CN117557643A - 车辆视频辅助信息生成方法、装置、设备及介质 - Google Patents
车辆视频辅助信息生成方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117557643A CN117557643A CN202311512565.3A CN202311512565A CN117557643A CN 117557643 A CN117557643 A CN 117557643A CN 202311512565 A CN202311512565 A CN 202311512565A CN 117557643 A CN117557643 A CN 117557643A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- information
- target
- determining
- auxiliary
- 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 51
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 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
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 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
- 230000004044 response Effects 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
Classifications
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆视频辅助信息生成方法、装置、设备及介质。该方法包括：确定目标车辆状态数据；根据所述目标车辆状态数据确定目标车辆可行驶区域位置及目标车辆三维辅助线信息；根据所述目标车辆可行驶区域位置及所述目标车辆状态数据确定目标车辆辅助安全距离；根据目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示。该方法能够在不同视角的视频中将目标车辆外轮廓和可行驶区域进行辅助标识，提高远程驾驶员对环境的辨别能力，提高远程操控的稳定性和安全性。
Description
技术领域
本发明涉及无人驾驶车辆技术领域，尤其涉及一种车辆视频辅助信息生成方法、装置、设备及介质。
背景技术
远程驾驶是指通过将自动驾驶车辆的状态信息，其中，状态信息包括：视频图像信息、驾驶状态信息、目标任务信息等，将状态信息发送给远程驾驶控制器，通过远程驾驶端的响应来对自动驾驶车辆进行接管和控制。由于目前远程驾驶系统回传的视频与真实开车的视角范围存在偏差，会影响远程驾驶员的操控体验和开车精度，因此需要在视频中添加安全辅助线，但现有辅助标线的标识都是通过在车身的外轮廓向外延伸预设宽度进行固定设置，固定的宽度设置能够对远程驾驶员起到一定的提示作用，但是由于通过视频进行车辆操控与实车驾驶体验的区别较大，在某些狭窄路段、障碍物较近的场景下很难实现安全的远程驾驶。
发明内容
本发明提供了一种车辆视频辅助信息生成方法、装置、设备及介质，以解决固定设置的辅助线难以满足远程自动驾驶需求的问题。
根据本发明的一方面，提供了一种车辆视频辅助信息生成方法，包括：
确定目标车辆状态数据，所述状态数据至少包括：目标车辆的参数、目标车辆三维坐标数据、目标车辆当前转角信息及目标车辆可行驶区域信息，所述目标车辆当前转角信息用于表征车辆的当前行驶方向的信息；
根据所述目标车辆状态数据确定目标车辆可行驶区域位置及目标车辆三维辅助线信息，所述目标车辆三维辅助线信息至少包括：目标车辆三维辅助标线的坐标位置、目标车辆的前进预测轨迹，所述目标车辆的三维辅助线用于辅助目标车辆行驶；
根据所述目标车辆可行驶区域位置及所述目标车辆状态数据确定目标车辆辅助安全距离；
根据目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示，所述目标视频用于表征目标车辆当前行驶路段的视频。
根据本发明的另一方面，提供了一种车辆视频辅助信息生成装置，包括：
数据确定模块，用于确定目标车辆状态数据，所述状态数据至少包括：目标车辆的参数、目标车辆三维坐标数据、目标车辆当前转角信息及目标车辆可行驶区域信息，所述目标车辆当前转角信息用于表征车辆的当前行驶方向的信息；
