标物与车辆的距离信息基于路面上至少两个间隔排布的参考点与车辆的实际距离标定获得。
4.根据权利要求3的距离计算方法,其特征在于,
所述图像的各个位置的像素点关联的目标物与车辆的距离信息包括所述图像的各个位置的像素点关联的目标物与车辆的纵向距离;
所述图像的各个位置的像素点关联的目标物与车辆的纵向距离通过以下步骤标定:
获取包括所述路面上至少两个间隔排布的参考点的图像,其中,所述参考点的排布方向为车辆的纵向;
确定所述参考点的图像中路面上沿所述参考点的排布方向的任意一第一像素点的位置;
基于所述任意一第一像素点的位置确定所述任意一第一像素点与所述参考点的图像中参考点所满足的比例关系;
根据所述任意一第一像素点与所述参考点的图像中参考点所满足的比例关系和所述参考点与车辆的实际距离获得所述任意一第一像素点关联的目标物与车辆的纵向距离。
5.根据权利要求4的距离计算方法,其特征在于,
所述图像的各个位置的像素点关联的目标物与车辆的距离信息还包括所述图像的各个位置的像素点关联的目标物与车辆的横向距离;
所述图像的各个位置的像素点关联的目标物与车辆的横向距离通过以下步骤标定:
所述参考点的图像中垂直于所述参考点具有中垂线,所述中垂线对应依据车辆两前轮连线的中垂线的距离确定,车载传感器设置于所述中垂线上;
确定所述参考点的图像中在所述中垂线两侧的任意一第二像素点的位置;
基于所述任意一第二像素点的位置确定所述任意一第二像素点与所述参考点的图像中所述参考点的比例关系;
根据所述任意一第二像素点与所述参考点的图像中所述参考点的比例关系以及所述参考点到所述中垂线的实际距离获得所述任意一第二像素点关联的目标物到所述车辆的横向距离。
6.根据权利要求5的距离计算方法,其特征在于,基于所述标定信息确定所述目标物与车辆的距离信息,包括:
获得所述车辆环境图像中第一目标物到车辆的第一纵向距离,以及获得所述车辆环境图像中第二目标物到所述车辆的第二纵向距离;
获得所述第一目标物到所述车辆的第一横向距离,以及获得所述第二目标物到所述车辆的第二横向距离;
根据所述第一纵向距离、所述第二纵向距离、所述第一横向距离和所述第二横向距离获得所述第一目标物与所述第二目标物之间的相对距离。
7.根据权利要求4的距离计算方法,其特征在于,基于所述标定信息确定所述目标物与车辆的距离信息,包括:
识别出所述车辆环境图像中所述目标物为高度方向的目标物;
基于所述标定信息确定所述目标物与所述车辆的相对高度。
8.根据权利要求7所述的距离计算方法,其特征在于,
所述图像的各个位置的像素点关联的目标物与车辆的距离信息包括所述图像的各个位置的像素点关联的目标物与车辆的相对高度;
所述图像的各个位置的像素点关联的目标物与车辆的相对高度通过以下步骤标定:
所述路面上平行且间隔排布的参考点具有垂直于路面的高度,测量所述参考点与所述车载传感器的实际相对高度;
确定所述参考点的图像中任意一第三像素点的位置;
基于所述任意一第三像素点的位置确定所述任意一第三像素点与路面的相对高度;
确定所述任意一第三像素点与路面的相对高度、所述参考点与路面的相对高度所满足的比例关系;
根据所述相对高度所满足的比例关系和所述参考点与所述车载传感器的实际相对高度获得所述任意一第三像素点关联的目标物到所述车辆的相对高度。
9.根据权利要求1-8任一项的距离计算方法,其特征在于,所述距离计算方法还包括:
获取车辆的车型信息;
根据车型信息获得标定配置文件;
获取所述标定配置文件中的所述标定信息。
10.一种基于车载传感器的距离计算装置,其特征在于,包括:
处理器;
与处理器通信连接的存储器;
其中,存储器中存储有被处理器执行的计算机程序,计算机程序被处理器执行时实现权利要求1-9任一项的基于车载传感器的距离计算方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,计算机程序被执行时实现权利要求1-9任一项的基于车载传感器的距离计算方法。
12.一种车辆,其特征在于,包括:
车载传感器,用于采集车辆环境图像;
权利要求10的基于车载传感器的距离计算装置,所述距离计算装置与所述车载传感器连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309292.2A CN117058210B (zh) | 2023-10-11 | 2023-10-11 | 基于车载传感器的距离计算方法和装置及存储介质和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311309292.2A CN117058210B (zh) | 2023-10-11 | 2023-10-11 | 基于车载传感器的距离计算方法和装置及存储介质和车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117058210A true CN117058210A (zh) | 2023-11-14 |
CN117058210B CN117058210B (zh) | 2024-06-18 |
Family
ID=88661225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311309292.2A Active CN117058210B (zh) | 2023-10-11 | 2023-10-11 | 基于车载传感器的距离计算方法和装置及存储介质和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117058210B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105702093A (zh) * | 2016-04-21 | 2016-06-22 | 江苏联盟信息工程有限公司 | 一种基于经纬度采集点的车道判定方法及定位装置 |
CN111353453A (zh) * | 2020-03-06 | 2020-06-30 | 北京百度网讯科技有限公司 | 用于车辆的障碍物检测方法和装置 |
CN111476999A (zh) * | 2020-01-17 | 2020-07-31 | 武汉理工大学 | 基于车路多传感器协同的智能网联汽车超视距感知系统 |
CN111724616A (zh) * | 2020-06-11 | 2020-09-29 | 樊馨 | 基于人工智能的数据获取及共享的方法与装置 |
US20200334996A1 (en) * | 2019-04-18 | 2020-10-22 | The Boeing Company | System and Method for Handling Terrain in Detect and Avoid |
CN112241007A (zh) * | 2020-07-01 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 自动驾驶环境感知传感器的标定方法、布置结构及车辆 |