辅助信息确定模块，用于根据所述目标车辆状态数据确定目标车辆可行驶区域位置及目标车辆三维辅助线信息，所述目标车辆三维辅助线信息至少包括：目标车辆三维辅助标线的坐标位置、目标车辆的前进预测轨迹，所述目标车辆的三维辅助线用于辅助目标车辆行驶；
辅助安全距离确定模块，用于根据所述目标车辆可行驶区域位置及所述目标车辆状态数据确定目标车辆辅助安全距离；
标识模块，用于根据目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示，所述目标视频用于表征目标车辆当前行驶路段的视频。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
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本发明任一实施例所述的车辆视频辅助信息生成方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车辆视频辅助信息生成方法。
本发明实施例的技术方案，通过车辆的状态数据确定目标车辆的轮廓位置及可行驶区域位置，根据激光雷达检测得到的激光点云数据确定目标车辆的坐标信息及可行驶区域位置的坐标信息，将上述坐标位置带入到预设距离公式计算得到目标车辆辅助安全距离，并将得到的目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示。该方法克服了某些狭窄路段、障碍物较近的场景下很难实现目标车辆安全远程驾驶的问题，能够在不同视角的视频中将目标车辆外轮廓和可行驶区域进行辅助标识，提高远程驾驶员对环境的辨别能力，提高远程操控的稳定性和安全性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种车辆视频辅助信息生成方法的流程图；
图2为本发明实施例提供的一种车辆可行驶位置示意图；
图3为本发明实施例提供的一种车辆前方视角预测轨迹示意图；
图4为本发明实施例提供的一种车辆周围环境位置分布图；
图5为本发明实施例提供的一种车辆左后方视角辅助线示意图；
图6为本发明实施例提供的一种车辆右后方视角辅助线示意图；
图7为本发明实施例提供的一种车辆辅助线整体示意图；
图8为本发明实施例提供的一种车辆视频辅助信息生成装置的结构示意图；
图9为实现本发明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，本发明的说明书和权利要求书及上述附图中的术语“候选”、“目标”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。
图1为本发明实施例提供的一种车辆视频辅助信息生成方法的流程图，本实施例可适用于车辆远程自动驾驶的情况，该方法可以由车辆视频辅助信息生成装置来执行，该车辆视频辅助信息生成装置可以采用硬件和/或软件的形式实现，该车辆视频辅助信息生成装置可配置于具有联网功能的电子设备中。如图1所示，该方法包括：
S110、确定目标车辆状态数据，状态数据至少包括：目标车辆的参数、目标车辆三维坐标数据、目标车辆当前转角信息及目标车辆可行驶区域信息，目标车辆当前转角信息用于表征车辆的当前行驶方向的信息。
目标车辆的参数可以为目标车辆的长度、宽度及高度。目标车辆三维坐标数据可以为能够表示目标车辆、目标车辆上安装设备的坐标位置信息及激光雷达采集得到的数据，如可以为车辆的坐标位置、激光雷达的安装位置、摄像头的安装位置、传感器的相对外参、周围环境中障碍物的位置坐标，其中，传感器的相对外参可以为传感器间的相对位置和角度关系，比如激光雷达到摄像头的外参是指从激光雷达坐标系转到摄像头坐标系的变换关系，这些变换关系中包含激光雷达和摄像头的安装位置等。
目标车辆可行驶区域信息可以为能够表征目标车辆行驶路段上可行驶区域的信息。
目标车辆当前转角信息可以为能够表征目标车辆当前行驶方向的信息，如目标车辆当前转角信息可以为目标车辆当前方向盘转角或处目标车辆前轮转角。
通过配置在目标车辆上的数据采集装置获取车辆当前状态数据，其中，数据采集装置可以为激光雷达、摄像头等。
S120、根据目标车辆状态数据确定目标车辆可行驶区域位置及目标车辆三维辅助线信息，目标车辆三维辅助线信息至少包括：目标车辆三维辅助标线的坐标位置、目标车辆的前进预测轨迹，目标车辆的三维辅助线用于辅助目标车辆行驶。
目标车辆可行驶区域边界可以为目标车辆行驶路段存在障碍物的边界，障碍物可以为路肩及护栏等。
目标车辆的三维辅助线信息可以为根据目标车辆状态数据生成的利于目标车辆驾驶的提示辅助线信息，如可以包括辅助线为位置等。
目标车辆的前进轨迹可以为目标车辆下一步将要行驶区域的辅助行驶轨迹。
可选的，根据目标车辆状态数据确定目标车辆可行驶区域位置，包括步骤A1-A2：
步骤A1、根据目标车辆的参数、目标车辆三维坐标数据确定目标车辆的外轮廓图像。
目标车辆的外轮廓图像可以为能够表征车辆位置的图像，如图2实线框所示。
根据车子的长宽高参数以及参考坐标系原点，在三维点云空间里进行还原，然后将三维点云空间中的外轮廓线投影到各个图像的平面中。
其中，参考坐标原点为后轴中心点；三维点云空间为根据激光雷达检测得到的点云数据所建立的表征行驶路段信息的空间。
步骤A2、根据目标车辆可行驶区域信息确定目标车辆可行驶区域位置。
将实时采集得到的目标车辆行驶路段的可行驶区域信息转化为栅格图，根据栅格图的属性确定目标车辆可行驶区域位置。
可选的，根据目标车辆可行驶区域信息确定目标车辆可行驶区域位置，包括步骤B1-B2：
步骤B1、采用栅格图像表示可行驶区域信息。
将采集得到的可行驶区域信息转换为分辨率为0.2m大小的栅格。
进一步地，可通行位置采用数字“1”表示；不可通行位置采用数字“0”表示。
步骤B2、根据栅格图像中目标栅格的属性确定可行驶区域位置，目标栅格的属性为目标栅格是否可通行。
目标栅格的属性可以为用于表征当前栅格是否可通行，如栅格标记为“1”，则代表可通行；栅格标记为“0”，则代表不可通行。
根据栅格图像中0和1的数量及位置来计算目标车辆的可行驶区域位置。
示例性的，目标车辆的可行驶区域位置如图2虚线部分。
可选的，根据目标车辆状态数据确定目标车辆三维辅助线信息，包括步骤C1-C2：
步骤C1、根据目标车辆三维坐标数据确定三维标线的坐标位置。
根据激光雷达采集得到的目标车辆及周围障碍物的位置信息确定三维标线的坐标位置。
进一步地，从激光雷达生成的激光点云中各部分三维坐标系来获得的。
步骤C2、根据目标车辆当前转角信息生成目标车辆的前进预测轨迹。
根据目标车辆当前方向盘的转动角度或目标车辆前车轮转角信息确定目标车辆下一步会运行的方向，根据该运行方向得到预测轨迹。
进一步地，分别在目标车辆前方5m及10m处标记出预测轨迹。示例性的，如图3虚线所示。
S130、根据目标车辆可行驶区域位置及目标车辆状态数据确定目标车辆辅助安全距离。
根据目标车辆的位置坐标及目标车辆的长宽高，将目标车辆车身周围分成8个部分：左前、前、右前、左、右、右后、后、左后，如图4所示；根据目标车辆可行驶区域位置，将可行驶区域位置按照列表的形式进行表示，如Oi＝[O1,O2,O3…]，其中障碍物Oi中包含的信息为[xi,yi,zi,wi,li,hi]，xi,yi,zi表示障碍物中心点的坐标，wi,li,hi表示障碍物的长宽高信息。根据可行驶区域位置获取目标车辆车身周围各部分中离目标车辆最近的障碍物Om，根据目标车辆车身周围各部分中离目标车辆最近的障碍物Om确定目标车辆辅助安全距离。
可选的，根据目标车辆可行驶区域位置及目标车辆状态数据确定目标车辆辅助安全距离，包括：
将可行驶区域位置及目标车辆状态数据代入预设距离公式确定目标车辆距离可行驶区域位置的距离。
将获取得到的目标车辆车身周围各部分中离目标车辆最近的障碍物Om的位置信息及目标车辆的长宽高带入到预设距离公式中，得到目标车辆距离可行驶区域位置的距离。
示例性的，如图3所示，计算得到的目标车辆距离左侧可行驶区域位置的距离为0.8m；目标车辆距离右侧可行驶区域位置的距离为0.8m。如图5所示，目标车辆距离左后可行驶区域位置的距离为1.5m；如图6所示，目标车辆距离右后可行驶区域位置的距离为0.8m。
可选的，预设距离公式，包括：
左前距离＝ym-(0.5*wm+0.5*wv)；
前距离＝xm-0.5*lv；
右前距离＝-ym-(0.5*wm+0.5*wv)；
左距离＝ym-(0.5*wm+0.5*wv)；
右距离＝-ym-(0.5*wm+0.5*wv)；
左后距离＝ym-(0.5*wm+0.5*wv)；
后距离＝-xm-0.5*lv；
右后距离＝-ym-(0.5*wm+0.5*wv)；
其中，m为分钟；wv为目标车辆的宽度；lv为目标车辆的长度；xm表示om在x方向的坐标，其中，om为可行驶区域位置；ym表示om在y方向的坐标；wm为om的宽度。
S140、根据目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示，目标视频用于表征目标车辆当前行驶路段的视频。
在目标车辆当前行驶路段的视频中对目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，标识完成后进行实时显示。