CN113688653A (zh) * | 2020-05-18 | 2021-11-23 | 富士通株式会社 | 道路中心线的识别装置及方法、电子设备 |
CN116229404A (zh) * | 2023-04-06 | 2023-06-06 | 上海友道智途科技有限公司 | 一种基于距离传感器的图像去雾优化方法 |
CN116386000A (zh) * | 2023-02-23 | 2023-07-04 | 江铃汽车股份有限公司 | 基于高精地图和单目摄像头测量障碍物距离的方法、系统 |
CN116740680A (zh) * | 2023-07-12 | 2023-09-12 | 蘑菇车联信息科技有限公司 | 一种车辆定位方法、装置及电子设备 |
-
2023
- 2023-10-11 CN CN202311309292.2A patent/CN117058210B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105702093A (zh) * | 2016-04-21 | 2016-06-22 | 江苏联盟信息工程有限公司 | 一种基于经纬度采集点的车道判定方法及定位装置 |
US20200334996A1 (en) * | 2019-04-18 | 2020-10-22 | The Boeing Company | System and Method for Handling Terrain in Detect and Avoid |
CN111476999A (zh) * | 2020-01-17 | 2020-07-31 | 武汉理工大学 | 基于车路多传感器协同的智能网联汽车超视距感知系统 |
CN111353453A (zh) * | 2020-03-06 | 2020-06-30 | 北京百度网讯科技有限公司 | 用于车辆的障碍物检测方法和装置 |
CN113688653A (zh) * | 2020-05-18 | 2021-11-23 | 富士通株式会社 | 道路中心线的识别装置及方法、电子设备 |
CN111724616A (zh) * | 2020-06-11 | 2020-09-29 | 樊馨 | 基于人工智能的数据获取及共享的方法与装置 |
CN112241007A (zh) * | 2020-07-01 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 自动驾驶环境感知传感器的标定方法、布置结构及车辆 |
CN116386000A (zh) * | 2023-02-23 | 2023-07-04 | 江铃汽车股份有限公司 | 基于高精地图和单目摄像头测量障碍物距离的方法、系统 |
CN116229404A (zh) * | 2023-04-06 | 2023-06-06 | 上海友道智途科技有限公司 | 一种基于距离传感器的图像去雾优化方法 |
CN116740680A (zh) * | 2023-07-12 | 2023-09-12 | 蘑菇车联信息科技有限公司 | 一种车辆定位方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
王成: "基于毫米波雷达和相机信息融合的危险目标检测方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 08, 8 August 2020 (2020-08-08), pages 035 - 315 * |
Also Published As
Publication number | Publication date |
---|---|
CN117058210B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10127461B2 (en) | Visual odometry for low illumination conditions using fixed light sources | |
CN107341453B (zh) | 一种车道线提取方法及装置 | |
CN109544633B (zh) | 目标测距方法、装置及设备 | |
CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
CN109764858B (zh) | 一种基于单目相机的摄影测量方法及系统 | |
Osman et al. | 3D accident reconstruction using low-cost imaging technique | |
CN103729837A (zh) | 一种单个路况摄像机的快速标定方法 | |
Fawzy | Study the accuracy of digital close range photogrammetry technique software as a measuring tool | |
CN110555884A (zh) | 一种车载双目相机的标定方法、装置及终端 | |
CN111932627B (zh) | 一种标识物绘制方法及系统 | |
CN111243029A (zh) | 视觉传感器的标定方法以及装置 | |
CN112489106A (zh) | 基于视频的车辆尺寸测量方法、装置、终端及存储介质 | |
JP2018077162A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
CN112446915B (zh) | 一种基于图像组的建图方法及装置 | |
CN112749584B (zh) | 一种基于图像检测的车辆定位方法及车载终端 | |
CN113945937A (zh) | 精度检测方法、装置及存储介质 | |
CN116386000A (zh) | 基于高精地图和单目摄像头测量障碍物距离的方法、系统 | |
CN117315024A (zh) | 远距离目标的定位方法、装置和电子设备 | |
CN117058210B (zh) | 基于车载传感器的距离计算方法和装置及存储介质和车辆 | |
RU2592711C1 (ru) | Способ и система калибровки комплекса измерения скорости транспортных средств | |
CN109345576B (zh) | 车辆行驶速度鉴定方法及系统 | |
CN111380503A (zh) | 一种采用激光辅助标定的单目相机测距方法 | |
CN115546130A (zh) | 用于数字孪生的身高测量方法、装置及电子设备 | |
CN115294211A (zh) | 一种车载相机安装外参标定方法、系统、装置与存储介质 | |
WO2022133986A1 (en) | Accuracy estimation method and system |
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 |