示例性的，如图7所示，图中实线为车辆的外轮廓图像，点线为目标车辆的前进方向预测轨迹，虚线为三维辅助线，双箭头表示目标车辆距离可行驶区域位置的距离。
本实施例技术方案，通过车辆的状态数据确定目标车辆的轮廓位置及可行驶区域位置，根据激光雷达检测得到的激光点云数据确定目标车辆的坐标信息及可行驶区域位置的坐标信息，将上述坐标位置带入到预设距离公式计算得到目标车辆辅助安全距离，并将得到的目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示。该方法克服了某些狭窄路段、障碍物较近的场景下很难实现目标车辆安全远程驾驶的问题，能够在不同视角的视频中将目标车辆外轮廓和可行驶区域进行辅助标识，提高远程驾驶员对环境的辨别能力，提高远程操控的稳定性和安全性。
图8为本发明实施例提供的一种车辆视频辅助信息生成装置的结构示意图，本实施例可适用于车辆远程自动驾驶的情况，该车辆视频辅助信息生成装置可以采用硬件和/或软件的形式实现，该车辆视频辅助信息生成装置可配置于具有联网功能的电子设备中。如图3所示，该装置包括：数据确定模块210、辅助信息确定模220、辅助安全距离确定模块230及标识模块240，其中：
数据确定模块210：用于确定目标车辆状态数据，状态数据至少包括：目标车辆的参数、目标车辆三维坐标数据、目标车辆当前转角信息及目标车辆可行驶区域信息，目标车辆当前转角信息用于表征车辆的当前行驶方向的信息；
辅助信息确定模块220：用于根据目标车辆状态数据确定目标车辆可行驶区域位置及目标车辆三维辅助线信息，目标车辆三维辅助线信息至少包括：目标车辆三维辅助标线的坐标位置、目标车辆的前进预测轨迹，目标车辆的三维辅助线用于辅助目标车辆行驶；
辅助安全距离确定模块230：用于根据目标车辆可行驶区域位置及目标车辆状态数据确定目标车辆辅助安全距离；
标识模块240：用于根据目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示，目标视频用于表征目标车辆当前行驶路段的视频。
可选的，辅助信息确定模块220，包括：
外轮廓图像确定单元：用于根据目标车辆的参数、目标车辆三维坐标数据确定目标车辆的外轮廓图像；
可行驶区域位置确定单元：用于根据目标车辆可行驶区域信息确定目标车辆可行驶区域位置。
可选的，可行驶区域位置确定单元，包括：
栅格图像表示子单元：用于采用栅格图像表示可行驶区域信息；
可行驶区域位置确定子单元：用于根据栅格图像中目标栅格的属性确定可行驶区域位置，目标栅格的属性为目标栅格是否可通行。
可选的，辅助信息确定模块220，包括：
坐标位置确定单元：用于根据目标车辆三维坐标数据确定三维标线的坐标位置；
预测轨迹确定单元：用于根据目标车辆当前转角信息生成目标车辆的前进预测轨迹。
可选的，辅助安全距离确定模块230，具体用于：
将可行驶区域位置及目标车辆状态数据代入预设距离公式确定目标车辆距离可行驶区域位置的距离。
其中，预设距离公式，包括：
左前距离＝ym-(0.5*wm+0.5*wv)；
前距离＝xm-0.5*lv；
右前距离＝-ym-(0.5*wm+0.5*wv)；
左距离＝ym-(0.5*wm+0.5*wv)；
右距离＝-ym-(0.5*wm+0.5*wv)；
左后距离＝ym-(0.5*wm+0.5*wv)；
后距离＝-xm-0.5*lv；
右后距离＝-ym-(0.5*wm+0.5*wv)；
其中，m为分钟；wv为目标车辆的宽度；lv为目标车辆的长度；xm表示om在x方向的坐标，其中，om为可行驶区域位置；ym表示om在y方向的坐标；wm为om的宽度。
本发明实施例所提供的车辆视频辅助信息生成装置可执行本发明任意实施例所提供的车辆视频辅助信息生成方法，具备执行方法相应的功能模块和有益效果。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9为实现本发明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9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，例如车辆视频辅助信息生成方法。
在一些实施例中，车辆视频辅助信息生成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车辆视频辅助信息生成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)而被配置为执行车辆视频辅助信息生成方法。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用参考产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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)
1.一种车辆视频辅助信息生成方法，其特征在于，包括：
确定目标车辆状态数据，所述状态数据至少包括：目标车辆的参数、目标车辆三维坐标数据、目标车辆当前转角信息及目标车辆可行驶区域信息，所述目标车辆当前转角信息用于表征车辆的当前行驶方向的信息；
根据所述目标车辆状态数据确定目标车辆可行驶区域位置及目标车辆三维辅助线信息，所述目标车辆三维辅助线信息至少包括：目标车辆三维辅助标线的坐标位置、目标车辆的前进预测轨迹，所述目标车辆的三维辅助线用于辅助目标车辆行驶；
根据所述目标车辆可行驶区域位置及所述目标车辆状态数据确定目标车辆辅助安全距离；
根据目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示，所述目标视频用于表征目标车辆当前行驶路段的视频。
2.根据权利要求1所述的方法，其特征在于，根据所述目标车辆状态数据确定目标车辆可行驶区域位置，包括：
根据所述目标车辆的参数、所述目标车辆三维坐标数据确定目标车辆的外轮廓图像；
根据目标车辆可行驶区域信息确定目标车辆可行驶区域位置。
3.根据权利要求2所述的方法，其特征在于，所述根据目标车辆可行驶区域信息确定目标车辆可行驶区域位置，包括：
采用栅格图像表示可行驶区域信息；
根据栅格图像中目标栅格的属性确定可行驶区域位置，所述目标栅格的属性为目标栅格是否可通行。
4.根据权利要求1所述方法，其特征在于，所述根据所述目标车辆状态数据确定目标车辆三维辅助线信息，包括：
根据所述目标车辆三维坐标数据确定三维标线的坐标位置；
根据所述目标车辆当前转角信息生成目标车辆的前进预测轨迹。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆可行驶区域位置及所述目标车辆状态数据确定目标车辆辅助安全距离，包括：
将可行驶区域位置及所述目标车辆状态数据代入预设距离公式确定目标车辆距离可行驶区域位置的距离。
6.根据权利要求5所述的方法，其特征在于，所述预设距离公式，包括：
左前距离＝ym-(0.5*wm+0.5*wv)；
前距离＝xm-0.5*lv；
右前距离＝-ym-(0.5*wm+0.5*wv)；
左距离＝ym-(0.5*wm+0.5*wv)；
右距离＝-ym-(0.5*wm+0.5*wv)；
左后距离＝ym-(0.5*wm+0.5*wv)；
后距离＝-xm-0.5*lv；
右后距离＝-ym-(0.5*wm+0.5*wv)；
其中，m为分钟；wv为目标车辆的宽度；lv为目标车辆的长度；xm表示om在x方向的坐标，其中，om为可行驶区域位置；ym表示om在y方向的坐标；wm为om的宽度。
7.一种车辆视频辅助信息生成装置，其特征在于，包括：
数据确定模块，用于确定目标车辆状态数据，所述状态数据至少包括：目标车辆的参数、目标车辆三维坐标数据、目标车辆当前转角信息及目标车辆可行驶区域信息，所述目标车辆当前转角信息用于表征车辆的当前行驶方向的信息；
辅助信息确定模块，用于根据所述目标车辆状态数据确定目标车辆可行驶区域位置及目标车辆三维辅助线信息，所述目标车辆三维辅助线信息至少包括：目标车辆三维辅助标线的坐标位置、目标车辆的前进预测轨迹，所述目标车辆的三维辅助线用于辅助目标车辆行驶；
辅助安全距离确定模块，用于根据所述目标车辆可行驶区域位置及所述目标车辆状态数据确定目标车辆辅助安全距离；
标识模块，用于根据目标车辆辅助安全距离及目标车辆三维辅助线信息对目标视频进行标识，并实时显示，所述目标视频用于表征目标车辆当前行驶路段的视频。
8.根据权利要求7所述的装置，其特征在于，辅助信息确定模块，包括：
外轮廓图像确定单元：用于根据目标车辆的参数、目标车辆三维坐标数据确定目标车辆的外轮廓图像；
可行驶区域位置确定单元：用于根据目标车辆可行驶区域信息确定目标车辆可行驶区域位置。
9.一种电子设备，其特征在于，所述电子设备包括：
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权利要求1-6中任一项所述的车辆视频辅助信息生成方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的车辆视频辅助信息生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311512565.3A CN117557643A (zh) | 2023-11-14 | 2023-11-14 | 车辆视频辅助信息生成方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311512565.3A CN117557643A (zh) | 2023-11-14 | 2023-11-14 | 车辆视频辅助信息生成方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117557643A true CN117557643A (zh) | 2024-02-13 |
Family
ID=89816006
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311512565.3A Pending CN117557643A (zh) | 2023-11-14 | 2023-11-14 | 车辆视频辅助信息生成方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117557643A (zh) |
-
2023
- 2023-11-14 CN CN202311512565.3A patent/CN117557643A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11320833B2 (en) | Data processing method, apparatus and terminal | |
| CN110555801B (zh) | 一种航迹推演的校正方法、终端和存储介质 | |
| CN115985136B (zh) | 一种预警信息展示方法、装置及存储介质 | |
| CN113435392A (zh) | 应用于自动泊车的车辆定位方法、装置及车辆 | |
| CN114815851A (zh) | 机器人跟随方法、装置、电子设备以及存储介质 | |
| CN115857169A (zh) | 碰撞预警信息的显示方法、抬头显示装置、载具及介质 | |
| CN116080399B (zh) | 一种显示方法、显示系统及存储介质 | |
| CN117168488A (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
| CN112733678A (zh) | 测距方法、装置、计算机设备和存储介质 | |
| CN116749954A (zh) | 一种自动泊车方法、装置、设备及介质 | |
| CN115497322B (zh) | 一种窄路会车方法、装置、设备及存储介质 | |
| CN111591284A (zh) | 基于单目识别的视野盲区避障方法及装置 | |
| CN114919661B (zh) | 一种泊车控制方法、装置、设备和存储介质 | |
| CN117557643A (zh) | 车辆视频辅助信息生成方法、装置、设备及介质 | |
| CN115959154A (zh) | 变道轨迹的生成方法、装置和存储介质 | |
| CN115909813A (zh) | 一种车辆碰撞预警方法、装置、设备及存储介质 | |
| CN113516013B (zh) | 目标检测方法、装置、电子设备、路侧设备和云控平台 | |
| CN115743093A (zh) | 车辆控制方法、装置、自动泊车辅助控制器、终端及系统 | |
| CN114919570A (zh) | 一种泊车避障方法、装置、电子设备及存储介质 | |
| CN117444982B (zh) | 机器人舵轮自动标定方法和装置 | |
| CN116552507B (zh) | 一种斜列车位的泊出方法、装置、车辆及存储介质 | |
| CN114834447B (zh) | 基于自动泊车轨迹的碰撞风险预测方法及装置 | |
| EP4354397A1 (en) | Method for a camera-based pose estimation, data processing device, computer program and computer-readable medium | |
| CN116758385A (zh) | 三维目标检测方法、装置、设备和存储介质 | |
| CN115774844A (zh) | 一种类别确定方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |